Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Analisis Sentimen pada Trailer Deadpool vs Wolverine Menggunakan Model Machine Learning

Verio Renedominick, Simon Barus — Rab, 30 Apr 2025 00:00:00 +0000

Media sosial telah menjadi platform utama bagi masyarakat dalam memberikan tanggapan terhadap konten

hiburan, termasuk trailer film. Penelitian ini bertujuan untuk menganalisis sentimen komentar publik terhadap

trailer film Deadpool vs Wolverine di YouTube menggunakan empat model pembelajaran mesin. Data komentar

dikumpulkan melalui YouTube Data API v3 dan diproses menggunakan teknik preprocessing standar. Pelabelan

sentimen menggunakan Sentiment Intensity Analyzer menghasilkan tiga kategori: positif, negatif, dan netral. Hasil

analisis menunjukkan dominasi komentar netral (7.072) dan positif (6.289) dibanding negatif (2.690).

Perbandingan performa model menunjukkan Logistic Regression memiliki akurasi tertinggi (86,61%), diikuti

Decision Tree (85,89%), Naive Bayes (79,08%), dan KNN (60,07%). Penelitian ini mengidentifikasi tantangan

terkait ketidakseimbangan distribusi data dan memberikan wawasan tentang efektivitas berbagai model

pembelajaran mesin dalam analisis sentimen konten hiburan

Analisis Sentimen YouTube: "Di Balik Ambisi Jokowi dalam IKN"

Nico Abel Laia, Simon Prananta Barus — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis sentimen penonton terhadap video YouTube "Di Balik Ambisi Jokowi dalam IKN" yang diunggah oleh kanal Narasi Newsroom. Analisis dilakukan dengan mengumpulkan dan mengolah 3.000 komentar dari video tersebut menggunakan teknik Natural Language Processing (NLP). Metode yang digunakan mencakup pengumpulan data, pembersihan data, ekstraksi fitur, serta klasifikasi sentimen ke dalam kategori positif, negatif, dan netral. Model pembelajaran mesin yang diterapkan dalam penelitian ini meliputi Decision Tree, Naïve Bayes, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa model Decision Tree memberikan akurasi terbaik dibandingkan model lainnya dalam mengklasifikasikan sentimen komentar. Analisis lebih lanjut mengungkapkan bahwa opini publik terhadap ambisi Jokowi dalam proyek IKN beragam, dengan sentimen yang berkisar dari netral hingga sangat tidak mendukung. Temuan ini memberikan wawasan mengenai persepsi masyarakat terhadap kebijakan pemindahan ibu kota.

Analisis XGBoost dan Random Forest untuk Prediksi Curah Hujan dalam Mendukung Mitigasi Karhutla

Didi Sangaji, Tata Sutabri — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini mengkaji penerapan algoritma Random Forest, XGBoost dan Model Gabungan untuk memprediksi pola curah hujan guna mendukung upaya mitigasi kebakaran lahan dan (karhutla). Metode Random Forest, XGBoost dan Model gabungan dipilih karena kemampuannya menangani data besar, mengolah variabel non-linier, dan memberikan informasi mengenai pentingnya fitur. Hasil penelitian menunjukkan bahwa XGBoost memberikan prediksi dengan MSE 14.982,45, RMSE 122,40, dan MAPE 12,35%. Random Forest menghasilkan MSE 15.876,21, RMSE 126,00, dan MAPE 13,28% dan Model Gabungan (weighted average XGBoost 0,6 + Random Forest 0,4) menunjukkan performa terbaik dengan MSE 14.125,78, RMSE 118,85, dan MAPE 11,87% yang dapat membantu pengambil kebijakan dan pihak terkait dalam perencanaan mitigasi karhutla.

Sistem Monitoring dan Pengelolaan Data Keluhan Pelanggan Berbasis Web pada PT. PLN (Persero) ULP Bukittinggi

