Oratorid,Palembang-Kota Palembang tengah menerapkan PPKM level 4 dengan Surat Edaran Pemerintah Kota Palembang No 29/SE/DINKES/2021. Dengan aturan itu, operasional mal hingga pukul 20.00 WIB, dan yang boleh buka hanya gerai essential saja. Hal ini membuat para pengelola dan pemilik gerai merasa keberatan. Bahkan, informasi ini telah tersebar ke
Guardian Pharmacy Health & Beauty merupakan satu satunya perusahaan retail pharmacy bertaraf internasional di Indonesia yang telah beredar di beberapa Negara seperti China dan Hongkong dengan nama Manning, di Singapura, Malaysia, Thailand dan Indonesia dengan nama Guardian di India dengan nama Health and Glow dan Korea dengan nama Olive and Young. Sampai saat ini Guardian Pharmacy Health & Beauty adalah satu satunya perusahaan ritel farmasi yang tidak hanya berfokus pada kesehatan saja namun juga sangat berfokus kepada kecantikan luar dan dalam melalui produk-produk farmasi, kesehatan dan kecantikan, karena mereka percaya bahwa kecantikan sejati tidak hanya mengenakan make-up. Guardian Pharmacy Health & Beauty berusaha untuk memenuhi kebutuhan hidup yang sehat. Sejak tahun 1990 Guardian Pharmacy Health & Beauty telah menjadi sebuah ritel farmasi terdepan di Indonesia. Sampai tahun 2008 Guardian Pharmacy Health & Beauty telah membuka 178 cabang yang tersebar di seluruh Indonesia dibawah manajemen PT Hero Supermarket Tbk. Promo Guardian Promosi merupakan sebuah cara yang biasa dilakukan oleh produsen untuk menjaring minat konsumen agar membeli produk mereka. Hal ini juga yang dilakukan oleh Guardian Health and Beauty agar konsumen tetap setia. Guardian Health and Beauty memiliki beberapa macam promosi yang dilakukan untuk menarik pelanggannya. Guardian cenderung melakukan promosi yang bersifat simple dan mudah dimengerti agar mudah diingat oleh konsumen Salah satu promosi unik yang dilakukan Guardian yaitu dilakukan pada setiap Minggunya yaitu promo guardian tambah 1000 dapat 2 dan promo 1 day special yang memberikan pilihan produk kesehatan dan kecantikan dengan harga yang kompetitif, disamping itu kami memiliki produk eksklusif yang beragam. Promo mingguan ini juga merupakan promo yang paling ditunggu-tunggu oleh konsumen karena kita bisa sangat – sangat berhemat dengan memanfaatkan promo ini. Sebagai pembeli tentunya kita harus berlaku pintar. Hal yang perlu dilakukan pertama kali yaitu memperhatikan katalog apakah ada bintang kecil yang menyatakan syarat dan ketentuan yang berlaku, dan ternyata memang ada. Namun Guardian yang berlaku cukup adil, toko ini mencantumkan tulisan syarat tepat setelah tulisan program promosi mereka, tanpa menggunakan bintang kecil melainkan menggunakan kurung buka-tutup dan dicetak dengan tulisan yang sama besarnya dengan tulisan promosi dengan tulisannya sebagai berikut “Cuma Tambah Anda Dapat 2 Pcs dengan belanja apa saja terlebih dahulu” Item yang akan dibeli juga tidak ada ketentuan, artinya untuk mendapatkan promo, bisa dengan membeli produk apapun dengan harga berapapun. Walaupun diberi discount yang cukup besar ternyata produk-produk tersebut merupakan produk normal yang tidak memiliki cacat dan memiliki waktu kedaluarsa yang masih panjang. Untuk produk discount dan harga khusus anda dapat melihatnya pada katalog bulanan, sedangkan promosi “Tambah 1000 Dapat Dua” merupakan program mingguan. Informasi seputar promo yang dilakukan oleh Guardian bisa dilihat di website atau di halaman official facebook Guardian. Selain itu, Guardian juga memiliki fasilitasi berlangganan newsletter, sehingga anda tidak perlu khawatir akan ketinggalan promonya. Kerja Sama dengan Bank Permata Guardian adalah sebuah perusahaan asing yang menanamkan pasar modalnya di Indonesia. Namun berbeda dengan perusahaan asing lainnya, sampai dengan saat ini Guardian tidak menyediakan kerjasama franchise. Seperti selayaknya toko obat Guardian menerima resep dokter namun sayangnya fasilitas ini hanya terdapat pada outlet-outlet tertentu. Saat ini Guardian belum memiliki member card, sementara ini Group corporate kami menyediakan kartu Permata Hero Card yang bekerjasama dengan Bank Permata dengan banyak benefit khusus untuk customer kami. Jenis Produk yang Dijual