Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kecerdasan buatan atau AI adalah simulasi pengetahuan manusia yang telah dikodekan ke dalam suatu perangkat lunak, biasanya digunakan oleh bisnis dan orang-orang untuk memanfaatkan perangkat lunak ini untuk mencapai tujuan dan sasaran yang diinginkan. AI digunakan di banyak sektor perekonomian seperti keuangan hingga layanan kesehatan. Perangkat lunak AI menjalankan aktivitas seperti pikiran manusia dan diprogram untuk melakukan aktivitas pembelajaran, penalaran, dan persepsi. Implementasi AI telah dimanfaatkan oleh banyak bisnis terkenal seperti speaker pintar seperti Siri atau Alexa. Kecerdasan Buatan telah digunakan di sektor medis melalui pengujian perawatan, menyarankan dosis obat, dan membantu prosedur pembedahan. Namun, hal ini menimbulkan kekhawatiran mengenai praktik etika seperti pelanggaran data pribadi pelanggan, kemampuan pengambilan keputusan yang bias, penggunaan data tanpa izin, dan manipulasi preferensi pelanggan. Laporan tersebut menyebutkan contoh pelanggaran data yang terjadi di bisnis skala besar seperti Cambridge Analytica, Canva, dan Optus. Untuk menghindari timbulnya masalah ini, bisnis harus membuat pedoman yang ketat untuk penggunaan dan penyimpanan data pribadi pelanggan, pelatihan karyawan yang ekstensif untuk menangani dan memelihara program AI, audit rutin dengan manajer risiko untuk melakukan pengawasan harian terhadap manajemen data untuk mendapatkan pemahaman. keamanan dan kepercayaan dengan pelanggan. Namun, AI juga bermanfaat bagi pengoperasian bisnis dan pencapaian tujuan serta sasarannya. Ini mungkin termasuk otomatisasi tugas yang membosankan, menyediakan layanan pelanggan yang inovatif sekaligus mengurangi biaya yang telah digunakan oleh Google seperti yang dijelaskan dalam laporan tersebut. Integrasi AI dengan layanan Starbucks Barista berhasil meningkatkan pengalaman pelanggan. Dengan penerapan AI ini, harus selalu ada keseimbangan antara keberhasilan integrasi AI dengan tetap mengikuti protokol etika yang ditetapkan oleh dunia usaha dan pemerintah untuk menjaga hubungan baik dengan pelanggan dan membangun reputasi serta basis pelanggan mereka.

---

Artificial intelligence or AI is a simulation of human knowledge that has been encoded into a software, usually used by businesses and people to utilize this software to achieve their desired goals and objectives. AI is being utilized in many sectors in the economy such as from finance to healthcare. AI software carries on activities like a human mind and is programmed to do learning, reasoning, and perception activities. AI implementations have been utilized by many known businesses like smart speakers which include Siri or Alexa. Artificial Intelligence has been utilized in the medical sector through testing treatments, suggesting medicine dosages, and assisting the surgical procedures. However, it raises concerns about ethical practices such as breach in private or personal customer data, biased decision-making ability, unauthorized use of data and manipulating customer's preferences. The report mentions examples of data breaches that have occurred in large scale businesses such as, Cambridge Analytica, Canva and Optus. To avoid these issues from arising, businesses should form strict guidelines to use and store of customer personal details, extensive employee training to handle and maintain the AI program, regular audits with risk managers to have a daily surveillance of data management to gain a sense of safety and trust with customers. However, AI also benefits a business's operation and achieving its goals and objectives. It may include automation of tedious tasks, providing innovative customer service while cutting down costs that have been utilized by Google that has been explained in the report. The AI integration with Starbucks Barista service has been successful in enhancing customer experience. With this adoption of AI, there should always be a balance between successful integration of AI while following ethical protocols set by the business and government to maintain a good relationship with customers and building their reputation and customer base."

