Article Per Year (5 Year)
p-Index From 2020 - 2025
4.598
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Inspiratif Pendidikan Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control UICELL Conference Proceeding Jurnal Sains dan Informatika JURNAL ILMIAH INFORMATIKA Hearty : Jurnal Kesehatan Masyarakat Jurnal Biomedika dan Kesehatan Psikologi Konseling: Jurnal Kajian Psikologi dan Konseling Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Pengabdian Kepada Masyarakat (Mediteg) Health Information : Jurnal Penelitian Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences JOURNAL LA MEDIHEALTICO Multidiciplinary Output Research for Actual and International Issue (Morfai Journal) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Data Science and Software Engineering JUKEJ: Jurnal Kesehatan Jompa Jurnal Informatika Polinema (JIP) Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Holistik Jurnal Kesehatan
Fatma Indriani
Program Studi Ilmu Komputer, Fakultas Matematika Dan Pengetahuan Alam, Universitas Lambung Mangkurat, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
Sistem Berbasis Pengetahuan Untuk Pencarian Alternatif Obat Yang Berkhasiat Sama Indriani, Fatma
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 3, August-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (146.368 KB) | DOI: 10.22219/kinetik.v2i3.171

Abstract

Pada makalah ini dipaparkan sistem berbasis pengetahuan yang mampu mencari alternatif obat bermerek yang memiliki khasiat yang sama. Sistem ini bermanfaat membantu pasien, apoteker, maupun dokter menentukan pengganti suatu obat yang tidak tersedia. Pertama-tama, pengetahuan diakuisisi dari pakar dan direpresentasikan secara formal. Dari tahap ini, yang representasi pengetahuan meliputi data lengkap obat dari katalog, serta keterkaitan antar nama indikasi, antar nama kandungan, antar nama kontraindikasi, dan antar nama efek samping. Keterkaitan ini direpresentasikan sebagai graf tak berarah. Sedangkan mekanisme pencarian adalah dengan membandingkan kedekatan tiap unsur dari keempat petunjuk penggunaan obat tersebut terhadap query pengguna. Tahap kedua adalah implementasi sistem dengan tool expert system CLIPS. Basis pengetahuan bersumber dari salah satu indeks farmakoterapi dari buku ISO (Informasi Spesialite Obat) Indonesia. Tahap terakhir adalah pengujian sistem. Sistem diujicobakan dengan berbagai query masukan, dan keluaran sistem dibandingkan dengan jawaban pakar. Dari hasilnya didapat bahwa sistem dapat menampilkan obat pengganti dengan relevansi 95%. Akan tetapi nilai relevansi ini dapat ditingkatkan dengan perbaikan basis pengetahuan.
Teknik Bagging Dan Boosting Pada Algoritma CART Untuk Klasifikasi Masa Studi Mahasiswa Arrahimi, Ahmad Rusadi; Ihsan, Muhammad Khairi; Kartini, Dwi; Faisal, Mohammad Reza; Indriani, Fatma
Jurnal Sains dan Informatika Vol 5 No 1 (2019): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.512 KB) | DOI: 10.34128/jsi.v5i1.171

Abstract

Undergraduate Students data in academic information systems always increases every year. Data collected can be processed using data mining to gain new knowledge. The author tries to mine undergraduate students data to classify the study period on time or not on time. The data is analyzed using CART with bagging techniqu, and CART with boosting technique. The classification results using 49 testing data, in the CART algorithm with bagging techniques 13 data (26.531%) entered into the classification on time and 36 data (73.469%) entered into the classification not on time. In the CART algorithm with boosting technique 16 data (32,653%) entered into the classification on time and 33 data (67,347%) entered into the classification not on time. The accuracy value of the classification of study period of undergraduate students using the CART algorithm is 79.592%, the CART algorithm with bagging technique is 81.633%, and the CART algorithm with boosting technique is 87.755%. In this study, the CART algorithm with boosting technique has the best accuracy value.
Alat Pewarna Semi Otomatis Untuk Meningkatkan Produksi Kerajinan Anyaman Purun Fatma Indriani; Mohammad Mahfuzh Shiddiq
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 4 No 2 (2019): Jurnal Pengabdian Kepada Masyarakat MEDITEG
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v4i2.50

