cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahtiar Imran
Contact Email
bahtiarimranlombok@gmail.com
Phone
+6285337626083
Journal Mail Official
bahtiarimranlombok@gmail.com
Editorial Address
Perumahan Green Asia Blok I2-04, Kecamatan Labuapi, Kabupaten Lombok Barat Nusa Tenggara Barat, Indonesia
Location
Kab. lombok barat,
Nusa tenggara barat
INDONESIA
Jurnal Kecerdasan Buatan dan Teknologi Informasi
Published by CV. Ninety Media Publisher
ISSN : 29636191     EISSN : 29642922     DOI : https://doi.org/10.69916
Core Subject : Science,
Computer Science & IT
Jurnal Kecerdasan Buatan dan Teknologi Informasi or abbreviated JKBTI is a national journal published by the Ninety Media Publisher since 2022 with E-ISSN : 2964-2922 and P-ISSN : 2963-6191. JKBTI publishes articles on research results in the field of Artificial Intelligence and Information Technology. JKBTI is committed to becoming the best national journal by publishing quality articles in Indonesian and English and becoming the main reference for researchers. All submissions are blind and reviewed by peer reviewers. All papers can be submitted in BAHASA INDONESIA or ENGLISH. Scope : Neural Networks, Machine Learning, Deep Learning, Data Mining, Big Data, Decision-Making System, Information System, Mobile Application, Data Warehouses, Database, Internet of Thing, Expert System.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 69 Documents
 3   4   5   6   7 
ALGORITMA REGRESI LINIER SEDERHANA UNTUK PREDIKSI PENGGUNAAN VOLUME AIR BERDASARKAN JENIS PELANGGAN PDAM Nurdin; Suarna, Nana; Prihartono, Willy
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.187

Abstract

Penelitian ini bertujuan untuk memprediksi penggunaan volume air oleh pelanggan PDAM Kabupaten Cirebon berdasarkan jenis pelanggan menggunakan algoritma regresi linier sederhana. Sumber daya air merupakan aset penting dalam kehidupan sehari-hari, dan pemahaman mendalam tentang pola penggunaan air dari berbagai jenis pelanggan diperlukan untuk meningkatkan efisiensi pengelolaan dan keberlanjutan layanan. Pada tahun 2021, konsumsi air pelanggan mencapai 6.850.831 m3, dan tahun 2022 sebesar 6.920.429 m3. Penelitian ini menggunakan data penggunaan air dari kategori pelanggan seperti rukun tetangga, niaga, industri, sosial, keran umum, dan instansi pemerintah. Data dianalisis dengan regresi linier sederhana untuk mengeksplorasi hubungan antara jenis pelanggan dan volume air yang digunakan. Metodologi penelitian mencakup pengumpulan data, analisis, pengujian hipotesis, pengolahan informasi, dan evaluasi model untuk memastikan akurasi prediksi. Hasil penelitian diharapkan memberikan wawasan bagi PDAM Kabupaten Cirebon dalam merencanakan kebutuhan air, mengoptimalkan distribusi, dan meningkatkan kualitas layanan. Selain itu, penelitian ini diharapkan menjadi referensi untuk penelitian lebih lanjut mengenai manajemen sumber daya air di daerah lain dan berkontribusi pada pengembangan kebijakan pengelolaan air bersih yang lebih baik.
ANALISIS KEPUASAN PENGGUNA SISTEM INFORMASI MANAJEMEN PERPUSTAKAAN UNIVERSITAS DIAN NUSANTARA MENGGUNAKAN SLIMS 9 DENGAN METODE END USER COMPUTING yuanita, yuanita_pratiwi; Fauzan, Fauzan Shidqi; Danu, Danu Rachman
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.190