Sri Tria Siska, Arif Rizki Marsa — Rab, 30 Apr 2025 00:00:00 +0000

Perkembangan teknologi informasi telah membawa perubahan yang signifikan dalam berbagai aspek kehidupan, termasuk sistem pelayanan pelanggan. PT PLN (Persero) sebagai penyedia layanan listrik utama di Indonesia menghadapi tantangan dalam menangani keluhan pelanggan secara efisien dan akurat. Pengelolaan keluhan yang masih dilakukan secara manual sering kali menghambat respons cepat dan dapat memengaruhi kepuasan pelanggan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantauan dan pengelolaan data keluhan pelanggan berbasis web untuk PT PLN (Persero) Unit Layanan Pelanggan. Sistem ini dirancang untuk memungkinkan pengelolaan keluhan secara waktu nyata, meningkatkan efisiensi proses, serta menyediakan data yang akurat untuk analisis dan perbaikan layanan. Dengan penerapan sistem ini, perusahaan diharapkan dapat meningkatkan kualitas layanan pelanggan serta memperkuat kepercayaan pelanggan

Pemanfaatan Artificial Intelligence (AI) untuk Kustomisasi Buku Gambar Panel dan Elemen Dekoratif Keramik

Yuniana Cahyaningrum, Asyifa’ Nur Istiqomah, Dani Eka Ramdhani, Nikita Noviyanti — Rab, 30 Apr 2025 00:00:00 +0000

Kemajuan teknologi Artificial Intelligence (AI) telah membuka peluang baru dalam bidang seni dan desain, termasuk dalam pengembangan buku gambar panel dan elemen dekoratif berbasis keramik. Penelitian ini mengeksplorasi pemanfaatan AI sebagai alat bantu dalam proses kustomisasi desain, dengan fokus pada penerjemahan karakteristik visual dan tekstural keramik ke dalam format panel ilustratif. Melalui pendekatan berbasis machine learning dan generative design, AI mampu menganalisis motif, bentuk, warna, dan tekstur khas dari keramik tradisional untuk kemudian menghasilkan desain yang unik dan personal. Kustomisasi ini mewujudkan penciptaan buku gambar panel yang tidak hanya estetis tetapi juga memiliki kedekatan dengan preferensi pengguna maupun budaya tertentu. Hasil kajian menunjukkan bahwa penggunaan AI dalam konteks ini mempercepat proses desain, memperluas gambaran visual, dan meningkatkan relevansi karya terhadap audiens modern. Namun, integrasi teknologi juga memunculkan tantangan etis dan artistik yang perlu direspon dengan pendekatan kolaboratif antara seniman, desainer, dan teknologi.

Penerapan Algoritma K-Nearest Neighbor (KNN) dalam Penerjemahan Bahasa Isyarat bagi Penyandang Disabilitas Tunarungu

Ronal, Yuliana — Rab, 30 Apr 2025 00:00:00 +0000

Manusia merupakan mahluk hidup yang tidak dapat hidup sendiri. Dalam proses bersosialisasi antar manusia itulah diperlukan adanya komunikasi sebagai media untuk berinteraksi. Namun berbeda untuk orang tunarungu dalam berinteraksi dan berkomunikasi dengan sesama maupun dengan orang awam yang menggunakan Sistem Isyarat Bahasa Indonesia (SIBI) ataupun Bisindo yang merupakan bahasa dari ibu. Tugas Akhir ini mengusulkan sebuah aplikasi konversi sinyal suara ke video gerakan bahasa isyarat untuk tunarungu. Dengan melalui tahapan input sinyal ucapan lalu preprocessing dan ekstraksi ciri. Hasil ekstraksi ciri diklasifikasi menggunakan algoritma K-Nearest Neighbors dengan perhitungan euclidean distance untuk mencari tetangga terdekatnya. Hingga menghasilkan keluaran berupa teks, kemudian teks tersebut menjadi input untuk memanggil video gerakan bahasa isyarat yang ada pada database. Hasil tahapan pengujian Tugas Akhir yang menggunakan parameter dengan 13 koefisien Mel-Frequency Cepstral Coefficient (MFCC), parameter K berjumlah 5, sehingga mampu mengonversi sinyal suara ke video bahasa isyarat untuk tunarungu dengan rata-rata akurasi kata sebesar 34.67 % dan rata-rata akurasi kalimat sebesar 72%

Analisis Penerapan Aplikasi Mobile terhadap pelaku UMKM “Kopi Sepeda” di Kota palembang

