Articles
<![CDATA[APLIKASI CHATBOT UNTUK FAQ AKADEMIK DI IBI-K57 DENGAN LSTM DAN PENYEMATAN KATA ]]>
<![CDATA[Astried Silvanie]]>;
<![CDATA[Rino Subekti]]>
<![CDATA[ JIKO (Jurnal Informatika dan Komputer) Vol 5, No 1 (2022) ]]>
Publisher : <![CDATA[Journal Of Informatics and Computer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33387/jiko.v5i1.3703
<![CDATA[Dalam kegiatan perkuliahan khususnya untuk mendapatkan informasi akademik, teknologi komputer saat ini sudah bisa memfasilitasi hal ini untuk dilakukan secara online. Tetapi jika ada pertanyaan dari mahasiswa maka peran karyawan masih diperlukan sebagai dukungan kustomer. Jika dilihat dari kemajuan dalam teknologi kecerdasan buatan khususnya pembelajaran mesin sangat dimungkinkan untuk membuat aplikasi cerdas yang dapat menjawab pertanyaan-pertanyaan secara otomatis tanpa bantuan manusia. Penelitian ini bertujuan membuat, melatih dan mengimplementasikan aplikasi FAQ chatterbot cerdas yang bisa memahami maksud dari kalimat kemudian menjawabnya. Algoritma yang digunakan adalah jaringan syaraf tiruan Long Short Term Memory (LSTM) dengan bantuan penyisipan kata menggunakan vektor kata yang sudah terlatih dalam model Continuous Bag Of Word (CBOW). Model JST dilatih dengan jumlah epochs 10, 20, 30, 40, 50, 60, 70, 80, 90 dan 100. Model dikompilasi dengan tiga jenis pengoptimal Adaptive Moment (adam), Root Mean Square Propagation (RMSprop) dan Stochastic Gradient Descent (SGD). Fungsi kerugian menggunakan categorical crossentropy dan metrik validasi akurasi. Nilai akurasi tertinggi berdasarkan pengoptimalnya adalah 99.20% untuk adam dan RMSprop sedangkan dengan pengoptimal SGD hanya sampai 12.90%. Ini membuktikan untuk model ini pengoptimal adam dan RMSprop lebih baik digunakan daripada dengan pengoptimal SGD. Implementasi dibangun dalam arsitektur client-server. Di sisi client dibangun aplikasi telepon gengam berbasis Android dengan bahasa pemrograman kotlin. Aplikasi ini digunakan pengguna akhir untuk bertanya mengenai masalah akademik. Di sisi server dibangun aplikasi dengan kerangka web Flask sebagai aplikasi python yang menjalankan input-proses-ouput menggunakan model JST. Aplikasi ini juga berfungsi memilih pasangan jawaban yang tepat dan kemudian mengirimkannya ke aplikasi pengguna akhir.]]>
<![CDATA[Chatbot untuk konsultasi akademik mahasiswa menggunakan natural language processing (NLP) di Institut Bisnis dan Informatika Kosgoro 1957 ]]>
<![CDATA[Syamsu Hidayat]]>;
<![CDATA[Astried Silvanie]]>;
<![CDATA[Rino Subekti]]>
<![CDATA[ JISAMAR (Journal of Information System, Applied, Management, Accounting and Research) Vol 6 No 2 (2022): JISAMAR: May 2022 ]]>
Publisher : <![CDATA[Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.52362/jisamar.v6i2.780
<![CDATA[teknologi komunikasi seiring sejalan dengan kemajuan teknologi informasi, Chatbot sebagai salah satu inovasi perpaduan antara teknologi komunikasi dan teknologi informasi, merupakan aplikasi yang dapat berkomunikasi dengan manusia layaknya asisten virtual yang dapat merespon dan menjawab setiap pertanyaan yang diajukan. Beberapa pelaku utama industri komunikasi telah menerapkan teknologi chatbot ini kedalam perangkat meraka salah satunya Apple, Inc dengan produk SIRI. Institut Bisnis dan Informatika Kosgoro 1957 sebagai salah satu Perguruan Tinggi Swasta di Jakarta, dengan potensi jumlah mahasiswa yang dimilikinya khususnya Fakultas Ilmu Komputer akan sangatlah terbantu dengan aplikasi chatbot ini khususnya dalam hal konsultasi akademik yang bertujuan dapat membantu meringankan beban dosen pembimbing dengan menyediakan bimbingan secara virtual tanpa da batasan ruang dan waktu. Mengacu pada penelitian-penelitian yang sudah dilakukan sebelumnya, pada penelitian ini kami memanfaatkan teknologi dasar chatbot yakni pembelajaran mesin dengan Natural Language