Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ahmad Khoir Alhaq
Informatika, Universitas Nahdlatul Ulama Sidoarjo
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS DETEKSI KESALAHAN PENULISAN (TYPO) PADA TUGAS MAHASISWA MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE Ahmad Khoir Alhaq; Nur Asitah; Rizky Aditya Nugroho
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18342

Abstract

Penelitian ini bertujuan menganalisis deteksi kesalahan penulisan atau typographical error pada tugas mahasiswa menggunakan Algoritma Levenshtein Distance berbasis wordlist bahasa Indonesia. Algoritma Levenshtein Distance dipilih karena mampu menghitung jarak minimum perubahan karakter melalui operasi insertion, deletion, dan substitution, sehingga sesuai untuk mendeteksi kesalahan ketik mekanis yang umumnya memiliki kemiripan bentuk dengan kata baku. Analisis eksperimental kuantitatif memproses 80 dokumen yang dikonversi ke PDF melalui preprocessing teks, normalisasi token, perbandingan daftar kata Indonesia yang terstruktur, dan perhitungan jarak edit. Kesalahan diklasifikasikan sebagai insertion, deletion, atau subtitution. Error rate: 0,45%–14,7% per dokumen. Dari total 536 operasi edit distance, kesalahan paling dominan adalah substitution sebanyak 303 operasi atau 56,53%, diikuti deletion sebanyak 177 operasi atau 33,02%, dan insertion sebanyak 56 operasi atau 10,45%. Pola dominan ini, terkait dengan kecepatan mengetik dan kedekatan tata letak pada keyboard QWERTY. Integrasi wordlist standar meningkatkan akurasi dalam membedakan variasi ortografis dari kesalahan mekanis. Tingkat rendah hingga sedang dominan, namun penyimpangan memerlukan pendekatan pedagogis yang terarah. Peneliti fokus pada karakter mengesampingkan aspek semantik. Kerangka kerja ini memfasilitasi evaluasi otomatis dengan kompleksitas rendah untuk platform digital, meningkatkan literasi akademik dan kesadaran linguistik
ANALISIS PEMANFAATAN LARGE LANGUAGE MODEL DALAM PENANGANAN KASUS KESEHATAN MENTAL Achmad Muafi Taufiqurrochman; Arda Surya Editya; Ahmad Khoir Alhaq
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18369

Abstract

Permasalahan kesehatan mental di Indonesia masih terhambat oleh terbatasnya akses layanan dan tenaga profesional. Chatbot berbasis Large Language Model (LLM) berpotensi menjadi alternatif dukungan psikologis awal. Namun, efektivitas chatbot sangat bergantung pada relevansi dan akurasi respons terhadap kebutuhan pengguna. Penelitian ini bertujuan mengevaluasi kinerja lima model LLM (GPT-4o, GPT-5, Claude Haiku 4.5, Gemini 3 Pro, dan Deepseek V3.2) dalam menghasilkan respons chatbot penanganan kesehatan mental. Metode yang digunakan menerapkan pendekatan Retrieval-Augmented Generation (RAG) dengan menambahkan konteks dari knowledge base eksternal. Evaluasi dilakukan terhadap 20 pertanyaan pengujian. Respons model kemudian dibandingkan dengan ground truth menggunakan metrik BLEU-4 dan ROUGE. Hasil penelitian menunjukkan penerapan RAG secara signifikan mampu meningkatkan kualitas respons chatbot. Di antara seluruh model, Deepseek v3.2 memperoleh performa terbaik dan tertinggi pada seluruh metrik evaluasi. Integrasi RAG dengan LLM yang tepat terbukti menjadi pendekatan menjanjikan dalam mengembangkan chatbot pendukung kesehatan mental.
Co-Authors Achmad Muafi Taufiqurrochman Arda Surya Editya Nur Asitah Rizky Aditya Nugroho