Abstract

Penelitian ini bertujuan untuk menganalisis kepuasan pengguna terhadap Sistem Informasi Manajemen Perpustakaan Universitas Dian Nusantara, yang dioperasikan menggunakan SLiMS 9 Bulian. Dalam konteks ini, sistem informasi memiliki peranan yang sangat penting, terutama dalam memudahkan akses informasi bagi mahasiswa. Metode yang digunakan dalam penelitian ini adalah End User Computing Satisfaction (EUCS), yang mengevaluasi lima variabel utama, yaitu isi, akurasi, tampilan, ketepatan waktu, dan kemudahan penggunaan. Penelitian ini menggunakan pendekatan kuantitatif dengan melibatkan 382 mahasiswa sebagai responden, yang dipilih menggunakan teknik Random Sampling untuk memastikan representativitas data. Proses pengumpulan data dilakukan melalui kuesioner yang dirancang berdasarkan skala Likert, dan analisis data dilakukan dengan menggunakan perangkat lunak SPSS. Hasil dari analisis menunjukkan bahwa tingkat kepuasan pengguna secara keseluruhan berada pada kategori "puas" untuk semua variabel yang dievaluasi. Variabel kemudahan penggunaan, tingkat kepuasan mencapai kategori "sangat puas" dengan persentase mencapai 78%. Temuan ini mengindikasikan bahwa pengguna merasa puas dalam menggunakan sistem informasi manajemen perpustakaan.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN LOGISTIC REGRESSION DALAM KLASIFIKASI KANKER PAYUDARA Desiani, Anita; Zayanti, Des Alwine; Ramayanti, Indri; Ramadhan, Faishal Fitra; Giovillando
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.191

Abstract

Kanker payudara memberikan dampak fisik dan dampak psikologis pada pasien. Deteksi dini terhadap kanker payudara dibutuhkan pada pengidap yang berisiko mengidap kanker payudara. Salah satu solusi yang bisa dilakukan untuk deteksi dini penyakit kanker payudara yaitu dengan melakukan klasifikasi menggunakan pendekatan data mining menggunakan algoritma Support Vector Machine (SVM) dan Algoritma Logistik Regresi (ALR) dengan teknik pengujian Precentage Split dan K-Fold Cross Validation. Penelitian ini bertujuan untuk mendapatkan hasil klasifikasi terbaik untuk mendeteksi penyakit kanker payudara dengan membandingkan kedua algoritma tersebut. Hasil Akurasi yang dihasilkan dari penelitian ini yaitu pada algoritma SVM diperoleh 96% pada metode Precentage Split dan 98% pada metode K-Fold Cross Validation. Sementara pada algoritma Logistic Regression didapat hasil akurasi sebesar 96% pada metode Precentage Split dan 97% untuk metode K-Fold Cross Validation. Berdasarkan hasil akurasi, algoritma SVM metode K-Fold Cross Validation merupakan algoritma terbaik dalam mengklasifikasi penyakit kanker payudara. Namun, hasil akurasi dari ALR masih bisa dikatakan sangat baik karena lebih dari 90%.
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK ANALISIS ULASAN PENGGUNA UNTUK APLIKASI SEABANK DI GOOGLE PLAY STORE Kurnia Wardani, Elisabeth Dwi; Febiola Yo, Febi; Meylugita, Wayan Nesa
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.193

Abstract

Analisis sentimen terhadap layanan digital semakin penting di era transformasi digital karena dapat memberikan wawasan yang mendalam mengenai persepsi pelanggan terhadap layanan yang disediakan. Penelitian ini menggunakan metode klasifikasi untuk mengklasifikasikan sentimen pelanggan berdasarkan data ulasan yang dikumpulkan dari platform layanan digital Seabank. Proses analisis dilakukan dengan mengelompokkan sentimen menjadi kategori positif, negatif, dan netral, di mana evaluasi akurasi model dilakukan menggunakan metrik evaluasi seperti presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan akurasi sebesar 85%, di mana kategori sentimen negatif didominasi oleh kata-kata seperti "buruk" dan "tidak puas," sementara sentimen positif didominasi oleh kata-kata seperti "sangat baik" dan "memuaskan." Penelitian ini bertujuan untuk memberikan pemahaman yang lebih baik kepada penyedia layanan terkait kebutuhan dan ekspektasi pelanggan, sehingga dapat digunakan untuk meningkatkan kualitas layanan di masa mendatang.
PERBANDINGAN ALGORITMA NAZIEF-ADRIANI DAN PORTER UNTUK PERINGKASAN TEKS OTOMATIS DENGAN LATENT SEMANTIC ANALYSIS PADA MODUL PEMBELAJARAN BERBAHASA INDONESIA St Tuhpatussania; Erniwati, Surni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.202

