Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Sains Modern
Nur Hasanah
Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur’an, Indonesia
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Implementasi Telegram Bot berbasis OCR (Optical Character Recognition) dan NLP (Natural Language Processing) untuk Pencatatan Penjualan pada UMKM Iman Ahsani Yasfin; Adi Suwondo; Nur Hasanah
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Juli-Agustus
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.864

Abstract

Pencatatan transaksi penjualan secara manual masih menjadi kendala bagi UMKM karena dapat menyebabkan kesalahan pencatatan, keterlambatan informasi, dan kesulitan dalam memantau kondisi usaha. Digitalisasi pencatatan diperlukan untuk mendukung pengelolaan transaksi yang lebih terstruktur dan membantu pengambilan keputusan berbasis data. Penelitian ini bertujuan merancang dan membangun sistem pencatatan penjualan berbasis cloud menggunakan Telegram Bot yang mengintegrasikan Optical Character Recognition (OCR), Natural Language Processing (NLP), fuzzy matching, Regular Expression (Regex), database, dan dashboard website pada UMKM A&W Production. Mistral OCR digunakan untuk mengekstraksi teks dari gambar catatan transaksi, sedangkan NLP berbasis fuzzy matching dan Regex digunakan untuk mengidentifikasi intent serta mengekstraksi informasi transaksi menjadi data terstruktur. Data hasil pemrosesan selanjutnya disimpan pada database Supabase dan ditampilkan melalui dashboard website untuk mendukung pemantauan penjualan. Pengujian dilakukan menggunakan Character Error Rate (CER), Word Error Rate (WER), Confusion Matrix, dan Black Box Testing. Hasil pengujian OCR menghasilkan rata-rata CER sebesar 2,65% dan WER sebesar 7,44%, sedangkan pengujian NLP memperoleh accuracy, precision, recall, dan F1-score sebesar 1,00 pada 20 data uji. Sistem juga berhasil menjalankan seluruh fungsi yang diuji sesuai kebutuhan. Integrasi teknologi tersebut mendukung digitalisasi pengelolaan UMKM dan berkontribusi pada SDG 8, SDG 9, dan SDG 12 melalui peningkatan efisiensi pencatatan, pemanfaatan teknologi, dan pengelolaan transaksi yang lebih terstruktur.
Implementasi Model IndoBERT untuk Klasifikasi Komentar Berbahasa Indonesia pada Video Review Smartphone di YouTube Ria Natali Alfarizi; Saifu Rohman; Nur Hasanah
Jurnal Teknologi dan Sains Modern Vol. 3 No. 5 (2026): September-Oktober
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i5.879

Abstract

YouTube menjadi salah satu sumber referensi utama masyarakat Indonesia dalam mencari informasi mengenai smartphone sebelum melakukan pembelian, salah satunya melalui kolom komentar pada video review. Namun, tidak semua komentar mengandung informasi yang relevan, sehingga menyulitkan pengguna dalam menemukan komentar yang benar-benar informatif. Penelitian ini membangun sistem klasifikasi komentar otomatis menggunakan model IndoBERT untuk mengelompokkan komentar ke dalam kategori Informatif dan Non-Informatif, serta pengelompokan sub-kategori topik menggunakan pendekatan berbasis kata kunci. Data komentar dikumpulkan dari video review smartphone berbahasa Indonesia di YouTube, melalui tahapan pra-pemrosesan meliputi pembersihan teks, normalisasi, tokenizing, dan pelabelan data, sebelum model IndoBERT di-fine-tune untuk memahami konteks bahasa Indonesia. Hasil pengujian menunjukkan model IndoBERT mencapai akurasi 84,33%, presisi 83,66%, recall 85,33%, dan F1-score 84,49%, yang menunjukkan bahwa model ini efektif dalam memahami konteks komentar berbahasa Indonesia serta membedakan komentar informatif dan non-informatif secara akurat. Sistem ini diimplementasikan sebagai aplikasi web yang diharapkan dapat membantu pengguna menyaring informasi relevan dari kolom komentar YouTube secara lebih efisien.
Co-Authors Iman Ahsani Yasfin Ria Natali Alfarizi Saifu Rohman Suwondo, Adi