cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wali Ja'far Shudiq
Contact Email
wali.jafar@unuja.ac.id
Phone
+6285257767603
Journal Mail Official
coreai@unuja.ac.id
Editorial Address
Jl. Kyai Haji Mun'im, Dusun Tj. Lor, Karanganyar, Kec. Paiton, Kabupaten Probolinggo, Jawa Timur 67291
Location
Kab. probolinggo,
Jawa timur
INDONESIA
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Published by Universitas Nurul Jadid
ISSN : 27750124     EISSN : 27747875     DOI : https://doi.org/10.33650/coreai
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering Transportation
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi sebagai bagian dari semangat menyebarluaskan ilmu pengetahuan beberapa hasil dari penelitian dan pemikiran untuk pengabdian kepada masyarakat luas. Situs Jurnal COREAI ini menyediakan artikel-artikel jurnal untuk dibaca maupun diunduh secara gratis. Jurnal kami adalah jurnal ilmiah nasional yang merupakan sumber referensi akademisi di bidang Teknologi dan Informasi. Jurnal COREAI menerima artikel ilmiah dengan lingkup penelitian pada: Technology Management. Business Intelligence and Knowledge Management. Teknik Komputer Pengolahan Citra. Sistem Pendukung Keputusan. Data Mining. Robotik. Algoritma Genetika. Sistem Kecerdasan Buatan. Jaringan Komputer. Big Data. Enterprise Computing. Internet of Things. Sistem Database. Energy Management. Sistem Pakar. Sistem Penunjang Keputusan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 146 Documents
 11   12   13   14   15 
Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi pada MI Al-Ikhlas menggunakan Metode SAW Badriyah, Siti Sarifatul; Fatah, Zaehol
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13360

Abstract

Pemilihan siswa berprestasi merupakan salah satu upaya sekolah dalam memberikan apresiasi terhadap capaian akademik dan nonakademik siswa. Namun, proses pemilihan yang masih menimbulkan permasalahan, seperti subjektivitas penilaian, ketidakkonsistenan hasil, serta kurangnya efisiensi waktu dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) dalam pemilihan siswa berprestasi di MI AlIkhlas dengan menerapkan metode Simple Additive Weighting (SAW). Metode SAW dipilih karena mampu memberikan hasil penilaian yang objektif melalui tahapan penentuan kriteria, pemberian bobot, normalisasi nilai, serta proses perangkingan alternatif berdasarkan nilai preferensi tertinggi. Kriteria yang digunakan dalam penelitian ini mencakup aspek akademik dan non-akademik yang relevan dengan penilaian prestasi siswa.. Hasil pengujian menunjukkan bahwa SPK yang dirancang mampu memberikan rekomendasi pemilihan siswa berprestasi secara tepat dan konsisten. Berdasarkan hasil perhitungan metode SAW, Afufah Zannuba Hafsoh (kelas III A) memperoleh nilai preferensi tertinggi sebesar 1 sehingga direkomendasikan sebagai siswa berprestasi. Implementasi sistem ini diharapkan dapat membantu pihak sekolah dalam mempercepat proses pengambilan keputusan, meningkatkan akurasi penilaian, serta meminimalka
Implementasi Aturan Asosiasi untuk Rekomendasi Produk Pakaian Wanita menggunakan Algoritma Apriori Oktavia, Devya Septi; Hanifah, Nida; Fatihah, Cinta Aprilia; Amsury, Fachri; Fahlapi, Riza; Febriyanti, Syafvika Tiara
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13112

Abstract

Usaha fashion wanita Asoka Fashion memiliki volume data transaksi penjualan yang besar dari platform Shopee pada periode Agustus 2025. Namun, data ini hanya digunakan untuk pelaporan rutin, sehingga potensi untuk merumuskan strategi bisnis dan rekomendasi produk belum dimanfaatkan secara maksimal. Penelitian ini bertujuan untuk mengubah data transaksi tersebut menjadi pengetahuan yang bernilai strategis dengan menerapkan Knowledge Discovery in Database (KDD). Metode yang digunakan adalah Association Rule Mining dengan Algoritma Apriori , diolah menggunakan perangkat lunak Orange3. Hasil pengolahan data dengan minimum support 80% dan minimum confidence 90% berhasil menemukan 15 aturan asosiasi yang kuat. Aturan asosiasi terkuat mencapai tingkat confidence 100% , yang secara spesifik mengungkap pola pembelian bersama item-item seperti 101 Khaki, 1104 Hitam, 101 Black, dan 1104 Brown. Temuan ini memberikan rekomendasi konkret bagi Asoka Fashion untuk penentuan strategi cross-selling dan paket bundling produk yang tepat sasaran, membuktikan efektivitas data mining dalam mendukung pengambilan keputusan bisnis berdasarkan pola pembelian pelanggan yang akurat.
Augmented Learning untuk Pembelajaran Anatomi Wajah Berbasis Computer Vision Interaktif Prihanto, Surya; Fath, Yusril Al; Satrio, Satrio; Naufal, Muhammad Rifqi
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13207

