cover
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
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.
Articles 136 Documents
Object-Oriented Analysis and Design pada Aplikasi Sistem Pendukung Keputusan Pemilihan Beasiswa KIP Kuliah Permata Sari, Fitri; Huda, Ramzil; Auriga, Wira
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1003

Abstract

Penelitian ini membahas penerapan metode Object-Oriented Analysis and Design (OOAD) dalam perancangan aplikasi Sistem Pendukung Keputusan (SPK) pemilihan penerima beasiswa KIP Kuliah. Tujuan penelitian ini adalah merancang sistem yang terstruktur dan efisien guna membantu proses seleksi dengan menggunakan metode VIKOR sebagai algoritma utama dalam pengambilan keputusan multikriteria. Metode penelitian meliputi identifikasi masalah, pengumpulan data melalui observasi dan wawancara, analisis sistem menggunakan pendekatan OOA, serta desain aplikasi dengan pendekatan OOD. Aplikasi yang dikembangkan berbasis desktop dan dilengkapi fitur input data, penetapan bobot, normalisasi, perangkingan, dan pelaporan keputusan secara otomatis. Pendekatan OOAD menjamin desain perangkat lunak yang sistematis, sedangkan metode VIKOR mendukung seleksi penerima beasiswa secara objektif dan akurat. Sistem akhir mampu memberikan rekomendasi berdasarkan hasil perangkingan dan membantu pengambil keputusan dalam mengklasifikasikan calon penerima menjadi direkomendasikan, dipertimbangkan, atau ditolak
Pengaruh Few-shot Learning pada Kinerja LLM untuk Ekstraksi Entitas Iklan Lowongan Kerja Shafelbilyunazra, Alvalen; Prasetya, Didik Dwi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1069

Abstract

Ekstraksi informasi dari teks tidak terstruktur, seperti iklan lowongan kerja, merupakan tantangan besar. Pendekatan tradisional berbasis fine-tuning membutuhkan dataset berlabel masif dan sumber daya komputasi tinggi. Sebagai alternatif, Large Language Model (LLM) dengan In-Context Learning (ICL) menawarkan efisiensi. Penelitian ini menginvestigasi pengaruh few-shot learning, khususnya variasi jumlah contoh (k), terhadap akurasi LLM dalam ekstraksi entitas dari iklan lowongan kerja berbahasa Indonesia. Menggunakan model Gemini, eksperimen dilakukan dengan skenario zero-shot (k=0) hingga few-shot (k=1, 3, 5, 10, 20). Setiap skenario dievaluasi lima kali menggunakan Monte Carlo Cross-Validation, dengan metrik Presisi, Recall, dan F1-Score. Hasil menunjukkan korelasi positif antara jumlah contoh dan akurasi, namun dengan point of diminishing returns. Peningkatan kinerja drastis terjadi pada 1-5 shot, dan performa mencapai kejenuhan setelah 10 shot. Model cenderung memiliki Presisi lebih tinggi daripada Recall, memprioritaskan kebenaran ekstrak. Studi ini menyimpulkan bahwa strategi prompting optimal memerlukan keseimbangan akurasi dan efisiensi, merekomendasikan 5-10 contoh untuk sebagian besar aplikasi. Temuan ini memberikan panduan praktis untuk optimalisasi penggunaan LLM dalam ekstraksi informasi.
Perancangan Sistem Informasi Akuntansi Simpan Pinjam pada KSPPKP “Unit Bulanan Teluk Betung Bandar Lampung” Mutiara, Intan; Trisnawati, Trisnawati
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1072

Abstract

Koperasi Simpan Pinjam dan Pembiayaan Koperasi Pegawai (KSPPKP) “Unit Bulanan Teluk Betung” merupakan lembaga keuangan non-bank yang memberikan layanan simpan pinjam kepada anggotanya. Proses pencatatan transaksi yang masih dilakukan secara manual menimbulkan berbagai permasalahan, seperti keterlambatan pelaporan, kesalahan pencatatan, dan kesulitan dalam pengelolaan data. Penelitian ini bertujuan untuk merancang sistem informasi akuntansi simpan pinjam yang dapat membantu koperasi dalam mencatat, mengelola, dan menyajikan data transaksi secara efektif dan efisien. Metodologi yang digunakan adalah metode waterfall yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Hasil dari perancangan ini berupa sistem berbasis web yang mendukung pengelolaan data anggota, transaksi simpanan, pinjaman, angsuran, serta laporan keuangan koperasi. Pengujian sistem dilakukan menggunakan metode black-box dan menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik. Dengan diterapkannya sistem ini, diharapkan pengelolaan keuangan koperasi menjadi lebih terstruktur, akurat, dan transparan
Smart Farming Berdasarkan Suhu dan Kelembapan Berbasis Arduino Nur Nasution, Hanifah; Hidayat, Thofik; Rozi Nasution, Sari Wahyuni; Fauzi, Rahmad; Sari Hasibuan, Asrika Amanda; Nurdiansyah, Aldi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1075