Abstract

Kerajinan anyaman purun mempunyai nilai ekonomi yang besar. Salah satu kendala dalam pengembangan kerajinan anyaman purun adalah proses produksi yang masih tradisional sehingga belum mampu memenuhi permintaan pasar dan kualitas produknya yang masih rendah. Melalui kegiatan KKN-PPM mahasiswa FMIPA ULM membuat alat pewarna purun semi otomatis untuk meningkatkan efisiensi proses pewarnaan. Hasil kegiatan menunjukkan alat pewarna tersebut dapat mempercepat proses pewarnaan hingga 4 kali dibandingkan proses pewarnaan tradisional. Penyempurnaan alat tersebut masih diperlukan untuk menghilangkan komponen biaya produksi yang lain.
K-Modes Clustering untuk Mengetahui Jenis Masakan Daerah yang Populer pada Website Resep Online (Studi Kasus: Masakan Banjar di cookpad.com) Fatma Indriani; Irwan Budiman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 4: Desember 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1144.909 KB) | DOI: 10.25126/jtiik.201744548

Abstract

AbstrakPada makalah ini dipaparkan clustering pada data resep masakan daerah Banjar untuk mengetahui jenis makanan yang paling banyak di-post secara online oleh pengguna website recipe sharing. Pertama-tama data resep sebanyak 355 dikumpulkan dari suatu website resep, untuk selanjutnya dilakukan ekstraksi data bahan dan pembersihan. Metode clustering yang dipilih adalah k-modes karena cocok digunakan pada data kategorikal. Berdasar metode Elbow, jumlah cluster yang ideal adalah k=4 dan k=8. Jumlah cluster k=4 menghasilkan kelompok yang lebih umum, sedangkan k=8 menghasilkan kelompok yang lebih spesifik. Adapun kelompok yang berhasil diidentifikasi untuk k=4 adalah sayur asam, soto banjar, masakan gurih lain-lain, kue dan bubur manis. Sedangkan kelompok dengan jumlah cluster k=8 adalah sayur asam, soto banjar, kue basah, masakan gurih lain-lain, masak habang, bubur manis, kuah ketupat, dan masakan gurih asam. Evaluasi nilai purity menunjukkan nilai masing-masing 0,825 untuk k=4 dan 0,831 untuk k=8.Kata kunci: data mining, clustering, k-modes, resep masakan, bahanAbstractIn this paper, we cluster user-submitted recipes of Banjar regional cuisine to find out which type of cuisine are popular according to its ingredients. 355 recipes are collected from a recipe sharing website, then the ingredients extracted and cleaned. The clustering method chosen is k-modes because it is suitable for categorical data. Based on the Elbow method, the ideal number of clusters is k = 4 and k = 8. The number of clusters k = 4 produces more general cuisines group, whereas k = 8 produces more specific groups. The groups identified for k = 4 are (1) “sayur asam” (sour soup), (2)“soto banjar” (Banjar chicken soup), (3) savory dishes, and (4) sweet dishes. While the group with the number of clusters k = 8 consists of (1)“sayur asam” (sour soup)  (2) “soto banjar”, (3) Banjar sweet puddings, (4) various savory dishes, (5) “masak habang” (Banjar sweet chili dishes), (6) sweet porridge, (7) “kuah ketupat” (spicy coconut soup) and (8) various savory sour dishes. The purity of clusters are shown to be 0.825 for k=4 and 0.831 for k=8.Keywords: clustering, k-modes, data mining, recipe, ingredient
Deteksi Penyakit Dengue Hemorrhagic Fever dengan Pendekatan One Class Classification Zida Ziyan Azkiya; Fatma Indriani; Heru Kartika Chandra
Journal of Information Systems Engineering and Business Intelligence Vol. 3 No. 2 (2017): October
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (187.497 KB) | DOI: 10.20473/jisebi.3.2.129-133

