Jurnal Kecerdasan Buatan dan Teknologi Informasi
https://ojs.ninetyjournal.com/index.php/JKBTI
<p><strong>Jurnal Kecerdasan Buatan dan Teknologi Informasi </strong>is a national journal published by the Ninety Institute since 2022. 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.</p>Ninety Media Publisheren-USJurnal Kecerdasan Buatan dan Teknologi Informasi2963-6191RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEBSITE DENGAN METODE SCRUM PADA CV BURHAN PURNAMA MURAKABI
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/234
<p>CV Burhan Purnama Murakabi merupakan sebuah rumah industri kerajinan serat alam yang berlokasi di Sadang, Tanjung Harjo, Nanggulan, Kulon Progo, Daerah Istimewa Yogyakarta. Perusahaan ini menyediakan produk-produk kerajinan serat alam berupa aksesoris, mebel, keranjang, tas, dan lampu dari berbagai macam serat alam seperti agel, enceng gondok, pelapah pisang, pandan, bambu, dan plastik. Saat ini CV Burhan Purnama Murakabi telah memiliki media Instagram dan tiktok sebagai media promosi dan toko galeri sebagai media penjualan secara luring<em>. </em>Akan tetapi toko galeri tersebut belum bisa menunjang penjualan produk untuk jarak yang jauh karena sistem penjualannya masih konvensional dan lokasi toko yang jauh dari pusat kota sehingga menimbulkan kesulitan bagi pelanggan karena harus datang ke toko. Penelitian ini menggunakan metode metode <em>Scrum</em> sebagai metode pengembangan. Sistem penjualan berbasis <em>website</em> ini dibangun menggunakan alat PHP <em>Framework</em> Laravel, Html, Tailwind, Javascript dan MySQL sebagai penyimpanan database. Hasil akhir penelitian ini yaitu sebuah sistem penjualan berbasis <em>website </em>yang dapat memudahkan CV Burhan Purnama Murakabi dalam memasarkan dan mengelola produk kerajinan serat alam.</p>Amril Do UmarPramudhita Ferdiansyah
Copyright (c) 2025 Amril Do Umar, Pramudhita Ferdiansyah
https://creativecommons.org/licenses/by/4.0
2025-05-032025-05-0342879710.69916/jkbti.v4i2.234IMPLEMENTASI TATA KELOLA TEKNOLOGI INFORMASI MENGGUNAKAN FRAMEWORK COBIT 5 PADA SALAH SATU BANK MILIK BUMN
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/281
<p>Kemajuan teknologi informasi (TI) sudah menjadi suatu kebutuhan yang tidak terpisahkan bagi perusahaan, lembaga, atau organisasi dalam meningkatkan efisiensi dan efektivitas kinerja dengan tujuan mendukung rencana strategis perusahaan untuk mencapai visi, misi, serta tujuan yang diinginkan perusahaan. Pengaturan terhadap Teknologi Informasi perlu dilakukan agar dapat dimanfaatkan dengan baik. Tindakan untuk mengatur TI disebut sebagai tata kelola TI. Penelitian ini bertujuan untuk mengimplementasikan tata kelola teknologi informasi pada salah satu perusahaan perbankan BUMN menggunakan <em>Framework </em>COBIT 5 yang menghasilkan Tingkat Kematangan, Kesenjangan, dan rekomendasi untuk tata kelola TI agar sesuai dengan tujuan perusahaan. Terdapat 5 domain pada COBIT-5 diantaranya <em>Planning and Enterprise</em> (OP), <em>Acquisition and Implementation</em> (AI), <em>Deliver</em><em>y and Support</em> (DSS) serta <em>Monitoring and Evaluate</em> (MEA), <em>Evaluated, Direct and Monitor</em> (EDM). Penelitian ini merupakan penelitian kualitatif dan kuantitatif. Pengambilan sampel menggunakan teknik <em>purposive sampling</em>. Teknik analisis data menggunakan metode analisis deskriptif, dan menggunakan 3 domain yaitu EDM, APO, dan MEA. Limitasi dalam penelitian ini ialah proses pengambilan data, dimana peneliti menargetkan hanya 8 pegawai yang akan menjadi pengisi kuesioner. Hasil penelitian menunjukkan bahwa implementasi tata kelola TI menggunakan <em>Framework </em>COBIT-5 dari hasil perhitungan penyebaran kuisioner didapatkan nilai rata- rata 3,70 sampai dengan 4,2 pada proses EDM01, EDM03, EDM04, EDM05, APO02, APO04, APO05, APO06, APO07, APO08, APO09, APO10, APO11, APO12, APO13, MEA01, MEA02, MEA03 yang dikategorikan ke dalam level 4 pada Tingkat Kematangan. Salah satu perusahaan perbankan BUMN telah mencapai titik <em>manage and measurable</em> dalam tata kelola TI</p>Yuanita PratiwiLinda Wahyu Widianti