Processing(NLP) yang dapat memproses setiap hasil teks kemudian menganalisa dan melakukan pelatihan mesin menggunakan algoritma Jaringan Syaraf Tiruan (JST) dengan model Supervised Machine Learning, kemudian membuat NLP Engine dengan kode Python yang terinstal di Server. Disisi pengguna End-user dibuat aplikasi berbasis Android dengan bahasa Kotlin dan IDE Android Studio. Uji coba aplikasi Android dilakukan dengan menggunakan kotak hitam, dari beberapa percobaan yang dilakukan kami mendapati hasil yang baik bahwa dengan pemanfaatan teknologi Chatbot ini dapat berfungsi sebagai media konsultasi akademik virtual yang dapat diakses tanpa Batasan ruang dan waktu, dengan menggunakan Natural Language Processing dan pemodelan Machine Learning dapat memberikan konstribusi dalam bidang kecerdasan buatan khususnya NLP.]]>
<![CDATA[OTOMATISASI PROSES BISNIS UNTUK PROGRAM ORANG TUA ASUH MENGGUNAKAN SCRUM, BPMN DAN COMPLEX ANALYSIS: STUDI KASUS DI ORANGUTAN FOUNDATION ]]>
<![CDATA[Astried Silvanie]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 1 No 1 (2020): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (543.196 KB)
<![CDATA[Di era serba instan, bisnis dan organisasi non profit saat ini bergeser ke arah otomatisasi. Salah satu studi kasus adalah otomatisasi program orangtua asuh di organisasi non profit Orangutan Foundation. Program orangtua asuh dibuat otomatisasi dengan komputer dan aplikasi sehingga lebih efisien. Pengembangan perangkat lunak dilakukan dengan metode Scrum karena waktu proyek terbatas. Proses bisnis dimodelkan dengan BPMN agar lebih visual dan efisiensi proses dihitung menggunakan complex analysis. Dapat dilihat perbedaan yang sangat signfikan ditunjukkan di metrik kompleksitas. Jumlah NOA dari 16 aktivitas menjadi hanya 5 aktivitas dan jumlah NOAC dari 21 aktivitas menjadi hanya 5 aktivitas. Efesiensi waktu tercapai dari awalnya proses dapat memakan waktu minimal 2 jam untuk satu orangtua asuh menjadi hanya ke 3 detik saja.]]>
<![CDATA[Pencarian Frequent Itemset dengan Algoritma Apriori dan Python. Studi kasus: Data Transaksi Penjualan Eceran Online di UK ]]>
<![CDATA[Astried Silvanie]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 1 No 2 (2020): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (991.705 KB)
<![CDATA[Saat ini, sejumlah besar data disimpan dalam basis data di berbagai sektor bisnis. Dengan data mining kita dapat mengekstrasi informasi yang berguna dari data ini. Salah satu teknik data mining yaitu Market Based Analysis digunakan untuk menemukan aturan asosiasi di antara kumpulan data. Dalam penelitian ini data yang digunakan adalah data publik transaksi online eceren di UK. Dari hasil penelitian didapatkan 11 itemset dengan aturan minimum support 1.5% dan confidence ≥ 80%, dan 3 itemset dengan aturan minimum support 2% dan confidence ≥ 80%. Hasil ini dapat digunakan kepentingan bisnis di online retail untuk merekomendasikan produk yang sering dibeli bersamaan. Implementasi dilakukan menggunakan python menggunakan pustaka mlxtend, pandas dan sys. Hasil ini adalah itemset yang sering dibeli dari total 22.846 transaksi dan 4.055 produk.]]>
<![CDATA[Machine Learning Untuk Model Prediksi Harga Sembako Dengan Metode Regresi Linear Berganda ]]>
<![CDATA[Kandari Puteri]]>;
<![CDATA[Astried Silvanie]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 1 No 2 (2020): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (650.851 KB)