"Proses pemeriksaan mamografi menggunakan sinar-X dapat memicu risiko terjadinya karsinogenesis apabila tidak diperhatikan dengan baik. Sehubungan dengan hal tersebut, perlu dilakukan perhitungan dosis yang diterima payudara. Hal ini bertujuan untuk memberikan estimasi risiko dosis terhadap potensi terbentuknya kanker akibat pemeriksaan mamografi. Perhitungan estimasi risiko dosis dapat diukur melalui Mean Glandular Dose (MGD). MGD tidak dapat diukur secara langsung, melainkan perlu adanya informasi persentase glandularity untuk mengetahui faktor konversi glandularity sehingga didapatkan nilai MGD. Agar mempermudah proses untuk mengetahui faktor konversi glandularity, maka dilakukan pengujian metode segmentasi citra mamografi menggunakan beberapa algoritma tertentu, termasuk algoritma berbasis Artificial Intelligence (AI) sehingga diperoleh metode terbaik untuk menentukan nilai persentase glandularity. Hasil uji metode terbaik pada penelitian ini yaitu metode segmentasi citra menggunakan implementasi algoritma Modified Fuzzy C-Means (MFCM) dengan menghilangkan bagian latar belakang menggunakan algoritma U2 Net pada citra 16 bit. Berdasarkan hasil uji, diketahui bahwa metode ini memiliki kriteria akurasi yang tinggi (80%) untuk dapat memprediksi 25 citra sampel yang diujikan

---

The process of mammography examination using X-rays can trigger the risk of carcinogenesis if it is not properly delivered to. In connection with this, it is necessary to calculate the dose for the breast. This aims to provide an estimate of the risk of dose to the potentially induced cancer due to mammography examination. Calculation of estimated dose risk can be measured through the Mean Glandular Dose (MGD). In general, MGD cannot be measured directly, but information on the percentage of glandularity is needed to determine the glandularity conversion factor so that the MGD value can be obtained. To simplify the process of determining the glandularity conversion factor, several mammographic image segmentation methods were tested using certain algorithms, including those based on Artificial Intelligence (AI) to obtain the best method for determining the percentage value of glandularity. The best method test results in this study are the image segmentation method using the implementation of the Modified Fuzzy C-Means (MFCM) algorithm by removing the background using the U2 Net algorithm on 16-bit images. Based on the test results, it is known that this method has a high accuracy criterion (80%) to be able to predict the 25 sample images tested"

"Skripsi ini membahas tentang peran dan identitas ilustrator di tengah maraknya penggunaan AI Art. Keberadaan AI Art yang mampu menciptakan ilustrasi secara otomatis telah menimbulkan pertanyaan kritis apakah kehadiran kecerdasan buatan ini akan menggantikan peran tradisional ilustrator di masa depan. Metode penelitian yang digunakan dalam skripsi ini adalah wawancara mendalam dengan tiga subjek yang merupakan ilustrator berpengalaman, serta dilakukan observasi terhadap aktivitas mereka di media sosial. Hasil penelitian ini menunjukkan bahwa pemahaman dan pandangan beragam para ilustrator tentang potensi mereka akan digantikan oleh AI. Ilustrator meyakini memiliki kelebihan tersendiri dibandingkan dengan AI yang mendasari tindakan mereka dalam membuat ilustrasi yang berbeda dengan hasil ilustrasi buatan AI.

---

This paper discusses the role and identity of the illustrator in the midst of the widespread use of AI Art. The existence of AI Art which is able to create illustrations automatically has raised a critical question whether the presence of artificial intelligence will replace the traditional role of the illustrator in the future. The research method used for this paper is in-depth interviews with three subjects who are experienced illustrators, as well as observing their activities on social media. The results of this study show that illustrators has diverse understanding and views of their potential will be replaced by AI. Illustrators believe they have their own advantages compared to AI which underlies their actions in making illustrations that are different from the illustrations made by AI."