Copyright (c) 2025 Yuanita Pratiwi; Linda Wahyu Widianti
https://creativecommons.org/licenses/by/4.0
2025-05-032025-05-03429811310.69916/jkbti.v4i2.281PENERAPAN ALGORITMA FP-GROWTH UNTUK PEMAHAMAN MENDALAM POLA PEMINJAMAN KOLEKSI BUKU DI PERPUSTAKAAN
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/231
<p>Perpustakaan Universitas Dipa Makassar (Undipa), yang mengoleksi berjenis ragam buku ilmu pengetahuan sebagai bahan bacaan dan literasi bagi civitas akademika baik mahasiswa maupun dosen. Beragam jenis bacaan itu sebagai bahan pustaka seperti buku-buku pengetahuan sampai koleksi laporan penelitian ilmiah mahasiswa dari berbagai departemen di kampus. Penerapan metode <em>FP-Growth</em> yang bersumber dari <em>Data Mining</em> untuk memberikan hasil yang lebih memudahkan bagi petugas perpustakaan karena algoritma ini adalah pengembangan dari algoritma Apriori, yang berfokus pada pencarian dan penggunaan konsep-konsep tertentu untuk menghasilkan data yang lebih efisien pengembangan pohon (tree development) untuk peminjaman buku (<em>frequent itemsets</em>). Dalam penelitian ini, bahan kajian yang digunakan sebanyak 19 jenis klasifikasi buku dan 133 transaksi yang sudah ditentukan, nilai kritis atau supportnya adalah 30% dan tingkat kepercayaan (<em>confidence</em>) diberikan sebanyak 75%, dari hasil pengujian yang dilakukan, di temukan sebuah aturan yaitu, jika pengunjung meminjam buku Ilmu Komputer/Teknik Informatika, maka pengunjung juga meminjam buku Pemrograman, menunjukkan hasil yang diperoleh dari pengetahuan baru tentang pola peminjaman baru. Pola ini digunakan untuk mengatur tata letak buku, khususnya jenis buku yag sering dipinjam bersamaan. Dengan menemukan pola <em>itemset</em> berdasarkan nilai <em>confidence</em> tertinggi Perpustakaan Undipa, dapat mengoptimalkan penempatan buku untuk memaksimalkan aksebilitas dan meningkatkan pinjaman.</p>UsmanSitti Harlina LinaMarsellus Oton KadangDesi PatulakRudy Donny LiklikwatilDesty RamadhaniNanda Syahrani Agustin Paturuni Hamid
Copyright (c) 2025 Usman, Sitti Harlina Lina, Marsellus Oton Kadang, Desi Patulak, Rudy Donny Liklikwatil, Desty Ramadhani, Nanda Syahrani Agustin Paturuni Hamid
https://creativecommons.org/licenses/by/4.0
2025-05-032025-05-034211412310.69916/jkbti.v4i2.231MACHINE LEARNING-BASED CLASSIFICATION OF SPACE TRAVEL ELIGIBILITY USING SUPPORT VECTOR MACHINE, RANDOM FOREST, AND XGBOOST
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/310
<p>This study applies machine learning classification techniques to predict passenger displacement events based on corrupted data retrieved from a hypothetical interstellar spacecraft mission. Using a cleaned and preprocessed dataset containing demographic, behavioral, and exposure-related features, we compare the performance of three classification models: Random Forest, Support Vector Machine (SVM), and XGBoost. Each model is trained on 80% of the data and evaluated on the remaining 20% using precision, recall, f1-score, and accuracy metrics. The SVM model shows the most notable improvement after feature selection, achieving a balanced performance across metrics. Meanwhile, Random Forest and XGBoost models maintain consistent and robust accuracy above 80% on both training and testing sets. Feature importance analysis also supports the interpretability of the models, particularly in Random Forest and XGBoost. The comparative analysis demonstrates that ensemble-based methods such as Random Forest and XGBoost are more effective in handling the complexity of the dataset, making them suitable for predictive tasks in high-dimensional, partially incomplete data scenarios.</p>Teguh Rizali ZahroniBahtiar ImranMuhammad TahrirMuh. AksharZahrotul Isti’anah Marroh