Abstract

Abstrak— Pada kasus deteksi penderita penyakit demam berdarah (Dengue Hemorrhagic Fever- DHF), data training yang tersedia umumnya hanya data pasien penderita positif. Sedangkan data orang normal (data negatif) tidak tersedia secara khusus. Pada makalah ini dipaparkan pembangunan model klasifikasi untuk deteksi DHF dengan pendekatan One Class Classification (OCC). Data yang digunakan pada penelitian ini adalah hasil uji darah dari laboratorium dari pasien penderita penyakit demam berdarah. Metode yang diteliti adalah One-class Support Vector Machine dan K-Means. Hasil yang diperoleh pada penelitian ini adalah untuk metode SVM memiliki nilai precision = 1,0, recall = 0,993, f-1 score = 0,997, dan tingkat akurasi sebesar 99,7%  sedangkan dengan metode K-Means diperoleh nilai precision = 0,901, recall = 0,973, f-1 score = 0,936, dan tingkat akurasi sebesar 93,3%. Hal ini  menunjukkan bahwa metode SVM sedikit lebih unggul dibandingkan dengan K-Means untuk kasus ini. Kata Kunci— demam berdarah, Dengue Hemorrhagic Fever, K-Means, One Class Classification, OSVMAbstract— Two class classification problem maps input into two target classes. In certain cases, training data is available only in the form of a single class, as in the case of Dengue Hemorrhagic Fever (DHF) patients, where only data of positive patients is available. In this paper, we report our experiment in building a classification model for detecting DHF infection using One Class Classification (OCC) approach. Data from this study is sourced from laboratory tests of patients with dengue fever. The OCC methods compared are One-Class Support Vector Machine and One-Class K-Means. The result shows SVM method obtained precision value = 1.0, recall = 0.993, f-1 score = 0.997, and accuracy of 99.7% while the K-Means method obtained precision value = 0.901, recall = 0.973, f- 1 score = 0.936, and accuracy of 93.3%. This indicates that the SVM method is slightly superior to K-Means for One-Class Classification of DHF patients. Keywords— Dengue Hemorrhagic Fever, K-Means, One Class Classification, OSVM
IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM CLUSTERINGDATA VARIETAS PADI Nurjanah Nurjanah; Farmadi Andi; Fatma Indriani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 1, No 1 (2014)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v1i1.3

Abstract

Mutations with gamma rays conducted on five local rice varieties tidal South Kalimantan produce a lot of data availability. In order for these data not only become a graveyard of useless data required a method that could be used to probe the hidden information from the data. The method known as data mining. Data mining is a technique to gain knowledge from the data by looking for certain patterns or rules of a number of large amounts of data. One method of data mining is clustering, where clustering is usually used to group objects that are similar in the same class or segment. By utilizing the data of local rice varieties tidal South Kalimantan mutated by gamma rays, data mining process is done by grouping the data based on the harvest age, productive tillers, and weight of 1000 seeds into 4 groups using fuzzy c-means algorithm. From that cluster information, carried ranking using the Simple Additive Weighting method and acquired knowledge about improved varieties by harvest age, productive tillers, and a weight of 1000 is kuatek with a dose of 30 krad. Keywords : Data Mining, Cluster, Fuzzy C-Means, Local Rice Varieties Mutasi dengan sinar gamma yang dilakukan terhadap lima varietas padi lokal pasang surut kalimantan selatan enghasilkan tersedianya banyak data. Agar data-data tersebut tidak hanya menjadi kuburan data yang tidak berguna dibutuhkan sebuah metode yang bisa digunakan untuk menggali informasi–informasi tersembunyi dari data tersebut. Metode tersebut dikenal dengan data mining. Data mining merupakan suatu teknik untuk menggali pengetahuan dari data dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar. Salah satu metode data mining adalah klastering, dimana klastering biasanya digunakan untuk mengelompokan objek-objek yang memiliki kemiripan dalam kelas atau segmen yang sama. Dengan memanfaatkan data varietas padi hasil mutasi dengan sinar gamma dilakukan proses penggalian data dengan cara mengelompokkan data umur panen, anakan produktif, dan bobot 1000 menjadi 4 klaster menggunakan algoritma fuzzy c-means. Dari informasi 4 klaster tersebut, dilakukan perangkingan klaster menggunakan metode Simple Additive Weighting dan diperoleh pengetahuan tentang varietas unggul berdasarkan umur panen, anakan produktif, dan bobot 1000 yaitu kuatek dengan dosis 30 krad. Kata kunci : Data Mining, Klaster, Fuzzy C-Means, Varietas Padi Lokal
PENERAPAN METODE FUZZY C-COVERING UNTUK ANALISIS POLA PEMBELIAN PADA MINIMARKET Nita Arianty; Oni Soesanto; Fatma Indriani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 1 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i1.38

