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 
Dampak Pemanfaatan Fitur Artificial Intelligence pada Canva terhadap Promosi Usaha Mikro Zulkarnain, Muhammad; Irmawati Siregar, Dewi; Meiriska, Ienda; Sartika, Devi; Sadariawati, Rika
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

Abstract

Promosi yang dilakukan usaha kuliner masih terdapat keterbatasan terutama desain dari promosi. Masih terdapat pelaku usaha yang membuat promosi dengan keterbatasasn kemampuan dalam menggunakan teknologi saat ini seperti Artificial Intelligence(AI) dalam Canva.Penelitian memiliki tujuan dalam menganalisa pengaruh atau dampak dari pemanfaatan fitur Artificial Intelligence(AI) dalam Canva terhadap promosi usaha mikro di Kecamatan Gandus Kota Palembang. Fitur AI dalam Canva terdiri dari magic write, design, background remove dan text to image. Metode penelitian menggunakan metode kuantitatif. Populasi pada penelitian ini adalah pelaku usaha mikro di Kecamatan Gandus dan sampel sebanyak 100 responden dengan teknik purposive sampling. Hasil penelitian diperoleh persamaan Y= 2,242 + 0,657X. Dapat dinyatakan bahwa dengan promosi bernilai konstan sebesar 2,242 sebelum dipengaruhipemanfaatan AI dalam Canva. Koefisien regresi sebesar 0,657 merupakan pemanfaatan AI dalam Canva yang memberikan pengaruh positif terhadap promosi pada pelaku usaha mikro di Kecamatan Gandus. Artinya setiap peningkatan pemanfaatan AI dalam Canva satu satuan maka akan meningkatkan promosi sebesar 0,657. Hasil uji t, diperoleh t sig < 5% atau 0,00 < 0,05 dan hipotesis yang diterima adalah Hadan menolakH0. Dapat dinyatakan bahwa pemanfaatan fitur AI dalam Canva berpengaruh signifikan terhadap promosi pada usaha mikro di Kecamatan Gandus Kota Palembang. koefisien determinasi sebesar 0,772 atau sebesar 77,2% pemanfaatan fitur AI dalam Canva dapat menjelaskan promosi sedangan sisanya sebesar 22,8% dipengaruhi oleh variabel lain yang tidak diteliti seperti media sosial sebagai media promosiserta target audiens.
Analisis Presisi Aliran Komunikasi Data pada Proses Konversi Analog ke Digital dalam Sistem Monitoring pH Air Berbasis Mikrokontroler Berarsitektur 8-Bit Fauzan, Reski Yulian; Lifwarda, Lifwarda; Wahyudi, Ricky
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

Abstract

Drinking water quality is a critical factor in maintaining human health, with the degree of acidity (pH) serving as one of the primary parameters for determining water suitability for consumption. Digital pH measurement requires a data communication process that begins with the acquisition of analog signals from a sensor and ends with the presentation of information on an output device. This study aims to analyze the precision of the data communication process during Analog-to-Digital Converter (ADC) conversion in a drinking water pH monitoring system based on an 8-bit microcontroller architecture. The data flow begins with an electrochemical pH sensor that responds to hydrogen ions, generating an analog voltage signal inversely proportional to the measured pH value. The signal is then transmitted to the microcontroller's internal ADC, where it is converted into discrete binary data, logically processed using a mathematical regression constant, and subsequently transmitted as visual character instructions to an LCD module, displaying the water condition as Acidic, Neutral, or Alkaline. Empirical evaluation was conducted through calibration using standard pH buffer solutions of pH 4 and pH 7. The results demonstrate that the 8-bit microcontroller data processing algorithm consistently converts signal deviations with a measurement precision ranging from 97.40% to 98.52%. These findings confirm the reliability limit of the 8-bit ADC precision and establish it as a fundamental baseline for liquid analytical instrumentation. Keywords: 8-bit architecture, data communication, analog to digital conversion, adc precision, water quality Abstrak Kualitas air minum merupakan salah satu faktor penting yang menentukan kesehatan manusia, di mana derajat keasaman (pH) menjadi parameter utama dalam menilai kelayakan konsumsi air. Pengukuran pH secara digital memerlukan proses komunikasi data yang diawali dari akuisisi sinyal analog oleh sensor hingga penyajian informasi pada perangkat keluaran. Penelitian ini bertujuan menganalisis tingkat presisi proses komunikasi data pada konversi Analog-to-Digital (ADC) dalam sistem pemantauan pH air berbasis mikrokontroler berarsitektur 8-bit. Aliran data diawali dari akuisisi sensor pH elektrokimia yang merespons ion hidrogen, menghasilkan sinyal tegangan analog yang berbanding terbalik dengan nilai ukur pH. Sinyal tersebut dialirkan menuju ADC internal mikrokontroler untuk dikonversi menjadi data biner diskrit, diproses secara logis berdasarkan konstanta regresi matematis, dan ditransmisikan sebagai instruksi karakter visual ke modul LCD berupa klasifikasi kondisi Asam, Normal, atau Basa. Evaluasi empiris dilakukan melalui pengujian kalibrasi dengan larutan standar pH buffer 4 dan 7. Hasil analisis menunjukkan algoritma pemrosesan data arsitektur 8-bit mampu mengonversi deviasi sinyal secara konsisten dengan presisi pembacaan sebesar 97,40% hingga 98,52%. Kajian ini membuktikan batas keandalan presisi ADC mikro 8-bit sebagai rujukan utama (baseline) untuk instrumen analitik zat cair.
Progressive Topic Formation: Framework Iteratif untuk Membangun Domain Knowledge Collection Assuja, Maulana Aziz; Saniati, Saniati; Nurhuda, Yeni Agus
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.v6i2.2456

Abstract

Topic modeling banyak digunakan untuk mengidentifikasi topik dari koleksi dokumen berskala besar. Namun, sebagian besar pendekatan masih menghasilkan label topik atau kumpulan kata representatif yang belum dapat dimanfaatkan sebagai pengetahuan terstruktur. Penelitian ini mengusulkan Progressive Topic Formation (PTF) sebagai framework untuk membangun Domain Knowledge Collection (DKC) dari koleksi dokumen tidak terstruktur. Framework yang diusulkan memperkenalkan Semantic Domain Prototype sebagai representasi awal domain yang diikuti oleh tahapan semantic retrieval, progressive document clustering, dan Domain Knowledge Construction untuk mentransformasikan cluster dokumen yang memiliki koherensi semantik menjadi knowledge object yang terstruktur. Evaluasi dilakukan menggunakan 599.059 artikel Wikipedia Bahasa Indonesia dengan Domain Pendidikan sebagai studi kasus. Hasil eksperimen menunjukkan bahwa PTF mampu memperoleh dokumen yang relevan secara semantik, membentuk cluster yang koheren, serta menghasilkan Domain Knowledge yang terdiri atas nama topik, ringkasan topik, representasi topik, kata kunci utama, dan dokumen pendukung. Dibandingkan dengan topic modeling konvensional, framework yang diusulkan menghasilkan Domain Knowledge Collection yang memiliki representasi semantik lebih kaya melalui transformasi cluster dokumen menjadi knowledge object yang dapat digunakan kembali. Hasil penelitian menunjukkan bahwa PTF memperluas konsep topic modeling menuju konstruksi pengetahuan domain, sehingga DKC yang dihasilkan berpotensi dimanfaatkan sebagai knowledge layer pada Knowledge Management System, semantic search, dan Retrieval-Augmented Generation (RAG).

Page 17 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