Paray Theo Lonando, Fadhil Ramadhan — Rab, 30 Apr 2025 00:00:00 +0000

Penerapan aplikasi mobile terhadap pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) Kopi Sepeda di Kota Palembang dengan menggunakan pendekatan Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Model UTAUT2 digunakan untuk mengidentifikasi faktor-faktor yang memengaruhi adopsi teknologi, meliputi performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation, price value, dan habit. Metode penelitian ini mencakup tahap analisis kebutuhan, perancangan arsitektur sistem, implementasi aplikasi, serta evaluasi melalui penyebaran kuesioner dan uji coba langsung kepada 30 pelaku UMKM. Hasil analisis menunjukkan bahwa sebagian besar konstruk UTAUT2, seperti performance expectancy, effort expectancy, facilitating conditions, price value, habit, dan hedonic motivation memiliki pengaruh signifikan terhadap minat dan perilaku penggunaan aplikasi. Aplikasi mobile yang dikembangkan terbukti efektif dalam membantu pelaku UMKM dalam mencatat transaksi, mengelola stok, dan menyusun laporan keuangan secara digital. Dengan demikian, pemanfaatan aplikasi mobile yang dirancang berdasarkan kebutuhan pengguna dan pendekatan UTAUT2 dapat meningkatkan efisiensi bisnis dan mendorong transformasi digital pada sektor UMKM.

Optimasi Jaringan Menggunakan Tunnel 6to4 (Enkapsulasi Protokol Ipv6 ke Ipv4) : Studi Kasus Pemerintahan Provinsi Sumatera Barat

Muhammad Reyan Dirul Adha, Catrin Muharisa, Reski Yulian Fauzan — Rab, 30 Apr 2025 00:00:00 +0000

Lingkungan Pemerintah Provinsi Sumatera Barat yang dimaksud meliputi 51 OPD (Organisasi Perangkat Daerah) dan 9 Biro dan lain sebagainya. Berbagai macam sistem informasi dan aplikasi yang dikembangkan di Pemerintahan Provinsi Sumatera Barat menuntut untuk pengembangan teknologi komunikasi khususnya pada koneksi jaringan yang dilewati aplikasi dan sistem informasi yang dikembangkan tersebut. Beberapa jaringan di OPD sudah mulai mengimplementasikan protokol IPV6, tetapi sebagian besar tetap menggunakan protokol IPv4 terutama di jalur jaringan utama tetap menggunakan protokol IPv4. Kondisi tersebut mengakibatkan tidak semua host dan server antar OPD dapat terhubung atau saling terkoneksi satu masa lain. Permasalah itu terjadi karena perbedaan antara protokol di jalur jaringan utama yang menggunakan IPv4 dan protokol jaringan host yang menggunakan IPv6. Tunnel 6to4 merupakan Tunnel yang mampu melewatkan protokol IPv6 pada jaringan protokol IPv4 dengan melakukan enkapsulasi paket IPv6 ke dalam header IPv4. Proses enkapsulasi protokol IPv6 ke dalam protokol IPv4 menyebabkan delay meningkat

Pengembangan Kebijakan Keamanan Adaptif Berbasis Machine Learning pada Firewall SDN

Nurhadi Surojudin, Turmudi, Donny, Anshor — Rab, 30 Apr 2025 00:00:00 +0000

Dalam era digital yang semakin kompleks, serangan siber seperti Distributed Denial of Service (DDoS) menjadi tantangan besar dalam pengelolaan keamanan jaringan. Penelitian ini mengusulkan pengembangan kebijakan keamanan adaptif berbasis machine learning untuk firewall pada arsitektur Software-Defined Networking (SDN). Dengan menggunakan algoritma Random Forest dan dataset CICIDS2017, sistem mampu mendeteksi serangan DDoS secara otomatis dan akurat. Data diuji melalui metode stratified split agar proporsi label tetap seimbang, serta dilakukan pembersihan nilai tak valid. Model menunjukkan performa sangat tinggi dengan akurasi 99,9978%, precision dan recall 99,996%, serta f1-score 99,996%. Evaluasi melalui confusion matrix mengindikasikan hanya dua kesalahan klasifikasi dari total 45.149 data uji. Hasil ini membuktikan bahwa integrasi machine learning dalam firewall SDN dapat memperkuat deteksi ancaman dan menghasilkan kebijakan keamanan yang dinamis, efisien, serta dapat beradaptasi terhadap serangan baru. Rencana pengembangan ke depan mencakup penerapan pada data real-time dan perluasan cakupan deteksi terhadap jenis serangan lainnya. Temuan ini memberikan kontribusi signifikan dalam pengembangan solusi keamanan jaringan berbasis SDN yang cerdas.

