Article Per Year (5 Year)
p-Index From 2020 - 2025
1.259
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization Jurnal Eksplora Informatika KOMPUTIKA - Jurnal Sistem Komputer Jurnal Linguistik Komputasional Jurnal Amplifier: Jurnal Ilmiah Bidang Teknik Elektro dan Komputer
Faurina, Ruvita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengembangan Chatbot Menggunakan Deep Feed-Forward Neural Network sebagai Pusat Layanan Informasi Akademik Faurina, Ruvita; Revanza, Dede; Sopran, Ahmad
Jurnal Eksplora Informatika Vol 11 No 2 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v11i2.833

Abstract

Program studi informatika merupakan salah satu program studi unggulan di Universitas Bengkulu. Sebagai program studi unggulan, tentunya pelayanan terbaik untuk setiap elemen civitas akademika yang ada di Program Studi Informatika Universitas Bengkulu harus diperhatikan. Dalam hal pelayanan ini, adanya pusat layanan informasi akademik bagi civitas akademika di informatika sangat dibutuhkan. Namun, belum adanya pusat layanan informasi akademik yang bisa diakses dari mana dan kapan saja menjadi salah satu hambatan terlaksananya layanan informasi akademik. Pembatasan aktivitas yang memungkinkan terjadinya interaksi akibat pandemi covid-19 juga menjadi kendala. Sebagai upaya menindaklanjuti keterbatasan tersebut dikembangkanlah chatbot layanan informasi akademik program studi informatika untuk mengatasi kendala yang dihadapi. Dengan chatbot layanan informasi akademik ini pengguna dapat bertanya mengenai informasi layanan akademik kepada bot yang akan menjawab informasi yang dibutuhkan. Algoritma yang digunakan dalam penelitian ini adalah deep feed-forward neural network. Adapun knowledge dari chatbot ini berupa informasi mata kuliah, informasi dosen, dan informasi administrasi di Program Studi Informatika Universitas Bengkulu. Pada proses train model, data sebanyak 2059 dibagi menjadi 80% sebagai data train, 10% data validation, dan 10% data test pada epoch 450 dan batch size 100 didapat akurasi 94%, evaluasi Precision 0.88, recall 0,89, dan f1-score 0,88.
Implementasi Deep Feed-Forward Neural Network pada Perancangan Chatbot Berbasis Web di UPPIK RSUD M. YUNUS Faurina, Ruvita; Gazali, M. Jumli; Herani, Icha Dwi Aprilia
Komputika : Jurnal Sistem Komputer Vol 12 No 2 (2023): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v12i2.8914

Abstract

ABSTRACT – The UPPIK (Customer Information and Counseling Complaint Unit) at the M. Yunus Hospital has an important role in serving visitors who come to the hospital. However, visitors often complain about the UPPIK service due to limited working hours, so there is not always staff available to provide the information needed by visitors. In addition, the ongoing Covid-19 pandemic requires people to maintain distance and reduce interaction with others. To solve this problem, an automatic chatbot has been developed to provide service as if the visitor is speaking directly to the staff without any time constraints. This research uses a Deep Feed-Forward Neural Network algorithm. The dataset used is a collection of question-answer data collected through direct observation at the UPPIK, consisting of 1464 pairs of data. The best accuracy was obtained by spliting the dataset into 80% training data (1,185 data), 10% testing data (147 data), and 10% validation data (132 data) with 300 epochs, which resulted in an accuracy of 91.98%. Evaluation of these results showed a precision value of 0.99, a recall value of 0.98, and an f1-score of 0.99. Keywords - UPPIK RSUD M. Yunus Bengkulu; Artificial Intelligence; Chatbot; Deep Feed-Forward Neural Network; Deep Learning
Implementasi Deep Feed-Forward Neural Network pada Perancangan Chatbot Berbasis Web Di UPPIK RSUD M. YUNUS Faurina, Ruvita; Gazali, M Jumli; Herani, Icha Dwi Aprilia
Jurnal Linguistik Komputasional Vol 6 No 2 (2023): Vol. 6, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i2.123

