Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Klik - Jurnal Ilmu Komputer Jurnal Software Engineering and Computational Intelligence
Haviz Irfani, Muhammad
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Metode Text Mining dengan Chatbot Questions And Answer pada PT PLN (Persero) Sumatera Selatan Rohim, Abdur; Haviz Irfani, Muhammad; Ramadhan, Mustafa; Ubaidillah, Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 4 No. 2 (2023): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v4i2.551

Abstract

Chatbot Questions and Answer (Q&A) telah menjadi alat yang sangat penting bagi perusahaan untuk memberikan dukungan dan layanan pelanggan yang cepat dan efektif. Namun, tantangan utama dalam pengembangan Chatbot Q&A adalah memastikan bahwa chatbot dapat memahami bahasa alami pengguna dan memberikan jawaban yang tepat. Dalam penelitian ini, metode Text Mining dan Natural Language Processing (NLP) diterapkan pada Chatbot Q&A untuk PT PLN (Perusahaan Listrik Negara) persero wilayah Sumatera Selatan dengan tujuan meningkatkan kemampuan chatbot dalam memahami pertanyaan pelanggan dan memberikan jawaban yang akurat. Aplikasi yang dirancang pada penelitian ini  menggunakan metode pengembangan perangkat lunak yaitu model Rational Unified Process (RUP) dan diimplementasikan ke dalam sistem operasi android. Sedangkan untuk pengujiannya menggunakan perhitungan Root Mean Square Error (RMSE). Keakuratan pada pengujian ditunjukkan dengan hasil RMSE memiliki nilai kecil (mendekati nol). Dari hasil pengujian data sampel sejumlah 20  pertanyaan, nilai perhitungan RMSE sebesar 0.10, sehingga dapat disimpulkan tingkat akurasi prediksi pada proses text mining dalam aplikasi adalah sangat baik (RMSE mendekati 0). Hasil dari penelitian ini adalah alat bantu berupa aplikasi tanya-jawab informasi yang interaktif layaknya model diskusi dan dapat menggunakan bahasa sehari-hari.
Implementasi Chatbot Telegram Layanan Informasi Akademik Universitas Indo Global Mandiri Menggunakan Framework Rasa Open Source FATURRACHMAN; Haviz Irfani, Muhammad; Romegar Mair, Zaid; Cahyani, Septa; Ikhwan Jambak, Muhammad
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.5142

Abstract

Penggunaan teknologi chatbot dalam menyediakan layanan informasi akademik telah menjadi semakin populer dalam lingkungan perguruan tinggi. Studi ini bertujuan untuk mengimplementasikan sebuah chatbot berbasis Telegram untuk layanan informasi akademik di Universitas Indo Global Mandiri. Penelitian ini menggunakan framework Rasa open source, yang memungkinkan pengembangan chatbot yang dapat dipenggunalkan dan dapat disesuaikan dengan kebutuhan pengguna. Metode pengembangan yang digunakan meliputi tahap perancangan, pengembangan, pengujian, dan implementasi. Chatbot yang dihasilkan mampu memberikan informasi akademik secara cepat dan instan kepada pengguna melalui platform Telegram. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan respons yang sesuai dengan kebutuhan pengguna dengan tingkat akurasi yang tinggi. Implementasi chatbot Telegram untuk layanan informasi akademik di Universitas Indo Global Mandiri diharapkan dapat meningkatkan aksesibilitas informasi dan pengalaman pengguna dalam mengakses layanan akademik universitas.
Pendekatan Convolutional Neural Network dalam Mendeteksi Kemiringan Tulisan Tangan Menggunakan Framework YOLO Nurlita, Anna; Haviz Irfani, Muhammad; Romegar Mair, Zaid
JURNAL FASILKOM Vol. 15 No. 3 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i3.10406

Abstract

Despite the continuous advancement of digital technology, handwriting still plays an important role, especially in the field of education as a means of evaluating students’ writing skills. However, manual handwriting assessment tends to be subjective and inconsistent, particularly in the aspect of slant, which can reflect the clarity, legibility, and personality of the writer. Therefore, an automated method capable of accurately and objectively detecting handwriting slant is required. This study aims to develop an automated system based on a Convolutional Neural Network (CNN) using the YOLOv5 framework to detect the handwriting slant of university students. The dataset consists of 680 handwriting images annotated into three categories: upright, left-slanted, and right-slanted. The training process was conducted through four main experiments with variations in parameters such as batch size, epoch, and image size. The best model configuration was achieved with a batch size of 16, 150 epochs, and an image size of 640, resulting in an mAP@0.5 score of 0.894 and an F1-score of 0.84 on the training data. Evaluation on the training data showed that the model successfully classified left-slanted handwriting with 97% accuracy, right-slanted with 95%, and upright with 84%. On the test data, the model also demonstrated good performance with an average mAP@0.5 of 0.59, recall of 0.835, and classification accuracies of 100% for left-slanted, 93% for right-slanted, and 57% for upright handwriting. This study demonstrates that the CNN approach using YOLOv5 is effective for handwriting slant detection and has great potential for application in other related fields
Co-Authors Abdur Rohim, Abdur Anna Nurlita Cahyani, Septa FATURRACHMAN Ikhwan Jambak, Muhammad Ramadhan, Mustafa Ubaidillah Ubaidillah