Abstract

Perkembangan teknologi Computer Vision memungkinkan terciptanya media pembelajaran interaktif yang membantu siswa memahami anatomi wajah secara visual dan praktis melalui interaksi dengan model digital. Penelitian ini bertujuan untuk mengembangkan media pembelajaran anatomi wajah interaktif berbasis Computer Vision dengan integrasi MediaPipe Face Mesh dan Hand Tracking. Sistem dirancang untuk meningkatkan pemahaman konsep anatomi melalui interaksi visual, auditori, dan kinestetik. Metode yang digunakan adalah Research and Development (R&D) dengan tahapan analisis kebutuhan, perancangan sistem, pengembangan, dan uji coba. Aplikasi memiliki dua fitur utama, yaitu fitur praktikum (Edu-Touch, 3D Board, dan Game Anatomi) serta fitur materi (kuis, buku digital, dan video learning). Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi 468 titik landmark wajah dan 21 titik landmark tangan secara real-time dengan akurasi tinggi. Fitur Edu-Touch berhasil menampilkan animasi 3D dan suara penjelasan saat titik wajah disentuh. Fitur 3D Board mengenali pertemuan landmark jari telunjuk (titik 8) dan ibu jari (titik 4) untuk mengontrol rotasi model 3D, sedangkan Game Anatomi berhasil mendeteksi ekspresi wajah sebagai respons terhadap soal. Hasil ini menunjukkan bahwa integrasi MediaPipe efektif dalam menciptakan pembelajaran yang interaktif, menarik, dan adaptif terhadap berbagai gaya belajar
Pengembangan Aplikasi Mobile Berbasis IoT untuk Monitoring Kualitas Tanah dan Kebutuhan Nutrisi Tanaman Cabe Syaiful, Syaiful; Hidayatullah, Muhammad Nor Kholes; Maulana, Ananda Arjuna; Ghifari, Ach. Reza Iqbal; Ambari, Ahmad
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13293

Abstract

Kualitas tanah dan ketersediaan nutrisi merupakan faktor kritis dalam menentukan produktivitas tanaman Cabai Besar (Capsicum annuum). Keterbatasan data real-time sering menghambat petani dalam pengambilan keputusan pemupukan yang tepat dan efisien. Penelitian terapan ini bertujuan untuk mengatasi kesenjangan informasi tersebut dengan mengembangkan Sistem Monitoring Real-Time berbasis Internet of Things (IoT) yang terintegrasi dengan Aplikasi Mobile. Sistem ini dirancang menggunakan pendekatan rekayasa sistem (engineering experiment), yang melibatkan pengembangan perangkat IoT untuk akuisisi data parameter tanah kunci, yaitu kelembaban, pH, dan suhu. Kontribusi utama penelitian ini terletak pada integrasi data akurat dengan mesin rekomendasi di aplikasi mobile yang secara spesifik menyajikan Rekomendasi Kebutuhan Nutrisi yang disesuaikan untuk tanaman Cabai Besar berdasarkan kondisi tanah saat itu. Hasil pengujian menunjukkan bahwa sistem IoT yang dikembangkan mampu menyajikan data kualitas tanah secara real-time dengan akurasi rata-rata di atas 90% jika dibandingkan dengan pengukuran manual. Dengan adanya aplikasi ini, petani Cabai Besar memperoleh alat bantu pendukung keputusan (Decision Support System) yang efisien dan mobile, sehingga memungkinkan manajemen lahan pertanian yang lebih presisi dan berdampak langsung pada potensi peningkatan hasil panen.
Interactive Web and Open Data for Optimizing Village With A Design Science Research and Technology Acceptance Model Fajri, Fathorazi Nur; Rizal, Fathur; Halimi, Ahmad
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13255

