Jurnal Teknik Informatika UNIKA Santo Thomas

Integrasi Artificial Intelligence Pada Aplikasi ERP: Systematic Literature Review

Teddy Siswanto, Syandra Sari, Hartini, Shabrina Teruri — Sel, 10 Jun 2025 00:00:00 +0200

Perkembangan aplikasi ERP mencerminkan upaya terus-menerus untuk mengintegrasikan dan menyederhanakan proses bisnis yang kompleks, dengan memanfaatkan teknologi terbaru untuk meningkatkan efisiensi dan efektivitas operasional perusahaan sesuai peningkatan kebutuhan sistem oleh para pengguna. Adanya peningkatan aplikasi ERP membuat membuat kebutuhan pengguna bertambah. Yang menjadi permasalahan kebutuhan pengguna saat ini tidak berhenti sampai disitu saja namun berkembang ingin dapat memprakiraan apa yang akan terjadi kemudian (predictive), lalu kejadian apa yang sering terjadi dan keputusan apa yang sebaiknya dapat diambil (prescriptive) serta proses keberlanjutan dari pengambilan keputusan dalam bisnisnya. Solusi yang dipilih adalah bagaimana ERP menjadi green software, dengan bantuan integrasi Artificial Intelligence (AI) yang memungkinkan sistem ERP untuk tidak hanya bekerja lebih efisien tetapi juga dengan lebih sedikit sumber daya energi, mengurangi emisi karbon, dan mendukung keberlanjutan lingkungan. Metodologi yang digunakan adalah Systematic Literature Review, melalui tahapan formulasi pertanyaan penelitian, strategi pencarian, ekstraksi data, pemetaan data dan analisis data. Adapun pencarian dilakukan melalui database Scopus pada periode Juli 2024. Dari hasil pencarian ditemukan sebanyak 576 paper dan kemudian setelah diseleksi hanya untuk terbitan 5 tahun terakhir dikarenakan perkembangan cepat untuk bidang teknologi informasi maka diperoleh sebanyak 336 paper. Setelah dilakukan pembatasan area berdasarkan subjek, keyword, tipe dokumen dan bahasa yang digunakan maka diperoleh 174 paper. Hasil penelitian menunjukkan penelitian integrasi Artificial Intelligence dalam Enterprise Resource Planning terbagi menjadi 2 (dua) cluster utama yaitu system-process dan application. Integrasi AI dengan ERP, secara signifikan meningkatkan efisiensi operasional dan produktivitas perusahaan dengan otomatisasi tugas-tugas rutin, analisis data yang lebih cerdas, dan pengambilan keputusan yang didukung data secara real-time. AI membantu dalam mengoptimalkan proses bisnis, seperti manajemen rantai pasokan, manajemen inventaris, dan prediksi permintaan dan pengambilan keputusan, yang berkontribusi pada penghematan biaya dan peningkatan kinerja. Dengan memanfaatkan machine learning dan analisis prediktif, AI memberikan wawasan yang lebih mendalam dan akurat dari data ERP, memungkinkan pengambilan keputusan yang lebih cepat dan berdasarkan informasi serta pengetahuan yang lebih baik.

Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold

Sab, 14 Jun 2025 00:00:00 +0200

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.

Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory)

Sab, 14 Jun 2025 00:00:00 +0200

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%

Analisis Hubungan dan Prediksi Depresi Mahasiswa Berdasarkan Faktor Akademik dan Gender

Sab, 14 Jun 2025 00:00:00 +0200

This study aims to analyze the level of depression among university students by examining gender and several academic indicators. The dataset includes responses from 27,901 students across various regions, with variables covering age, gender, academic pressure, study satisfaction, work/study hours, CGPA, and depression status. The analytical methods applied in this study include the chi-square test to eval_uate the association between gender and depression status, point-biserial correlation to examine relationships between numeric variables and depression, and logistic regression to develop a prediction model. The chi-square test results revealed no significant relationship between gender and depression (p = 0.774), indicating that depression affects both genders. In contrast, academic pressure exhibited the strongest correlation with depression status (r = 0.47), followed by work/study hours (r = 0.209) and study satisfaction (r = -0.168). The Logistic Regression model constructed using the four most relevant variables demonstrated satisfactory performance, achieving 75.5% accuracy and 82.1% recall in identifying students experiencing depression. These findings highlight the critical role of academic-related factors—particularly academic pressure—in influencing students’ mental health. Therefore, targeted academic support strategies are essential to mitigate depression risks in higher education environments.