Copyright (c) 2025 Teguh Rizali Zahroni, Bahtiar Imran, Muhammad Tahrir, Muh. Akshar, Zahrotul Isti’anah Marroh
https://creativecommons.org/licenses/by/4.0
2025-05-072025-05-074212413410.69916/jkbti.v4i2.310ARTIFICIAL INTELLIGENCE TO IMPROVE COMMUNICATION LITERACY ON HOAX COVERAGE
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/314
<p>This study explores students' perspectives on the role of social media and artificial intelligence (AI) in verifying information while also addressing the ethical implications of using AI to combat disinformation. Conducted with 70 participants using a qualitative approach, the research relied on interviews to gain a thorough understanding of students' attitudes and viewpoints. The findings reveal that most students rely on social media to verify information and hold an optimistic view of AI's capabilities. However, concerns regarding ethical risks and diverse opinions emphasize the need for greater awareness and training in utilizing technology to combat disinformation effectively. The study highlights that students actively apply various aspects of media literacy in navigating digital information. They interpret and decode messages, assess their authenticity, classify AI as a valuable tool, recognize potential ethical risks, and exhibit an overall critical awareness of online content. These insights underscore the importance of fostering media literacy and ethical understanding in the digital age to manage information responsibly.</p>Yuli MarlinaMuh Barid Nizarudin WajdiDina SudarmikaMaryam SulaemanMulki SiregarAbdullah Aminuddin Aziz
Copyright (c) 2025 Yuli Marlina, Barid N Wajdi, Dina Sudarmika, Maryam Sulaeman, Mulki Siregar, Abdullah Aminuddin Aziz
https://creativecommons.org/licenses/by/4.0
2025-05-172025-05-174213514310.69916/jkbti.v4i2.314SISTEM INFORMASI GEOGRAFIS TEMPAT WISATA DAN CAGAR BUDAYA BERBASIS WEB DI KABUPATEN LIMA PULUH KOTA
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/218
<p>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.</p>ArmanLiranti RahmelinaRatih PurwarsihNelva Kurnia
Copyright (c) 2025 Arman, Liranti Rahmelina, Ratih Purwarsih, Nelva Kurnia
https://creativecommons.org/licenses/by/4.0
2025-05-172025-05-174214415110.69916/jkbti.v4i2.218ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12% DI INDONESIA MENGGUNAKAN INDOBERT
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/322
<p>Penelitian ini menganalisis sentimen publik terkait rencana kenaikan Pajak Pertambahan Nilai (PPN) 12% di Indonesia menggunakan model <em>transformer</em> berbasis Bahasa Indonesia, <em>IndoBERT</em>. Dengan mengumpulkan 2.581 sampel data dari platform media sosial X, Instagram, dan TikTok, penelitian ini <em>BERT</em>ujuan untuk memahami respons publik secara mendalam. Data melalui tahapan pra-pemrosesan, <em>tokenisasi</em>, dan <em>label mapping</em> sebelum dibagi 80/10/10 menjadi set pelatihan, validasi, dan pengujian. Model <em>IndoBERT</em> dasar yang di-<em>fine-tuned</em> selama tiga <em>epoch</em> menunjukkan kinerja yang signifikan pada set pengujian. Secara kuantitatif, model mencapai <em>accuracy</em> 84,94%, <em>precision</em> 85,60%, <em>recall</em> 84,94%, dan <em>F1-score (weighted)</em> 84,37%. Analisis distribusi sentimen lebih lanjut menunjukkan bahwa sentimen publik yang dominan adalah negatif. Tingginya nilai metrik evaluasi ini menegaskan efektivitas <em>IndoBERT</em> untuk tugas klasifikasi sentimen berbahasa Indonesia pada data media sosial. Kesimpulannya, temuan ini tidak hanya menunjukkan kapabilitas model, tetapi juga memberikan dasar analisis yang kuat mengenai tingkat penerimaan atau penolakan publik terhadap kebijakan kenaikan PPN 12%, menawarkan nilai tambah bagi pemahaman dampak kebijakan publik.