Abstract

Penelitian ini merespons rendahnya pemanfaatan open data serta keterbatasan interaktivitas pada profil potensi desa dengan merancang dan mengevaluasi sebuah website desa interaktif. Pendekatan Design Science Research (DSR) digunakan untuk menghasilkan prototipe sistem yang relevan dengan kebutuhan pemangku kepentingan, sedangkan evaluasi penerimaan dilakukan menggunakan Technology Acceptance Model (TAM) mencakup Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using (ATU), dan Behavioral Intention (BI). Uji pengguna menunjukkan rerata konstruk berada pada kategori tinggi: PU = 4,23, PEOU = 4,11, ATU = 4,18, dan BI = 4,09. Temuan ini mengindikasikan bahwa pengguna menilai prototipe sistem bermanfaat, mudah digunakan, menumbuhkan sikap positif, serta mendorong intensi penggunaan dan rekomendasi. Secara substantif, integrasi open data ke dalam antarmuka yang responsif melalui peta interaktif dan visualisasi meningkatkan keterbacaan serta transparansi informasi publik desa. Hasil evaluasi selaras dengan prediksi TAM, yakni kemudahan penggunaan berkontribusi pada peningkatan persepsi kebermanfaatan yang pada gilirannya memperkuat niat menggunakan. Implikasi praktis mencakup pedoman implementasi platform desa berbasis data, sementara kontribusi teoretis memperluas bukti penerapan DSR dan TAM pada konteks tata kelola desa digital.
Python-Based Telegram Frequently Asked Questions (FAQ) Chatbot Using Text Retrieval Mochammad Faid; Sudriyanto Sudriyanto; Moh Sukron; Syaiful Syaiful
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.15554

Abstract

This study presents the implementation of a Telegram FAQ chatbot developed in Python to address the difficulty of providing rapid and consistent responses to recurring public-service questions. The system stores question-and-answer pairs in memory, extracts FAQ entries from free-form text, and retrieves the closest answer using text similarity through Python's difflib library. The prototype also provides inline menus, an interactive quiz, FAQ reset and update commands, and an optional large language model refinement stage constrained by the retrieved context. The research followed an implementation-oriented prototyping approach comprising requirements identification, code analysis, system design, implementation review, and scenario-based functional inspection. Static analysis identified 14 principal functions, 273 built-in FAQ pairs, and 100 quiz questions. The implementation analysis indicates that lightweight retrieval can support a practical and resource-efficient FAQ automation prototype while maintaining answers within the available knowledge base. Nevertheless, production deployment requires stronger secret management, persistent storage, access control, logging, and empirical evaluation using real user questions. The study contributes a replicable architecture for controlled FAQ automation on Telegram and establishes priorities for subsequent reliability and usability testing.
Human Face Recognition for Attendance System Using Deep Learning Implementation with Convolutional Neural Network Method Frida Mimi Wahyuni
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.14040

Abstract

A Convolutional Neural Network-based deep learning approach is utilized to identify and classify various human facial images based on their characteristic differences. The facial recognition system utilizes a convolutional neural network (CNN) model implemented with TensorFlow, complemented by data augmentation techniques to prevent overfitting. The model is trained and validated using a specially prepared dataset, with performance evaluated through loss and accuracy graphs and confusion matrices. The system also supports real-time facial recognition using OpenCV, which identifies faces in videos and automatically records the subject's presence if the identification successfully passes a specified confidence threshold. This demonstrates the potential for integrating Deep Learning into automated facial recognition and attendance recording applications. Once the data training process is complete, the next stage is model testing to assess its performance. Data for testing is randomly sampled using the Python library. The results of this process will indicate the accuracy level of the method used. Confusion Matrix is used to calculate the accuracy value in Deep Learning. The testing process will be carried out through a classification process using the Convolutional Neural Network method. The accuracy of the model based on the Confusion Matrix is approximately 97%.
K-Means Clustering for Prospective Student Interest Segmentation Based on Study Program Preferences Riszki Fadillah; Intan Nur Fitriyani; Desi Irfan
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.15775

