Uli Rizki
Universitas AMIKOM Yogyakarta

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat

SISTEM PAKAR PENYAKIT DEMAM BERDARAH MENGGUNAKAN DEPTH FIRST SEARCH DAN CERTAINLY FACTOR Yudha Christianto F; Uli Rizki; Muhamad Riza Eko
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (198.264 KB) | DOI: 10.46808/informa.v4i2.45

Abstract

Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue yang ditularkan melalui gigitan nyamuk dari genus Aedes, terutama Aedes aegypti. Demam berdarah merupakan salah satu penyakit berbahaya yang sudah banyak menimbulkan korban. Indonesia menempati peringkat ke dua negara endemis demam berdarah. Artificial Intelegent merupakan bidang teknologi yang bisa dimanfaatkan sebagai media konsultasi pasien terhadap gejala penyakit DBD. Dalam AI, terdapat banyak metode dan algoritma yang bisa digunakan untuk menunjang ketepatan dan kecepatan dalam mendignosis penyakit DBD layaknya seorang pakar. Depth First Search menjadi salah satu algoritma untuk mempercepat dalam menemukan konklusi atas gejala-gelaja yang dialami oleh pasien. Namun, kecepatan dalam menemukan konklusi bukan menjadi jaminan tingkat kepercayaan atau ketepatan diagnosis. Untuk itu, tingkat akurasi akan dihitung menggunakan Certainty Factor. Dengan menggunakan Depth First Search dan Certainty Factor akan menghasilkan tingkat akurasi diagnosis dapat ditampilkan nilai presentase. Selain itu, pasien lebih mudah menggunakan karena tidak harus mengisi semua gejala yang harus ditampilkan.
ANALISA KEBUTUHAN BASIS DATA SISTEM INFORMASI KEPAKARAN DOSEN Sofyan Pariyasto; Yudha Christianto F; Uli Rizki; Zul Hisyam; Moch. Mashuri
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 3 (2018): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.238 KB) | DOI: 10.46808/informa.v4i3.52

Abstract

Analisa kebutuhan dalam desain suatu database merupakan hal yang sangat penting untuk diterapkan dlam membangun sebuah sistem informasi. Analisa kebutuhan perlu diperhatikan karena akan berpengaruh terhadap sistem informasi yang akan dibangun. Kesalahan dalam menganalisa kebutuhan basis data akan berakibat tidak hanya pada database itu sendiri melainkan juga pada sistem informasi yang dibangun. Sering kali dalam implementasi sebuah sistem informasi analisa basis data tidak begitu diperhatikan, baik dari segi tipe data, panjang data maupun parameter-parameter yang berkaitan dengan transaksi data. Kesalahan dalam desain database biasanya baru akan disadari pada saat aplikasi sudah selesai dan sudah digunakan, yang mana sering kali terjadi kendala-kendala terkait denga ketidak sesuaian data, maka dari itu penulis mencoba untuk meneliti hal yang berkaitan dengan Analisa Kebutuhan Basis Data Sistem Informasi Kepakaran Dosen. Dalam penelitian ini akan diuraikan bagaimana membuat sebuah database dosen yang sesuai dengan kebutuhan, baik dari segi pemilihan tipe data, dari segi panjang data hingga dari segi parameter yang digunakan untuk transaksi data.
SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE NAIVE BAYES UNTUK PEMILIHAN DOSEN PEMBIMBING Uli Rizki; Abdul Malik Zuhdi; Kusrini Kusrini
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 5 No 2 (2019): Juni
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (669.438 KB) | DOI: 10.46808/informa.v5i2.85

Abstract

Pemilihan dosen pembimbing merupakan hal yang harus dilakukan mahasiswa untuk dapat menyelesaikan masa studinya. Dalam penyusunan skripsi dosen pembimbing berperan penting dalam skripsi seorang mahasiswa. Dalam pemilihan dosen pembimbing terkadang terjadi keputusan yang kurang maksimal dimana dosen yang ditunjuk kurang sesuai dengan kriteria mahasiswa, akibatnya skripsi yang dihasilkan kurang berkualitas atau membutuhkan waktu yang cukup lama. Untuk memecahkan masalah tersebut maka dibutuhkan sistem pendukung keputusan untuk pemilihan dosen pembimbing. Proses pemilihan dosen pembimbing dilakukan dengan mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ada selanjutnya menampilkan presentase ketepatan lulus mahasiswa apabila memilih dosen pembimbing tersebut. Dari hasil penelitian menunjukan bahwa pemilihan dosen pembimbing dapat di implementasikan dalam sebuah sistem yang di buat menggunakan bahasa pemrograman web dan MySQL sebagai databasenya. Dengan menggunakan data sebanyak 400 dan metode Naive Bayes menghasilkan akurasi sebesar 77,50%
Multi Respon Ranking Pada Percakapan Layanan Travel Berdasarkan Riwayat Obrolan Uli Rizki
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 5 No 3 (2019): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (317.364 KB) | DOI: 10.46808/informa.v5i3.150

Abstract

Membangun sebuah chatbot tidak lepas dari basis pengetahuan. Basis pengetahuan bisa diperoleh dari data yang telah diberi label oleh pengembang, dokumen yang telah di konversi menjadi pre-processing data, atau informasi yang diambil dari media sosial. Dalam hal ini, data yang digunakan sebagai pengetahuan adalah riwayat obrolan. Dialam riwayat obrolan tersebut tentu banyak sekali variasi jawaban dan menungkinkan satu pertanyaan menimbulkan banyak jawaban. Untuk mengatasi multi respon tersebut maka dibuatlah pemeringaktan respon. Adanya pemeringkatan, tentu respon yang diinginkan oleh pengguna akan lebih sesuai. Tantangan dalam pemeringkatan adalah bagaimana mendapatkan inti dari sebuah pertanyaan dan menemukan pasangan tanya jawab dari data. Hal tersebut bisa diselesaikan dengan model sequence to sequence. Namun, permasalahan yang akan muncul adalah konsistensi jawaban. Adanya banyak riwayat obrolan dari layanan travel tentu menimbulkan banyak jawaban mesi inti dari pertanyaan adalah sama. Untuk itu Algoritma CNN sebagai solusi untuk permasalahan tersebut. Penelitian ini menggunakan convolutional sequence to sequence yang akan diterapkan untuk respon ranking. Kami memandingkan efisiensi dari model ini. Dengan melakukan perbandingan, model ini menunjukan hasil akurasi sebesar 86.7%