"Manusia yang sebelumnya merupakan satu-satunya makhluk hidup yang diberikan kecerdasan akal dan fikiran untuk terus berkembang dan menjadi inventor akan teknologi baru, kini dapat mendelegasikan kemampuan tersebut kepada mesin kecerdasan buatan atau AI. Meskipun AI sendiri merupakan sistem ciptaan manusia dan masih sebatas sistem yang terintergrasi dengan manusia atau operatornya, namun saat ini sistem tersebut dapat secara otonom menciptakan invensi, atau yang disebut dengan AI-generated inventions. Namun, apakah invensi dari AI tersebut dapat dimohonkan paten? Hal tersebut menjadi pertanyaan besar dikarenakan sesuai dengan peraturan-peraturan yang ada, subjek yang dapat menjadi inventor adalah natural person, sedangkan dalam hal ini AI bukanlah termasuk dalam klasifikasi natural person. Oleh karena itu, Penulis akan menganalisis bagaimana peran AI sebagai inventor, dilihat dari perspektif hukum Indonesia dan Amerika Serikat, serta dengan kasus actual mengenai permohonan paten atas AI-generated inventions. Penelitian ini dilakukan dengan metode penelitian yuridis-normatif dengan data yang diperoleh dari studi kepustakaan dan wawancara. Hasil penelitian menunjukan bahwa sebenarnya dengan perkembangan zaman, maka akan banyak munculnya AI-generated inventions, sehingga salah satu jalan keluar yang dapat ditempuh adalah dengan membentuk pengaturan mengenai AI-generated inventions tersebut maupun perubahan atau penambahan aturan mengenai klasifikasi inventor dalam undang-undang.

---

Humans who were previously the only living beings given the intelligence of mind and mind to continue to evolve and become inventors of new technologies, can now delegate those abilities to artificial intelligence machines or AI. Although AI itself is a human creation system and is still limited to systems that are integrated with humans or their operators, today the system can autonomously create inventions, or so-called AI-generated inventions. However, can the invention of the AI be requested for a patent? This is a big question because in accordance with existing regulations, the subject that can be an inventor is a natural person, while in this case AI is not included in the classification of natural persons. Therefore, the author will analyze how AI's role as an inventor, viewed from the legal perspective of Indonesia and the United States, as well as with actual cases regarding patent applications for AI-generated inventions. This research was conducted with juridical-normative research methods with data obtained from literature studies and interviews. The results show that actually with the times, there will be many applications of AI-generated inventions, so one way out that can be taken is to form arrangements regarding AI-generated inventions as well as changes or additions to rules regarding the classification of inventors in the law."

"Perkembangan teknologi telah memberikan kemudahan bagi sejumlah pihak, salah satunya dalam membangun hubungan pelanggan. Hubungan pelanggan dapat dibangun serta dipelihara melalui sistem yang terintegrasi antara CRM dan AI. Keduanya memberikan solusi bagi perusahaan maupun institusi lainnya untuk memperoleh data serta memenuhi kebutuhan pelanggan. Oleh sebab itu, tulisan ini ingin melihat efektivitas penggunaan CRM dan AI dalam mengelola pelanggan yang bertujuan untuk mengetahui kebutuhan maupun perilaku para pelanggannya. CRM yang telah terintegrasi oleh AI, memberikan manfaat yang besar dibandingkan CRM tradisional. Atas manfaat yang diperoleh, CRM yang terintegrasi dengan AI sangat membantu perusahaan dalam efisiensi waktu maupun biaya serta efektivitas dalam pemenuhan kebutuhan pelanggan serta penyelesaian permasalahan yang sedang dihadapi. Dengan demikian, penggunaan CRM dan AI secara bersamaan dinilai lebih efektif dibandingkan dengan CRM tradisional.

---

Technological developments have made things easier for several parties, one of which is building customer relationships. Customer relationships can be built and maintained through an integrated system between CRM and AI. Both provide solutions for companies and other institutions to obtain data and meet customer needs. Therefore, this paper wants to see the effectiveness of using CRM and AI in managing customers to know the needs and behaviors of customers. CRM that has been integrated with AI provides great benefits compared to traditional CRM. Due to the benefits obtained, CRM integrated with AI helps companies in terms of time and cost efficiency as well as effectiveness in meeting customer needs and resolving the problems they are facing. Thus, using CRM and AI together is considered more effective than traditional CRM."