Abstract

UPPIK (Unit Pengaduan Pelanggan Informasi dan Konseling) pada RSUD M. Yunus memiliki peran penting dalam melayani pengunjung yang datang. Akan tetapi, tidak jarang dari pengunjung mengeluh dengan pelayanan dari UPPIK karena terbatasnya jam operasional kerja menyebabkan tidak ditemukannya staf/petugas yang berjaga sehingga membuat para pengunjung kebingungan dalam mencari informasi terkait RSUD M. Yunus. Selain itu, pandemi Covid-19 yang belum mereda mengharuskan masyarakat untuk menjaga jarak dan mengurangi interaksi antar individu. Sebagai tindaklanjut dari permasalahan ini dikembangkanlah sebuah automatic chatbot yang dapat melayani pengunjung seolah-olah berbicara langsung dengan staf/petugas tanpa adanya batasan waktu. Pada penelitian ini menggunakan algoritma Deep Feed-Forward Neural Network sebagai intent classifier untuk mengklasifikasi maksud dari pertanyaan yang diajukan oleh user. Deep Feed-Forward Neural Network adalah salah satu jenis Neural Network yang koneksi antar node tidak membentuk looping. Dataset yang digunakan adalah kumpulan data pasangan antara pertanyaan dan jawaban yang dikumpulkan melalui observasi langsung ke UPPIK RSUD M. Yunus dengan jumlah sebanyak 1464 pasangan data. Pengujian dilakukan memakai parameter pembagian dataset, jumlah epoch, dan batch size yang digunakan.  Akurasi terbaik didapatkan dengan membagi dataset menjadi 80% data training sebanyak 1057 data, 10% data testing sebanyak 147 data, dan 10% validation sebanyak 132 data menggunakan epoch 300 dan mendapatkan hasil performa akurasi sebesar 91.98%. Sedangkan hasil evaluasi precision sebesar 0.99, recall sebesar 0.98 dan f1-score sebesar 0.99.
Implementasi Metode Content-Based Filtering dan Collaborative Filtering pada Sistem Rekomendasi Wisata di Bali Faurina, Ruvita; Sitanggang, Evlin
Techno.Com Vol. 22 No. 4 (2023): November 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i4.8556

Abstract

Sektor pariwisata memiliki peran penting dalam perekonomian Bali. Pada bulan April 2023, kunjungan wisatawan ke Bali mencapai 411.510, meningkat 11,01% dari bulan Maret 2023 (sumber: Badan Pusat Statistik Bali). Untuk memperkenalkan destinasi wisata yang ada, Bali perlu menggunakan teknologi yang sedang berkembang seperti sistem rekomendasi. Dalam hal ini, digunakan metode Content-based filtering (CBF) dan Collaborative Filtering (CF). CBF memberikan rekomendasi berdasarkan preferensi pengguna terhadap kategori destinasi wisata, sementara CF menggunakan data histori rating dari pengguna lain untuk merekomendasikan destinasi yang disukai. Dataset terdiri dari 75 data detail destinasi wisata dan 3000 histori rating dari 100 pengguna. Pengujian dilakukan dengan membagi dataset menjadi 80% data training (2400 data) dan 20% data validasi (600 data), menggunakan 15 epoch dan batch size yang sesuai. Hasil terbaik menunjukkan performa loss sebesar 0.0589 dan RMSE sebesar 0.2427.
Ventilator Non-Invasive berbasis Kontrol Volume dengan Orifice Plate Flow Meter PRIYADI, IRNANDA; HADI, FAISAL; FAURINA, RUVITA; AGUSTIAN, INDRA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 10, No 2: Published April 2022
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v10i2.259

Abstract

ABSTRAKPada penelitian ini diusulkan ventilator noninvasif dengan sistem kendali volume. Ventilator pada umumnya berbiaya mahal, tidak mudah dibawa dan desain yang rumit. Pada penelitian ini dirancang ventilator noninvasif dengan desain cukup sederhana, mudah dibawa, dan ekonomis. Mekanisme kendali volume didapatkan melalui pengukuran aliran dengan prinsip orifice flow meter. Pengukuran aliran ini dilakukan dengan menurunkan persamaan Bernoulli dan persamaan kontinuitas, sehingga didapat persamaan debit aliran. Koefisien discharge optimal pada persamaan debit aliran yang digunakan pada penelitian ini adalah 0,9. Melalui pengujian RR (Respiratory Rate) 12, 16 dan 20 BPM (Breath Per Minute), minute ventilation terbaik diperoleh pada RR 12, yaitu 498,5541±3,3255, dengan simpangan terbesar 4,7714 mL atau sebesar 0,95%. Sedangkan performa terendah pada RR 16 dengan minute ventilation 503,7034±4,1626, simpangan terbesar 8,21 mL atau sebesar 1,64%. Ini mengindikasikan bahwa sistem kendali volume pada ventilator noninvasif berkerja dengan cukup baik. Saat ini ventilator hanya mampu mensuplai tekanan hingga 1,5 kPa atau sekitar 15,296 cmH2O.Kata kunci: ventilator noninvasif, kontrol volume, orifice flow meter, sensor tekanan, koefisien discharge ABSTRACTIn this research, a ventilator with a volume control system is proposed. Ventilators are generally expensive, not portable, and have a complex design. In this research, a non-invasive ventilator was designed with a fairly simple design, easy to carry, and of economic value. The volume control mechanism is obtained through-flow measurement with the orifice flow meter principle. This flow measurement is done by deriving the Bernoulli equation and the continuity equation, in order to get the flow rate equation. The optimal discharge coefficient in the flow discharge equation used in this study is 0.9. By RR (Respiratory Rate) testing 12, 16, and 20 BPM (Breath Per Minute), the best minute ventilation is obtained at RR 12, which is 498.5541±3.3255, with the largest deviation of 4.7714 mL or 0.95%. While the lowest performance is on RR 16 with minute ventilation 503.7034±4.1626, the largest deviation is 8.21 mL or 1.64%. A fairly small error indicates that the volume control system on a noninvasive ventilator is designed to work quite well. Currently, the ventilator is only capable of supplying pressure of up to 1.5 kPa or about 15.296 cmH2O.Keywords: non invasive ventilator, volume control, orifice flow meter, pressure sensor, discharge coefficient
Comparison of Convolutional Neural Networks Transfer Learning Models for Disease Classification of Food Crop Faurina, Ruvita; Rahma, Silvia; Vatresia, Arie; Susanto, Agus
JOIV : International Journal on Informatics Visualization Vol 8, No 4 (2024)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.8.4.1936

