Aditia, Muhammad Rizki (2021) Implementasi algoritma Convolutional Neural Network (CNN) pada aplikasi Chatbot Haji dan Umrah. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (61kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (27kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (200kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (171kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (382kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (665kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (25kB) | Request a copy |
|
|
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://etheses.uinsgd.ac.id/id/eprint/48380 |
Actions (login required)
 |
View Item |