"Pencegahan penyebaran wabah Covid-19 melalui metode Corona Likelihood Metric (CLM) merupakan salah satu upaya Pemerintah Provinsi DKI Jakarta dalam mengatasi wabah Covid-19. Upaya tersebut bukan hanya dapat memudahkan pemerintah dalam pencegahan penyebaran wabah Covid-19, tetapi memudahkan masyarakat untuk melakukan screening mandiri apakah terpapar Covid-19. Metode CLM dapat memproses jawaban yang diberikan oleh pengguna, bukan hanya itu saja CLM juga dapat memberikan hasil uji dan rekomendasi untuk pengambilan tindakan medis yang tepat. Metode CLM memiliki kelebihan yaitu memakai ilmu Artificial Intelligence, sehingga programmer tidak perlu lagi menulis kode secara bertahap. Penelitian ini bertujuan untuk menganalisis tingkat partisipasi masyarakat dalam pencegahan penyebaran Covid-19 melalui metode CLM khususnya di Provinsi DKI Jakarta. Penelitian ini menggunakan teori Model Of Participation yang dikonseptualisasikan oleh Stoker, Pratchett, dan Lowndess. Pendekatan pada penelitian ini menggunakan pendekaatan kuantitatif dengan teknik pengumpulan data berupa mix method melalui wawancara mendalam terhadap beberapa narasumber yang bersangkutan dan penyebaran kuesioner dengan menggunakan teknik analisis data berdasarkan distribusi frekuensi, ukuran pemusatan, dan ukuran penyebaran melalui software SPSS. Hasil penelitian menujukkan bahwa hipotesis peneliti ditolak dalam penelitian ini. Hipotesis dalam penelitian ini yaitu tingkat partisipasi masyarakat dalam mencegah penyebaran wabah Covid-19 melalui metode CLM di Provinsi DKI Jakarta tergolong tinggi. gabungan kelima dimensi masuk kedalam kategori tinggi (60%). Tingginya tingkat partisipasi masyarakat didukung dengan tingginya dimensi Can do (98%), Like to (95%), Enabled to (62%), Asked to (80%), Responded to (95%), dan Enabled to (62%).

---

Prevention of the spread of the Covid-19 outbreak through the Corona Likelihood Metric (CLM) method is one of the efforts of the DKI Jakarta Provincial Government in overcoming the Covid-19 outbreak. These efforts will not only make it easier for the government to prevent the spread of the Covid-19 outbreak, but also make it easier for the public to conduct independent screening for whether they are exposed to Covid-19. The CLM method can process the answers given by the user, not only that CLM can also provide test results and recommendations for taking appropriate medical action. The CLM method has the advantage of using Artificial Intelligence, so that programmers no longer need to write code in stages. This study aims to analyze the level of community participation in preventing the spread of Covid-19 through the CLM method, especially in DKI Jakarta Province. This study uses the Model Of Participation theory conceptualized by Stoker, Pratchett, and Lowndess. The approach in this study uses a quantitative approach with data collection techniques in the form of a mix method through in-depth interviews with several relevant informants and distributing questionnaires using data analysis techniques based on frequency distribution, size of concentration, and size of spread through SPSS software. The results showed that the researcher's hypothesis was rejected in this study. The hypothesis in this study is that the level of community participation in preventing the spread of the Covid-19 outbreak through the CLM method in DKI Jakarta Province is relatively high. the combination of the five dimensions is included in the high category (60%). The high level of community participation is supported by the high dimensions of Can do (98%), Like to (95%), Enabled to (62%), Asked to (80%), Responded to (95%), and Enabled to (62%)."

