Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Keputusan Supplier Terbaik Menggunakan Metode SMART: Studi Kasus pada CV LutfanTechnology

Rizky Abdillah — Rab, 31 Des 2025 00:00:00 +0000

Abstract

CV Lutfan Technology is one of the companies engaged in general trading to meet the needs of its customers in the industrial sector, where in the process CV Lutfan Technology is currently only focused based on relationship relationships but has not been accompanied by the right method and criteria approach, of course in terms of effectiveness it still requires several approaches.This study aims to provide the expected decision to determine the best supplier for CV Lutfan Technology using the SMART (Simple Multi-Attribute Rating Technique) method. This method was chosen because of its ability to accommodate various evaluation criteria systematically and objectively. The criteria used in the assessment include quality, price, time and quantity. Data was obtained through interviews, observations, and documentation of activities carried out by the company. The evaluation results show that the SMART method is able to provide a comprehensive supplier rating, which can then be used as a basis for strategic decision making, such as supplier selection, monitoring and development. Recommendations are given to the company to implement periodic evaluations to improve partnership relationships and supply chain performance in a sustainable manner..

Keywords: Decision, Supplier, Best, Method, SMART

Abstrak

CV Lutfan Technology merupakan salah satu perusahaan yang bergerak di bidang general trading untuk memenuhi kebutuhan pelanggannya di sektor industri, dimana dalam prosesnya CV Lutfan Technology saat ini hanya terfokus berdasarkan hubungan relasi saja tetapi belum disertain dengan pendekatan metode dan kriteria yang tepat, tentu dari segi efektivitas masih memerlukan beberapa pendekatan.Penelitian ini bertujuan untuk memberikan keputusan yang diharapkan untuk menentukan supplier terbaik bagi CV Lutfan Technology dengan menggunakan metode SMART (Simple Multi-Attribute Rating Technique). Metode ini dipilih karena kemampuannya dalam mengakomodasi berbagai kriteria evaluasi secara sistematis dan objektif. Kriteria yang digunakan dalam penilaian meliputi kualitas, harga, waktu dan kuantitas. Data diperoleh melalui wawancara, observasi, dan dokumentasi dari aktivitas yang dilakukan perusahaan. Hasil evaluasi menunjukkan bahwa metode SMART mampu memberikan peringkat supplier secara komprehensif, yang kemudian dapat digunakan sebagai dasar dalam pengambilan keputusan strategis, seperti pemilihan, pemantauan, dan pengembangan supplier. Rekomendasi diberikan kepada perusahaan untuk menerapkan evaluasi berkala guna meningkatkan hubungan kemitraan dan kinerja rantai pasok secara berkelanjutan.

Kata Kunci: Keputusan, Supplier, Terbaik, Metode, SMART

Sistem Pakar Hibrida Deteksi Keterlambatan Bicara pada Anak Menggunakan Forward Chaining dan Naïve Bayes

Jum, 19 Des 2025 00:00:00 +0000

Penelitian ini bertujuan untuk mengembangkan dan memvalidasi sebuah metode inferensi hibrida yang mengintegrasikan penalaran berbasis aturan (rule-based reasoning) dari Forward Chaining dengan klasifikasi probabilistik dari Naïve Bayes. Sistem ini dirancang sebagai alat skrining (penapisan) dini terhadap risiko keterlambatan bicara dan bahasa pada anak. Sistem dikembangkan dengan pendekatan hibrida. Metode Forward Chaining diimplementasikan untuk merepresentasikan pengetahuan klinis yang pasti. Sementara itu, metode klasifikasi Naïve Bayes digunakan sebagai sistem probabilistik yang dilatih menggunakan dataset yang telah divalidasi. Proses optimasi model Naïve Bayes melibatkan serangkaian teknik, termasuk penyederhanaan masalah menjadi klasifikasi biner, penyeimbangan data latih menggunakan Synthetic Minority Over-sampling Technique (SMOTE), dan hyperparameter tuning. Pengujian model Naïve Bayes menunjukkan bahwa proses optimasi yang komprehensif berhasil meningkatkan performa secara signifikan. Dengan menggunakan model Bernoulli Naïve Bayes pada data biner yang telah diseimbangkan, performa model berhasil mencapai akurasi sebesar 72.22%. Secara khusus, model menunjukkan nilai recall yang tinggi sebesar 84% untuk kelas 'Terindikasi', yang sangat krusial untuk alat skrining. Sistem pakar hibrida yang diusulkan menunjukkan validitasnya sebagai instrumen skrining yang fungsional. Sinergi antara penalaran logis dari Forward Chaining dan inferensi probabilistik dari Naïve Bayes yang telah dioptimalkan menghasilkan sistem dengan keandalan yang tinggi. Implementasi metode ini telah berhasil divalidasi melalui sebuah prototipe aplikasi web yang fungsional.