Abstract

Penelitian ini mengembangkan sistem peringkasan teks otomatis untuk modul pembelajaran berbahasa Indonesia menggunakan metode Latent Semantic Analysis. Tantangan utama peringkasan teks dalam Bahasa Indonesia mencakup kompleksitas struktur bahasa dan penggunaan imbuhan, yang memerlukan proses prapemrosesan teks secara menyeluruh, termasuk stemming. Penelitian ini membandingkan dua algoritma stemming, yaitu Nazief-Adriani dan Porter, untuk mengubah kata berimbuhan menjadi bentuk dasar. Metode ini diawali dengan pemecahan kalimat, pembersihan teks, penghapusan kata tidak penting, dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency. Tahap selanjutnya adalah analisis hubungan semantik antar kata dan kalimat menggunakan Singular Value Decomposition untuk menghasilkan matriks term-dokumen yang diproses menjadi salience score. Hasil evaluasi menunjukkan bahwa algoritma Nazief-Adriani memiliki akurasi lebih tinggi dengan nilai precision, recall, dan F-measure masing-masing sebesar 87,69%, 83,41%, dan 85,37%, dibandingkan Porter yang hanya mencapai rata-rata 81,50%. Algoritma Latent Semantic Analysis memberikan tingkat akurasi rata-rata sebesar 83,49%, lebih unggul dibandingkan penelitian sebelumnya. Kesimpulan penelitian ini menegaskan efektivitas metode Latent Semantic Analysis untuk peringkasan teks otomatis dan superioritas algoritma Nazief-Adriani dalam menghasilkan akurasi yang lebih baik dan merekomendasikan pengembangan sistem yang lebih efisien dan mendukung pemrosesan Bahasa Indonesia secara optimal.
PENGEMBANGAN SISTEM UJIAN ONLINE BERBASIS MOBILE DENGAN AGILE-SCRUM UNTUK MENINGKATKAN EFISIENSI DAN PENGALAMAN PENGGUNA Sanjaya, Hafiyan Rizqi; Situmorang, Lusiana; M Syahrul; Kalmany, Laudza; Pamungkas, R Wisnu Prio
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.209

Abstract

Penelitian ini bertujuan mengembangkan aplikasi ujian online berbasis mobile yang efisien, aman, dan mudah diakses oleh dosen dan mahasiswa. Dengan menggunakan pendekatan Agile berbasis framework Scrum, pengembangan dilakukan secara iteratif melalui tahapan perancangan antarmuka pengguna (UI/UX), pengembangan backend dan frontend, integrasi API, serta pengujian kualitas aplikasi. Aplikasi ini dirancang untuk menjawab kebutuhan digitalisasi pendidikan dengan mengutamakan efisiensi dan keamanan. Fitur unggulannya meliputi autentikasi ganda, pengawasan berbasis algoritma untuk mencegah kecurangan, dan penyajian hasil ujian secara real-time dengan akurasi tinggi. Pengujian aplikasi mencakup evaluasi fungsional, kinerja, dan uji coba pengguna, memastikan aplikasi dapat memenuhi kebutuhan dan ekspektasi pengguna. Hasil penelitian menunjukkan bahwa aplikasi ini mampu meningkatkan efisiensi proses ujian, meminimalkan potensi kecurangan, dan memberikan hasil ujian secara cepat serta akurat. Temuan ini mendukung transformasi digital dalam pendidikan, mempermudah pelaksanaan ujian, dan membantu dosen dalam evaluasi akademik. Penelitian ini juga memperlihatkan pentingnya pendekatan Agile dalam menghasilkan solusi inovatif dan adaptif yang relevan dengan kebutuhan zaman, sekaligus memberikan kontribusi signifikan terhadap pengembangan teknologi pendidikan berbasis mobile.
MYVIRTUALCLINIC: PENGEMBANGAN APLIKASI TELEMEDICINE BERBASIS MOBILE DENGAN PENDEKATAN GOAL-DIRECTED DESIGN (GDD) UNTUK LAYANAN KESEHATAN DI ERA DIGITAL R Wisnu Prio Pamungkas; Dimas Alfauzi Hidayatullah; Alya Priscilla Putri; Vicky Eka Syahputra; Putra Aldi Purnama
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.212