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Internet of Things (IoT) untuk monitoring dan pengendalian jarak jauh pada sistem pompa air berbasis mikrokontroler. Sistem ini diharapkan dapat membantu dalam pengelolaan penggunaan air secara efisien dan efektif. Metodologi penelitian yang digunakan meliputi pengumpulan data, perancangan sistem, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat bekerja dengan baik dan memberikan informasi yang akurat mengenai status pompa air serta memungkinkan pengendalian jarak jauh melalui aplikasi mobile. Sistem ini juga dilengkapi dengan fitur notifikasi otomatis jika terjadi gangguan pada pompa air. Kata kunci: Internet of Things, monitoring, pengendalian jarak jauh, pompa air, mikrokontroler
Algoritma Random Forest Untuk Prediksi Perkerasan Tanah Asnur, Hanifah; Yunita, Rini; Rizki Marsa, Arif
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1082

Abstract

Prediksi kepadatan tanah dasar sangat penting dalam perancangan perkerasan jalan. penelitian ini mengintegrasikan eksperimen laboratorium dengan pendekatan machine learning, khususnya algoritma Random Forest, untuk memprediksi nilai California Bearing Ratio (CBR) berdasarkan parameter pemadatan tanah. Sampel tanah diuji menggunakan metode Standard Proctor guna menentukan kadar air optimum dan berat isi kering maksimum, kemudian dilanjutkan dengan pengujian CBR di laboratorium pada variasi energi tumbukan (10, 25, dan 56 kali). Model Random Forest kemudian dilatih menggunakan variabel input berupa kadar air, berat isi kering, dan jumlah tumbukan, dengan nilai CBR sebagai variabel output. Hasil menunjukkan bahwa model menghasilkan tingkat akurasi prediksi yang tinggi (R² > 0,90) dan memberikan estimasi yang sangat mendekati hasil pengujian laboratorium. Pendekatan ini menunjukkan potensi yang signifikan dalam menyederhanakan dan mempercepat analisis teknis pada desain tanah dasar perkerasan.
Segmentasi Pelanggan Toko Hanifah Berdasarkan Analisis RFM dengan Metode K-Means Clustering Febrina, Yerri Kurnia; Saputra, Riyan; G, Katrina Flomina
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1084

Abstract

Penjualan merupakan aspek krusial dalam bisnis karena secara langsung mempengaruhi pendapatan dan daya saing di pasar. Dalam konteks ritel, pendekatan penjualan yang seragam sering kali kurang efektif mengingat keragaman karakteristik dan perilaku belanja pelanggan. Penelitian ini dilakukan di Toko Hanifah, sebuah toko kebutuhan harian, dengan tujuan mengelompokkan pelanggan berdasarkan perilaku belanja mereka menggunakan analisis RFM (Recency, Frequency, Monetary) yang kemudian diklasifikasikan lebih lanjut menggunakan algoritma K-Means Clustering. Melalui pendekatan ini, pelanggan berhasil dikelompokkan ke dalam empat klaster, yaitu pelanggan reguler, pasif, loyal, dan pelanggan potensial. Klasterisasi ini didukung oleh analisis Principal Component Analysis (PCA) yang menunjukkan sebaran klaster yang jelas. Hasil penelitian ini memberikan kontribusi praktis dalam merumuskan strategi penjualan yang lebih efisien dan terarah, serta meningkatkan efektivitas pemasaran berdasarkan karakteristik masing-masing kelompok pelanggan. Pendekatan ini juga membuktikan potensi pemanfaatan data transaksi dalam mendukung pengambilan keputusan bisnis di sektor ritel.
Klasifikasi Pengaduan Kekerasan Berbasis Bidirectional Encoder Representations from Transformers (BERT) pada Kementrian Pemberdayaan Perempuan dan Perlindungan Anak Kementrian (PPPA) Jundi, Muhammad; Rahmaddeni, Rahmaddeni; Utami, Putri; Perdana Arifin, Satria; Sinaga, Leonardo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1109

Abstract

Kekerasan terhadap perempuan dan anak merupakan isu serius di Indonesia, dengan ribuan laporan masuk setiap tahun ke lembaga perlindungan. Sebagian besar laporan disampaikan dalam bentuk narasi bebas, yang menyulitkan proses identifikasi jenis kekerasan dan respon yang cepat. Penelitian ini mengembangkan model klasifikasi otomatis berbasis IndoBERT untuk mendeteksi jenis kekerasan dan sentimen pelapor secara simultan. Model dilatih menggunakan pendekatan multi-task learning dengan dua label keluaran: kategori kekerasan (multi-label) dan sentimen (biner). Dataset terdiri dari laporan berbahasa Indonesia yang telah dianotasi manual. Evaluasi dilakukan pada data uji (20%) menggunakan metrik F1-score, precision, dan recall. Hasil menunjukkan bahwa model mencapai F1-score sebesar 0,8528 untuk klasifikasi kekerasan dan 0,8375 untuk sentimen. Pengujian pada narasi fiktif juga membuktikan ketepatan model dalam menangkap konteks semantik dan ekspresi emosional pelapor. Model ini menunjukkan potensi signifikan untuk mendukung lembaga pemerintah dalam mempercepat analisis dan tindak lanjut laporan kekerasan secara digital.
Analisis Pola Transaksi Penjualan Untuk Rekomendasi Menu Menggunakan Algoritma Apriori Muharmi, Yulya; Aji Pulungan, Wahyu
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1128

