cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arif Budiman
Contact Email
pustakateknologiai@gmail.com
Phone
+6281374373837
Journal Mail Official
pustakateknologiai@gmail.com
Editorial Address
Jl. Batu Kasek Blok E 11 Padang
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Published by Pustaka Galeri Mandiri
ISSN : -     EISSN : 28094069     DOI : https://doi.org/10.55382/jurnalpustakaai
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics
Jurnal Pustaka AI adalah sebuah jurnal Double blind peer-review yang didedikasikan untuk publikasi hasil Penelitian yang berkualitas khusus bidang ilmu Teknologi Artificial Intelligence . Semua publikasi di Jurnal Pustaka AI bersifat akses terbuka yang memungkinkan artikel tersedia secara bebas online tanpa berlangganan apapun. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) menerima naskah artikel setiap saat yang akan diterbitkan secara berkala tiga kali setahun yaitu pada bulan April, Agustus, dan Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 163 Documents
 13   14   15   16   17 
Implementasi CNN Model Resnet50 Klasifikasi Citra Penyakit Lumpy Skin Disease Pada Sapi Novrian, Willi; Panca Putra, Yusran; Susanto, Agus; Purnama Sari, Julia; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1874

Abstract

Sektor peternakan sapi memiliki peran vital dalam ketahanan pangan nasional, namun dihadapkan pada tantangan penyakit menular seperti Lumpy Skin Disease (LSD). Penyakit ini menyebabkan kerugian ekonomi akibat penurunan produksi dan biaya perawatan. Deteksi dini sangat diperlukan untuk mencegah penyebaran yang lebih luas. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis performa Convolutional Neural Network (CNN) menggunakan arsitektur ResNet-50 untuk mengklasifikasi citra penyakit kulit LSD pada ternak sapi dibandingkan dengan sapi sehat. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 324 citra sapi terinfeksi LSD dan 700 citra sehat, yang dibagi menjadi 80% data latih dan 20% data uji. Model dilatih menggunakan pendekatan transfer learning dengan dua tahap: pembekuan (freeze) seluruh layer backbone selama 20 epoch, dilanjutkan dengan fine-tuning parsial selama 40 epoch. Hasil pengujian menunjukkan bahwa model mencapai akurasi keseluruhan sebesar 93,17%, dengan macro average precision 91,86%, recall 92,53%, dan F1-score 92,18%. Model terbukti mampu membedakan citra sapi sehat dan terinfeksi dengan tingkat sensitivitas yang tinggi. Penggunaan arsitektur ResNet-50 merupakan solusi inovatif dan efektif untuk mempercepat diagnosis LSD berbasis kecerdasan buatan.
Analisis Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Metode Decision Tree Cahayani Adha, Afifah; Hendriani, Sisi; Safitri Nelaz, Yolanda; Pratama, Rifaldo; Marzuki, Asep
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1556

Abstract

Banyaknya perguruan tinggi swasta di Kota Pekanbaru yang menawarkan berbagai macam jurusan. Dikarenakan banyaknya perguruan tinggi swasta yang ada, maka persaingan antar perguruan tinggi untuk menarik minat calon mahasiswa baru sangatlah ketat. Di sisi lain, jumlah lulusan Sekolah Menengah Atas (SMA) sederajat di Kota Pekanbaru setiap tahunnya relatif stabil. Kondisi ini menciptakan lingkungan persaingan yang intens di mana setiap kampus harus mampu mengidentifikasi dan menjangkau calon mahasiswa potensial dengan lebih efektif dan efisien. Pada saat ini Program Studi Sarjana 1 Informatika Universitas Awal Bros dari tahun ke tahun jumlah mahasiswa yang mendaftar ulang sangat sedikit sehingga untuk kouta 1 kelas sebanyak 30 orang tidak bisa terpenuhi. Saat ini Program Studi Sarjana 1 Informatika telah berusaha semaksimal mungkin dalam mendapatkan calon mahasiswa baru untuk dapat melanjutkan pendidikan pada Program Studi Sarjana 1 Informatika Universitas Awal Bros.. Tujuan untuk melakukan analisa data calon mahasiswa baru yang ada di Kota Pekanbaru untuk menemukan pola prediksi minat calon mahasiswa baru dalam memilih perguruan tinggi.
Optimasi Tata Kelola Rantai Pasok dan Pelaporan Keuangan Swalayan Aman Berbasis Flowchart Nasution, Hanifah Nur; Fauzi, Rahmad; Zainy, Ahmad; Hidayat, Thofik; Siregar, Hotmaida Lestari; Maulana, Adam; Habibi, M
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1833

