Claim Missing Document
Check
Articles

Found 2 Documents
Search

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 Teknik Natural Language Processing dan Algoritma Random Forest Untuk Deteksi Dini Depresi Pada Unggahan Pengguna Media Sosial X Dedi Afandy; Silvia Delya Heryani
Jurnal SIGMA Vol 16 No 1 (2025): Juni 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i1.7326

Abstract

Kesehatan mental merupakan isu global yang semakin mendapat perhatian karena dampaknya yang signifikan terhadap individu dan masyarakat. Gangguan kesehatan mental, termasuk depresi, telah menjadi salah satu penyebab utama penurunan kualitas hidup dan produktivitas. Penelitian ini bertujuan untuk membangun model deteksi dini depresi berdasarkan unggahan media sosial X dengan pendekatan Natural Language Processsing (NLP) dan algoritma Random Forest. Data dikumpulkan berdasarkan kata kunci dari indikator PHQ-9, kemudian diseleksi, diberi label, diproses melalui tahap preprocessing, dan diekstraksi fiturnya menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model dikembangkan untuk mengklasifikasikan tiga tingkat depresi, yaitu ringan, sedang, dan berat, dengan pembagian data latih dan uji menggunakan rasio 80:20. Hasil evaluasi model menunjukkan akurasi sebesar 97% dengan nilai F1-Score masing-masing sebesar 0.97 untuk depresi ringan, 0.96 untuk depresi sedang, dan 0.96 untuk depresi berat. Hasil ini menujukkan bahwa metode yang diterapkan mampu mendeteksi gejala depresi secara efektif melalui analisis teks pada unggahan media sosial X.