Keywords— Student Depression, Academic Pressure, Gender, Logistic Regression, Mental Health Prediction

Implementasi Metode Certainty Factor untuk Menentukan Penyakit Demam Berdarah pada RSUD AULIA Pandeglang Banten

Sab, 14 Jun 2025 00:00:00 +0200

Permasalahan pada penelitian ini yaitu sulitnya deteksi penyakit demam berdarah di karnakan alat kesehatan yang dimiliki oleh rumahsakit aulia sangat minim. Tujuan pada penelitian ini menganalisis terkait deteksi penyakit demam berdarah. Metode yang digunakan pada penelitian ini menggunakan certainty factor dengan tahapan mengumpulkan data gejala, membuat aturan, menghitung nilai CF menggabungkan nilai CF jika ada banyak gejala menentukan hasil diagnosa. Hasil penelitian ini menghasilkan sebuah analisa dengan menggunakan metode certainty factor dengan hasil olahan data Grade I, Grade II, Grade III, menggunakan metode certainty factor untuk menentukan tingkatan penyakit DBD dan hasil dari penerapan metode ini adalah persentase, demikian dapat disimpulkan bahwa presentase nilai hasilnya yaitu, Grade I=56%, Grade II=64.80% dan Grade III=52%. Kemungkinan Pasien mengalami tingkatan penyakit Grade II pada DBD dengan nilai sebesar 64.80%.

Peningkatan Layanan Informasi BRT Trans Jateng berbasis Chatbot Telegram menggunakan Framework Rasa

Wibowo Adi Saputro Adi, Imam Husni Al Amin Imam — Sel, 17 Jun 2025 00:00:00 +0200

Minimnya ketersediaan informasi terkait moda transportasi BRT Transjateng, terutama BRT Transjateng rute Terminal mangkang – Terminal bahurekso. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang mampu memberikan tanggapan secara otomatis, cepat, akurat terhadap pertanyaan pengguna dengan menyediakan informasi yang relevan, khususnya informasi mengenai Brt Trans Jateng rute Terminal Mangkang hingga Terminal Bahurekso dan berkontribusi dalam upaya Peningkatan pelayanan informasi kepada pengguna. Salah satunya adalah dengan menggunakan chatbot dengan Framework Rasa, Framework Rasa merupakan sebuah kerangka kerja (framework) dalam bidang machine learning yang bersifat open source, yang digunakan untuk mengotomatisasi pemrosesan teks dan percakapan berbasis suara, dengan metode pengujian menggunakan metode Blackbox Testing dan User Aceptance Test (UAT). Hasil pengujian menggunakan metode Blackbox Testing menghasilkan tingkat validasi yang tinggi dan pengujian menggunakan metode User Aceptance Test (UAT) menghasilkan 89% dari 30 responden yang terdiri dari mahasiswa dan Masyarakat yang hampir setiap harinya menggunakan moda Transportasi BRT Transjateng rute Terminal Mangkang – Terminal Bahurekso menyatakan bahwa aplikasi chatbot telegram ini dapat membantu pelayanan yang terkait dengan informasi pada moda transportasi BRT Transjateng rute terminal mangkang-terminal bahurekso menjadi lebih cepat, fleksibel dan efisien

Penerapan Teknik Masking dan Augmentasi pada Arsitektur CNN dan MobileNetV2 untuk Klasifikasi Fase Pertumbuhan Tomat

Muhammad Irvai, Desi Mahdalena — Kam, 19 Jun 2025 00:00:00 +0200

Tanaman tomat mengalami beberapa fase pertumbuhan yang menentukan kualitas dan hasil panen. Pengenalan fase-fase secara visual sangat penting untuk membantu petani mengambil keputusan budidaya yang tepat waktu. Penelitian ini membandingkan 2 (dua) metode deep learning yakni CNN konvensional dan MobileNetV2 berbasis Transfer Learning dalam klasifikasi dua tahap pertemuan tomat dari citra RGB. Sebelum menggunakan citra, citra dilakukan teknik masking sederhana berbasis threshold untuk menonjolkan objek utama tanaman dan meminimalkan background citra. Selanjutnya dilakukan augmentasi lanjutan guna menambah variasi data pelatihan. Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Hasil pengujian menunjukkan bahwa model CNN menghasilkan akurasi 91,01 %, sedangkan MobileNetV2 memberikan akurasi lebih tinggi sebesar 93,26 %. Hasil ini menunjukkan bahwa pendekatan transfer learning mampu melakukan generalisasi pada dataset yang terbatas. Secara keseluruhan integrasi masking dan augmentasi terbukti efektif dalam meningkatkan akurasi dalam klasifikasi fase pertumbuhan tanaman tomat. Dalam hal ini berpotensi diterapkannya sistem monitoring tanaman berbasis citra untuk membantu pengembalian keputusan dalam pertanian digital.

