Claim Missing Document
Check
Articles

Found 33 Documents
Search

IMPLEMENTASI PEMBOBOTAN TF-IDF PADA CHATBOT TELEGRAM UNTUK SISTEM LAYANAN INFORMASI Maulana, Muhammad Syahputra; Anshori, Yusuf; Azhar, Ryfial; Laila, Rahma; Lapatta, Nouval Trezandy
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6314

Abstract

Chatbot populer dalam interaksi manusia-mesin dan efektif dalam layanan pelanggan, bantuan pengguna, dan pengelolaan informasi. Pengembangannya meliputi pengumpulan data pertanyaan, pem-rosesan teks, dan penerapan algoritma TF-IDF untuk mengekstrak in-formasi relevan dari dataset. Penelitian ini mengkaji penerapan algo-ritma TF-IDF pada chatbot Telegram menggunakan dataset yang terdiri dari 94 dokumen dan 300 data uji. Hasil penelitian menunjuk-kan bahwa algoritma TF-IDF menghasilkan 268 respons yang relevan dan akurat, 12 respons yang tidak relevan namun tetap diberikan, dan 32 respons yang seharusnya relevan tetapi tidak ditemukan. Penggunaan algoritma TF-IDF, yang memberikan pembobotan pada kata-kata berdasarkan pentingnya dalam dokumen, menunjukkan akurasi yang cukup baik. Hasil ini didukung oleh pengujian relevansi menggunakan metrik umum dalam bidang information retrieval, yang menghasilkan nilai precision sebesar 95,71%, recall sebesar 89,33%, dan F1-Score sebesar 92,4%. Dengan nilai-nilai tersebut, kinerja chat-bot Telegram dinilai sangat baik dalam memberikan respons.
KLASIFIKASI JENIS BATIK BOMBA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENT-NET B2 (BATIK BOMBA SULAWESI TENGAH ) Witjaksono, Julian; Pusadan, Mohammad Yazdi; Anshori, Yusuf; Ardiansyah, Rizka; Azhar, Ryfial
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6191

Abstract

Batik adalah salah satu warisan budaya Indonesia yang diakui oleh UNESCO sebagai warisan dunia. Keanekaragaman motif batik mencerminkan kekayaan budaya dan seni yang perlu dilestarikan. Salah satu motif batik yang unik adalah batik Bomba dari Kabupaten Donggala, Sulawesi Tengah. Untuk membantu mengklasifikasikan motif batik yang beragam, penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B2. Penelitian ini melibatkan pengumpulan 21 citra batik Bomba dari berbagai sumber di Kota Palu, Sulawesi Tengah. Proses data preprocessing dilakukan melalui teknik augmentasi data, sementara model dikembangkan dengan menggunakan transfer learning dan beberapa teknik optimisasi seperti batch normalization, regulasi, dropout layer, dan fungsi aktivasi ReLU serta softmax. Model dilatih dengan optimizer Adamax dan early stopping untuk mencegah overfitting. Hasil pelatihan menunjukkan akurasi tinggi sebesar 100% pada data pelatihan dan 99.59% pada data validasi. Pengujian menggunakan confusion matrix menunjukkan akurasi total model sebesar 96%, dengan kesalahan klasifikasi minimal pada gambar "maleo". Model ini berhasil mengklasifikasikan motif batik Bomba dengan tingkat akurasi yang tinggi, menunjukkan potensi besar penggunaan teknologi kecerdasan buatan dalam pelestarian dan pengembangan warisan budaya batik.
MONITORING PARAMETER AIR BERBASIS IOT (INTERNET OF THINGS) Anshori, Yusuf; Parenrengi, Andi Fathur Alamsyah A.; Angreni, Dwi Shinta; Ardiansyah, Rizka; Joefrie, Yuri Yudhaswana
Foristek Vol. 13 No. 2 (2023): Foristek
Publisher : Foristek

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54757/fs.v14i2.322

Abstract

Water is a necessity for living things that have certain parameters to be consumed. This tool is made to measure the parameters of pH, temperature and turbidity of water quality and this tool is integrated with Internet of Things (IoT) technology so that sensor measurement data can be accessed anywhere and anytime. This tool implements Fuzzy Logic to generate “clean” and “unclean” values for water and uses the NodeMCU-ESP32s Module as the main controller, the PH-4502c sensor measures pH, the SKUSEN0189 sensor measures turbidity, and the DS18B20 sensor measures temperature. The results show that all sensors work well with an average error value of 2.95% for pH, 0.80% for temperature, and 21.32% for turbidity.