Abstract

Higher education institutions in the Labuhanbatu Raya region face challenges in understanding the interests of prospective students. Data collected from 1,722 prospective students at 29 high schools has been stored but has not yet been optimally utilized to support student recruitment and admissions strategies. This study aims to apply the K-Means algorithm to cluster prospective students’ interests based on their preferred degree programs. The research methodology included data collection, feature selection, data cleaning, transforming categorical data to numerical using label encoding, determining the optimal number of clusters using the Elbow method, clustering with the K-Means algorithm, evaluating cluster quality using the Silhouette Score, and visualizing and interpreting the clustering results. The findings indicate that the optimal number of clusters is K = 3, with a Silhouette Score of 0.3695, indicating fairly good clustering quality. The cluster distribution shows that Cluster 0 consists of 19 schools (65.52%) with relatively homogeneous interest patterns, Cluster 1 consists of 9 schools (31.03%) with more diverse interest patterns, and Cluster 2 consists of only 1 school (3.45%) with a very distinct interest profile. The K-Means algorithm proved effective in clustering schools based on prospective students’ program preferences.
Development of a Laravel-Based RSVP and QR Code Menu System for Atap Langit Putri Elok Nazwah Azzurra
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.15845

Abstract

Atap Langit is a culinary business where reservation (RSVP) and menu services play a vital role. However, managing customer data, reservation schedules, and physical menus manually has led to recording errors, scheduling irregularities, delayed service, and inefficient data management. To solve these issues, this study proposes a web-based RSVP and QR Code Menu system built with the Laravel framework. The system digitizes and integrates reservation recording, customer management, and menu presentation, allowing customers to book online and view menus via mobile devices for a more practical and efficient experience. The research aims to improve reservation efficiency, minimize errors, speed up information delivery, and enhance overall service quality and customer satisfaction. Adopting a Waterfall development methodology (requirements analysis, system design, implementation, testing, and maintenance), data was gathered through observation, interviews, and documentation. The study hypothesizes that this Laravel-based system significantly improves work efficiency, data accuracy, and service quality.
Recognition of Parking Space Availability Patterns Based on Visual Feature Extraction Using YOLOv8 for a Smart Parking System Juliyana Herman; Syalsa Ananda; Siti Samriah; Adha Mashur Sajiah
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.15671

Abstract

The growing number of vehicles in urban areas is driving the need for smart parking systems capable of automatically detecting parking space availability in real time. This study developed a YOLOv8s-based detection model trained using the PKLot v2 dataset (Roboflow), which consists of a total of 12,416 images from various locations, camera angles, and weather conditions. Preprocessing included converting annotations from the COCO JSON format to YOLO TXT and removing duplicate bounding boxes using an IoU filter of >0.85. The model was trained for 50 epochs using the AdamW optimizer, with mosaic and copy-paste data augmentation, and an image size of 640×640 pixels. Evaluation on the validation subset yielded a mAP@0.5 of 0.9512, precision of 0.9241, recall of 0.9073, and an F1-Score of 0.9156, outperforming similar studies that used YOLOv5 or single-location datasets. A polygon-based Region of Interest (ROI) mechanism was applied to filter out detections outside the parking area, effectively reducing false positives. This study demonstrates that YOLOv8s, optimized on a multi-location dataset, can accurately recognize parking slot availability patterns as the foundation for a smart parking system that can be widely implemented.

Page 13 of 15 | Total Record : 146

 11   12   13   14   15 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital Vol 6, No 1 (2025): Kecerdasan Buatan dalam Meningkatkan Efisiensi Bisnis Vol 5, No 1 (2024): Transformasi Digital: Tren dan Tantangan dalam Era Revolusi Industri 4.0 Vol 5, No 2 (2024): Internet of Things (IoT): Aplikasi dan Potensinya di Masa Depan Vol 4, No 2 (2023): Pengaruh Big Data Analytics terhadap Pengambilan Keputusan Strategis di Organisa Vol 4, No 1 (2023): Metaverse dan Masa Depan Interaksi Digital: Perspektif Teknologi dan Sosial Vol 3, No 2 (2022): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan Vol 3, No 1 (2022): Pengembangan Aplikasi Berbasis Mobile untuk Layanan Publik: Studi Implementasi d Vol 2, No 2 (2021): Metaverse dan Masa Depan Interaksi Digital: Perspektif Teknologi dan Sosial Vol 2, No 1 (2021): Penggunaan Teknologi Informasi dalam Mendukung Pendidikan Jarak Jauh di Era Pand Vol 1, No 1 (2020): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan More Issue