Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) SAINTEK
Viyan Qomarudin Noor
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Optimisasi Chatbot Virtual Assistant di Stasiun Kereta Api KAI Cikarang Menggunakan TF-IDF dan Cosine similarity untuk Peningkatan Layanan Penumpang Alvian S. Pratama; Choky Andriano; Fadli Ramadan; Viyan Qomarudin Noor
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan jumlah pengguna kereta api di Stasiun KAI Cikarang membutuhkan layanan informasi yang cepat dan akurat. Masalah utama adalah keterbatasan sumber daya untuk memberikan informasi secara manual. Untuk mengatasi hal tersebut, penelitian ini mengembangkan chatbot berbasis metode TF-IDF (Term Frequency-Inverse Document Frequency) dan cosine similarity untuk menyediakan layanan informasi otomatis terkait jadwal keberangkatan, harga tiket, dan prosedur pembelian tiket. Dataset diambil dari sumber resmi, yaitu https://commuterline.id yang menyediakan informasi terkait layanan kereta api. Data tersebut diproses melalui tahapan text preprocessing, pembobotan dengan TF-IDF , dan pencocokan pertanyaan menggunakan cosine similarity . Chatbot diimplementasikan melalui Telegram dengan memanfaatkan fitur BotFather, serta integrasi Python untuk mendukung logika sistem. Hasil pengujian menunjukkan chatbot mampu memberikan jawaban yang relevan dengan tingkat akurasi 80%, dihitung dari dua puluh pertanyaan uji dengan 16 jawaban sesuai dan 4 jawaban tidak sesuai. Tingkat akurasi ini menunjukkan efektivitas metode TF-IDF dan cosine similarity dalam mencocokkan pertanyaan pengguna dengan jawaban yang relevan. Chatbot ini tidak hanya meningkatkan efisiensi layanan informasi di stasiun, tetapi juga memberikan pengalaman pengguna yang lebih baik. Penelitian ini menawarkan solusi inovatif untuk meningkatkan kualitas layanan transportasi publik di Indonesia.
Penerapan Algoritma K-Means untuk Pengelompokan Daerah Berdasarkan Waktu Kejadian Curas di Kabupaten Bekasi Viyan Qomarudin Noor; Anggi Muhammad Rifa'i; Nanang Tedi Kurniadi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66501

Abstract

Kabupaten Bekasi merupakan wilayah dengan intensitas aktivitas ekonomi yang tinggi, namun rawan terhadap tindak kriminalitas seperti pencurian dengan kekerasan (curas) yang berdampak pada ketidaknyamanan dan kekhawatiran masyarakat. Penelitian ini bertujuan untuk mengelompokkan waktu kejadian curas guna mengidentifikasi jam-jam rawan kriminalitas. Data yang digunakan berasal dari Polres Kabupaten Bekasi sebanyak 25 entri dan dianalisis menggunakan algoritma K-Means Clustering. Hasil menunjukkan bahwa data terbagi menjadi dua cluster waktu, yaitu malam hari (21.00–23.59) dan dini hari (00.00–05.00), dengan nilai Silhouette Score sebesar 0.4795, Davies-Bouldin Index 0.5922, dan Calinski-Harabasz Index 52.3170. Visualisasi dilakukan menggunakan Folium dengan penambahan pop-up interaktif. Hasil ini dapat digunakan oleh pihak kepolisian atau dinas terkait sebagai acuan dalam menyusun jadwal patroli malam yang lebih efisien dan berbasis data.
Co-Authors Alvian S. Pratama Anggi Muhammad Rifa'i Choky Andriano Fadli Ramadan Nanang Tedi Kurniadi