Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Surya Informatika CSRID
Saputra, Muhammad Randika
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Pengembangan Virtual Assistant (Chatbot) Bebrbasis NLP (Natural Language Processing) Untuk Portal Informasi Terpadu Pariwisata Tasikmalaya Hidayat, Cepi Rahmat; Sumaryana, Yusuf; Syahrul Anwar, Dede; Fadilah, Ai Linda Nurahmah; Saputra, Muhammad Randika
CSRID (Computer Science Research and Its Development Journal) Vol. 17 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.17.1.2025.136-148

Abstract

Tasikmalaya, known for its natural beauty and cultural richness, has great potential as an attractive tourist destination. One of the main challenges faced is how to convey accurate and integrated information to tourists quickly and easily so that it can be used to improve marketing strategies and destination development. This study aims to develop a virtual assistant (chatbot) based on Natural Language Processing (NLP) for the integrated Tasikmalaya tourism information portal in handling high volumes of questions simultaneously, reducing the workload of human staff and optimizing the service process. The research method uses a waterfall model by applying the NLP approach. The final result of this study is to produce a virtual assistant (chatbot) application that allows users to get information related to Tasikmalaya tourism destinations in a more flexible way. The application was tested using the black box method and showed that the application ran as expected while the SUS test carried out obtained a final score of 72.30 in the Good category.
Evaluasi Kinerja Algoritma Ensemble Learning Pada Klasifikasi Penyakit Diabetes Berbasis Boosting Method Hidayat, Jose Julian; Saputra, Muhammad Randika; Sigand, Arifubila Ramdhani; Fadilah, Ai Linda Nurahmah; Amin, Muhammad Dikaisa Ibnu; Ramadhan, Azhyka Rizki
Jurnal Surya Informatika Vol. 16 No. 1 (2026): Jurnal Surya Informatika, Vol 16. No. 1, Mei 2026
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48144/suryainformatika.v16i1.2424

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis yang memerlukan deteksi dini untuk mencegah komplikasi lebih lanjut. Dalam era data mining, penerapan algoritma machine learning khususnya metode ensemble learning berbasis boosting menjadi salah satu pendekatan yang efektif untuk klasifikasi penyakit. Penelitian ini bertujuan untuk mengevaluasi kinerja beberapa algoritma boosting, yaitu Gradient Boosting, Extreme Gradient Boosting (XGBoost), dan CatBoost dalam mengklasifikasikan penyakit diabetes. Dataset yang digunakan terdiri dari 19.230 data dengan dua kelas, yaitu non-diabetes dan diabetes. Evaluasi model dilakukan menggunakan metrik precision, recall, f1-score, dan accuracy. Hasil penelitian menunjukkan bahwa ketiga algoritma memiliki performa yang sangat baik dengan tingkat akurasi sebesar 97%. Gradient Boosting menghasilkan precision sebesar 0,99 dan recall sebesar 0,69 pada kelas diabetes dengan f1-score sebesar 0,81. XGBoost menunjukkan precision sebesar 0,97, recall 0,69, dan f1-score 0,81. Sementara itu, CatBoost menghasilkan precision sebesar 0,98, recall 0,69, dan f1-score 0,81 pada kelas diabetes. Secara keseluruhan, ketiga metode menunjukkan kinerja yang sebanding, dengan keunggulan kecil pada Gradient Boosting dalam hal precision. Namun demikian, nilai recall yang relatif rendah pada kelas diabetes menunjukkan bahwa masih terdapat tantangan dalam mendeteksi seluruh kasus positif. Oleh karena itu, diperlukan pengembangan lebih lanjut untuk meningkatkan sensitivitas model dalam klasifikasi penyakit diabetes
Co-Authors Amin, Muhammad Dikaisa Ibnu Cepi Rahmat Hidayat Fadilah, Ai Linda Nurahmah Hidayat, Jose Julian Ramadhan, Azhyka Rizki Sigand, Arifubila Ramdhani Syahrul Anwar, Dede Yusuf Sumaryana