Article Per Year (5 Year)
p-Index From 2020 - 2025
1.347
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam The Indonesian Journal of Computer Science
Astuti, Wistiani
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Mathematics

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
DIET Classifier Model Analysis for Words Prediction in Academic Chatbot Astuti, Wistiani; Wibawa, Aji Prasetya; Haviluddin, Haviluddin; Darwis, Herdianti
ILKOM Jurnal Ilmiah Vol 16, No 1 (2024)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v16i1.1598.59-67

Abstract

One prevalent conversational system within the realm of natural language processing (NLP) is chatbots, designed to facilitate interactions between humans and machines. This study focuses on predicting frequently asked questions by students using the Duel Intent and Entity Transformer (DIET) Classifier method and assessing the performance of this method. The research involves employing 300 epochs with an 80% training data and 20% testing data split. In this study, the DIET Classifier adopts a multi-task transformer architecture to simultaneously handle classification and entity recognition tasks. Notably, it possesses the capability to integrate diverse word embeddings, such as BERT and GloVe, or pre-trained words from language models, and blend them with sparse words and n-gram character-level features in a plug-and-play manner. Throughout the training process of the DIET Classifier model, data loss and accuracy from both training and testing datasets are monitored at each epoch. The evaluation of the text classification model utilizes a confusion matrix. The accuracy results for testing the DIET Classifier method are presented through four case studies, each comprising 25 text messages and 15 corresponding chatbot responses. The obtained accuracy values range from 0.488 to 0.551, F1-Score values range from 0.427 to 0.463, and precision range from 0.417 to 0.457.
Analisis Pre-processing Sentimen Terhadap Komentar Layanan Indihome Pada Twitter Novanto, Achmad; Indra, Dolly; Astuti, Wistiani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i1.2066

Abstract

Dalam era globalisasi yang terus berkembang, peran teknologi informasi menjadi krusial dalam mengubah cara manusia berinteraksi dan mengakses informasi. Perusahaan telekomunikasi, seperti PT Telkom Indonesia dengan layanannya, IndiHome, memanfaatkan kemajuan teknologi untuk menyediakan layanan digital berbasis Internet, Telepon Rumah, dan TV Interaktif/IPTV. Meskipun sudah menjangkau seluruh Indonesia, pemahaman mengenai kepuasan pengguna terhadap layanan IndiHome masih perlu diperdalam. Penelitian ini difokuskan pada analisis sentimen pengguna terhadap layanan IndiHome melalui media sosial twitter. twitter menjadi platform yang signifikan dalam mengekspresikan pandangan, kritik, dan kepuasan pengguna. Pembatasan karakter dalam setiap cuitan memunculkan gaya bahasa baru, yang memicu kreativitas pengguna. Meski demikian, menganalisis sentimen dari tweet memiliki tantangan tersendiri, terutama karena penggunaan kata-kata non-baku dan bahasa informal. Oleh karena itu, pentingnya preprocessing data dalam analisis sentimen menjadi fokus utama penelitian ini. Langkah awal dalam penelitian ini bertujuan untuk meningkatkan keberhasilan klasifikasi sentimen dengan membersihkan dan normalisasi data tweet. Hasil penelitian diharapkan dapat memberikan wawasan yang lebih akurat mengenai respons pengguna terhadap layanan IndiHome. Melalui langkah-langkah preprocessing yang dilibatkan, penelitian ini menyimpulkan bahwa data yang telah dipersiapkan menjadi lebih siap untuk tahap analisis sentimen. Dengan demikian, analisis sentimen dapat memberikan hasil yang lebih relevan dan akurat, membuka peluang untuk mengambil langkah-langkah strategis terkait dengan polarisasi sentimen yang teridentifikasi.
Penerapan Metode KNN dalam Memprediksi Hasil Panen Kebun Tebu di Kab Takalar Situju, Nurwaini; Hayati, Lilis Nur; Astuti, Wistiani
Buletin Sistem Informasi dan Teknologi Islam Vol 4, No 1 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i1.1474