Evaluasi Kinerja Machine Learning dalam Memprediksi Kemampuan Adaptasi Mahasiswa pada Lingkungan Pembelajaran Daring

Shindy Arti, Elan Suherlan — Rab, 30 Apr 2025 00:00:00 +0000

Perkembangan kecerdasan buatan mendorong transformasi pembelajaran daring yang adaptif, di mana kemampuan adaptasi mahasiswa menjadi faktor krusial dalam keberhasilan belajar. Penelitian ini bertujuan mengevaluasi kemampuan algoritme machine learning dalam memprediksi tingkat adaptasi mahasiswa terhadap pembelajaran online. Data yang digunakan berasal dari tingkat pendidikan tinggi sebanyak 675 data mahasiswa, kemudian diolah menggunakan Python dan Orange 3.8. Metode pengembangan yang digunakan dalam penelitian ini merujuk pada metode CRISP-DM. Terdapat lima tahapan yang dilakukan yaitu kejelasan alur bisnis, pemahaman data, persiapan data, pemodelan dan evaluasi kinerja model. Dari tujuh algoritma supervised learning digunakan, algoritma Neural Network memiliki performa terbaik secara keseluruhan maupun per tingkat adaptasi (tinggi, sedang, rendah), dengan akurasi tertinggi sebesar 0,943. Penelitian ini juga mengidentifikasi faktor utama adaptasi menggunakan algoritma Decision Tree, dengan durasi kelas sebagai pembeda dominan. Rekomendasi penelitian selanjutnya mencakup seleksi fitur, penyeimbangan data, dan pengembangan sistem interaktif berbasis pengguna.

Analisis Kesetiaan Pelanggan pada Penjualan Filter Rokok di CV. Karunia Abadi dengan Metode K-Means

Aditya Wisnu Pangarso, Neny Kurniati, Arda Surya Editya — Rab, 30 Apr 2025 00:00:00 +0000

Peningkatan persaingan dalam industri rokok mendorong distributor untuk memahami perilaku pelanggan guna mempertahankan loyalitas mereka. Kesetiaan pelanggan menjadi faktor kunci dalam keberlangsungan bisnis, terutama bagi CV. Karunia Abadi sebagai distributor filter rokok. Penelitian ini bertujuan untuk menganalisis kesetiaan pelanggan terhadap penjualan filter rokok menggunakan metode K-Means Clustering. Data yang digunakan mencakup frekuensi pembelian dan jumlah transaksi pelanggan dalam periode tertentu. Setelah melalui tahap preprocessing data, jumlah klaster yang menghasilkan kelompok pelanggan berdasarkan pola transaksi mereka. Evaluasi hasil klasterisasi menggunakan Sum of Squared Errors menunjukkan bahwa metode K-Means memiliki performa terbaik dibandingkan dengan metode DBSCAN dan Hierarchical Clustering. Temuan ini diharapkan dapat membantu CV. Karunia Abadi dalam merancang strategi pemasaran yang lebih efektif, seperti program loyalitas bagi pelanggan dengan transaksi tinggi dan promosi khusus bagi pelanggan dengan transaksi rendah untuk meningkatkan retensi pelanggan..

Kepuasan Pemustaka Terhadap Layanan Pengembalian Buku Di Dinas Kearsipan dan Perpustakaan Provinsi Sumatera Barat

Fanisa Amelita Zahra, Rini Asmara — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis kepuasan pemustaka terhadap layanan pengembalian buku di Dinas Kearsipan dan Perpustakaan Provinsi Sumatera Barat. Penelitian ini menggunakan teori Libqual dan metode deskriptif kuantitatif dengan teknik pengumpulan data melalui kuesioner yang dibagikan kepada 100 orang pemustaka yang dipilih menggunakan teknik accidental sampling. Data dianalisis secara deskriptif dengan menggunakan rumus persentase. Hasil penelitian menunjukkan bahwa secara umum pemustaka merasa puas terhadap layanan pengembalian buku, terutama pada aspek kesopanan petugas, prosedur pengembalian, kejelasan sanksi, kecepatan layanan, dan sarana prasarana. Namun demikian, terdapat beberapa aspek yang masih perlu ditingkatkan untuk lebih mengoptimalkan kualitas layanan. Penelitian ini diharapkan dapat menjadi masukan bagi pihak instansi dalam upaya meningkatkan mutu layanan perpustakaan, khususnya pada proses pengembalian buku.

