This Author published in this journals
All Journal SmartComp
Salma Pusriwijayanti
Institut Teknologi Telkom Purwokerto

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Personalisasi Otomatis Aplikasi Caca (Cari Cafe) Berbasis Artificial Intelligence Salma Pusriwijayanti; Agi Prasetiadi; Diandra Chika Fransisca
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i4.5570

Abstract

Peningkatan produksi kopi menciptakan peluang bisnis olahan kopi, memunculkan banyak cafe. Dalam mengikuti perkembangan zaman, pengusaha perlu menggunakan teknologi terkini dengan menyediakan aplikasi reservasi cafe untuk meningkatkan kepuasan pelanggan dan bersaing di pasar yang semakin kompetitif. Penelitian sebelumnya mengenai aplikasi berbasis mobile dengan Extreme Programming yang fokus pada kepuasan pelanggan, memungkinkan pemesanan makanan lebih awal, dan memantau pesanan pelanggan melalui website. Penelitian ini membuat aplikasi CACA (Cari Cafe) yang dirancang untuk melakukan reservasi cafe dan menyediakan informasi tentang cafe-cafe pada satu aplikasi berbasis website. Dalam mencapai personalisasi otomatis, teknologi artificial intelligence seperti Optical Character Recognition (OCR), Convolutional Neural Network (CNN), dan Siamese Neural Network (SNN) digunakan. Personalisasi otomatis aplikasi CACA melibatkan pembacaan e-KTP sebagai data registrasi, pengenalan gambar wajah pengguna untuk memberikan rekomendasi cafe berdasarkan kesukaan atau kebiasaan, dan pencocokan wajah pengguna untuk verifikasi akun member. Penelitian ini berhasil mengimplementasikan OCR pada gambar e-KTP dengan bounding box di mana nilai box_loss sebesar 0.05211 dan nilai cls_loss sebesar 0.01598. Penggunaan transfer learning model VGG16 dengan fungsi aktivasi sigmoid untuk menebak 11 komponen kesukaan atau kebiasaan pengguna juga mencapai tingkat keberhasilan yang optimal. Selain itu, metode verifikasi menggunakan SNN juga memberikan hasil yang baik, dengan mencocokan foto pada gambar e-KTP dengan foto selfie dan mencapai akurasi sebesar 0.9285 dengan nilai loss 0.0170.