Abstract

pertahun yang berasal dari perkebunan tebu yang menjadi komoditas unggulan produksi tanaman perkebunan, namun berdasarkan data BPS terjadi penurunan produktifitas tanaman tebu tahun 2015–2020. Hal ini dikarenakan infrastruktur yang masih terbatas, kesulitan dalam permodalan, terbatasnya penguasaan teknologi baik dalam usaha tani sehingga pengelolaan tanaman tebu menjadi terhambat. Penelitian ini bertujuan untuk mengetahui hasil prediksi kebu tebu pertahunnya dengan memanfaatkan data mining. Data mining yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbour (KNN) yang merupakan metode klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya. KNN termasuk algoritma supervised learning, dimana hasil dari query instance yang baru, diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Hasil penelitian menunjukkan dari tahap pengujian dengan jumlah data training sebanyak 13 data didapatkan nilai persentase tertinggi pada nilai K=7 dengan persentase akurasi sebesar 76.92%.
Rancang Bangun Aplikasi Diagnosa Stunting dengan Metode Forward Chaining Berbasis Android Arnoli, Andi Laden Shamil; Harlinda, Harlinda; Astuti, Wistiani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 3 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i3.2327

Abstract

Stunting merupakan kondisi gagal pertumbuhan yang disebabkan karena kekurangan asupan gizi kronis dan nutrisi ditandai dengan panjang badan dan berat berada dibawah standar. Penelitian ini bertujuan membantu orang tua untuk memonitoring serta memberikan informasi terkait kriteria, gejala dan ciri- ciri stunting sehingga dibutuhkan sebuah aplikasi diagnosa stunting sederhana berisi menu informasi stunting dan menu diagnosa yang berfungsi dalam memonitoring dan memberikan pengetahuan terkait kondisi stunting. Aplikasi dalam penelitian ini dikembangkan menggunakan metode sistem pakar seperti forward chaining dan penggunaan pengukuran tingkat keyakinan certainly factor, Pembuatan aplikasi memanfaatkan framework flutter dengan menerapkan model pengembangan aplikasi menggunakan model ESDLC (expert system development life cycle) yang merupakan model khusus sistem pakar dengan pendekatan sitstematis dan terstruktur sehingga menghasilkan sistem yang efektif dan dapat dipercaya. Penelitian ini menghasilkan aplikasi diagnosa stunting yang dapat melakukan proses konsultasi sederhana dengan hasil untuk kondisi beresiko stunting sebesar 97,11% dan kondisi tidak beresiko mengalami stunting sebesar 47,84 %, dengan adanya aplikasi ini sebagai bentuk upaya deteksi dini stunting sehingga memberikan pengetahuan kepada orang tua terkait kondisi stunting dan informasi sebagai langkah awal penanganan stunting.
Sistem Monitoring Iklan Billboard Kota Makassar Menggunakan Metode Prototype Berbasis Peta Digital Oihuw, Dewanti; Harlinda, Harlinda; Astuti, Wistiani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 3 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i3.2152

Abstract

Proses monitoring billboard pada CV. Duta Mandiri Advertising hingga saat ini masih menggunakan cara manual. Salah satu pemasarannya melalui media sosial yang ada yaitu instagram, dengan proses pemesanan melalui media whatsapp dengan proses pendataan melalui microsoft word dan microsoft excel. Pendataan yang tidak ter-update secara realtime membuat proses monitoring menjadi kurang efisien dikarenakan harus dicek secara berkala, pihak penyewa juga membuat pengelola harus mengkonfirmasi ulang apabila masa sewa sudah dalam masa tenggang. Dengan demikian, maka perlu suatu sistem yang bisa digunakan untuk memonitoring status billboard tersebut. Pengimplementasian metode prototype dalam pembuatan website Duta Mandiri Advertising sangat efektif dalam memenuhi kebutuhan pengguna, serta saat proses perancangan pengguna dapat ikut andil dalam proses perancangan yang dapat menjadi evaluasi dalam memberikan umpan balik. Dengan bantuan peta digital yang mana mempermudah pihak dalam mencari lokasi. Pemodelan pada perancangan website ini memakai UML, yang diantaranya adalah flowchart, use case diagram, activity diagram, sequence diagram, dan class diagram serta pengujian menggunakan Black Box Testing. Hasil penelitian membuktikan bahwa dengan status yang dapat ter-update secara up to date dapat dijadikan sumber informasi status ketersediaan billboard yang akan mempermudah berbagai pihak dalam mendapatkan informasi status billboard.
Analisis Tata Letak Koleksi Buku Di Perpustakaan Utsman Bin Affan Menggunakan Metode Association Rule Anugrah, Rezky; Purnawansyah, Purnawansyah; Astuti, Wistiani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i4.2166

