Implementasi algoritma Convolutional Neural Network (CNN) pada aplikasi Chatbot Haji dan Umrah

Aditia, Muhammad Rizki (2021) Implementasi algoritma Convolutional Neural Network (CNN) pada aplikasi Chatbot Haji dan Umrah. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (61kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (27kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (200kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (171kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (382kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (665kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (25kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (185kB) | Request a copy

Abstract

Haji dan umrah merupakan kewajiban bagi setiap muslim yang mampu. Dilansir dari Okezone.com, Pada tahun 2018 jumlah jemaah haji mencapai 203.351 orang dan di tahun 2019 Indonesia memberangkatkan 221.000 orang. Menurut data Kemenag daftar tunggu haji pada tahun 2019 mencapai 4,34 juta jiwa jumlah ini akan terus bertambah pada setiap tahunya. Dalam Pelaksanaannya beberapa jemaah masih membutuhkan bantuan baik dari segi pelaksanaan maupun informasi yang dibutuhkan selama ibadah haji dan umrah. Teknologi yang dapat dimanfaatkan sebagai media informasi salah satunya adalah Chatbot. Penelitian ini menggunakan algoritma Convolutional Neural Network sebagai intent classifier untuk mengklasifikasi maksud dari pertanyaan yang diajukan oleh user. Convolutional Neural Network merupakan algoritma Deep Learning yang dapat mengambil data masukan, menetapkan bobot dan bias yang dapat dipelajari ke berbagai objek dalam data, dan membedakan satu dari yang lain. Pengujian dilakukan memakai parameter pembagian dataset dan jumlah epoch yang digunakan. Akurasi terbaik didapatkan dengan membagi dataset menjadi 80% data training sebanyak 289 data dan 20% data testing sebanyak 73 data menggunakan epoch 40 dan mendapatkan hasil akurasi sebesar 93.1%.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Chatbot; CNN; Deep Learning; Haji; Umrah;
Subjects: Data Processing, Computer Science > Computer Science Education
Data Processing, Computer Science > Computer and Human
Data Processing, Computer Science > Computer Communications Networks
Applied Physics > Computer Engineering
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Muhammad Rizki Aditia
Date Deposited: 27 Jan 2022 00:46
Last Modified: 27 Jan 2022 00:46
URI: https://digilib.uinsgd.ac.id/id/eprint/48380

Actions (login required)

View Item View Item