Abstract

Indonesia is an agricultural country with 29% of the workforce working in the agricultural sector, however, farmers' knowledge and practices depend on informal local wisdom based on inherited past practices. Moreover, identifying diseases in plants is difficult to do with human vision so that intelligent technology is needed.  In this paper, an architecture of CNN models such as MobileNetV2, ResNetV50, InceptionV3 and DenseNet121 will be built to detect diseases based on leaf images of several crops obtained from the agroai dataset containing multiple crops namely bean, chili, corn, potato, tomato and tea. The model is used through transfer learning for feature extraction of the trained model with imagenet weights, with 4 fully connected layers. Each model for each crop will be compared to get the best model based on the accuracy of training, evaluation and testing. ResNet50 has the best performance for four type of plants, including bean plants with training accuracy of 99.49%, validation of 99.52%, testing of 98.96%, chili plants with training accuracy of 98.03%, evaluation of 98.75%, testing of 100%, tea plants with training accuracy of 99.62%, evaluation of 99.6%, testing of 99.74% and tomato plants with training accuracy of 99.62%, validation of 99.7%, testing of 99.37%. Moreover, MobileNetV3 has the best performance for 2 types of crops that is corn with training accuracy of 99.22%, validation of 99.69%, testing of 99.55%, and potato with training accuracy of 99.62%, evaluation of 99.60%, testing of 99.74%.
Sistem Kendali Suhu Mesin Tetas Telur Ayam Buras Menggunakan Kontroler PID dengan Metode Tuning Ziegler Nichols Open Loop Step Response Agustian, Indra; Prakoso, Dian S; Faurina, Ruvita; Daratha, Novalio
JURNAL AMPLIFIER : JURNAL ILMIAH BIDANG TEKNIK ELEKTRO DAN KOMPUTER Vol. 12 No. 1 (2022): Amplifier Mei Vol. 12, No 1 2022
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/jamplifier.v12i1.21535

Abstract

An egg incubator is a tool that helps the process of hatching eggs using an electric heater and is equipped with an egg rack that functions to evenly distribute the heat in the incubator. Good temperature control in the hatching process is something that greatly affects the hatching results. In this study, an egg incubator temperature control system was designed using the PID method with the Ziegler Nichols Open Loop Step Response tuning method. The control system is specifically for free-range chicken eggs which require a normal temperature of 37 °C-39 °C. The main control components are the microcontroller, the incandescent lamp heater, and the DHT22 temperature sensor. The open loop test shows a time delay of 20 seconds and a time constant of 385 seconds, so with the Ziegler Nichols open loop tuning method, the values of Kp = 23.1, Ki = 40, and Kd = 10. The test results show that the PID controller can control the temperature properly. In testing the hatching process within 21 days, the temperature control worked well, and the effect of changes in day and night temperature did not significantly affect the performance of the PID controller.
Co-Authors Agustian, Indra Arie Vatresia Daratha, Novalio Gazali, M Jumli Gazali, M. Jumli Hadi, Faisal Herani, Icha Dwi Aprilia Ida Ayu Putu Sri Widnyani Irnanda Priyadi Prakoso, Dian S Rahma, Silvia Revanza, Dede Sitanggang, Evlin Sopran, Ahmad