</p>Michael Reynald ManoppoIndri Claudia KolangDaffa Nur Nur FiatReza Michelly Cantika MawaraAnggraini Dwi Putri SumarnoAde YusupaVictor Tarigan
Copyright (c) 2025 Michael Reynald Manoppo, Indri Claudia Kolang, Daffa Nur Nur Fiat, Reza Michelly Cantika Mawara, Anggraini Dwi Putri Sumarno, Ade Yusupa, Victor Tarigan
https://creativecommons.org/licenses/by/4.0
2025-05-202025-05-204215216310.69916/jkbti.v4i2.322IMPLEMENTASI GRADIENT BOOSTING MACHINES UNTUK PREDIKSI HARGA RUMAH PADA JAKARTA SELATAN
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/318
<p>Prediksi harga properti menjadi salah satu tantangan penting dalam bidang real estat, khususnya di wilayah perkotaan seperti Jakarta Selatan yang mengalami perkembangan pesat. Informasi mengenai estimasi harga rumah sangat dibutuhkan oleh pembeli, penjual, maupun investor untuk pengambilan keputusan yang lebih akurat. Penelitian ini bertujuan untuk membangun model prediksi harga rumah dengan menerapkan metode <em>Gradient Boosting Machine</em> (GBM), sebuah teknik <em>machine learning</em> yang menggabungkan sejumlah <em>decision tree</em> secara iteratif untuk meningkatkan akurasi prediksi. Dataset yang digunakan mencakup beberapa variabel penting, antara lain luas tanah, luas bangunan, jumlah kamar tidur, jumlah kamar mandi, dan garasi. Berdasarkan hasil pelatihan dan pengujian model, diketahui bahwa luas tanah dan luas bangunan memiliki pengaruh paling dominan terhadap harga rumah. Evaluasi performa model menunjukkan nilai <em>mean squared error</em> (MSE) sebesar 1.6e+19 dan <em>mean absolute error</em> (MAE) sekitar 30 miliar rupiah, yang menunjukkan masih adanya tingkat kesalahan prediksi yang signifikan, terutama pada rumah dengan harga sangat tinggi. Selain itu, analisis visual terhadap distribusi galat dan <em>residual plot</em> mengungkapkan adanya sejumlah <em>outlier</em> yang perlu diperhatikan. Oleh karena itu, diperlukan optimasi lanjutan pada model agar mampu menangkap pola data yang lebih kompleks dan menghasilkan prediksi yang lebih presisi.</p>Fauzan Asyraf RangkutiKhairunnisaSiti Sundari
Copyright (c) 2025 Fauzan Asyraf Rangkuti, Khairunnisa, Siti Sundari
https://creativecommons.org/licenses/by/4.0
2025-05-202025-05-204216417210.69916/jkbti.v4i2.318IMPLEMENTASI WHITEBOX TESTING DENGAN TEKNIK BASIS PATH PADA PENGUJIAN HALAMAN PENCARIAN PROGRAM PROMO
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/280
<p>Aplikasi Monitoring Promo merupakan sistem berbasis web milik salah satu perbankan BUMN yang digunakan untuk memantau program promo yang dibuat oleh kantor cabang di 18 wilayah di seluruh Indonesia. Aplikasi ini memfasilitasi pemantauan status promo, realisasi biaya, serta efektivitas promo dalam meningkatkan sales volume. Untuk memastikan aplikasi berfungsi dengan baik dan sesuai harapan, dilakukan pengujian perangkat lunak. Pengujian ini bertujuan menemukan <em>bug</em>, cacat, dan kekurangan, serta meningkatkan kinerja sistem. Salah satu metode pengujian yang digunakan adalah <em>WhiteBox </em>dengan teknik basis path. Teknik ini menganalisis jalur independen dalam kode program melalui pembuatan <em>flowgraph </em>dan perhitungan <em>Cyclomatic