<![CDATA[Harga sembilan bahan pokok (sembako) setiap waktu dapat naik dan turun (fluktuatif), serta kebutuhan akan informasi harga sembako harian. Oleh karena itu diperlukannya peramalan harga sembako harian untuk beberapa waktu kedepan. Salah satu metode yang dapat digunakan untuk memprediksi harga yang bernilai numerik kontinu yaitu dengan menggunakan metode regresi. Penelitian ini bertujuan untuk mengimplementasikan metode regresi linier berganda dalam memprediksi harga sembako harian, menggunakan sample data sembako di DKI Jakarta. Dengan himpunan data selama 4 tahun terakhir, yaitu dari tanggal 1 Januari 2016 sampai dengan tanggal 31 Desember 2019, yang diperoleh dari portal data Pemerintah Provinsi DKI Jakarta dialamat website www.data.jakarta.go.id. Terdapat 4 variabel didalam himpunan data tersebut yaitu, variabel tanggal, komoditas, pasar dan harga. Variabel tanggal, komoditas dan pasar merupakan variabel bebas (predictor), sedangkan variabel harga merupakan variabel terikat (response). Persentase sumbangan pengaruh variabel bebas terhadap variabel terikat sebesar 84,2%, sedangkan sisanya sebesar 15,8% dipengaruhi oleh variabel yang tidak dimasukkan ke dalam penelitian ini.]]>
<![CDATA[PREDIKSI PASIEN PENYAKIT JANTUNG MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON DAN PYTHON PADA BASIS DATA PENYAKIT JANTUNG DI CLEVELAND ]]>
<![CDATA[Ari Kurniawan]]>;
<![CDATA[Astried Silvanie]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 2 No 1 (2021): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (882.241 KB)
<![CDATA[Penelitian ini menggunakan Jaringan Syaraf Tiruan Multi-Layer Perceptron (JST MLP) untuk memprediksi apakah pasien berpenyakit jantung berdasarkan kondisi medis mereka. Sebagai predikator fitur terdiri atas 13 atribut. Kelas target berupa nilai biner, dimana 1 = penyakit jantung dan 0 = bukan penyakit jantung. JST MLP yang diusulkan terdiri atas tiga lapisan yaitu lapisan masukan (13 neuron), satu lapisan tersembunyi (12 neuron) dan lapisan keluaran (1 neuron). Implementasi menggunakan python dan pustaka tensorflow. Pelatihan dilakukan sebanyak 300 epochs dan 10 batch. Hasil berupa bobot untuk setiap neuron dalam JST. Nilai metrik akurasi model didapatkan sebesar 81.19% dengan nilai sensitivitas 99.39% dan spesifisitas 94.93%]]>
<![CDATA[PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN SUPPORT VECTOR MACHINE DAN PYTHON PADA BASIS DATA PASIEN DI CLEVELAND ]]>
<![CDATA[Dwi Sidik Permana]]>;
<![CDATA[Astried Silvanie]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 2 No 1 (2021): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (692.662 KB)
<![CDATA[Support Vector Machine (SVM) digunakan dalam penelitian ini untuk memprediksi penyakit jantung berdasarkan 13 kondisi medis pasien. Kondisi medis ini digunakan sebagai atribut predikator dalam penelitian ini. Keluaran yang ingin diprediksi berupa kelas target bernilai 1 jika pasien penyakit jantung dan 0 jika pasien bukan penyakit jantung. Pelatihan dilakukan dengan Python dan pustaka scikit. SVM diuji menggunakan empat macam kernel yaitu linear, RBF, polynomial dan sigmod. Dari hasil pelatihan model dengan nilai metrik terbaik didapatkan jika menggunakan kernel linear. Nilai metrik akurasi sama dengan 90.11%, presisi 90.38% dan recall 92.15% dengan kernel linear]]>
<![CDATA[KLASIFIKASI PENENTUAN WARGA PENERIMA BANTUAN SOSIAL DI MASA PANDEMI MENGGUNAKAN METODE NAIVE BAYES (Studi Kasus : Rt 002 Rw 01 Kel.Jagakarsa Kec.Jagakarsa Jakarta Selatan) ]]>
<![CDATA[Astried Silvanie]]>;
<![CDATA[Bakti Pratama]]>
<![CDATA[ Jurnal Nasional Informatika (JUNIF) Vol 2 No 2 (2021): Jurnal Nasional Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1032.935 KB)
<![CDATA[Bantuan sosial (BANSOS) adalah bantuan yang dibuat oleh pemerintah bagi masyarakat yang mengalami kesulitan ekonomi disaat masa pandemi Covid-19. Pada ruang lingkup Rt 002 Rw 01 kecamatan jagakarsa keluarahan jagakarsa jakarta selatan belum sepenuhnya memanfaatkan teknologi dalam menentukan warga yang layak untuk dapat menerima bansos. Proses yang dilakukan untuk menentukan warga penerima bansos masih menggunakan proses manual, sehingga membutuhkan waktu yang cukup lama untuk menentukan warga penerima bansos, serta juga banyaknya dokumen warga yang menumpuk, dan juga dapat terjadinya kemungkinan kesalahan saat menetukan warga penerima bansos jika dilakukan proses secara manual. Pada sistem yang akan dibuat ini menerapkan metode Naive Bayes untuk dapat menentukan warga yang layak dan tidak untuk menerima bansos. Dengan cara data warga akan dibagi menjadi dua (2) kelompok, yaitu warga dengan keterangan layak mendapatkan bansos dan warga dengan keterangan tidak layak mendapatkan bansos. Dimana nantinya sistem yang akan dibuat dapat mempermudah dan mempercepat staff rt dalam menentukan warga penerima bansos.]]>
