cover
Contact Name
Dwi Puji Hastuti
Contact Email
dwi.dsu@bsi.ac.id
Phone
+6289666044452
Journal Mail Official
ejournal@bsi.ac.id
Editorial Address
https://jurnal.bsi.ac.id/index.php/evolusi/about/editorialHistory
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
EVOLUSI : Jurnal Sains dan Manajemen
ISSN : 23388161     EISSN : 26570793     DOI : https://doi.org/10.31294/evolusi
Core Subject : Science,
volusi : Jurnal Sains dan Manajemen is a journal published by LPPM Universitas Bina Sarana Informatika Kampus Kabupaten Banyumas. Evolusi is issued two times a year (March and September) in electronic form. The electronic pdf version is accessible on the internet free of charge. We encourage all interested contributors to submit their work for consideration. The Journal covers the whole spectrum of applied informatics and computing, which includes, but is not limited to: [1] Soft computing, [2] Information Systems and Technologies, [3] Human Computer Interaction, [4] Soft Computing and Intelligent System, [5] Information Retrieval, [6] Knowledge Engineering, [7] Decision Support System, [8] Fuzzy Systems, [9] Data Mining, [10] Big Data Analysis, [11] Information Security, etc. Submitted papers must be written in Indonesian or English for initial review stage by editors and further review process by minimum two reviewers.
Articles 32 Documents
Pengaruh AI Terhadap Perilaku Konsumen: Membentuk Pilihan dan Preferensi di Era digital Abbas, Emil; Muh. Syarif
Evolusi : Jurnal Sains dan Manajemen Vol. 14 No. 1 (2026): Periode Maret 2026
Publisher : LPPM Universitas Bina Sarana Informatika Kampus Kabupaten Banyumas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v14i1.12610

Abstract

Perilaku konsumen sebagian besar telah diubah oleh kemajuan Kecerdasan Buatan (AI), yang mengubah preferensi dan pilihan produk, serta persepsi konsumen di pasar digital. Dengan diperkenalkannya sistem rekomendasi produk berbasis AI, iklan bertarget, dan konten yang disesuaikan, cara tradisional konsumen dalam mengambil keputusan sudah berubah. Memprediksi preferensi konsumen cukup menantang, karena sifat kompleks pola perilaku dan tren pasar yang selalu berubah. Penelitian ini bertujuan untuk menciptakan kerangka kerja yang dapat meningkatkan prediksi perilaku konsumen sedemikian rupa sehingga wawasan yang dapat ditindaklanjuti dapat diberikan untuk mendukung dan mengembangkan aktivitas pemasaran digital. Dengan menggunakan Data Pembelian Konsumen, Data Clickstream, Ulasan & Sentimen Pelanggan, dan informasi Demografis, kerangka kerja ini dapat memperoleh wawasan berharga terkait pola pembelian dan perilaku keterlibatan. Untuk memastikan data berkualitas tinggi untuk pelatihan model, diterapkan pipeline pra-pemrosesan data yang komprehensif, yang menggabungkan teknik seperti penghapusan catatan duplikat dan penanganan nilai yang hilang. Penelitian ini memperkenalkan Jaringan Neural Dalam Multiobjektif Stokastik yang Dioptimalkan (SMO-DNN) untuk menganalisis dan memprediksi preferensi konsumen dengan akurasi dan efisiensi yang ditingkatkan. Model yang diusulkan mengintegrasikan SMO untuk penyetelan hyperparameter, mengoptimalkan proses pembelajaran DNN untuk mengekstrak wawasan yang bermakna dari data konsumen yang kompleks. Penelitian ini memberikan akurasi sebesar 98,69%, presisi sebesar 98,53%, recall sebesar 98,64%, dan F1-measure sebesar 98,33%, yang menghasilkan keuntungan signifikan bagi industri pemasaran digital untuk menyusun dan mengoptimalkan kehidupan mereka sendiri, meningkatkan keterlibatan pelanggan, dan menciptakan model e-commerce modular yang kaya data untuk beradaptasi dengan permintaan konsumen. Penelitian ini menjelaskan bagaimana metode optimasi AI memengaruhi perilaku konsumen saat ini dan mentransformasi perdagangan digital.
Optimasi Hyperparameter CNN Berbasis MediaPipe untuk Peningkatan Akurasi Pengenalan SIBI Denny Pribadi; Apip Supiandi; Taufik Hidayatulloh; Rinda Restiawati; Muhammad Hisyam Syafaat; Muhammad Rendi Rizaldi
Evolusi : Jurnal Sains dan Manajemen Vol. 14 No. 2 (2026): Periode September 2026
Publisher : LPPM Universitas Bina Sarana Informatika Kampus Kabupaten Banyumas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v14i2.12812

Abstract

Sistem Bahasa Isyarat Indonesia (SIBI) is a visual communication medium used by individuals with hearing impairments; however, public awareness and understanding of sign language remain limited, creating significant communication barriers in daily life. This study aims to develop a SIBI alphabet recognition system based on deep learning by utilizing a Convolutional Neural Network (CNN) approach supported by computer vision using MediaPipe. The research stages include hand image acquisition, preprocessing through normalization and augmentation, and model training using a CNN architecture. The dataset is divided into 80% for training, 10% for validation, and 10% for testing to evaluate the model’s generalization performance. Experimental results show that the model achieves a training accuracy of 99.72% and a validation accuracy of 96%, indicating highly effective performance in real-time SIBI gesture classification. Therefore, this study contributes to the development of assistive technologies that facilitate inclusive communication for individuals with hearing impairments in Indonesia.

Page 4 of 4 | Total Record : 32