AGENTS: Journal of Artificial Intelligence and Data Science http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents <p>AGENTS: Journal of Artificial Intelligence and Data Science, <a title="p-ISSN" href="https://issn.brin.go.id/terbit/detail/1603140525">p-ISSN:2746-9204</a>, <a title="e-ISSN AGENTS" href="https://issn.brin.go.id/terbit/detail/1603135620">e-ISSN: 2746-9190</a> Jurnal akses terbuka peer-review yang diterbitkan setengah tahunan oleh Program Studi Teknik Informatika Universitas Islam Negeri Alauddin Makassar.</p> <p>AGENTS menerbitkan manuskrip asli dari peneliti, praktisi, dan siswa dalam topik Artificial Intelligence dan Data Science termasuk berbagai subjek terkait tetapi tidak terbatas pada logika fuzzy, algoritma genetika, komputasi evolusioner, jaringan saraf, sistem hybrid, adaptasi dan biological systems inspired evolution, life science systems, sistem intelijen terdistribusi, sistem jaringan, human interfaces, machine learning, dan knowledge discovery.</p> en-US tin.agents@uin-alauddin.ac.id (Mustikasari) mustikasari@uin-alauddin.ac.id (Mustikasari) Sun, 31 Aug 2025 00:00:00 +0000 OJS 3.2.0.2 http://blogs.law.harvard.edu/tech/rss 60 IMPLEMENTASI SISTEM PANDU (PELAYANAN ADUAN DIGITAL) DENGAN RESPON OTOMATIS BERBASIS AI UNTUK MENINGKATKAN KUALITAS LAYANAN PUBLIK PADA KELURAHAN KEBONWARU http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/88 <p>Pelayanan aduan masyarakat di Kelurahan Kebonwaru masih menghadapi kendala berupa lambatnya respon, keterbatasan petugas dalam menangani banyak aduan, serta belum adanya dokumentasi terstruktur yang berdampak pada rendahnya kualitas layanan publik. Penelitian ini bertujuan mengimplementasikan Sistem PANDU (Pelayanan Aduan Digital) berbasis kecerdasan buatan untuk mengotomatisasi respon dan menata pengelolaan aduan. Metode penelitian yang digunakan adalah deskriptif melalui observasi, wawancara, dan studi literatur, sedangkan pengembangan sistem mengikuti model <em>Waterfall</em> dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Sistem dirancang dengan integrasi WhatsApp dan AI Gemini menggunakan pendekatan RAG (<em>Retrieval Augmented Generation</em>) guna menghasilkan respon otomatis yang relevan serta menyediakan fitur eskalasi ke petugas bila diperlukan. Pengujian dilakukan melalui <em>Black-Box</em> Testing untuk menilai fungsionalitas dan <em>Top-1 Accuracy</em> untuk mengukur ketepatan respon AI. Hasil penelitian menunjukkan sistem mampu mengotomatisasi respon, meningkatkan akurasi jawaban, mendokumentasikan aduan secara terstruktur, dan mendukung eskalasi tindak lanjut. Dengan demikian, implementasi Sistem PANDU terbukti meningkatkan kualitas pelayanan publik, memperkuat kepercayaan masyarakat, serta mendorong pelayanan aduan yang lebih responsif dan berorientasi pada kebutuhan warga.</p> shafa salsabila Hak Cipta (c) http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/88 KLASIFIKASI CITRA WAJAH MAHASISWA STMIK “AMIKBANDUNG” MENGGUNAKAN MOBILENETV2 http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/87 <p><em>Presensi mahasiswa merupakan bagian penting dalam mendukung kelancaran proses pembelajaran. Di STMIK AMIK Bandung, proses pencatatan presensi masih dilakukan secara manual sehingga memakan waktu, berisiko menimbulkan kesalahan, serta membuka peluang terjadinya kecurangan. Penelitian ini mengusulkan penerapan teknologi pengenalan wajah berbasis model MobileNetV2 untuk mencatat presensi secara otomatis, cepat, dan akurat. Dataset wajah mahasiswa dikumpulkan secara langsung dengan variasi sudut pandang dan pencahayaan. Tahapan penelitian meliputi deteksi dan pemotongan wajah menggunakan MTCNN, ekstraksi ciri wajah dengan MobileNetV2, serta klasifikasi identitas melalui Logistic Regression. Data dibagi menjadi enam puluh empat persen untuk pelatihan, enam belas persen untuk validasi, dan dua puluh persen untuk pengujian. Evaluasi kinerja dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian terhadap seratus empat puluh enam gambar uji menunjukkan akurasi sebesar delapan puluh satu koma lima satu persen dengan nilai rata-rata precision, recall, dan F1-score di atas nol koma delapan lima. Dengan demikian, penelitian ini membuktikan bahwa MobileNetV2 dapat diimplementasikan sebagai solusi efektif untuk sistem presensi mahasiswa berbasis pengenalan wajah. </em></p> Rinrin Sri Maulida Hak Cipta (c) http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/87 PREDIKSI FAKTOR RISIKO GANGGUAN TIDUR MENGGUNAKAN PENDEKATAN MACHINE LEARNING LOGISTIC REGRESSION DAN GRADIENT BOOSTING http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/86 <p><em>Gangguan tidur merupakan masalah kesehatan yang berdampak luas pada kualitas hidup, produktivitas, serta risiko penyakit kronis. Penelitian ini bertujuan untuk memprediksi faktor risiko gangguan tidur dengan pendekatan machine learning menggunakan data survei