Abstract

Transformasi digital yang pesat dalam layanan kesehatan telah memerlukan solusi teknologi inovatif yang dapat mengatasi keterbatasan geografis dan meningkatkan aksesibilitas medis. Penelitian ini berfokus pada pengembangan aplikasi telemedicine mobile, MyVirtualClinic, dengan menggunakan metodologi Goal-Directed Design (GDD) untuk menciptakan platform kesehatan digital yang komprehensif dan berorientasi pada pengguna. Melalui analisis sistematis terhadap kebutuhan, perilaku, dan interaksi pengguna melalui pengembangan persona dan tahapan riset yang mendalam, studi ini menghasilkan aplikasi mobile yang intuitif yang merevolusi konsultasi medis dan komunikasi pasien-dokter. Aplikasi yang dikembangkan mengintegrasikan fitur-fitur yang seamless, termasuk konsultasi online, sistem pembayaran digital, manajemen riwayat medis, dan profil pengguna yang dipersonalisasi, semuanya dirancang dengan antarmuka visual yang bersih dan menenangkan. Melalui penyempurnaan desain yang cermat dan optimasi pengalaman pengguna, penelitian ini menunjukkan bagaimana teknologi dapat mengubah penyampaian layanan kesehatan, menjadikan layanan medis lebih mudah diakses, efisien, dan ramah pasien. Prototipe mockup berkualitas tinggi mewakili kemajuan signifikan dalam solusi kesehatan digital, menampilkan potensi desain yang berpusat pada pengguna dalam mengatasi tantangan kesehatan kontemporer dan menciptakan ekosistem layanan medis yang lebih inklusif dan modern.
STUDI PERBANDINGAN METODE SUPPORT VECTOR MACHINE, RANDOM FOREST, DAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT KULIT Prayesy, Putri Armilia
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.214

Abstract

Penyakit kulit merupakan salah satu masalah kesehatan yang sering terjadi dan membutuhkan diagnosis yang cepat dan akurat untuk menghindari komplikasi atau mempercepat penanganan. Namun, proses diagnosis manual seringkali memakan waktu dan bergantung pada keahlian dokter. Keterlambatan dalam diagnosis dapat menyebabkan perburukan kondisi pasien, memperpanjang waktu pemulihan, dan memperpanjang durasi perawatan atau menyebabkan komplikasi yang lebih serius. Untuk mengatasi permasalahan ini, teknologi pembelajaran mesin dapat dimanfaatkan untuk mengotomatisasi proses klasifikasi penyakit kulit. Penelitian ini membahas perbandingan tiga metode klasifikasi utama Support Vector Machine (SVM), Random Forest, dan Convolutional Neural Network (CNN), untuk menganalisis dataset citra kulit normal dan penyakit kulit. Dataset terdiri dari berbagai jenis kulit yang telah melalui preprocessing data, seperti normalisasi, augmentasi data, dan ekstraksi fitur, guna meningkatkan kualitas data sebelum pelatihan model. Dataset yang digunakan dalam penelitian ini di menggunakan  data science yang bersumber dari kaggle. Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 92%, berkat kemampuannya menangkap pola non-linear dalam citra. Random Forest menunjukkan performa yang stabil dengan akurasi 85%, terutama pada dataset yang lebih terstruktur. Sementara itu, SVM mencatat akurasi 78%, tetapi memiliki keterbatasan pada data berdimensi tinggi. Kesimpulannya, CNN lebih unggul untuk klasifikasi citra kulit kompleks, sementara Random Forest dan SVM dapat menjadi alternatif untuk dataset sederhana. Penelitian ini memberikan kontribusi dalam pengembangan teknologi AI untuk mendukung diagnosis penyakit kulit yang lebih cepat dan akurat.
SISTEM INFORMASI GEOGRAFIS TEMPAT WISATA DAN CAGAR BUDAYA BERBASIS WEB DI KABUPATEN LIMA PULUH KOTA Arman; Rahmelina, Liranti; Purwarsih, Ratih; Kurnia, Nelva
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 2 (2025): May 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i2.218