Pengembangan e-Learning dengan Metode Flipped Classroom Berbasis Classdojo untuk Meningkatkan Kemampuan Pemahaman Siswa dalam Pembelajaran TIK

Wirda Ningsih, Ahyar, Agustinasari — Kam, 19 Jun 2025 00:00:00 +0200

Masalah yang dihadapi dalam kegiatan belajar di SMP Negeri 8 SATAP Donggo adalah rendahnya pemahaman siswa tentang materi TIK, kurangnya partisipasi aktif siswa dalam proses belajar, serta dominasi metode ceramah yang diterapkan oleh pengajar. Penelitian ini bertujuan untuk menciptakan e-learning menggunakan ClassDojo dengan pendekatan flipped class untuk meningkatkan pemahaman siswa dalam pembelajaran TIK. Metode yang diterapkan dalam penelitian ini adalah Penelitian dan Pengembangan (R&D) yang mencakup lima tahap utama: penelitian awal, pembuatan produk awal, pengujian produk, penilaian, dan produk akhir. Alat yang digunakan adalah pre-test dan post-test untuk menilai peningkatan pemahaman siswa. Hasil penelitian menunjukkan adanya kemajuan yang signifikan pada nilai rata-rata siswa setelah penerapan e-learning berbasis ClassDojo, dimana nilai rata-rata pre-test meningkat dari 65 menjadi 84,88 pada post-test. Perhitungan N-Gain menunjukkan nilai rata-rata sebesar 0,59. Hal ini mengindikasikan bahwa metode flipped class dengan ClassDojo efektif dalam meningkatkan pemahaman siswa terhadap materi TIK.

Pengembangan Sistem Notifikasi Real Time untuk Aplikasi Manajemen Persuratan Multiplatform menggunakan Firebase Cloud Messaging dan Application Programming Interface

Asep Wahyudin, Ani Anisyah, Deffin Achmaddifa — Jum, 20 Jun 2025 00:00:00 +0200

Dalam era digital yang semakin maju, layanan persuratan mengalami transformasi dari sistem konvensional ke elektronik yang dapat diakses melalui aplikasi berbasis website maupun mobile. Layanan ini memegang peranan penting dalam mendukung aktivitas komunikasi formal di berbagai sektor. Namun, salah satu tantangan utama yang dihadapi adalah memastikan informasi dapat diterima secara tepat waktu. Pengembangan sistem notifikasi menjadi solusi yang dapat ditawarkan untuk mengatasi tantangan ini. Penelitian ini dilakukan untuk mengembangkan Sistem Notifikasi Otomatis dalam Konteks Manajemen Surat Menyurat dengan menggunakan metode pengembangan perangkat lunak Waterfall. Pengembangan sistem notifikasi ini dirancang dengan mengintegrasikan Application Programming Interface (API) dan Firebase Cloud Messaging (FCM) sebagai mekanisme pengiriman pesan notifikasi untuk lintas platform secara real time. Hasil penelitian menunjukkan bahwa sistem notifikasi otomatis ini dapat digunakan untuk memudahkan stakeholder dan penerima surat untuk mengetahui informasi surat masuk atau surat keluar secara real time.