Median Filtering dan K-Means Clustering untuk Identifikasi Jenis Kurma

FATHONAH GHANIYYAH — Jum, 19 Des 2025 00:00:00 +0000

Meningkatnya konsumsi kurma di Indonesia mendorong perlunya sistem otomatis yang mampu membedakan varietas dengan kemiripan visual tinggi, seperti Ajwa dan Sukari. Penelitian ini mengembangkan sistem identifikasi otomatis dengan menggabungkan metode Median Filtering dan K-Means Clustering dalam ruang warna L*a*b. Median Filtering diterapkan pada tahap pra-pemrosesan untuk mengurangi noise tanpa menghilangkan detail penting pada tepi objek, sementara K-Means Clustering digunakan untuk segmentasi berdasarkan kesamaan warna dan tekstur. Dataset terdiri atas 14 citra kurma yang diambil dengan pencahayaan seragam. Hasil eksperimen menunjukkan bahwa pendekatan ini berhasil mencapai tingkat akurasi identifikasi sebesar 100%. Tahapan pra-pemrosesan terbukti meningkatkan kualitas citra, sedangkan penggunaan ruang warna L*a*b memberikan segmentasi yang lebih stabil terhadap perubahan pencahayaan. Pendekatan ini menunjukkan potensi tinggi dalam pengembangan sistem klasifikasi buah berbasis pengolahan citra digital guna mendukung otomatisasi dalam industri pangan.

Penerapan Jaringan Syaraf Konvolusional Untuk Deteksi Penyakit Tanaman Kopi Berdasarkan Citra Daun

Yusran Panca Putra, Agus Susanto, Willi Novrian — Rab, 31 Des 2025 00:00:00 +0000

Produktivitas tanaman kopi di Indonesia sangat dipengaruhi oleh serangan penyakit daun yang sering kali tidak terdeteksi secara dini akibat keterbatasan pengetahuan petani dalam mengenali gejala penyakit. Deteksi penyakit secara manual membutuhkan keahlian khusus dan waktu yang tidak efisien, sehingga dibutuhkan pendekatan berbasis teknologi untuk memberikan solusi yang lebih cepat dan akurat. Penelitian ini mengusulkan pemanfaatan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi penyakit tanaman kopi berdasarkan citra daun. Data citra daun diperoleh dari dataset publik Kaggle, yang mencakup total 1664 citra daun kopi dengan klasifikasi sehat maupun terinfeksi penyakit. Proses pelatihan dilakukan pada platform Google Colaboratory menggunakan algoritma optimisasi Adam dan teknik augmentasi untuk meningkatkan kemampuan generalisasi model. Hasil pelatihan menunjukkan bahwa model ResNet-50 mampu mencapai akurasi pelatihan sebesar 96,33% dan akurasi validasi sebesar 95,31% setelah 40 epoch. Evaluasi model terhadap data uji menghasilkan nilai macro average precision sebesar 95,83%, recall 96,05%, dan F1-score 95,58%. Model terbukti efektif dalam mendeteksi berbagai jenis penyakit seperti miner, phoma, dan rust, meskipun masih terdapat kesalahan klasifikasi minor. Penelitian ini menunjukkan potensi besar dari penerapan CNN dalam bidang pertanian cerdas, khususnya dalam deteksi otomatis penyakit tanaman kopi, serta dapat menjadi dasar pengembangan sistem deteksi berbasis aplikasi yang mudah digunakan oleh petani. Temuan ini berkontribusi pada pengembangan teknologi tepat guna dalam mendukung peningkatan hasil dan kualitas produksi pertanian.

