Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Jurnal Teknik Informatika (JUTIF)
Barka Satya
STMIK AMIKOM Yogyakarta
Computer Science & IT Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengembangan dan Analisis Aplikasi Penjualan Mobil dan Suku Cadang pada CV Putra Iman Kurniawan, Mei P; Satya, Barka
JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Vol 2, No 1 (2018)
Publisher : LPPM ITATS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1375.951 KB) | DOI: 10.31284/j.jpp-iptek.2018.v2i1.193

Abstract

Seiring dengan kebutuhan masyarakat dengan efisiensi mobilitas, membuat kebutuhan terhadap suatu media transportasi tidak lagi menjadi kebutuhan sekunder, dibuktikan dengan penjualan kendaraan yang terus meningkat setiap tahunnya terutama dengan penjualan mobil. Terbatasnya media informasi pada suatu showroom penjualan mobil membuat calon pembeli atau calon pembeli harus datang langsung untuk mengetahui fasilitas dan teknologi mobil tersebut. Ketidak efisienan interaksi antara calon pembeli dan agen penjual menjadi masalah utama pada penelitian ini. Penerapan media e-commerce diajukan untuk menyelesaikan permasalah tersebut. Studi kasus dilakukan pada CV. Putra Iman yang merupakan showroom penjualan mobil dan suku cadang. Aplikasi yang berbasis website ini nantinya akan diisi dengan fitur transaksi penjualan mobil, suku cadang dan lainnya, informasi mengenai ketersediaan mobil dan juga suku cadang dapat langsung dilihat calon pembeli pada website e-comerce tersebut serta informasi mengenai spesifikasi barang yang di pasarkan pada showroom. Kemudian website ini diuji ke 10 pengguna dan dilakukan wawancara ke pengguna tersebut. Dari hasil pengujian diperoleh fakta bahwa 9 dari 10 pengguna menyatakan website ini informatif dan memudahkan dalam melakukan pembayaran.
Reliable Intent Detection in Public Service Chatbots Using Hybrid IndoBERT and Bidirectional Long Short-Term Memory with Confidence-Based Decision Strategy Satya, Barka; Kurniawan, Mei Parwanto; Indryatmoko, Toto; As'adurrofiq, As'adurrofiq
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 3 (2026): JUTIF Volume 7, Number 3, June 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.3.5794

Abstract

The rapid digitalization of public services has increased the demand for intelligent information systems capable of providing accurate and responsive assistance to citizens on a 24/7 basis. However, many existing public service chatbots still rely on rule-based mechanisms or single-model natural language processing (NLP) approaches, which often fail to handle linguistic variations, informal expressions, and ambiguous user queries. This study proposes a Hybrid Natural Language Understanding (NLU) architecture that integrates a fine-tuned IndoBERT model with a Bidirectional Long Short-Term Memory (BiLSTM) network to improve intent detection performance in public service chatbots. To enhance system reliability, a confidence-based decision-making mechanism is introduced, enabling the system to dynamically select the most reliable prediction or activate a fallback pattern-matching module when confidence thresholds are not met. The proposed approach was evaluated on a custom dataset comprising 53 public service intents, spanning formal and informal Indonesian language use. Experimental results demonstrate that the hybrid architecture achieves an intent classification accuracy of 86.8%, outperforming single-model approaches while maintaining an acceptable response time for practical deployment, particularly in public service scenarios where accuracy and reliability are prioritized over response speed. Furthermore, integrating a continuous learning mechanism enables the system to adapt to low-confidence queries over time, thereby improving robustness in real-world applications. These findings indicate that hybrid NLP architectures with confidence-aware decision mechanisms offer a practical and scalable solution for intelligent public service chatbots.
Co-Authors As'adurrofiq, As'adurrofiq Indryatmoko, Toto MEI PARWANTO KURNIAWAN