Perancangan Monitoring Botol Infus Pasien Berbasis Arduino Uno dan Alarm

Krisna Pardosi, Denny Hasminta Sembiring Maha — Sen, 30 Jun 2025 00:00:00 +0200

Dalam dunia kedokteran, infus merupakan salah satu alat medis yang sering dipakai untuk menyuplai cairan obat atau nutrisi langsung ke dalam tubuh pasien, baik di rumah sakit maupun klinik. Salah satu kendala yang sering muncul dalam penggunaan infus adalah pemantauan volume cairan dalam botol infus yang harus dilakukan secara rutin untuk mencegah kesalahan dalam pemberian cairan. Oleh karena itu, perlu adanya sistem yang dapat memantau infus secara otomatis, agar perawat dapat lebih berkonsentrasi pada perawatan pasien lainnya. Studi ini bertujuan untuk merancang serta mengimplementasikan sistem pemantauan botol infus pasien menggunakan Arduino Uno yang dilengkapi sensor inframerah guna mendeteksi tingkat cairan dalam botol infus secara langsung. Sistem ini dilengkapi dengan alarm yang berfungsi sebagai pemberitahuan peringatan ketika volume cairan dalam botol infus sudah mencapai batas minimum atau kosong. Sistem ini dikembangkan untuk memberikan kemudahan, harga yang terjangkau, dan keandalan dalam meningkatkan layanan perawatan pasien di rumah sakit. Desain ini memerlukan pemrograman Arduino Uno untuk mengendalikan sensor dan alarm berdasarkan informasi yang diterima dari sensor. Saat volume cairan dalam botol infus sudah habis, alarm akan berbunyi sebagai indikasi bahwa cairan infus telah habis, sehingga perawat dapat segera bertindak. Melalui sistem ini, diharapkan dapat memaksimalkan efisiensi waktu kerja perawat saat mengganti botol infus.

Kata kunci :Monitoring, Botol Infus, Arduino Uno, Sensor, Alarm.

Pengelompokan Karakteristik Data Komentar Film Exhuma Dengan Metode K-Medoids

Sen, 30 Jun 2025 00:00:00 +0200

Dalam beberapa tahun terakhir, pertumbuhan industri perfilman global menunjukkan perkembangan yang signifikan, ditandai dengan hadirnya berbagai film yang berhasil menarik perhatian masyarakat. Salah satu film yang saat ini menjadi sorotan adalah Exhuma, sebuah karya dari Korea Selatan yang mengangkat tema kontroversial. Tema tersebut memicu beragam respons dan reaksi dari berbagai pihak, sehingga penting untuk mempertimbangkan sensitivitas sosial dan budaya untuk menghindari potensi kritik maupun konflik. Exhuma dikenal sebagai film yang kompleks dan memikat, menghasilkan respons penonton yang sangat bervariasi. Penelitian ini dilakukan untuk menganalisis sentimen masyarakat terhadap film Exhuma dengan menggunakan metode K-Medoids Clustering. Data penelitian diambil dari platform Twitter/X untuk memahami bagaimana masyarakat merespons film ini. Tahapan penelitian meliputi pengambilan data (data crawling), prapemrosesan (data preprocessing), pembobotan menggunakan metode TF-IDF, dan pengelompokan sentimen dengan metode K-Medoids Clustering. Proses pengelompokan dilakukan untuk mengklasifikasikan komentar-komentar penonton ke dalam tiga kategori sentimen utama, yaitu positif, netral, dan negatif. Hasil analisis menunjukkan bahwa mayoritas komentar masyarakat tergabung dalam kluster sentimen positif, dengan persentase sebesar 77,50% dari total 155 komentar yang dianalisis. Hal ini mengindikasikan bahwa secara umum, tanggapan masyarakat terhadap film Exhuma cenderung bernada positif. Sebagai saran, penelitian selanjutnya diharapkan dapat membandingkan dengan metode clustering lainnya untuk meningkatkan tingkat akurasi pengelompokan data dan hasil analisis.

Analisis Sentimen Opini Publik terhadap Rumah Sakit Pemerintah dan Swasta di Indonesia Menggunakan Algoritma Naïve Bayes

Sen, 30 Jun 2025 00:00:00 +0200

Media sosial menjadi wadah penting bagi masyarakat dalam menyuarakan opini terhadap berbagai layanan publik, termasuk pelayanan rumah sakit. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap rumah sakit pemerintah dan swasta di Indonesia menggunakan algoritma Naïve Bayes. Data yang digunakan berupa 2.500 opini publik yang disimulasikan dan dibagi rata antara rumah sakit pemerintah dan swasta. Setiap opini diberi label sentimen positif atau negatif. Proses pra-pemrosesan dilakukan melalui pembersihan teks, penghapusan stopword, dan vektorisasi menggunakan metode Bag of Words. Hasil analisis menunjukkan bahwa rumah sakit swasta cenderung menerima lebih banyak sentimen positif dibanding rumah sakit pemerintah. Algoritma Naïve Bayes menunjukkan akurasi klasifikasi sebesar 87 %. Penelitian ini menunjukkan bahwa analisis sentimen dapat digunakan sebagai salah satu indikator persepsi publik terhadap layanan kesehatan.