Pengaruh Perplexity Terhadap Pencarian Informasi Dalam Tugas Akademik Mahasiswa Perpustakaan dan Ilmu informasi Universitas Negeri Padang

Shafira Puspita Sari, Rini Asmara — Rab, 30 Apr 2025 00:00:00 +0000

Perplexity AI adalah platform kecerdasan buatan yang dirancang untuk memberikan hasil pencarian yang efisien dan mendalam. Dengan menggunakan teknologi kecerdasan buatan, Perplexity menyaring informasi dengan cermat dan menghasilkan jawaban yang relevan tanpa membuat pengguna harus memilah- milah berbagai jenis data. Ini hadir sebagai solusi inovatif bagi pengguna yang memerlukan jawaban cepat dan akurat di era digital yang penuh dengan data.Jenis penelitian yang digunakan adalah penelitian kuantitatif. Metode yang digunakan dalam penelitian ini adalah deskriptif. Metode deskriptif bertujuan untuk mendeskripsikan bagaimana pengaruh perplexity dalam pencarian informasi tugas akademik dan seberapa besar studi kasus mahasiswa perpustakaan dan ilmu informasi Universitas Negeri Padang.Hasil yang diperoleh dari penelitian ini menunjukkan bahwa pengaruh penggunaan perplexity terhadap pencarian informasi dalam tugas akademik mahasiswa Perpustakaan dan Ilmu Informasi Universitas Negeri Padang berada pada kategori cukup baik.Hal ini dibuktikan dengan skor persentase sebesar 81,17% pada variabel pengaruh Perplexity, yang menunjukkan bahwa mahasiswa merasakan manfaat dalam hal efektivitas, efisiensi waktu, serta kemudahan dalam pencarian informasi akademik

Kata kunci: perplexity, informasi, inovatif, tugas akademik

Perancangan Sistem Informasi Keuangan Siswa Pada Lembaga Kursus Pelatihan Science Society Bukittinggi

Rab, 30 Apr 2025 00:00:00 +0000

The design of the Student Financial Information System at the Science Society Training Course Institute in Bukttinggi functions to build an application that is expected to support the archiving of financial data which is intended to provide convenience for users to process financial data. Based on research conducted at the Science Society Training Course Institute, it can be concluded that by utilizing a computerized system, it is expected to help the decision-making process and by utilizing the Delphi 7.0 Programming Language as application software, it is expected to replace less effective and efficient methods and is expected to facilitate the creation of reports on the results of the student financial process because of the database that makes all data stored neatly and structured.

Sistem Prediksi Penerimaan Karyawan di PT. Surya Prima Semesta Berbasis Web Mengunakan Metode Naïve Bayes

Rizki Subhana Asrul, Anggay Luri Pramana — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini difokuskan pada pengembangan sistem prediksi penerimaan karyawan berbasis web di PT. Surya Prima Semesta dengan menggunakan algoritma Naïve Bayes. Tujuan utamanya adalah meningkatkan efektivitas serta ketepatan dalam proses rekrutmen. Sistem dirancang berdasarkan 360 data historis sebagai data pelatihan dan 15 data sebagai data pengujian. Beberapa variabel yang dijadikan acuan dalam proses prediksi meliputi usia, latar belakang pendidikan, pengalaman kerja, hasil wawancara, serta kemampuan administratif dan komunikasi. Temuan penelitian menunjukkan bahwa sistem ini mampu mengurangi unsur subjektivitas dalam proses seleksi dan mempercepat pengambilan keputusan, dengan tingkat akurasi sebesar 93%. Untuk pengembangan ke depan, disarankan agar jumlah dan keragaman data pelatihan ditingkatkan, serta dilakukan integrasi sistem dengan basis data HRD perusahaan. Disarankan pula dilakukan evaluasi sistem secara berkala untuk menjaga kinerja dan akurasi prediksi di masa mendatang.