Abstract

Dinas Kebudayaan dan Pariwisata merupakan salah satu dinas yang bergerak dalam bidang pariwisata dan kebudayaan. Kabupaten Lima Puluh Kota memiliki berbagai macam tempat wisata dan cagar budaya yang layak untuk di kunjungi wisatawan. Seperti, Lembah Harau, Perternakan Sapi Padang Mangateh, Perkebunan Jeruk, Talempong Batu, Menhir Bawah Parit, dan lain-lain. Masalah yang terjadi saat ini, masyarakat kurang mengetahui sebaran tempat wisata dan cagar budaya yang ada di Kabupaten Lima Puluh Kota. Masih minimnya informasi tentang lokasi-lokasi wisata dan cagar budaya di kabupaten lima puluh kota, menimbulkan beberapa masalah untuk para wisatawan yang ingin berkunjung ketempat tersebut. Penelitian ini bertujuan untuk meminimalisir permasalahan yang terjadi. Aplikasi ini dibangun dengan menggunakan bahasa pemograman PHP, metode penelitian menggunakan metode SDLC dengan model Waterfall. Alat bantu yang digunakan Unified Modeling Language (UML). Solusi yang di tawarkan yaitu untuk merancang dan membangun sistem informasi geografis tempat wisata dan cagar budaya Kabupaten Lima Puluh Kota. Hasil yang diharapkan berupa Aplikasi sistem informasi geografis tempat wisata dan cagar budaya Kabupaten Lima Puluh Kota berbasis web yang dapat meminimalisir permasalahan dan mempermudah wisatawan untuk mendapatkan informasi tentang tempat dan lokasi wisata dan cagar budaya.
BERT SENTIMENT ANALYSIS FOR DETECTING FRAUDULENT MESSAGES Lase, Yuyun Yusnida; Nauli, Arif Aryaguna; Mahulae, Doni Ganda Marbungaran
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 2 (2025): May 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i2.225

Abstract

With the increasing prevalence of digital communication, fraudulent SMS messages have become a growing concern. This study employs a BERT-based sentiment approach to classify SMS messages into four categories: fraud, gambling, Unsecured Credit (KTA – Kredit Tanpa Agunan), and others. These categories were determined based on content analysis and common patterns found in high-risk messages, such as suspicious transaction invitations (fraud), betting promotions (gambling), offers for unsecured loans (KTA), and other messages that do not fall into the three main categories. The dataset used consists of approximately 20,000 message records, which underwent data cleaning, tokenization, and manual labeling based on the aforementioned criteria. The model was trained using the AdamW optimizer with CrossEntropyLoss as the loss function for multi-class classification. Training was conducted over 3 epochs, a number chosen based on observations of evaluation metrics on the validation data, which showed that model accuracy began to plateau after the third epoch, while overfitting started to occur in subsequent epochs. After training, the model achieved an average accuracy of 92%. This result indicates that the BERT model is effective in understanding patterns in text messages and capable of classifying message categories with a high level of accuracy. These findings support the application of BERT technology in the efficient detection and identification of fraudulent messages.

Page 5 of 7 | Total Record : 69

 3   4   5   6   7 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 3 (2025): September 2025 Vol. 4 No. 2 (2025): May 2025 Vol. 4 No. 1 (2025): January 2025 Vol. 3 No. 3 (2024): September 2024 Vol. 3 No. 2 (2024): May 2024 Vol. 3 No. 1 (2024): January 2024 Vol. 2 No. 3 (2023): September 2023 Vol. 2 No. 2 (2023): May 2023 Vol. 2 No. 1 (2023): January 2023 Vol. 1 No. 3 (2022): Desember 2022