"Menanggapi perkembangan pesat kecerdasan buatan atau artificial intelligence (AI) dan penggunaannya yang makin meluas, Uni Eropa memposisikan dirinya di garda terdepan pembentukan standar regulasi AI. Dengan “mendomestikasi” tren global menjadi suatu produk yang “khas” Eropa, Uni Eropa merespons AI sebagai teknologi bakalan yang membawa risiko dan peluang baru. Penelitian kualitatif ini menyoroti bagaimana Uni Eropa mengkurasi tata kelola AI, yang merupakan tren global, hingga menjadi sesuai dengan kepentingan regional melalui pendekatan yang berbasis risiko dan berorientasi pada manusia. Persepsi pembuat kebijakan Uni Eropa terhadap ancaman dan risiko AI, kepentingan untuk mempreservasi demokrasi, serta kekhawatiran terhadap kebebasan berinovasi menjadi perhatian utama penelitian ini. Dengan memanfaatkan konsep Domestikasi dan metode causal process tracing untuk menganalisis analisis literatur dan dokumen primer, penelitian ini menilik setiap proses yang ditempuh untuk menghasilkan EU AI Act. Interaksi antara berbagai kepentingan dari bermacam-macam aktor akhirnya menghasilkan pendekatan berbasis risiko yang preskriptif untuk mengklasifikasikan tingkat ancaman dan menetapkan perlindungan hak-hak fundamental. Selain itu, transformasi tren global ini juga berhasil menciptakan “trustworthy AI” sebagai merek dagang Uni Eropa yang unik. Pada akhirnya penelitian ini menegaskan bahwa brussels effect mampu direplika melalui EU AI Act dan membentuk standar AI global yang menunjang posisi Uni Eropa sebagai pemain sentral dalam domain AI.

---

In response to the rapid development of artificial intelligence (AI) and its increasingly widespread use, the European Union (EU) positions itself at the forefront of establishing AI regulatory standards. By “domesticating” the global trend into a distinctly European product, the EU responds to AI as an emerging technology carrying both novel risks and opportunities. This qualitative research highlights how the EU curates AI governance, as a global trend, to align with regional interests through a human-oriented, risk-based approach. EU policymakers' perceptions of AI threats and risks, interest to preserve democracy, and concern towards freedom to innovate constitute the primary focus of this research. Utilizing the Domestication concept and the causal process tracing method to analyze literature and primary documents, this research examines each process undertaken in producing EU AI Act. The interaction between diverse interests from various actors ultimately produced a prescriptive risk-based approach to classify threat categories and establish protections for fundamental rights. Furthermore, this transformation of the global trend successfully created 'trustworthy AI' as a unique trademark of the EU. Ultimately, this research affirms that the Brussels Effect can be replicated through the EU AI Act, shaping global AI standards that bolster the EU's position as a central player in the AI domain."

"Seiring dengan semakin terintegrasinya alat berbasis kecerdasan buatan (AI) dalam rutinitas akademik, pemahaman terhadap faktor-faktor psikologis yang mendorong terbentuknya ketergantungan menjadi semakin penting. Penelitian ini bertujuan untuk mengeksplorasi hubungan antara kepercayaan dan sikap terhadap AI sebagai prediktor terhadap ketergantungan pada AI di kalangan mahasiswa perguruan tinggi di Indonesia. Penelitian ini menggunakan pendekatan kuantitatif korelasional dengan desain cross-secctional. Data diperoleh dari 115 mahasiswa di Indonesia melalui instrumen self-report yang telah tervalidasi, yakni Artificial Intelligence Dependency Scale (DAI) dari Morales-García et al. (2024), Attitudes Toward Artificial Intelligence Inventory (ATTARI-12) oleh Stein et al. (2024), dan Trust in AI Scale (TIAS) berdasarkan Jian et al. (2000) dan McGrath et al. (2025). Analisis data dilakukan menggunakan korelasi Pearson dan Simple Linear Regression. Hasil menunjukkan bahwa terdapat hubungan positif yang signifikan antara sikap dan ketergantungan terhadap AI (r = .18, p = .03), serta antara kepercayaan dan sikap terhadap AI (r = 0,71, p < .001). Namun, kepercayaan tidak menunjukkan korelasi yang signifikan dengan ketergantungan terhadap AI. Meskipun terdapat tren positif, sikap juga tidak secara signifikan memprediksi ketergantungan terhadap AI (b = 0.22, p = .059). Sebaliknya, kepercayaan secara signifikan memprediksi sikap terhadap AI (b = .50, p < .001), dengan nilai R2 sebesar 0,502, yang menunjukkan bahwa kepercayaan menjelaskan 50,2% variansi dalam sikap.Temuan ini mengindikasikan bahwa meningkatnya kepercayaan mahasiswa terhadap AI berpotensi membentuk sikap yang lebih positif, yang kemudian dapat berujung pada ketergantungan. Hal ini menekankan pentingnya memahami bahwa persepsi positif terhadap AI, terutama dalam situasi akademik yang penuh tekanan, dapat mengarah pada pola penggunaan yang bergantung. Peran pendidik menjadi krusial untuk membimbing mahasiswa agar memandang AI sebagai alat, bukan sebagai pengganti penuh atas fungsi kognitif. Studi ini memberikan kontribusi awal untuk perumusan kebijakan terkait penggunaan AI serta strategi pengajaran di masa mendatang.