<![CDATA[Pelatihan Pembuatan Teacher’s Web Blog Pada Guru SMK PGRI 23 Jakarta Selatan ]]>
<![CDATA[Astried Silvanie Akbar]]>
<![CDATA[ Jurnal Pengabdian Teratai Vol 1 No 2 (2020): Jurnal Pengabdian Teratai ]]>
Publisher : <![CDATA[Lembaga Penelitian Dan Pengabdian Pada Masyarakat (LPPM) Institut Bisnis dan Informatika (IBI) Kosgoro 1957 ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (251.486 KB)
|
DOI: 10.55122/teratai.v1i2.147
<![CDATA[Web Blog has been used since the raise of web 2.0 for writing content on the Internet. On this community dedication activities, we teach the teachers from SMK PGRI 23 to make an educational blog as part of teaching methods. The main objective of preparing the teachers with enough skills to blogging so they can face all challenges on the fast growth of Internet technology. The e-learning education method with using the blog as a new platform, expected to be an additional media for their current conventional teaching method. The blog platform used was WordPress because it is one of the popular Content Management System for blogging. We teach them practically in the computer lab so they can have hands-on experience directly to use the blog system. The study case is related to their own teaching experience so they can grasp the meaning of education blogging. The result is an education blog publication by each teacher in the public domain wordpress.com. The continuation of the program is suggested by the audience so they can continue the learning process on to the next level.]]>
<![CDATA[APLIKASI DATA MINING UNTUK MENGANALISIS ATURAN ASOSIASI TRACER STUDY DI IBI-KOSGORO1957 ]]>
<![CDATA[Rino Subekti]]>;
<![CDATA[Astried Silvanie]]>;
<![CDATA[Boy Firmansyah]]>
<![CDATA[ JURNAL DISPROTEK Vol 14, No 1 (2023) ]]>
Publisher : <![CDATA[Universitas Islam Nahdlatul Ulama Jepara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34001/jdpt.v14i1.3909
<![CDATA[Graduates as the end product of educational institutions are the quality objective and benchmark for the success of educational institutions. One strategy for obtaining feedback from graduates is using Tracer Study. This study aims to find and then analyze associative patterns can be found in the IBI-Kosgoro 1957 tracer study data. The search for association rules is carried out using the apriori algorithm. These patterns will be used to evaluate the characteristics of IBI-Kosgoro 1957 graduate students. Implementation of data mining is done using the Python programming language and executed using Google Colabs. The dominant characteristics of the IBI Kosgoro 1957 graduates are there are more non-entrepreneurial office workers, less active in organizations, moderate GPA scores, but can speak at least one foreign language and the most language is English. There are more who work not according to their educational background than work according to their scientific field, the proportion is almost the same. The GPA value itself does not affect success in getting a job that earns above UMP. Even so, 30% of them earn above UMP. With a minimum support of 10% and confidence above 50%, graduates will work according to their field of knowledge and earn an income above the UMP if they are bilingual, not actively organized and quickly looking for work.]]>