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengoptimalkan tata kelola rantai pasok serta alur pelaporan keuangan pada Swalayan Aman melalui pendekatan analisis flowchart sistem informasi. Fokus utama kajian ini adalah bagaimana integrasi aliran data antara Sales, Pemasok, Kasir, dan Manajemen dapat meminimalisir kesalahan input dan mempercepat penyajian laporan mingguan. Analisis dilakukan untuk melihat sejauh mana sinkronisasi dokumen seperti faktur dan bukti input dapat memperkuat validasi data operasional retail. Metode penelitian yang digunakan adalah deskriptif kualitatif dengan teknik observasi langsung dan wawancara dengan personel operasional pada Maret 2026. Hasil penelitian menunjukkan bahwa penggunaan sistem informasi yang terintegrasi memberikan tingkat efisiensi yang lebih tinggi, terutama pada aspek rekonsiliasi data antara bagian gudang dan kasir. Kesimpulan dari penelitian ini menegaskan bahwa restrukturisasi alur informasi digital pada Swalayan Aman berhasil menciptakan transparansi laporan yang lebih akurat dan memangkas waktu tunggu distribusi barang.
Pemahaman dan Penerapan Pembelajaran Coding-AI: Sebuah Tinjauan Deskriptif Suwastina, Monica Presi; Suryati Cendrakasih, Karolina; Didik Susilowati, Elfrida; Widanarto Prijowuntato, Sebastianus
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1508

Abstract

  The era of Industry 4.0 has implications for every aspect of human life, including the development of digital technology. Advances in digital technology bring prosperity and convenience to human activities. Education should also respond to these changes as a step to prepare students to become graduates who are ready to participate in globalization. The Kurikulum Merdeka facilitates learning, one of which is through the coding and artificial intelligence (AI) approach. In its implementation, learning that utilizes coding and AI requires teachers to master digital technology so they can provide learning experiences aligned with students’ needs in today’s context. This study aims to analyze teachers’ understanding of coding and AI, as well as their application in learning within the context of the Kurikulum Merdeka in Catholic private elementary and secondary schools. The research uses a descriptive quantitative approach with a questionnaire administered to 29 teachers from three private elementary schools in Indonesia. The results indicate that teachers’ understanding of coding and AI varies; only 39.8% are able to introduce coding using simple media. Nevertheless, teachers show high motivation to learn coding and AI (86.2%). Coding and AI are strategic competencies for navigating the global digital ecosystem [1]. The findings indicate a need for continuous training, improved digital infrastructure, and curriculum innovation to ensure optimal educational transformation. Thus, the integration of coding and AI not only strengthens teachers’ digital literacy but also becomes an essential foundation in preparing students to face the challenges of the digital era. Keywords: coding and AI, educational transformation, digital era Abstrak Era industri 4.0 membawa implikasi pada setiap aspek kehidupan manusia, salah satunya adalah perkembangan teknologi digital. Kemajuan teknologi digital membawa kesejahteraan serta kemudahan bagi kehidupan manusia. Pendidikan seharusnya juga menyikapi hal ini sebagai langkah untuk mempersiapkan peserta didiknya untuk menjadi lulusan yang siap menjadi bagian dalam globalisasi. Kurikulum Merdeka memfasilitasi pembelajaran, salah satunya dengan pendekatan coding dan artificial intelligence (AI). Dalam penerapannya, pembelajaran dengan menggunakan pendekatan coding dan AI menuntut guru untuk menguasai teknologi digital sehingga dapat memberikan pengalaman belajar yang sesuai dengan kebutuhan peserta didik pada masa ini. Penelitian ini bertujuan untuk menganalisis pemahaman guru tentang coding dan AI, serta penerapannya dalam pembelajaran pada konteks Kurikulum Merdeka di sekolah dasar dan menengah swasta Katolik. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan instrumen berupa kuesioner yang diberikan kepada 29 guru dari tiga sekolah dasar swasta di Indonesia. Hasil penelitian menunjukkan bahwa pemahaman guru tentang coding dan AI masih bervariasi; hanya 39,8% guru yang mampu mengenalkan coding menggunakan media sederhana. Meski demikian, guru menunjukkan motivasi tinggi untuk mempelajari coding dan AI (86,2%). Coding dan AI merupakan keterampilan strategis menuju ekosistem digital global [1]. Temuan penelitian ini menunjukkan adanya kebutuhan akan pelatihan berkelanjutan, peningkatan sarana-prasarana digital, serta inovasi kurikulum guna memastikan transformasi pendidikan berjalan optimal. Dengan demikian, integrasi coding dan AI selain memperkuat literasi digital guru, juga menjadi fondasi penting dalam menyiapkan peserta didik menghadapi tantangan era digital. Kata kunci: coding dan AI, transformasi pendidikan, era digital
Sistem Pakar Dengan Case Base Reasoning Dan Certainty Factor Untuk Diagnosa THT Budiarsa, Rahmat; Perdana Putra, Nova
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1718