dari National Sleep Foundation. Tahapan penelitian meliputi pembersihan data, </em>Transformasi<em>, normalisasi, serta pembagian data menjadi training (80%) dan testing (20%). Dua algoritma digunakan, yaitu Logistic Regression dan Gradient Boosting, dengan evaluasi kinerja berdasarkan metrik Accuracy, Precision, Recall, dan F1-score, serta interpretabilitas model melalui analisis SHAP. Hasil menunjukkan bahwa Gradient Boosting memberikan performa terbaik dengan akurasi dan F1-score sempurna (1.00), sementara Logistic Regression hanya mencapai akurasi 0.70. Analisis SHAP mengungkap bahwa durasi dan kualitas tidur merupakan faktor paling dominan yang memengaruhi risiko gangguan tidur, disusul konsumsi kafein dan usia. Dengan demikian, model berbasis Gradient Boosting tidak hanya mampu mengklasifikasikan risiko dengan sangat akurat, tetapi juga memberikan wawasan komprehensif mengenai faktor determinan gangguan tidur, sehingga dapat menjadi dasar intervensi kesehatan yang lebih efektif.</em></p> Reza Fitriansyah Reza Hak Cipta (c) http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/86 PREDIKSI FAKTOR RISIKO GANGGUAN TIDUR MENGGUNAKAN PENDEKATAN MACHINE LEARNING LOGISTIC REGRESSION DAN GRADIENT BOOSTING http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/85 <p><em>Gangguan tidur merupakan masalah kesehatan yang berdampak luas pada kualitas hidup, produktivitas, serta risiko penyakit kronis. Penelitian ini bertujuan untuk memprediksi faktor risiko gangguan tidur dengan pendekatan machine learning menggunakan data survei dari National Sleep Foundation. Tahapan penelitian meliputi pembersihan data, </em>Transformasi<em>, normalisasi, serta pembagian data menjadi training (80%) dan testing (20%). Dua algoritma digunakan, yaitu Logistic Regression dan Gradient Boosting, dengan evaluasi kinerja berdasarkan metrik Accuracy, Precision, Recall, dan F1-score, serta interpretabilitas model melalui analisis SHAP. Hasil menunjukkan bahwa Gradient Boosting memberikan performa terbaik dengan akurasi dan F1-score sempurna (1.00), sementara Logistic Regression hanya mencapai akurasi 0.70. Analisis SHAP mengungkap bahwa durasi dan kualitas tidur merupakan faktor paling dominan yang memengaruhi risiko gangguan tidur, disusul konsumsi kafein dan usia. Dengan demikian, model berbasis Gradient Boosting tidak hanya mampu mengklasifikasikan risiko dengan sangat akurat, tetapi juga memberikan wawasan komprehensif mengenai faktor determinan gangguan tidur, sehingga dapat menjadi dasar intervensi kesehatan yang lebih efektif.</em></p> Reza Fitriansyah Reza, R Tommy Gumelar, Amrizal Amrizal Hak Cipta (c) 2025 Reza Fitriansyah Reza, R Tommy Gumelar, Amrizal Amrizal https://creativecommons.org/licenses/by-nc/4.0 http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/85 Fri, 29 Aug 2025 00:00:00 +0000 Penerapan Fuzzy Tsukamoto pada Perancangan Sistem Kontrol dan Monitoring Nutrsi Aquaponic Berbasis Internet Of Things http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/84 <p><em>Aquaponic</em> adalah teknik budidaya yang penting karena mudah diaplikasikan, hemat air, dan memungkinkan integrasi akar tanaman untuk menyerap limbah nitrogen dari kotoran ikan sebagai nutrisi. Namun, suhu, pH, <em>Total Dissolved Solids</em> (TDS), dan ketinggian air sangat mempengaruhi pertumbuhan tanaman. Penelitian ini bertujuan untuk merancang sistem kontrol dalam memantau nutrisi dan perkembangan tanaman secara real-time menggunakan sensor suhu, pH, TDS, dan ultrasonik dan menerapkan model <em>Fuzzy</em> Tsukamoto untuk mengatasi ketidakpastian dalam pengambilan keputusan berdasarkan data sensor. . &nbsp; <em>Z</em> adalah nilai <em>output</em> yang dihasilkan, dengan <em>?pred</em> sebagai nilai <em>?-predikat</em> tiap-tiap <em>rule</em>, dan <em>zi,..zn..</em> sebagai hasil inferensi secara tegas (<em>crisp</em>) masing-masing <em>rule</em>. Penelitian ini menggunakan pendekatan kuantitatif dengan metode desain dan pengembangan. Data dikumpulkan melalui observasi langsung, wawancara dengan petani aquaponic, dan studi literatur terkait Sistem yang dirancang berhasil memenuhi kebutuhan untuk mengontrol dan memonitor nutrisi dalam sistem <em>aquaponic</em> secara efektif. Sistem ini menggunakan modul ESP8266 dan berbagai sensor (pH, TDS/PPM, suhu, dan ketinggian air) untuk memantau kondisi air secara <em>real-time</em> dan mengirimkan data ke <em>Firebase</em>, yang kemudian ditampilkan pada aplikasi <em>interface</em>. Kontrol otomatis memungkinkan penyesuaian cepat terhadap perubahan kondisi lingkungan, memastikan lingkungan optimal bagi pertumbuhan tanaman</p> Abd Muqsith Hidayat, Faisal Akib , Faisal Faisal Hak Cipta (c) 2024 Abd Muqsith Hidayat, Faisal Akib , Faisal Faisal https://creativecommons.org/licenses/by-nc/4.0 http://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/84 Sat, 31 Aug 2024 00:00:00 +0000