Analisis Penggunaan Framework dalam Pengembangan Kecerdasan Buatan untuk Meningkatkan Efisiensi dan Akurasi Model
Keywords:
Efisiensi dan Akurasi Model, Framework Kecerdasan Buatan, PyTorch, Systematic Literature Review, TensorFlowAbstract
Penelitian ini bertujuan untuk menganalisis secara sistematis penggunaan berbagai framework kecerdasan buatan (AI) dalam meningkatkan efisiensi dan akurasi model. Dengan menggunakan pendekatan Systematic Literature Review (SLR) berdasarkan panduan PRISMA 2020, penelitian ini meninjau 250 artikel dari berbagai basis data bereputasi seperti Scopus, IEEE Xplore, ScienceDirect, dan SpringerLink, dengan 35 artikel memenuhi kriteria inklusi. Hasil analisis menunjukkan bahwa TensorFlow dan PyTorch merupakan framework yang paling dominan digunakan dalam pengembangan AI modern. TensorFlow unggul dalam efisiensi komputasi dan skalabilitas industri, sementara PyTorch lebih disukai di lingkungan akademik karena fleksibilitas dan kemudahan eksperimen. Selain itu, penggunaan API tingkat tinggi seperti Keras terbukti mempercepat proses prototyping hingga 40%, dan dukungan GPU parallelism meningkatkan akurasi model hingga 10%. Penelitian ini menegaskan bahwa pemilihan framework yang tepat harus disesuaikan dengan tujuan proyek, kapasitas perangkat keras, dan kompleksitas model. Temuan ini memberikan dasar ilmiah bagi pengembang, peneliti, dan praktisi dalam memilih framework yang optimal untuk mendukung pengembangan sistem berbasis AI yang efisien dan akurat.
References
Adiman, M.F. et al. (2024) ‘Pengembangan aplikasi berbasis Artificial Intelligence (AI) mengubah pradigma tekhnologi informasi’, Indonesian Research Journal on Education, 4(4), pp. 3084–3094.
AHMAD, N., PRASETYO, A.A. and MASRURI, A. (2021) ‘Penerapan Information Retrieval Pada Search Engine’, Knowledge: Jurnal Inovasi Hasil Penelitian dan Pengembangan, 1(1), pp. 15–23.
Alhidayatullah, S.M. (no date) Manajemen Rantai Pasok Modern: Strategi, Desain, dan Kinerja dalam Era Dinamis. PT KIMHSAFI ALUNG CIPTA.
Andriyani, W. et al. (2024) Data Sebagai Fondasi Kecerdasan Buatan. Tohar Media.
Asriningtias, Y. (no date) Pendekatan Inovatif Dalam Penelitian Teknologi Informasi. Penerbit Adab.
Azizah, S.N. (2025) Kecerdasan Buatan dalam Pengelolaan SDM: Tantangan dan Peluang. Penerbit NEM.
Batubara, N.A. and Awangga, R.M. (2020) Tutorial Object Detection Plate Number With Convolution Neural Network (CNN). Kreatif.
Bauravindah, A. (2025) ‘Deteksi Abnormalitas Toraks yang Efisien Menggunakan Model Deep Learning Mobile: Studi Komparatif MobileNet, ShuffleNet, dan EfficientNet dengan Grad-CAM’. Universitas Islam Indonesia.
Facione, P.A. et al. (2025) ‘Studi kasus ini menegaskan bahwa implementasi analisis dampak dalam konteks manajerial berperan penting dalam meningkatkan kualitas pengambilan keputusan. Dengan menggunakan alat analisis yang tepat seperti Risk Assessment Matrix, Scenario Analysis, dan Cost-Benefit Analysis, organisasi dapat memahami skala dan kompleksitas risiko yang’, Berpikir Kritis dan Kreativitas Panduan Sistematis dalam Mengelola dan Menyelesaikan Masalah, p. 58.
Kushariyadi, K. et al. (2024) Artificial intelligence: Dinamika perkembangan AI beserta penerapannya. PT. Sonpedia Publishing Indonesia.
Kusumastuti, S.Y. et al. (2024) Metode Penelitian Kuantitatif: Panduan Lengkap Penulisan untuk Karya Ilmiah Terbaik. PT. Sonpedia Publishing Indonesia.
Mahwati, Y. (2024) Menulis Kajian Literatur Naratif. Deepublish.
MAILOPUW, A. (2024) ‘Analisis Perbandingan Antara Framework Codeigniter Dengan Framework Laravel’. Universitas Teknologi Digital Indonesia.
Mas’odi, M.P. et al. (no date) Panduan Lengkap Metodologi Penelitian: dari Teori hingga Aplikasi. Penerbit Adab.
Nirsal, N. et al. (2025) Riset Bidang Komputer. PT. Sonpedia Publishing Indonesia.
Nurhidayah, N. and Usiono, U. (2024) ‘Metode systematic literature review untuk pentingnya karya ilmiah dalam pendidikan tinggi’, Journal Sains Student Research, 2(6), pp. 380–387.
Purnobasuki, H. et al. (2024) PANDUAN DAN PRAKTIK DALAM MENINGKATKAN KUALITAS JURNAL ILMIAH. Airlangga University Press.
Salsabila, T.H., Indrawati, T.M. and Fitrie, R.A. (2024) ‘Meningkatkan efisiensi pengambilan keputusan publik melalui kecerdasan buatan’, Journal of Internet and Software Engineering, 1(2), p. 21.
Satrio, D.R.B., Mukhtar, U. and Abdi, A.M.A.A. (2025) ‘Penerapan Kecerdasan Buatan dalam E-Commerce: Efisiensi Operasional, Personalisasi Pelanggan, dan Tantangan Etika’, JATI (Jurnal Mahasiswa Teknik Informatika), 9(1), pp. 788–800.
Sulartopo, S. et al. (2023) ‘Transformasi proyek melalui keajaiban kecerdasan buatan: mengeksplorasi potensi ai dalam project management’, Jurnal Publikasi Ilmu Manajemen, 2(2), pp. 363–392.
Watrianthos, R., Ahmad, S.T. and Muskhir, M. (2025) MOOCs dan Transformasi Pendidikan Global: Panduan Pengembangan dan Implementasi. Pustaka Galeri Mandiri.
Wihardjo, E. (2025) ‘DENGAN SOFTWARE MODERN BAR•’, Manajemen Data dengan Software Modern, p. 37.
Yessy Asri, S.T., Kuswardani, D. and Kom, M. (2024) Machine Learning & Deep Learning: Analisis Sentimen Menggunakan Ulasan Pengguna Aplikasi. Uwais Inspirasi indonesia.
Yulistiawan, B.S. (2025a) ‘Model Tata Kelola Data Berbasis Artificial Intelligence untuk Mendukung Pengambilan Keputusan Strategis dalam Business Intelligence’, Cebong Journal, 4(3), pp. 78–85.
Yulistiawan, B.S. (2025b) ‘Pengembangan Model Tata Kelola Data Terintegrasi Berbasis Artificial Intelligence untuk Optimalisasi Business Intelligence’, Cebong Journal, 4(2), pp. 47–54.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Salsa Billa, Junita Lestari, Al Ridho Mahardika, Rais Affaruq Zunnurain (Author)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
