Journal of Artificial Intelligence and Technology Information (JAITI)

Optimasi Model Machine Learning Menggunakan Teknik SMOTE pada Analisis Sentimen Pengguna RedBus

Arman Ramadhani — 2026-03-31

Perkembangan teknologi digital semakin memudahkan masyarakat dalam memenuhi kebutuhan transportasi, salah satunya melalui aplikasi pemesanan tiket bus seperti RedBus. Aplikasi ini menghadirkan layanan pemesanan secara praktis, namun ulasan pengguna yang semakin banyak di Google Play Store bersifat tidak terstruktur sehingga memerlukan analisis lebih lanjut untuk menilai kualitas layanan secara objektif. Penelitian ini bertujuan untuk mengklasifikasikan sentimen kepuasan pengguna aplikasi RedBus dengan memanfaatkan algoritma Naïve Bayes dan Random Forest. Untuk mengatasi masalah ketidakseimbangan data, digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan berjumlah 2.000 ulasan yang dikumpulkan melalui metode web scraping, kemudian diproses melalui tahapan preprocessing yang meliputi data cleaning, cleansing, case folding, tokenization, stopword, dan stemming. Selanjutnya, data diberi label kepuasan berdasarkan rating, lalu dikonversi menjadi fitur numerik dengan metode TF-IDF. Data dibagi menjadi 90% data latih dan 10% data uji agar dapat dievaluasi secara menyeluruh. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi 91%, precision 97%, recall 89%, dan F1-score 92%. Sementara itu, algoritma Random Forest memperoleh akurasi 90%, precision 94%, recall 90%, dan F1-score 92%. Keunggulan Naïve Bayes terlihat pada nilai precision yang tinggi, menunjukkan kemampuannya dalam meminimalkan kesalahan klasifikasi positif palsu. Kesimpulannya, penerapan Naïve Bayes dengan dukungan SMOTE dinilai lebih optimal dalam mengklasifikasikan sentimen ulasan, sehingga dapat menjadi masukan bagi pengembang RedBus dalam meningkatkan kualitas layanan dan kepuasan pengguna.

Analisis dan Peramalan Intensitas Curah Hujan di DKI Jakarta Menggunakan Model ARIMA

Sandi Badiwibowo Atim — 2026-03-31

Permasalahan curah hujan ekstrem dan dampaknya terhadap sistem perkotaan di DKI Jakarta merupakan isu strategis nasional yang memerlukan penanganan serius hingga tahun 2026. Penelitian ini bertujuan untuk melakukan analisis dan peramalan intensitas curah hujan di DKI Jakarta menggunakan model AutoRegressive Integrated Moving Average (ARIMA) guna mendukung mitigasi risiko banjir dan genangan. Data yang digunakan mencakup periode 2024–2026 yang diolah secara sistematis menggunakan bahasa pemrograman Python. Tahapan metodologi meliputi pra-pemrosesan data melalui agregasi harian, penanganan nilai hilang dengan interpolasi linier, serta identifikasi outlier menggunakan metode Interquartile Range (IQR). Hasil pengujian Augmented Dickey-Fuller (ADF) menunjukkan bahwa data telah bersifat stasioner pada tingkat level (p-value < 0,05). Berdasarkan evaluasi parameter, ARIMA(2,0,1) ditetapkan sebagai model optimal dengan nilai Akaike Information Criterion (AIC) terendah sebesar 745,752. Peramalan untuk horizon 14 hari ke depan menunjukkan pola intensitas yang stabil pada rentang 0,30 mm hingga 0,35 mm. Penelitian ini memiliki signifikansi ilmiah dalam menangkap pola temporal dan tren masa lalu sebagai instrumen pendukung pengambilan keputusan strategis bagi wilayah perkotaan dengan kerentanan hidrometeorologi tinggi.

