Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal KOMPUTIKA - Jurnal Sistem Komputer Jurnal Linguistik Komputasional
Herani, Icha Dwi Aprilia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Implementasi Deep Feed-Forward Neural Network pada Perancangan Chatbot Berbasis Web di UPPIK RSUD M. YUNUS Faurina, Ruvita; Gazali, M. Jumli; Herani, Icha Dwi Aprilia
Komputika : Jurnal Sistem Komputer Vol 12 No 2 (2023): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v12i2.8914

Abstract

ABSTRACT – The UPPIK (Customer Information and Counseling Complaint Unit) at the M. Yunus Hospital has an important role in serving visitors who come to the hospital. However, visitors often complain about the UPPIK service due to limited working hours, so there is not always staff available to provide the information needed by visitors. In addition, the ongoing Covid-19 pandemic requires people to maintain distance and reduce interaction with others. To solve this problem, an automatic chatbot has been developed to provide service as if the visitor is speaking directly to the staff without any time constraints. This research uses a Deep Feed-Forward Neural Network algorithm. The dataset used is a collection of question-answer data collected through direct observation at the UPPIK, consisting of 1464 pairs of data. The best accuracy was obtained by spliting the dataset into 80% training data (1,185 data), 10% testing data (147 data), and 10% validation data (132 data) with 300 epochs, which resulted in an accuracy of 91.98%. Evaluation of these results showed a precision value of 0.99, a recall value of 0.98, and an f1-score of 0.99. Keywords - UPPIK RSUD M. Yunus Bengkulu; Artificial Intelligence; Chatbot; Deep Feed-Forward Neural Network; Deep Learning
Implementasi Deep Feed-Forward Neural Network pada Perancangan Chatbot Berbasis Web Di UPPIK RSUD M. YUNUS Faurina, Ruvita; Gazali, M Jumli; Herani, Icha Dwi Aprilia
Jurnal Linguistik Komputasional Vol 6 No 2 (2023): Vol. 6, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i2.123

Abstract

UPPIK (Unit Pengaduan Pelanggan Informasi dan Konseling) pada RSUD M. Yunus memiliki peran penting dalam melayani pengunjung yang datang. Akan tetapi, tidak jarang dari pengunjung mengeluh dengan pelayanan dari UPPIK karena terbatasnya jam operasional kerja menyebabkan tidak ditemukannya staf/petugas yang berjaga sehingga membuat para pengunjung kebingungan dalam mencari informasi terkait RSUD M. Yunus. Selain itu, pandemi Covid-19 yang belum mereda mengharuskan masyarakat untuk menjaga jarak dan mengurangi interaksi antar individu. Sebagai tindaklanjut dari permasalahan ini dikembangkanlah sebuah automatic chatbot yang dapat melayani pengunjung seolah-olah berbicara langsung dengan staf/petugas tanpa adanya batasan waktu. Pada penelitian ini menggunakan algoritma Deep Feed-Forward Neural Network sebagai intent classifier untuk mengklasifikasi maksud dari pertanyaan yang diajukan oleh user. Deep Feed-Forward Neural Network adalah salah satu jenis Neural Network yang koneksi antar node tidak membentuk looping. Dataset yang digunakan adalah kumpulan data pasangan antara pertanyaan dan jawaban yang dikumpulkan melalui observasi langsung ke UPPIK RSUD M. Yunus dengan jumlah sebanyak 1464 pasangan data. Pengujian dilakukan memakai parameter pembagian dataset, jumlah epoch, dan batch size yang digunakan.  Akurasi terbaik didapatkan dengan membagi dataset menjadi 80% data training sebanyak 1057 data, 10% data testing sebanyak 147 data, dan 10% validation sebanyak 132 data menggunakan epoch 300 dan mendapatkan hasil performa akurasi sebesar 91.98%. Sedangkan hasil evaluasi precision sebesar 0.99, recall sebesar 0.98 dan f1-score sebesar 0.99.
Co-Authors Faurina, Ruvita Gazali, M Jumli Gazali, M. Jumli