Complexity</em> untuk menentukan tingkat kompleksitas sistem. Semakin rendah nilai kompleksitas, semakin kecil kemungkinan terjadinya kesalahan. Fokus pengujian ini adalah form pencarian program promo, yang memungkinkan pencarian promo yang sedang berlangsung maupun yang telah selesai. Proses pengujian dilakukan dengan membandingkan hasil aktual dengan hasil yang diharapkan melalui tabel test case. Hasil menunjukkan bahwa tidak ditemukan <em>error </em>pada form pencarian, sehingga seluruh pengujian dinyatakan berhasil. Hasil ini menjadi acuan bahwa form pencarian telah berfungsi dengan baik dan sesuai harapan pengguna, serta dapat digunakan sebagai dasar dalam perbaikan dan pengembangan sistem lebih lanjut.</p>Yuanita PratiwiLinda Wahyu Widianti
Copyright (c) 2025 Yuanita Pratiwi, Linda Wahyu Widianti
https://creativecommons.org/licenses/by/4.0
2025-05-222025-05-224217318010.69916/jkbti.v4i2.280SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BRAND HANDPHONE TERBAIK BERDASARKAN TREN PENJUALAN MENGGUNAKAN METODE PROMETHEE (STUDI KASUS: TOKO ERAPHONE)
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/320
<p>Dalam era digital saat ini, perkembangan teknologi semakin pesat, termasuk dalam industri handphone yang menawarkan beragam pilihan merek dan spesifikasi. Keberagaman tersebut sering kali mempersulit konsumen dalam mengambil keputusan pembelian. Untuk membantu proses pengambilan keputusan secara sistematis dan objektif, penelitian ini bertujuan untuk merancang sebuah Sistem Pendukung Keputusan (SPK) menggunakan metode <em>PROMETHEE </em>di Toko Eraphone. Aplikasi yang dirancang memanfaatkan kriteria-kriteria penting dalam pemilihan handphone, seperti harga, kualitas, fitur, dan reputasi <em>brand</em>. Dengan pendekatan metode <em>PROMETHEE</em>, sistem mampu memberikan peringkat terhadap berbagai alternatif handphone berdasarkan preferensi pengguna. Hasil analisis menunjukkan bahwa Apple iPhone 15 Pro Max (+0,2) dan Samsung Galaxy S24 Ultra (+0,15) memiliki nilai <em>Net Flow </em>tertinggi, sehingga menjadi pilihan utama konsumen. Sementara itu, beberapa merek lain seperti OnePlus 12 (-0,075), Oppo Find X7 Pro (-0,125), dan Huawei Mate 60 Pro (-0,025) mendapatkan nilai <em>Net Flow </em>negatif, menunjukkan minat konsumen yang lebih rendah. Dengan adanya sistem ini, diharapkan pelanggan dapat memperoleh informasi yang lebih detail dan relevan, sehingga meningkatkan kepuasan dalam proses pengambilan keputusan pembelian. Selain itu, toko dapat memberikan layanan yang lebih profesional dan efisien kepada konsumennya.</p>Lilis Pratiwi PangaribuanEdy Rahman SyahputraBoni Oktaviana Sembiring
Copyright (c) 2025 Lilis Pratiwi Pangaribuan, Edy Rahman Syahputra, Boni Oktaviana Sembiring
https://creativecommons.org/licenses/by/4.0
2025-05-242025-05-244218118810.69916/jkbti.v4i2.320SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PERINGKAT UNIVERSITAS SWASTA DI SUMATERA UTARA MENGGUNAKAN METODE TOPSIS
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/319
<p>Universitas merupakan pendidikan perguruan tinggi yang memiliki beberapa fakultas dalam sejumlah disiplin ilmu tertentu. Banyaknya universitas swasta dalam program studi berbasis komputer, membuat calon mahasiswa kesulitan dalam memilih agar nantinya dapat menjadi lulusan yang terbaik. Oleh karena itu dalam penelitian ini akan ditentukan peringkat Universitas Swasta dengan menggunakan metode sistem pendukung keputusan TOPSIS. Sistem pendukung keputusan adalah salah satu teknik yang digunakan untuk menentukan peringkat Universitas swasta dengan rumpun ilmu teknologi informasi di Sumatera Utara khususnya di Kota Medan berbasis web. Dalam penelitian ini menggunakan 10 