Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal TECHNOMEDIA : Informatics and Computer Science
Adi Suwondo
Universitas Sains Al-Qur'an
Computer Science & IT

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

Found 2 Documents
Search

 1 
SISTEM PAKAR DIAGNOSA PENYAKIT AYAM PEDAGING MENGGUNAKAN METODE CERITAINTY FACTORY BERBASIS MOBILE Giri Wijanarko; Erna Dwi Astuti; Rina Mahmudati; Hidayatus Sibyan; Adi Suwondo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.271

Abstract

Permasalahan penyakit pada ayam pedaging menjadi tantangan serius bagi peternak karena dapat menyebabkan kematian massal dan kerugian ekonomi yang signifikan. Kurangnya akses terhadap tenaga ahli dan kemampuan diagnosa mandiri menjadi hambatan utama dalam penanganan penyakit tersebut, khususnya di daerah pedesaan. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis Android untuk mendiagnosa penyakit ayam pedaging menggunakan metode Certainty Factor. Metode Certainty Factor digunakan untuk mengukur tingkat kepastian diagnosa berdasarkan kombinasi nilai keyakinan dari pakar dan pengguna terhadap gejala yang dialami ayam. Hasil pengujian menunjukkan bahwa sistem pakar yang dikembangkan mampu memberikan hasil diagnosa dengan tingkat keakuratan mencapai 95% dibandingkan perhitungan manual. Sistem ini diharapkan dapat membantu peternak melakukan diagnosa terhadap penyakit ayam secara mandiri dan akurat, serta menjadi solusi praktis di tengah keterbatasan akses terhadap pakar.
CHATBOT ASSISTANT DENGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) SEBAGAI LAYANAN TANYA JAWAB MENTEE DI INFINITE LEARNING Rahmad Noor Ikhsan; Adi Suwondo; Muslim Hidayat; Dian Asmarajati; Sukowiyono
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.272

Abstract

Mentor pada program Studi Independen di Infinite Learning sering menghabiskan waktu menjawab pertanyaan umum yang berulang dari mahasiswa, sehingga mengurangi efisiensi pendampingan. Penelitian ini bertujuan membuat chatbot sebagai layanan tanya jawab mentee dengan metode eksperimental. Pengembangan chatbot menggunakan Long Short-Term Memory (LSTM), arsitektur deep learning yang efektif untuk Natural Language Processing (NLP). Data berupa pertanyaan dan jawaban dibagi menjadi 3 bagian: pre-register, running program, dan end program. Model dilatih selama 39 epoch dengan nilai loss 0.0279, accuracy 99.71%, validation loss 0.0237, dan validation accuracy 99.72%. Evaluasi menggunakan confusion matrix menunjukkan accuracy 99%, precision 97%, recall 98%, dan f1-score 97%. Model kemudian diimplementasikan ke Telegram bot untuk layanan tanya jawab otomatis bagi mentee.
Co-Authors Dian Asmarajati Erna Dwi Astuti Giri Wijanarko Hidayat, Muslim Hidayatus Sibyan Rahmad Noor Ikhsan Rina Mahmudati Sukowiyono