Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB SAINTEK
Bhagas Shaib Pramono
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Penerapan TF-IDF dan Cosine Similarity dalam Chatbot Virtual Asisten: Studi Kasus Layanan Informasi Pendaftaran Sekolah Menengah Pertama Bhagas Shaib Pramono; Muhammad Alwi Nur Fathihah; Muhammad Azizul Dzikri3; Maulana Cakra Dwi Noto
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

Sistem chatbot pendaftaran sekolah ini menggunakan teknologi AI berbasis Natural Language Processing (NLP) untuk mengotomatisasi layanan informasi pendaftaran. Dibangun dengan Flask dan scikit-learn, sistem ini mengolah teks pengguna dengan algoritma TF-IDF dan Cosine Similarity untuk mencocokkan pertanyaan dengan basis pengetahuan. Proses dimulai dengan preprocessing teks, diikuti dengan vektorisasi untuk representasi numerik dan perhitungan kesamaan semantik. Chatbot ini dapat menyesuaikan respons berdasarkan intent pengguna, dengan threshold similaritas 0.3. Fitur tambahan termasuk kemampuan menambah data QA secara dinamis, evaluasi performa, integrasi Telegram, dan antarmuka web untuk manajemen, hasil akurasi test case mendapatkan nilai 94.94%. Sistem ini tidak hanya
Analisis Sentimen Terhadap Ulasan Pengguna Gopay: Studi Perbandingan Algoritma Support Vector Machine Dan Naive Bayes Hemdani Rahendra Herlianto; Bhagas Shaib Pramono
Jurnal SIGMA Vol 15 No 2 (2024): September 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i2.7324

Abstract

Penelitian ini bertujuan menganalisis sentimen ulasan pengguna GoPay serta membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM). Data sebanyak 500 ulasan berbahasa Indonesia dikumpulkan secara otomatis dari Google Play Store menggunakan google-play-scraper. Data melalui tahapan pra-pemrosesan meliputi pembersihan teks, case folding, stopword removal, stemming, dan translasi ke bahasa Inggris. Pelabelan sentimen dilakukan menggunakan TextBlob dan menghasilkan tiga kelas: positif, netral, dan negatif. Untuk mengatasi ketidakseimbangan kelas, dilakukan augmentasi pada data minoritas. Fitur diekstraksi menggunakan TF-IDF dan data dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi 0,94, lebih tinggi dibandingkan Naïve Bayes sebesar 0,88. Selain itu, SVM juga menunjukkan nilai precision, recall, dan F1-score yang lebih konsisten. Dengan demikian, SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna GoPay.
Co-Authors Hemdani Rahendra Herlianto Maulana Cakra Dwi Noto Muhammad Alwi Nur Fathihah Muhammad Azizul Dzikri3