Pengembangan Sistem Pendukung Keputusan Diagnosis Kanker Payudara Menggunakan Regresi Logistik

Jum, 19 Des 2025 00:00:00 +0000

Kanker payudara merupakan salah satu penyebab kematian tertinggi pada wanita di Indonesia. Diagnosis yang akurat dan cepat sangat penting untuk meningkatkan tingkat kesembuhan pasien. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan untuk diagnosis kanker payudara menggunakan model regresi logistik yang dioptimasi. Metode penelitian menggunakan dataset Wisconsin Diagnostic Breast Cancer yang terdiri dari 569 sampel dengan 30 fitur morfologis sel. Data dibagi menjadi 75% data latih dan 25% data uji. Model regresi logistik diimplementasikan dengan regularisasi L2 dan dievaluasi menggunakan analisis ROC, optimasi ambang batas dengan Indeks Youden, serta kalibrasi probabilitas menggunakan Expected Calibration Error (ECE). Hasil penelitian menunjukkan model mencapai akurasi 95,8%, sensitivitas 96,2%, dan spesifisitas 95,6% dengan nilai AUC-ROC 0,993. Optimasi ambang batas menghasilkan nilai optimal 0,560 yang menyeimbangkan sensitivitas dan spesifisitas. Kalibrasi probabilitas menunjukkan ECE sebesar 0,0390 yang dapat ditingkatkan menjadi 0,0328 menggunakan regresi isotonik.

Kata kunci: kanker payudara, sistem pendukung keputusan, regresi logistik, kalibrasi probabilitas, optimasi ambang batas

Analisis Penentuan Penerima Hibah Penelitian Menggunakan Metode AHP di Perguruan Tinggi

Wahyu Prima, Sopi Sapriadi, Kiki Hariani Manurung, Rahmatul Hayati, Khazinrah — Jum, 19 Des 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis dan mengembangkan sistem pendukung keputusan dalam proses seleksi penerima hibah penelitian internal di Universitas Adzkia dengan menggunakan metode Analytic Hierarchy Process (AHP). Permasalahan utama yang diidentifikasi adalah ketidaksesuaian antara topik penelitian dengan kompetensi dosen, serta lemahnya keterkaitan dengan roadmap penelitian institusi. Penelitian ini bersifat deskriptif kuantitatif dengan tahapan: analisis kebutuhan, penyusunan hierarki, perbandingan berpasangan, pengujian konsistensi, dan sintesis hasil. Empat kriteria utama yang digunakan adalah urgensi penelitian, metode, referensi, dan rekam jejak dosen, yang selanjutnya dijabarkan ke dalam sejumlah subkriteria. Hasil pengolahan data menunjukkan bahwa metode AHP mampu menyusun prioritas alternatif secara objektif dan konsisten. Alternatif dengan skor tertinggi adalah MU, diikuti oleh MH dan YN. Temuan ini menunjukkan bahwa AHP merupakan metode yang efektif untuk meningkatkan akurasi, transparansi, dan kesesuaian dalam proses seleksi hibah penelitian.

Sistem Pemantauan Keluaran Generator Set Berbasis IoT

audy, Halim Mudia, Aldo Nofrianto — Jum, 19 Des 2025 00:00:00 +0000

This research is motivated by the ineffective maintenance of generator sets in hospitals. Gensets are crucial components that serve as backup power sources, especially during power outages from the main grid (PLN). However, in practice, genset maintenance is typically carried out only once every six months. During this time, there are no regular inspections, which means any potential damage or malfunction that occurs before the scheduled maintenance may go unnoticed. This can lead to operational disruptions in hospital areas that heavily rely on a stable power supply, like ICUs, operating rooms, and laboratories. A more effective and real-time genset monitoring system is required. This research aims to develop an Internet of Things (IoT) based genset condition monitoring system that can monitor key output parameters of the genset in real time. The monitored parameters include voltage (phases R, phases S, and phases T), current (phases R, phases S, and phases T), frequency, power (phases R, phases S, and phases T), total power, and generated energy. The data will be automatically transmitted to the Ubidots platform via the internet, allowing users to monitor the genset's condition anytime and anywhere through the website. This system is expected to improve maintenance effectiveness and minimize the risk of equipment failure.