Abstract

Data mining is one of the science of artificial intelligence (artificial intelligence) as a series of processes to explore the added value of a data set of knowledge that had been unknown manually. One maining in the search process of data analysis at the Mini market buying patterns can apply Fuzzy C-Covering method. In the application of data mining techniques Fuzzy C-Covering method to seek support value and confidence value. Support value used to indicate the extent of the dominance of an item for item sets of the overall transaction, the confidence value is used to determine the rule anywhere that is interesting rule or a measure that shows the relationship between the two items are conditional. Fuzzy C-Covering used to classify the elements of a set of universal ie, whole product items on minimarket into partitions are more focused and detailed by product type items that exist because of the Fuzzy C-covering is applied in order to overcome the obstacles that have been occur in the market basket in the search for relationships between items. Keywords: Fuzzy C-covering, Data Mining Data mining merupakan salah satu ilmu dari kecerdasan buatan (artificial intelligence) sebagai serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Salah satu proses data maining dalam pencarian analisis pola pembelian pada Minimarket dapat menerapkan Metode Fuzzy C-Covering. Pada teknik data mining penerapan metode Fuzzy C-Covering untuk mencari nilai support dan nilai confidence. Nilai support digunakan untuk menunjukan seberapa besar tingkat dominasi suatu item untuk item set dari keseluruhan transaksi, nilai confidence dipakai untuk menentukan rule mana saja yang merupakan interesting rule atau suatu ukuran yang menunjukan hubungan antar 2 item secara conditional. Metode Fuzzy C-Covering digunakan untuk mengklasifikasikan elemen-elemen dari suatu himpunan universal yakni kesulurahan produk item pada minimarketmenjadi partisi-partisi yang lebih fokus dan detail berdasarkan jenis produk item yang ada karena itu Fuzzy C-covering diterapkan agar dapat mengatasi hambatan yang selama ini terjadi pada proses market basket didalam mencari hubungan antar item. Kata kunci: Fuzzy C-covering, Data Mining.
IMPLEMENTASI METODE ELECTRE PADA SISTEM PENDUKUNG KEPUTUSAN SNMPTN JALUR UNDANGAN Fahmi Setiawan; Fatma Indriani; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 2 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i2.29