Abstract

Perbandingan jumlah dokter spesialis telinga hidung dan tenggorokan (THT) dengan jumlah provinsi di Indonesia adalah 1: 48 dokter spesialis THT. Penyakit yang dibahas dalam penelitian ini adalah penyakit otitis media akut, presbikusis, vestibulitis, sinusitis, Faringitis, Tonsilitis, Perforasi Septum, Deviasi Septum, dan Abses Parafaringeal dengan 40 gejala. Menurut dr.Nova Perdana Putra, Sp.THT-KL kesembilan penyakit yang disebutkan sebelumnya adalah penyakit yang biasa diderita oleh masyarakat Kerinci, Jambi. Tujuan dan Manfaat penelitian ini adalah mempermudah dan mempercepat pasien atau masyarakat dalam mendiagnosa awal 9 penyakit THT dan memberikan pengetahuan tentang penyakit yang kemungkinan diderita sebelum ke dokter THT serta membantu diagnosa awal yang dilakukan dokter THT. Metode pengumpulan data yang dilakukan adalah wawancara, studi literatur dan observasi berjumlah 150 data. Analisis yang dilakukan adalah analisis data, user dan kebutuhan sistem. Pada tahap perancangan sistem pakar dilakukan akuisisi pengetahuan, membuat tabel basis pengetahuan, membuat basis aturan, Decision Tree, membuat alur keputusan sistem dan perancangan basis data. Implementasi dilakukan dalam bentuk web sesuai dengan alur keputusan sistem dimulai dari menginputkan data (pasien dan gejala), decision tree, menghitung similarity, menghitung certainty factor, menyimpan data kasus baru, konfirmasi data, dan menampilkan hasil diagnosa. Tingkat akurasi sistem diuji menggunakan metode accuracy testing. Dalam Penelitian ini penentuan penyakit dengan kasus baru menggunakan kasus lama dapat diterapkan jika similarity gejala pada kedua kasus ? 80%. Penelitian ini telah diuji menggunakan 105 data uji kasus dan menghasilkan tingkat akurasi 93,33% yang berhasil didiagnosa oleh sistem dan disetujui oleh pakar THT dr. Nova Perdana Putra, Sp.THT-KL.
Implementasi Retrieval-Augmented Generation untuk Chatbot Layanan Pelanggan PT. GAWS Inti Solusi Renedominick, Verio; Barus, Simon Prananta
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1768