Evaluasi dan Pemilihan Supplier Pakan Ikan Terbaik Melalui Integrasi Metode SWARA-MAUT

Lathifah Lathifah — 2026-03-31

Permasalahan dalam proses pemilihan pemasok pakan ikan terletak pada belum tersedianya suatu model sistem pendukung keputusan yang mampu mengevaluasi kinerja pemasok secara komprehensif berdasarkan data transaksi pembelian. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan metode Step-wise Weight Assessment Ratio Analysis (SWARA) dalam menentukan bobot kriteria yang relevan pada proses seleksi pemasok pakan ikan terbaik, serta mengombinasikannya dengan metode Multi Attribute Utility Theory (MAUT) untuk menghasilkan keputusan akhir berupa pemeringkatan pemasok. MAUT merupakan suatu kerangka pengambilan keputusan yang sistematis dan terstruktur, yang dirancang untuk mengakomodasi kompleksitas serta ketidakpastian dalam evaluasi berbasis multi-kriteria. Sementara itu, metode SWARA berperan penting dalam proses pembobotan dengan memberikan tingkat kepentingan relatif pada setiap kriteria yang digunakan. Hasil analisis menunjukkan bahwa pemasok terbaik diperoleh oleh Pemasok 3 dengan nilai utilitas akhir sebesar 0,5795, diikuti oleh Pemasok 8 dengan nilai 0,5275 pada peringkat kedua, serta Pemasok 6 dengan nilai 0,3865 pada peringkat ketiga.

Penerapan Multiple Attribute Decision Making Menggunakan Weighting Product Untuk Pemilihan Laptop

Auliya Rahman Isnain — 2026-03-31

In the process of choosing a laptop, problems often arise in the form of numerous alternatives with varied specifications, complex differences in user needs, limited accurate information, as well as difficulties in comparing various criteria such as price, performance, battery life, and device quality, resulting in decision-making that is less objective, inconsistent, and potentially leads to suboptimal choices. The purpose of this study for the selection of laptops used is based on price, RAM, processor, storage and size in recommending laptops using the WP method. The results of the system recommendation assessment using applications and manual calculations provide recommendations for Microsoft Surface Pro 6 Laptop ranked first with a final score based on the WP method getting a result of 0, 274854256. The test results get a value of 100% according to the system functionality testing using blackbox testing. Based on the results of data processing of respondents' responses as many as 16 respondents based on 4 TRITAM Model criteria, Trust results were obtained (Trust) of 77.92%, Risk of Use (Risk) of 75.83%, Perceived Usefulness of 89.79%, Perception of Ease of Use (Perceived easy of Use) of 81.04%. The overall test results using the TRITAM Model for technology acceptance were Good at 82.56%.

Analisis Potensi Listrik Panel Surya Di Lingkungan Universitas Sam Ratulangi Menggunakan Pendekatan GIS Dan Image Processing

Wisard Widsli Kalengkongan — 2026-03-31

Pemanfaatan energi surya pada lingkungan kampus memerlukan analisis spasial yang mampu mengidentifikasi lokasi pemasangan panel surya secara lebih terukur. Penelitian ini bertujuan untuk menganalisis potensi pemasangan panel surya di lingkungan Universitas Sam Ratulangi (UNSRAT) menggunakan pendekatan Geographic Information System (GIS) dan image processing. Metode yang digunakan meliputi pengumpulan data radiasi matahari, pengolahan citra drone, analisis spasial area kampus, identifikasi area potensial, serta estimasi potensi energi listrik berdasarkan luas area efektif, intensitas radiasi, efisiensi panel, dan performance ratio sistem. Hasil penelitian menunjukkan bahwa pendekatan GIS dan image processing mampu mengidentifikasi area potensial pemasangan panel surya secara lebih sistematis dan informatif. Total area potensial yang diperoleh sebesar 2.712,06 m², yang terdiri atas area atap bangunan dan area parkiran. Berdasarkan hasil klasifikasi, lokasi potensial dibagi menjadi dua kategori, yaitu daerah hijau yang lebih mudah diakses dan lebih sederhana untuk instalasi, serta daerah kuning yang memiliki luasan lebih besar tetapi memerlukan penyesuaian teknis lebih lanjut. Dengan menggunakan rata-rata radiasi matahari sebesar 495,22 W/m², efisiensi panel 20%, dan performance ratio 0,80, diperoleh estimasi total potensi energi listrik sebesar 214,89 per hari. Penelitian ini menunjukkan bahwa integrasi GIS dan image processing tidak hanya berfungsi untuk visualisasi spasial, tetapi juga dapat dimanfaatkan sebagai dasar sistem pendukung keputusan dalam perencanaan energi surya pada skala kampus. Hasil penelitian diharapkan dapat menjadi acuan awal dalam pengembangan energi terbarukan di lingkungan UNSRAT serta mendukung penerapan konsep green campus yang lebih berbasis data.