data universitas dan 6 variabel kriteria yaitu akreditas program studi, ratio dosen, fasilitas, reputasi, bangunan, dan biaya kuliah. Dalam metode TOPSIS data alternating akan diubah menjadi matrik keputusan ternormalisasi dan terbobot, kemudian data tersebut akan dilakukan penentuan matriks solusi ideal positif dan negatif, selanjutnya dilakukan penentan jarak antara nilai alternatif matriks solusi ideal positif dan negatif, dan terakhir akan terdapat nilai preferensi untuk setiap alternatif. Hasil dari penelitian dengan menggunakan data sampel sebanyak 10 universitas dapat disimpulkan bahwa sistem pendukung keputusan menggunakan metode TOPSIS dapat membantu dalam menentukan peringkat universitas swasta di Kota Medan. Metode ini memungkinkan manajemen universitas untuk membandingkan kriteria dan alternatif dengan berdasarkan nilai ideal positif dan nilai ideal negatif, dimana dalam pengujian sistem berbasis web dengan data alternatif Universitas Harapan Medan mendapat peringkat 3.</p>Arif Kurniawan BarusIrvanYulia Agustina Dalimunthe
Copyright (c) 2025 Arif Kurniawan Barus, Irvan, Yulia Agustina Dalimunthe
https://creativecommons.org/licenses/by/4.0
2025-05-242025-05-244218919710.69916/jkbti.v4i2.319OPTIMALISASI PRESTASI AKADEMIK SISWA MELALUI PENGELOMPOKAN INDEKS PRESTASI DENGAN K-MEANS CLUSTERING
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/321
<p>Prestasi akademik merupakan indikator penting dalam menilai kemampuan dan perkembangan siswa selama proses pembelajaran. Namun, banyak lembaga pendidikan yang masih menghadapi tantangan dalam mengidentifikasi kelompok siswa berdasarkan performa akademik secara efisien, sehingga intervensi pembelajaran yang tepat sulit dilakukan. Penelitian ini bertujuan untuk mengoptimalkan prestasi akademik siswa melalui pengelompokan indeks prestasi dengan metode <em>K-Means Clustering</em>. Metode <em>K-Means</em> digunakan karena kemampuannya dalam mengelompokkan data ke dalam beberapa klaster homogen berdasarkan kesamaan nilai. Data yang digunakan berupa indeks prestasi siswa dari beberapa semester. Proses pengelompokan dilakukan dengan menetapkan sejumlah klaster awal, kemudian dilakukan iterasi untuk mengoptimalkan posisi centroid hingga mencapai konvergensi. Hasil penelitian menunjukkan bahwa siswa dapat dikelompokkan ke dalam tiga kategori utama, yaitu siswa dengan prestasi tinggi, sedang, dan rendah. Pengelompokan ini memberikan gambaran yang lebih jelas kepada pihak sekolah dalam menyusun strategi pembinaan dan pemberian program khusus yang sesuai dengan kebutuhan masing-masing kelompok siswa. Dengan penerapan <em>K-Means Clustering</em>, institusi pendidikan dapat melakukan pemantauan dan evaluasi akademik secara lebih terstruktur serta memberikan intervensi yang lebih tepat sasaran. Penelitian ini menyimpulkan bahwa teknik pengelompokan data dapat menjadi solusi inovatif dalam mendukung peningkatan mutu pendidikan melalui pendekatan berbasis data.</p>Nana SuarnaNining RahaningsihAnnisa Annastia Suarna
Copyright (c) 2025 Nana Suarna, Nining Rahaningsih, Annisa Annastia Suarna
https://creativecommons.org/licenses/by/4.0
2025-05-262025-05-264219820710.69916/jkbti.v4i2.321BERT SENTIMENT ANALYSIS FOR DETECTING FRAUDULENT MESSAGES
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/225
<p>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 – <em>Kredit Tanpa Agunan</em>), 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.</p>Yuyun Yusnida LaseArif Aryaguna NauliDoni Ganda Marbungaran Mahulae
Copyright (c) 2025 Yuyun Yusnida Lase, Arif Aryaguna Nauli, Doni Ganda Marbungaran Mahulae
https://creativecommons.org/licenses/by/4.0
2025-05-262025-05-264220821710.69916/jkbti.v4i2.225