Abstract

Colleges as providers of education after secondary education students receive high academic achievers and is predicted to successfully complete the study in college based on academic achievement. It triggers each college to hold student selection. Students who are high achievers and consistently demonstrate their achievement deserves a chance to be prospective students through SNMPTN. Multi Criteria Decision Making (MCDM) is one method of decision-making to select the best alternative from a number of alternatives based on certain criteria. One of the methods in MCDM is Elimination Et Choix Traduisant la réalité (ELECTRE). ELECTRE method is a multicriteria decision making method based on outranking concept using pairwise comparison of alternatives based on any criteria appropriate. The purpose of this study is to apply the method ELECTRE and Greedy Algorithms in decision making SNMPTN invitation. Keywords: the selectionof college students, MCDM, ELECTRE, Greedy Perguruan tinggi sebagai penyelenggara pendidikan setelah pendidikan menengah menerima calon mahasiswa yang berprestasi akademik tinggi dan diprediksi akan berhasil menyelesaikan studi di perguruan tinggi berdasarkan prestasi akademik. Hal tersebut memicu tiap perguruan tinggi untuk mengadakan seleksi calon mahasiswa. Siswa yang berprestasi tinggi dan secara konsisten menunjukkan prestasinya tersebut layak mendapatkan kesempatan untuk menjadi calon mahasiswa melalui SNMPTN. MultiCriteria Decision Making (MCDM) merupakan salah satu metode pengambilan keputusan untuk menyeleksi alternatif terbaik dari sejumlah alternatif berdasarkan kriteria tertentu. Salahsatu metode dalam MCDM adalah Elimination Et Choix Traduisant la Realite (ELECTRE). Metode Electre merupakan metode pengambilan keputusan multikriteria berdasarkan pada konsep Outranking denganmenggunakan perbandingan berpasangandari alternatif-alternatif berdasarkan setiapkriteria yang sesuai. Tujuan dari penelitian ini adalah menerapkan metode Electredan Algoritma Greedy dalam pengambilan keputusan SNMPTN jalur undangan. Kata kunci: seleksi mahasiswa, MCDM, Electre, Greedy
PENERAPAN METODE RBPNN UNTUK KLASIFIKASI KANKER PAYUDARA Fairudz Shahura; Oni Soesanto; Fatma Indriani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 2 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i2.51

Abstract

Breast cancer is the most commonly diagnosed cancer in women. Breast cancer cases are increasing each year. Therefore, early detection of breast cancer plays an important role in anticipating the spread of cancer. Fine-needle aspiration (FNA) biopsy is one way to detect breast cancer. FNA is a method of taking the majority of tissue with a syringe that is intended to aid in the diagnosis of various tumor diseases. The FNA samples that have been studied generate ten characteristics, namely radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, and fractal dimension. These characteristics are used to classify benign and malignant breast cancer. To classify breast cancer, Radial Basis Probabilistic Neural Network (RBPNN) required. This study aims to determine how the performance of the method of Radial Basis Probabilistic Neural Network for classifying breast cancer. The accuracy was found to be equal 93.19% for training data, and 90.35% for testing data.Keywords: Radial Basis Probabilistic Neural Network, Classification, Breast Cancer.Kanker payudara merupakan penyakit yang paling banyak menyerang kaum wanita. Penderita penyakit kanker payudara semakin meningkat pada tiap tahunnya. Oleh karena itu deteksi dini kanker payudara memegang peranan penting dalam mengantisipasi penyebaran kanker. Salah satu cara untuk mendeteksi kanker payudara adalah  dengan fine-needle aspiration (FNA) biopsy. FNA merupakan suatu metode pengambilan sebagian jaringan tubuh manusia dengan jarum suntik yang bertujuan untuk membantu diagnosis berbagai penyakit tumor. Sampel FNA yang telah diteliti menghasilkan sepuluh karakteristik, yaitu radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, dan fractal dimension. Kesepuluh karakteristik tersebut digunakan untuk mengklasifikasikan kanker payudara jinak dan ganas. Untuk mengklasifikasi tingkat keganasan dari kanker payudara dapat dilakukan dengan metode Radial Basis Probabilistic Neural Network (RBPNN). Penelitian ini bertujuan untuk mengetahui bagaimana performansi metode Radial Basis Probabilistic Neural Network untuk mengklasifikasikan kanker payudara. Dari hasil penelitian didapat akurasi 93.19% untuk data training, serta 90.35% untuk data testing.Kata kunci : Radial Basis Probabilistic Neural Network, Klasifikasi, Breast Cancer.
QUESTION ANSWERING SYSTEM BERBASIS ARTIFICIAL INTELLIGENCE MARKUP LANGUAGE SEBAGAI MEDIA INFORMASI Fajrin Azwary; Fatma Indriani; Dodon T. Nugrahadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 1 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i1.34