Abstract

Abstract The advancement of Artificial Intelligence (AI), particularly Large Language Models (LLMs), has enabled the development of more intelligent customer support chatbots. However, conventional LLM-based systems often suffer from issues such as hallucinated responses and limited context-awareness. This study aims to implement the Retrieval-Augmented Generation (RAG) model in a customer support chatbot to address the limitations of the existing customer service system at PT Gaws Inti Solusi. The system was developed using an Agile methodology through four iterative sprints, covering the setup of the development environment, RAG pipeline integration, UI/UX improvements, and system optimization. The proposed solution integrates LangChain, ChromaDB, and a locally deployed instruction-tuned LLM (mistral:instruct), along with a user-friendly chat widget and administrative dashboard. Evaluation results demonstrate that the RAG-based chatbot significantly improves response accuracy, reduces reliance on company leadership, and accelerates response times. The system effectively enhances the automation and efficiency of customer service processes, offering practical value for enterprise-level deployment Keywords: Chatbot, Retrieval-Augmented Generation, RAG, LLM, Customer Support, LangChain, ChromaDB, PT Gaws Inti Solusi Abstrak Perkembangan teknologi Artificial Intelligence (AI), khususnya Large Language Models (LLM), membuka peluang baru dalam pengembangan chatbot untuk layanan pelanggan. Namun, LLM konvensional masih menghadapi permasalahan seperti halusinasi informasi dan keterbatasan konteks. Penelitian ini bertujuan untuk mengimplementasikan model Retrieval-Augmented Generation (RAG) dalam sistem chatbot guna mengatasi keterbatasan sistem layanan pelanggan di PT Gaws Inti Solusi. Metode pengembangan menggunakan pendekatan Agile dengan empat sprint iteratif yang meliputi setup lingkungan pengembangan, integrasi pipeline RAG, peningkatan UI/UX, serta optimasi sistem. Sistem yang dibangun memanfaatkan LangChain, ChromaDB, dan model LLM lokal (mistral:instruct) yang diintegrasikan dengan dashboard admin dan widget chatbot interaktif. Evaluasi menunjukkan bahwa pendekatan RAG mampu meningkatkan akurasi respons, mengurangi ketergantungan pada pimpinan perusahaan, serta mempercepat waktu tanggap layanan pelanggan. Dengan demikian, sistem ini memberikan kontribusi nyata dalam otomatisasi dan efisiensi layanan informasi di lingkungan perusahaan Kata kunci: Chatbot, Retrieval-Augmented Generation, RAG, LLM, Layanan Pelanggan ,LangChain, ChromaDB, PT Gaws Inti Solusi
Aplikasi Pencatatan Keuangan Berbasis Voice Recognition dan LLM dengan LangChain Laia, Nico; Widjaja, Prya Artha
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1777

Abstract

Pencatatan keuangan pribadi masih menjadi tantangan karena sebagian besar aplikasi yang tersedia mengharuskan pengguna memasukkan data transaksi secara manual. Proses tersebut sering dianggap tidak praktis sehingga pengguna enggan mencatat transaksi secara rutin. Penelitian ini bertujuan untuk mengembangkan aplikasi pencatatan keuangan pribadi bernama Finic yang mengintegrasikan teknologi voice recognition, Large Language Model (LLM), dan framework LangChain untuk memungkinkan pencatatan transaksi secara otomatis menggunakan bahasa alami. Sistem memungkinkan pengguna mencatat transaksi melalui perintah suara atau teks sederhana yang kemudian diproses dan dikategorikan secara otomatis. Aplikasi dikembangkan dalam bentuk Progressive Web App (PWA) dan memanfaatkan model LLaMA 3.1 yang dijalankan secara lokal menggunakan Ollama untuk memahami input pengguna serta melakukan analisis sederhana terhadap data transaksi. Proses pengembangan menggunakan metode Agile dengan beberapa tahap iteratif yang meliputi pengumpulan kebutuhan, perancangan sistem, implementasi, dan pengujian pengguna. Evaluasi dilakukan melalui survei terhadap 103 responden dari berbagai latar belakang. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu meningkatkan efisiensi pencatatan transaksi dan membantu pengguna memahami pola pengeluaran mereka. Meskipun demikian, keterbatasan perangkat lokal menyebabkan waktu respons model LLM masih relatif lambat.
Sistem Smart Door Lock Terintegrasi IoT dan Face Recognition Berbasis Edge Computing syawaldipa, ardi; Gaputra, Ideva; Febrian Kasmar, Andre; Eka Putra, Dian
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1930