Dampak Artificial Intelligence (AI) terhadap Proses Pembelajaran Mahasiswa Program Studi Perpustakaan dan Ilmu Informasi Universitas Negeri Padang

Elisa Ramadani, Desriyeni — Min, 18 Mei 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis dampak Artificial Intelligence (AI) terhadap proses pembelajaran mahasiswa Program Studi Perpustakaan dan Ilmu Informasi Universitas Negeri Padang. Penelitian ini menggunakan pendekatan kuantitatif dengan metode deskriptif. Sampel penelitian berjumlah 78 mahasiswa yang dipilih menggunakan teknik probability sampling. Data dikumpulkan melalui angket yang telah diuji validitas dan reliabilitasnya. Hasil penelitian menunjukkan bahwa penggunaan Artificial Intelligence (AI) memberikan dampak positif yang signifikan terhadap efektivitas dan efisiensi proses pembelajaran mahasiswa. Hal ini tercermin melalui peningkatan kemampuan mahasiswa dalam mengakses informasi, menyusun tugas akademik, serta menyesuaikan gaya belajar secara lebih personal dan interaktif. Temuan analisis regresi sederhana menunjukkan bahwa variabel Artificial Intelligence (AI) berpengaruh signifikan terhadap proses pembelajaran, dengan nilai signifikansi sebesar 0,000 dan nilai koefisien regresi sebesar 0,584. Oleh karena itu, disimpulkan bahwa pemanfaatan Artificial Intelligence (AI) sangat direkomendasikan sebagai pendukung utama dalam proses pembelajaran mahasiswa, khususnya di era digital saat ini.

Kata kunci: Artificial Intelligence, proses pembelajaran, mahasiswa

Strategi Pustakawan dalam Menghadapi Pemustaka Generasi Z di Perpustakaan Universitas Negeri Padang

kalyka azzahra, Elva Rahmah — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini bertujuan untuk mengkaji strategi pustakawan dalam menghadapi pemustaka Generasi Z di Perpustakaan Universitas Negeri Padang. Generasi Z merupakan generasi yang tumbuh di era digital dan memiliki karakteristik yang berbeda dibanding generasi sebelumnya, seperti kecenderungan mengakses informasi secara cepat dan lebih memilih platform digital. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa wawancara, observasi, dan dokumentasi. Informan terdiri dari kepala perpustakaan dan pustakawan yang memiliki pengalaman dalam melayani pemustaka Generasi Z. Hasil penelitian menunjukkan bahwa pustakawan menerapkan strategi berdasarkan tiga indikator kompetensi, yaitu: (1) kompetensi manajemen informasi melalui penyediaan layanan digital seperti Sidaring, e-journal, dan e-book; (2) kompetensi interpersonal dengan membangun komunikasi yang ramah, santai, dan interaktif dengan pemustaka; serta (3) kompetensi teknologi informasi dengan memanfaatkan media sosial dan teknologi digital sebagai sarana promosi dan interaksi layanan. Strategi ini terbukti efektif dalam meningkatkan keterlibatan pemustaka dan mempertahankan eksistensi perpustakaan di era digital.

Pemanfaatan Gemini Artificial Intelligence (AI) sebagai Sarana Pendukung Literasi Informasi bagi Mahasiswa Departemen Ilmu Informasi dan Perpustakaan

Hanifatus Salmi Addin, Malta Nelisa — Rab, 30 Apr 2025 00:00:00 +0000

Penelitian ini bertujuan untuk mendeskripsikan pemanfaataan Gemini AI sebagai sarana pendukung literasi media, literasi visual, dan literasi digital. Penelitian ini menggunakan jenis penelitian kualitatif dengan metode deskriptif. Informan pada penelitian ini yaitu 12 orang mahasiswa aktif Departemen Ilmu Informasi dan perpustakaan angkatan 2021-2024. Hasil penelitian ini menunjukkan bahwa pemanfaatan Gemini AI sebagai sarana pendukung literasi informasi bagi mahasiswa Departemen Ilmu Informasi dan Perpustakaan secara umum sangat membantu proses literasi informasi, baik itu literasi media, literasi visual, dan literasi digital.

Implementasi Data Mining pada Penjualan Barang dengan Tekhnik K Means

Dian Permata Sari, Wira Buana, Mike Febri Mayang Sari — Rab, 30 Apr 2025 00:00:00 +0000

One of the data mining techniques is the K-Means Clustering Algorithm, which is a method that partitions data into one or more clusters or groups. The K-Means algorithm groups data that have different characteristics into other groups. In this study, the K-Means algorithm is grouped into three groups, namely best-selling items, sold items, and less sold items. The grouping is based on the variables of item name, initial stock, and final stock, the case study of which is at the Eli daily shop based on the level of best-selling sales in the last month, namely January 2025. The purpose of using the K-Means algorithm technique is to implement sales strategies and provision of stock of goods that aim to reduce the risk of loss. With this research, it is hoped that it can become a marketing strategy that can provide profit and reduce the risk of sales losses.