Article Per Year (5 Year)
p-Index From 2021 - 2026
1.259
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 Ilmu Komputer untuk Masyarakat Jurnal Informatika: Jurnal Pengembangan IT The Indonesian Journal of Computer Science
Astuti, Wistiani
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Mathematics Other

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.
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 (BUSITI) 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 (BUSITI) 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.
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%.
Implementasi Aplikasi Augmented Reality untuk Media Pembelajaran Flora di SD Inpres Desa MarindingToraja Umar, Fitriyani; Herdianti, Herdianti; Astuti, Wistiani; Alfiyyah, Nurul; Nurul, Sarah Fila
Ilmu Komputer untuk Masyarakat Vol 4, No 1 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v4i1.1545

Abstract

Banyak upaya yang dapat dilakukan untuk membantu proses pembelajaran. Transfer pengetahuan akan optimal jika didukung dengan media pembelajaran yang tepat. Sekolah Dasar Inpres Marinding dalam proses pembelajaran selama ini belum dapat memanfaatkan teknologi terkini yang sesuai untuk meningkatkan pemahaman siswa tentang suatu mata pelajaran. Padahal pesatnya perkembangan teknologi informasi dapat dimanfaatkan sebagai media tambahan untuk mendukung pembelajaran yang merangsang imajinasi, interaktif dan menumbuhkan minat belajar sehingga proses belajar mengajar menjadi lebih baik lagi.Demi menunjang proses pembelajaran di SDN 294 Inpres Marinding, siswa diharapkan memiliki banyak buku yang berisi satu tema tertentu sebanyak jumlah tema yang ada. Akan tetapi, pembelajaran masih berpusat pada buku tersebut dan tidak ada alat peraga khusus tentang Flora. Siswa tidak dapat melihat objek Flora secara langsung, hanya melalui gambar di buku dan kurang detailnya informasi tentang objek tersebut. Akibatnya, pembelajaran cenderung monoton, dan kurang kreatifitas.Solusi yang diusulkan adalah memberikan pelatihan untuk implementasi aplikasi Augmented Reality Pengenalan dengan tujuan untuk meningkatkan pengetahuan guru dan siswa dalam pemanfaatan teknologi informasi untuk media pembelajaran alternatif melalui Augmented Reality khususnya pembelajaran Flora.Tercapainya tujuan kegiatan telah menghasilkan luaran berupa modul dan aplikasi yang dapat menjadi alternatif media pembelajaran, publikasi pada media online dan jurnal yang diterbitkan di ILKOMAS.
Hybrid Fourier Descriptor Naïve Bayes dan CNN pada Klasifikasi Daun Herbal Backar, Sunarti Passura; Purnawansyah, Purnawansyah; Darwis, Herdianti; Astuti, Wistiani
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 2 (2023)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i2.5186

Abstract

Plants are vital to human life on earth, and the leaves and their whole parts have many benefits. These parts of the plant can help distinguish between different species. The leaf identification can be performed at any time, while the other parts of the plants can only be identified at a certain time. The study aims to classify two types of herbs i.e. saur-opus androgynous and moringa oleifera, implementing the Fourier Descriptor method to extract the shape and texture features. In the process of classification using the Naïve Bayes method with three types of nuclei (Gaussian, Bernoulli, and Multinomial) and a Convolutional Neural Network. The testing process was carried out using two scenarios, dark and light, where each scenario consisted of 240 images for a total of 480 images divided into 20% of the data testing and 80% of the training data. The Fourier Descriptor-Bernoulli Naive Bayes method gives the lowest accuracy in both light and dark scenarios, at 46% and 52%, respectively. As for the classification of herbal leaves using a combination of the Fourier Descriptor-Convolutional Neural Network method, it is recommended to be used in light image scenarios and Fourier Descriptor-Gaussian Naive Bayes in the dark scenarios because it is able to detect herbal leaf types with 100% accuracy.
ANALISIS STRING MATCHING PADA JUDUL SKRIPSI DENGAN ALGORITMA KNUTH-MORRIS PRATT (KMP) Astuti, Wistiani
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.136.167-172

Abstract

Co-Authors Aji Prasetya Wibawa Alfitriana Riska Alfiyyah, Nurul Arnoli, Andi Laden Shamil Backar, Sunarti Passura Harlinda, Harlinda Hasanuddin, Tasrif Haviluddin Haviluddin Herdianti Herdianti Nurul, Sarah Fila Oihuw, Dewanti Purnawansyah Purnawansyah Septiani, Berlian Umar, Fitriyani