Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) SAINTEK
Ade Maulani Bilgis
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Industrial & Manufacturing Engineering

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

Found 3 Documents
Search

 1 
Pengembangan Chatbot Rekomendasi Resep Masakan Ayam Khas Indonesia dengan Metode TF-IDF dan Cosine Similarity Silvia Delya Heryan; Ade Maulani Bilgis; Savariana Rika Anugrahaini
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

Pengembangan chatbot rekomendasi resep masakan ayam khas Indonesia dengan metode TF-IDF danCosine Similarity. Bertujuan untuk mengimplementasikan model term frequency-inverse documentfrequency (TF-IDF) dan algoritma Cosine Similarity dalam pengembangan chatbot yang dapatmemberikan rekomendasi resep ayam khas Indonesia. Chatbot ini dirancang untuk meningkatkanpengalaman pengguna dalam mencari informasi resep yang relevan dan akurat. Dengan menggunakanmetode TF-IDF, chatbot dapat menghitung bobot dari setiap kata dalam dokumen resep, sehingga dapatmengidentifikasi kata kunci yang paling dan relevan untuk pertanyaan pengguna. Selain itu, pada algoritmacosine similarity digunakan untuk mengukur kesamaan antara pertanyaan pengguna dan dokumen resepyang ada, memungkinkan chatbot untuk memberikan rekomendasi yang lebih tepat dan sesuai denganpreferensi pengguna. Implementasi kedua teknik ini diharapkan meningkatkan efisiensi dan akurasichatbot dalam memberikan informasi yang dibutuhkan, serta meningkatkan kepuasaan pengguna dalammencari resep ayam khas Indonesia. hasil evaluasi menunjukkan bahwa performa chatbot dalam mengenaliintent pengguna menghasilkan nilai accuracy sebesar 0.643, sementara pada pengenalan entity, chatbotmenunjukkan performa yang lebih baik dengan hasil accuracy sebesar 0.857. Studi ini berkontribusi padapengembangan teknologi chatbot di bidang kuliner, dengan potensi untuk meningkatkan efisiensipencarian informasi mengenai resep ayam khas Indonesia.
Pengembangan Chatbot Rekomendasi Resep Masakan Ayam Khas Indonesia dengan Metode TF-IDF dan Cosine Similarity Silvia Delya Heryani; Ade Maulani Bilgis; Fitri Yani; Savariana Rika Anugrahaini
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

Pengembangan chatbot rekomendasi resep masakan ayam khas Indonesia dengan metode TF-IDF dan Cosine Similarity. Bertujuan untuk mengimplementasikan model term frequency-inverse document frequency (TF-IDF) dan algoritma Cosine Similarity dalam pengembangan chatbot yang dapat memberikan rekomendasi resep ayam khas Indonesia. Chatbot ini dirancang untuk meningkatkan pengalaman pengguna dalam mencari informasi resep yang relevan dan akurat. Dengan menggunakan metode TF-IDF, chatbot dapat menghitung bobot dari setiap kata dalam dokumen resep, sehingga dapat mengidentifikasi kata kunci yang paling dan relevan untuk pertanyaan pengguna. Selain itu, pada algoritma cosine similarity digunakan untuk mengukur kesamaan antara pertanyaan pengguna dan dokumen resep yang ada, memungkinkan chatbot untuk memberikan rekomendasi yang lebih tepat dan sesuai dengan preferensi pengguna. Implementasi kedua teknik ini diharapkan meningkatkan efisiensi dan akurasi chatbot dalam memberikan informasi yang dibutuhkan, serta meningkatkan kepuasaan pengguna dalam mencari resep ayam khas Indonesia. hasil evaluasi menunjukkan bahwa performa chatbot dalam mengenali intent pengguna menghasilkan nilai akurasi sebesar 0.643, sementara pada pengenalan entity, chatbot menunjukkan performa yang lebih baik dengan hasil akurasi sebesar 0.857. Studi ini berkontribusi pada pengembangan teknologi chatbot di bidang kuliner, dengan potensi untuk meningkatkan efisiensi pencarian informasi mengenai resep ayam khas Indonesia.
Penerapan Deep Learning Berbasis DenseNet Untuk Deteksi Diabetic Retinopathy Pada Citra Fundus Mata Ade Maulani Bilgis; Nurhadi Surojudin; Ahmad Fauzi
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.v10i2.66507

Abstract

Deteksi dini diabetic retinopathy sangat penting untuk mencegah komplikasi pada penglihatan, termasuk kebutaan permanen. Namun, proses diagnosis secara manual menggunakan citra fundus memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis densenet yang di fine-tune untuk mendeteksi diabetic retinopathy secara otomatis dari citra fundus mata. Dengan dataset sebesar 2.840 gambar yang terbagi ke dalam dua kelas yaitu DR dan NO_DR. Model dilatih menggunakan proses preprocessing dan augmentasi data, dengan hasil evaluasi yang menunjukkan bahwa model mencapai akurasi sebesar 96% pada dua kelas yang seimbang, dan AUC 0.99. Hal itu mencerminkan kemampuan klasifikasi yang sangat baik serta sensitivitas ynag tinggi, nilai recall yang tinggi mengindikasikan bahwa model mampu mengenali sebagian besar pasien yang mengalami DR. Penelitian ini menunjukkan bahwa densenet dengan fine-tune dapat menghasilkan model deteksi yang akurat dan berpotensi untuk membantu diagnosis dini diabetic retinopathy.   
Co-Authors Ahmad Fauzi Fitri Yani Nurhadi Surojudin Savariana Rika Anugrahaini Silvia Delya Heryan Silvia Delya Heryani