Article Per Year (5 Year)
p-Index From 2020 - 2025
1.953
P-Index
This Author published in this journals
All Journal International Journal of Informatics and Communication Technology (IJ-ICT) MEDIA ELEKTRIKA Semantik Jurnal Transformatika Al-Ta'rib: Jurnal Ilmiah Program Studi Pendidikan Bahasa Arab IAIN Palangka Raya TRANSISTOR Elektro dan Informatika Empowerment : Jurnal Pengabdian Masyarakat Jurnal Ilmu Manajemen Advantage Prosiding Seminar Riset Mahasiswa Jurnal Ilmiah Sultan Agung Jurnal Rekayasa Sistem Informasi dan Teknologi Journal of Computer Science and Information Technology
Moch Taufik
Universitas Islam Sultan Agung
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Nursing Public Health Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Rekayasa Sistem Informasi dan Teknologi

 1 
IMPLEMENTASI MODEL LONG SHORT-TERM MEMORY PADA SISTEM CHATBOT LAYANAN INFORMASI PENYAKIT DIABETES Gigih Pangudi Arta; Moch Taufik
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3033

Abstract

Kesehatan merupakan aspek penting dalam kehidupan manusia, namun masih sering diabaikan, terutama oleh generasi muda. Salah satu penyakit kronis yang terus meningkat prevalensinya adalah diabetes, yang banyak dipengaruhi oleh pola hidup tidak sehat. Penelitian ini bertujuan merancang dan mengembangkan chatbot berbasis algoritma Long Short-Term Memory (LSTM) sebagai sarana layanan informasi mengenai penyakit diabetes. Dataset penelitian diperoleh dari Alodokter, berupa kumpulan pertanyaan dan jawaban seputar diabetes. Proses pengolahan data mencakup pembersihan teks, lemmatization, tokenisasi, encoding, dan padding agar sesuai untuk pelatihan model. Model LSTM kemudian dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pelatihan menunjukkan akurasi meningkat hingga 92,7% dengan nilai loss yang menurun secara konsisten, sedangkan hasil evaluasi akhir menghasilkan akurasi 94%, dengan precision, recall, dan f1-score rata-rata mencapai 0,93–0,96. Temuan ini menunjukkan bahwa algoritma LSTM mampu membangun chatbot kesehatan yang akurat, responsif, serta berpotensi mendukung layanan edukasi digital bagi penderita diabetes maupun masyarakat umum
Co-Authors Adib Ulil Anwar Afy, Afy Wahyu Wibowo Amalia, Nabila Nailil Amin Purnawan Asbarin, Asbarin Dedy Kurniadi Gigih Pangudi Arta Hermawan, Hildan Mulyo Huda, Rizky Miftachul Ike Mawarni Imam Much Ibnu Subroto Johan Hamuda Mohammad Taufiqurrohman Muhammad Khosyi’in Muhammad Qomaruddin Mustafa, Mustafa Nova Catur Anggi Cahyo Poetro, Bagus Satrio Waluyo Rachmad Gabels Riansyah, Andi Rifdah Abadiyah Saifurrohman, Ahmad Sam Farisa Chaerul Haviana Siti Ummu Adillah Sri . Handayani Sri Mulyono Sumartik Suparno Dedy Prastyo Umi Machmudah Yusaena Yusuf