---

As AI tools become increasingly integrated into academic routines, understanding the psychological factors contributing to dependency is critical. This study investigates the relationships between trust and attitude towards AI as predictors associated with dependency on AI among higher education students in Indonesia, using a cross-sectional, quantitative correlational research method. Data were collected from 115 Indonesian university students by validated self-report measures: The Artificial Intelligence Dependency Scale (DAI) (Morales- García et al. (2024), the Attitudes Toward Artificial Intelligence Inventory (ATTARI-12) by Stein et al. (2024) and Trust in AI Scale (TIAS) based on Jian et al. (2000) in McGrath et al. (2025). Pearson correlation and simple linear regression analysis is used. Results showed a significant positive relationship between attitude and dependency towards AI (r = .18, p = .03), also between trust and attitude toward AI (r = .71, p < .001). However, trust did not correlate significantly with AI dependency. Although a positive trend was observed, attitude did not significantly predict AI dependency (b = 0.22, p = .059). In contrast, trust significantly predicted attitude towards AI (b = 0.50, p < .001), explaining 50.2% of its variance (R2 = .502). The findings suggest that increasing students' trust in AI may form their attitudes positively, which could lead to greater dependency. This implies the importance of acknowledging how positive perceptions of AI in high pressure context may lead to dependency, where educators can guide learners to view AI as an aid for responsible use, rather than full cognitive replacement. The study offers insight for shaping future AI related policymaking and classroom strategies."

"Artikel ini akan mencoba membahas pemecahan masalah penjadwal kuliah dengan pendekatan ilmu Intelegensia Semu (Artificial Intelligence), yakni dengan menggunakan Constrain Satisfaction Problem. Penulis telah merancang dan menguji sebuah teknik baru pencarian solusi dengan intelligent search yang dikombinasikan dengan algoritma Smart Backtracking.Algoritma yang kami kembangkan ini telah dicoba dengan sejumlah studi kasus berskala kecil (7 dosen 7 matakuliah 23 kelas 2 ruang 35 jam perkulaiahan tiap minggu dan lebih dari 1380 mahasiswa) dan menghasilkan output yang diinginkan dalam waktu yang sangat singkat.Percobaan dengan real data (1198 dosen, 1457 matakuliah, 2311 kelas, 122 ruang, 40 jam perkuliahan tiap minggu dan lebih dari 20000 mahasiswa) telah menghasilkan solusi yang baik meskipun tidak dapat mencapai solusi 100% lengkap. Sejumlah constraint terutama yang berkaitan dengan dosesn dan mahasiswa kelas paket seringkali sulit dipenuhi karena adanya sejumlah kelas yang merupakan gabungan beberapa paker (dapat mencapai 12)"

"ABSTRAKA machine learning approach has been used in this work to categorize jewelry images into five different classes. This classification was achieved by using the convolutional neural network (CNN). The objective was to find different approaches that can be competent for the image classification and recognition. The images used in this work are drawn directly from the jewelry industries and companies. The first technique uses support vector machine along with the features that were extracted from the input images using AlexNet. The second method involves the use of Inception v3 model for performing the same. Upon experimenting, it was derived that both the approaches performed well, however, Inception v3 was found to be more successful by 0.9%. The Inception v3 was then further taken to train the dataset from scratch which resulted in better consistency."