Abstract

Sou Space merupakan Coffee Shop yang tengah berkembang di wilayah Tulang Bawang Barat dan menyediakan berbagai pilihan makanan serta minuman. Dalam menghadapi persaingan bisnis kuliner yang semakin kompetitif, dibutuhkan strategi promosi yang berbasis data dan tepat sasaran. Penelitian ini bertujuan untuk menemukan kombinasi menu yang sering dibeli bersamaan oleh pelanggan menggunakan algoritma apriori. Data yang dianalisis berasal dari transaksi penjualan di Sou Space. Proses analisis dilakukan secara manual dan divalidasi menggunakan perangkat lunak Tanagra versi 1.4.41, dengan ambang minimum confidence sebesar 80%. Hasil yang diperoleh menunjukkan dua aturan asosiasi yang signifikan, yaitu: (1) pembelian Nugget Mozarella cenderung diikuti dengan pembelian French Fries, dan (2) pembelian Sou Green berkaitan dengan pembelian Nugget Mozarella. Pola pembelian ini dapat dijadikan dasar bagi manajemen dalam merancang strategi promosi, seperti menu bundling atau diskon kombinasi, untuk meningkatkan penjualan serta kepuasan pelanggan. Temuan ini membuktikan bahwa algoritma apriori mampu mengolah data transaksi secara efektif untuk mendukung pengambilan keputusan dalam kegiatan promosi.
Model Deep Learning Berbasis Convolutional Neural Network Untuk Identifikasi Stroke Iskemik Pada Citra CT Scan Faturohman, Agung; Anggreani, Desi; Yusliana Bakt, Rizki
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1150

Abstract

Stroke iskemik merupakan salah satu penyakit tidak menular yang berbahaya dan dapat menyebabkan kecacatan hingga kematian apabila tidak ditangani dengan cepat dan tepat. Identifikasi stroke melalui citra CT scan otak menjadi metode penting dalam dunia medis, namun masih memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stroke iskemik secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Data yang digunakan berupa citra CT scan otak pasien dari Rumah Sakit Labuang Baji Makassar, yang diproses melalui tahapan preprocessing seperti grayscale, resizing, augmentasi, dan normalisasi. Model CNN dilatih menggunakan binary crossentropy loss dan Adam optimizer untuk klasifikasi dua kelas, yaitu normal dan stroke iskemik. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 91,6%, precision 88%, recall 95,1%, dan F1-score 0,914, yang menandakan bahwa model ini mampu mengenali stroke iskemik secara efektif. Dengan demikian, sistem ini berpotensi menjadi alat bantu diagnosis awal yang efisien dan akurat dalam bidang kesehatan.
Implementasi Algoritma C4.5 Dalam Menentukan Prediksi Pendaftaran Ulang Mahasiswa Baru Di STT Payakumbuh Budiarni, Rini; Irsa, Ranti; Eka Putri, Lusiana
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): 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.v5i2.1154

Abstract

Proses pendaftaran ulang merupakan tahapan pelaporan diri yang wajib dilaksanakan oleh calon mahasiswa baru yang telah dinyatakan lolos seleksi, guna memperolah status resmi sebagai mahasiswa di perguruan tinggi. Proses ini merupakan tahapan penting karena berpengaruh langsung terhadap keberlangsungan institusi. Namun, tidak semua calon mahasiswa yang dinyatakan lolos seleksi melanjutkan proses ini, sehingga diperlukan strategi prediktif untuk memperkirakan jumlah mahasiswa yang akan melakukan pendaftaran ulang. Tujuan dari penelitian ini adalah untuk memprediksi pendaftaran ulang calon mahasiswa baru di STT Payakumbuh dengan menerapkan teknik data mining menggunakan algoritma C4.5. Variabel yang digunakan dalam proses pengolahan data mencakup jenis kelamin, umur, nilai rata-rata, jenis sekolah dan letak sekolah. Hasil penerapan algoritma C4.5 dalam pengolahan data menghasilkan model pohon keputusan dengan struktur 19 cabang dan 33 daun, di mana variabel ”Letak Sekolah” menjadi akar dari pohon keputusan. Evaluasi model pohon keputusan dilakukan dengan menggunakan confusion matrix dengan yang menghasilkan tingkat akurasi sebesar 81,26 %, nilai precision sebesar 82,82% dan nilai recall sebesar 97,75%. Hasil ini menunjukan bahwa model yang dibangun efektif digunakan sebagai alat bantu prediktif dalam mendukung proses pendaftaran ulang mahasiswa baru.

Page 9 of 14 | Total Record : 136