Abstract

Artificial intelligence technology nowadays, can be processed with a variety of forms, such as chatbot, and the various methods, one of them using Artificial Intelligence Markup Language (AIML). AIML using template matching, by comparing the specific patterns in the database. AIML template design process begins with determining the necessary information, then formed into questions, these questions adapted to AIML pattern. From the results of the study, can be known that the Question-Answering System in the chatbot using Artificial Intelligence Markup Language are able to communicate and deliver information. Keywords: Artificial Intelligence, Template Matching, Artificial Intelligence Markup Language, AIML Teknologi kecerdasan buatan saat ini dapat diolah dengan berbagai macam bentuk, seperti ChatBot, dan berbagai macam metode, salah satunya menggunakan Artificial Intelligence Markup Language (AIML). AIML menggunakan metode template matching yaitu dengan membandingkan pola-pola tertentu pada database. Proses perancangan template AIML diawali dengan menentukan informasi yang diperlukan, kemudian dibentuk menjadi pertanyaan, pertanyaan tersebut disesuaikan dengan bentuk pattern AIML. Hasil penelitian dapat diperoleh bahwa Question-Answering System dalam bentuk ChatBot menggunakan Artificial Intelligence Markup Language dapat berkomunikasi dan menyampaikan informasi. Kata kunci : Kecerdasan Buatan, Pencocokan Pola, Artificial Intelligence Markup Language, AIML
Co-Authors Abdilah, Muhammad Fariz Fata Abdullayev, Vugar Achmad Rizal Agustia Kuspita Aryanti Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Al Habesyah, Noor Zalekha Amini, Aisah Ananda, Zahra Andi Farmadi Andi Farmadi Anshari, Muhammad Ridha Ansyari, Muhammad Ridho Arianti, Tiara Astuti, Yeni Ayu Astuty, Delfriana Ayu Athavale, Vijay Annant Azizah, Azkiya Nur Baron Hidayat Barus, Nency Utami Br Berutu, Marwiyah Carolina, Ayu Dendy Fadhel Adhipratama Dendy Difa Fitria Dodon Turianto Nugrahadi Dwi Kartini Dwi Kartini, Dwi Fahmi Setiawan Fairudz Shahura Faisal, M. Reza Faisal, Mohammad Reza Fajrin Azwary Friska Abadi Ghinaya, Helma Gustara, Rizki Asih Harahap, Helma Denisah Hasyimi , Ali Hayati, Sera Br Hermiati, Arya Syifa Herteno, Rudy Heru Kartika Chandra I Gusti Ngurah Antaryama Ichwan Dwi Nugraha Ihsan, Muhammad Khairi Irwan Budiman Irwan Budiman Khairiyah Dwie Vanesa M. Apriannur M. Khairul Rezki Mahmud Mahmud Mawandri, Dwi Mohammad Mahfuzh Shiddiq Muhammad Alkaff Muhammad Itqan Mazdadi Muhammad Nadim Mubaarok Muhammad Reza Faisal, Muhammad Reza Muliadi Muliadi Muliadi Aziz Muliadi Muliadi Muliadi Muliadi Nita Arianty Nofi Susanti Nurhayani nurhayani Nurhayati Octavia, Mayang Dwi Oni Soesanto P., Chandrasekaran Patrick Ringkuangan Prastya, Septyan Eka Purnajaya, Akhmad Rezki Radityo Adi Nugroho Rapotan Hasibuan Reni Agustina Harahap Ridha Afifa Risma, Ade Ritonga, Egril Rehulina Rozaq, Hasri Akbar Awal Rudy Herteno Rudy Herteno Saragih, Triando Hamonangan Sa’diah, Halimatus Selvia Indah Liany Abdie Soesanto, Oni Sri Rahayu Suci Wulandari Triyoolanda, Anggun Wahyu Caesarendra Wati, Desi Indriani Rahma Wijaya Kusuma, Arizha YILDIZ, Oktay Yulia Khairina Ashar Yunida, Rahmi Zahra, Fairuz Zata Ismah Zida Ziyan Azkiya