Abstract

Universitas Muslim Indonesia telah berhasil menempati posisi ke-92 pemeringkatan WRWU. Keberhasilan atas pencapaian UMI didukung dengan adanya berbagai sarana dan prasarana salah satunya fasilitas perpustakaan. Pada perpustakaan Utsman Bin Affan buku diletakkan berdasarkan kategori buku yang telah diberikan penomoran yang disebut Dewey Decimal Classification (DDC). Namun, dalam penempatan buku belum diatur dengan melihat tingkat keseringan pengunjung dalam meminjam buku tersebut. Selain itu, pengunjung kesulitan dalam mencari kembali keberadaan buku yang sering dipinjam. Metode association rule khususnya algoritma apriori dapat digunakan dalam penataan koleksi buku di perpustakaan Utsman Bin Affan untuk mengidentifikasi asosiasi antara berbagai judul buku dengan menemukan support dan confidence yang menghasilkan pola asosiasi. Dari data transaksi peminjaman buku sejak 21 Januari 2022 sampai 19 januari 2024 adalah sebanyak 50 ID Mahasiswa perpustakaan dengan total 128 transaksi menghasilkan pola transaksi peminjaman mahasiswa UMI yakni Karya Umum, Ilmu-Ilmu Sosial dengan nilai support 14% dengan confidence 43%. Buku Filsafat dan Psikologi, Agama dengan nilai support 22% dengan confidence 36%. Selanjutnya buku Filsafat dan Psikologi maka mahasiswa juga akan meminjam ilmu-Ilmu Sosial dengan nilai support 22% dengan confidence 45%. Berdasarkan hasil tersebut disarankan untuk melakukan evaluasi reguler terhadap tata letak perpustakaan berdasarkan data penyimpanan dan umpan balik pengguna, dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektifitasnya.
Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal Alfitriana Riska; Purnawansyah; Darwis, Herdianti; Astuti, Wistiani
The Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3210

Abstract

Tumbuhan herbal memiliki banyak variasi yang dapat dikenali melalui ciri uniknya secara visual. Namun, cara ini sulit diterapkan pada tumbuhan yang memiliki ciri hampir sama. Penelitian ini membandingkan kinerja metode K-Nearest Neighbour (KNN) dan Convolutional Neural Network (CNN) dalam klasifikasi fitur daun herbal yang diekstraksi dengan menggunakan Geometric Moment Invariant (GMI) dan Hue Saturation Value (HSV). Dataset yang digunakan adalah dataset citra daun katuk (Sauropus androgynus) dan daun kelor (Moringa oleifera) dengan skenario citra terang dan citra gelap. Pembagian data untuk tiap skenario adalah 80% untuk training dan 20% untuk testing. Metode KNN diuji menggunakan nilai dan evaluasi kinerja KNN dan CNN meliputi accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa CNN tanpa ekstraksi fitur dan CNN dengan kombinasi ekstraksi fitur HSV memperoleh performa terbaik dengan rata-rata nilai precision, recall, f1-score dan accuracy sebesar 98% untuk skenario gelap maupun terang.
Classification of Lontara Script Using K-NN Algorithm, Decision Tree, and Random Forest Based on Hu Moments and Canny Segmentation Septiani, Berlian; Hasanuddin, Tasrif; Astuti, Wistiani
Indonesian Journal of Data and Science Vol. 6 No. 2 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i2.281

Abstract

Lontara script is a traditional writing system of the Bugis-Makassar people in South Sulawesi, used to write the Bugis, Makassar, and Mandar languages. This system is based on an abugida, in which each letter represents a consonant with an inherent vowel. It was once used to record history, customary law, and literature, but its use has declined due to the influence of the Latin alphabet. Today, the Lontara script is preserved through education and digitization as part of the cultural heritage of the Indonesian archipelago. In this article, the researchers attempt to use a dataset of handwritten Lontara Bugis-Makassar characters. The process begins with the collection of character datasets, which are then processed through Canny segmentation and Hu Moment feature extraction to obtain a representation of the shape that is invariant to rotation and scale. The processed data was divided into training and testing data, then classified using the K-NN, Decision Tree, and Random Forest algorithms. The results showed that the KNN algorithm with 6 neighbors achieved the highest accuracy, precision, and recall of 98%. The Decision Tree algorithm achieved an accuracy of 96.67%, precision of 96.22%, recall of 95.33%, and an F1-score of 95.98%. Meanwhile, Random Forest showed an accuracy of 96.67%, precision of 96.34%, recall of 96%, and an F1-score of 95.98%.
Co-Authors Aji Prasetya Wibawa Alfitriana Riska Anugrah, Rezky Arnoli, Andi Laden Shamil Darwis, Herdianti Dolly Indra Harlinda, Harlinda Hasanuddin, Tasrif Haviluddin Haviluddin lilis nurhayati Novanto, Achmad Oihuw, Dewanti Purnawansyah Purnawansyah Purnawansyah Septiani, Berlian Situju, Nurwaini