Abstract

Sistem keamanan pintu pengenalan wajah berbasis IOT saat ini sering mengalami latensi tinggi dan rentan gagal saat koneksi internet tidak stabil akibat pemrosesan data yang terpusat di cloud, sehingga memerlukan pemrosesan lokal (edge computing) agar respons otentikasi dan kendali jarak jauh menjadi lebih cepat dan real-time. Serta Penggunaan kunci Pintu fisik memiliki berbagai kelemahan, yaitu mudah hilang, rusak, atau diduplikasi. Oleh karena itu, Pada penelitian ini membahas rancangan dan implementasi edge computing sistem keamanan pintu dengan face recognition berbasis Internet of Things dengan kendali jarak jauh. Sistem ini menggunakan ESP32-CAM sebagai alat pengambil sampel wajah, NodeMCU ESP32 sebagai alat pengendali akuator, serta solenoid door lock sebagai mekanisme buka dan tutup pintu. Proses verifikasi wajah dilakukan secara lokal pada edge server menggunakan Python dan OpenCV tanpa menggunakan cloud, sehingga meningkatkan kecepatan respon dan keamanan data. Sistem ini juga dilengkapi dengan aplikasi Android sebagai kendali jarak jauh untuk membuka dan menutup pintu. Hasil pengujian menunjukkan sistem mampu mengenali wajah yang terdaftar dengan baik, mengontrol pintu secara otomatis, serta mengakses pintu dari jarak jauh. Sistem ini diharapkan dapat menjadi solusi keamanan pintu rumah yang lebih efektif, efisien dan modern.
Segmentasi Pelanggan E-Commerce UMKM Indragiri Hilir Menggunakan Algoritma K-Means dan Analisis RFM Zulrahmadi; Muhammad Jibril; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.2096

Abstract

Micro, Small, and Medium Enterprises (MSMEs) in Indragiri Hilir Regency (INHIL) play a strategic role in the local economy, particularly through the marketing of local specialty products such as dodol, crackers, and syrup. However, the majority of MSME operators still face challenges in optimally utilizing historical transaction data to formulate effective and measurable marketing strategies. This study aims to design and implement a web-based e-commerce system integrated with a smart customer segmentation module using a K-Means Clustering algorithm based on the Recency, Frequency, Monetary (RFM) metric. Methodologically, transaction data is extracted from a relational database using PHP (PDO) and MySQL. To ensure clustering accuracy, the data is processed through Min-Max Scaling normalization to eliminate scale bias between high-value nominal variables and low-frequency ones. The algorithm then calculates Euclidean distances to objectively group customers into three distinct segments. The system’s key advantage lies in its dynamic labeling mechanism (intelligent labeling), which automatically names clusters based on customer value scores, resulting in clear categories: “Loyal/Royal,” “Potential,” and “Needs Attention.” System testing results show that this platform successfully processes and visualizes customer data in real-time through an interactive and responsive analytics dashboard. This implementation not only modernizes the user interface but also provides concrete data-driven insights for business managers. Consequently, SME administrators can design personalized promotional strategies, improve customer retention, and significantly optimize revenue, while also serving as a practical reference for accelerating the digital transformation of SMEs in rural areas.
Implementasi X-StuntAI untuk Deteksi Dini dan Interpretasi Risiko Stunting pada Balita Rayendra; Yunaldi, Andri
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.1954

Abstract

Stunting pada balita masih menjadi persoalan kesehatan utama di Indonesia karena berdampak pada pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Penelitian ini bertujuan mengimplementasikan X-StuntAI, yaitu framework berbasis Explainable Artificial Intelligence (XAI) dengan pendekatan Explainable Ensemble Learning, untuk mendeteksi dini stunting sekaligus menginterpretasikan faktor risiko yang memengaruhi hasil prediksi. Metode yang digunakan meliputi preprocessing data, pembagian data latih dan data uji, penerapan beberapa algoritma machine learning, serta evaluasi performa model menggunakan akurasi. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) memberikan performa terbaik dengan akurasi sebesar 99,53%, diikuti Support Vector Machine (SVM) sebesar 99,48%, SVM dengan hyperparameter tuning menggunakan GridSearchCV sebesar 99,40%, Logistic Regression sebesar 74,81%, dan Gaussian Naive Bayes sebesar 55,41%. Temuan ini menunjukkan bahwa X-StuntAI mampu memberikan klasifikasi yang sangat baik sekaligus membantu interpretasi faktor risiko stunting secara lebih transparan. Ke depan, framework ini berpotensi dikembangkan menjadi sistem pendukung keputusan yang lebih aplikatif untuk membantu tenaga kesehatan dalam deteksi dini dan pencegahan stunting pada balita.

Page 16 of 17 | Total Record : 163

 13   14   15   16   17 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 1 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 3 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 2 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 1 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 3 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 2 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 1 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 2 No 2 (2022): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 2 No 1 (2022): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence Vol 1 No 1 (2021): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) More Issue