Secara garis besar produk yang dijual oleh Guardian dibagi menjadi 4 kategori, yaitu Health Care, Beauty Care, Personal Care, dan Mother & Baby. Selain itu Guardians juga menjual produk kesehatan dan obat – obatan dengan merek dagang Guardian. Produk yang ditawarkan Guardian bukan hanya produk yang berada di pasaran, tetapi Guardian juga memiliki produk eksklusif yang unik dan tidak dimiliki oleh pesaing serta produk tersebut merupakan produk impor yang kualitasnya sangat terjamin. Agar dapat bertahan di dunia bisnis, Guardian melakukan diferensiasi pada produk yang ditawarkan agar Guardian memiliki ciri khas yang membedakan ia dengan pesaingnya. Diferensiasi produk yang dilakukan oleh Guardian adalah a. Guardian Executive Product Guardian Executive Product adalah produk yang hanya tersedia di Guardian dan tidak dimiliki oleh para pesaing. Contohnya yaitu produk kesehatan dengan merek dagang Guardian. b. Guardian Mass Product Guardian Mass Product adalah produk yang ditawarkan oleh Guardian yang bersifat umum atau masal yang berada di pasaran. Contohnya yaitu barang dagang dengan merek yang sudah banyak dikenal masyarakat. Kelebihan dan Kekurangan Dibanding Kompetitor Guardian merupakan ritel farmasi, kosmetik, dan kecantikan brand internasional. Kalau kita perhatian, Guardian selalu berada di lokasi strategis seperti mal atau pertokoan sehingga hingga konsumen dapat mengunjunginya sembari bersantai, rekreasi bersama keluarga. Dari mulai produk kosmetik hingga obat-obatan tersedia di Guardian. Selain itu konsumen juga mendapatkan layanan tembahan seperti konsultasi kesehatan dan perawatan rambut, perawatan dan monitoring kesehatan kulit, serta program customer health center monitoring. Kelemahan yang dimiliki Guardian Health and Beauty adalah ia tidak bisa membuka cabang tokonya di sembarang tempat. Hal ini mungkin dikarenakan Guardian tidak terbukanya franchise. Hampir semua gerai Guardian berada di dalam mall, sehingga masyarakat susah untuk berbelanja dan menjadikan Guardian kurang dikenal oleh masyarakat luas. Guardian sendiri memiliki segmen dan target pasar khusus dan produknya tidak di konsumsi oleh seluruh masyarakat Indonesia, maka Guardian hanya dapat membuka cabang di beberapa tempat yang masyarakatnya merupakan target dari Guardian. Oleh karena itu, Guardian terbilang cukup lamban dalam memperbanyak cabang toko. Kompetitor Masyarakat saat ini sudah mulai sadar tentang kebutuhan kesehatan dan gaya hidup yang lebih sehat. Hal ini pula yang mendorong pertumbuhan drug store di Indonesia. Sebut saja K-24, Watson, Century, Apotek Kimia Farma, dan lainnya. Semakin menjamurnya drug store ini tentu saja menambah deretan kompetitor bagi Guardian. Meskipun demikian, Guardian memiliki segmentasi pasar sendiri, yang berbeda dengan kompetitornya. Sama halnya dengan drug store lainnya, Guardian juga memiliki beberapa tanggapan dari konsumennya. Beberapa diantaranya memiliki pengalaman yang menyenangkan saat berbelanja di Guardian. Rata – rata dari mereka merasa senang dengan promo yang diberikan, barang yang berkualitas, dan fasilitas tambahan lainnya. Namun ada juga beberapa konsumen yang masih merasa kurang senang. Banyak hal yang membuat mereka kurang puas dengan Guardian, bisa karena tidak sama harga yang ada di katalog dengan yang ada di gerai, tidak tersedianya barang promo, dan bisa juga dikarenakan pelayanan SPG di Guardian yang kurang ramah kepada pengunjung, terutama yang datang untuk membeli barang promo. TVC Guadian
Selainitu, istimewanya Safi Shayla Botanical Silk ini ialah adalah ianya focus untuk memelihara rambut dari akar umbi hingga ke hujung rambut dan dipercayai 100% dari bahan Botanical Aktif dan 0 parabens. Apa yang membuatkan khaty jatuh hati dengan Safi Shayla Botanical Silk nie, keharumannya kekal sehingga 48 jam. - Jika Anda menyukai atau pernah menonton serial After Life, tentu familier dengan surat kabar Tambury Gazette yang menjadi bagian plot ceritanya. Tambury Gazette merupakan surat kabar lokal yang beredar secara gratis dan selalu mengangkat keunikan komunitasnya. Di kehidupan nyata pun, kerja surat kabar lokal pun tak jauh beda dari gambaran dalam serial itu. Biasanya, selain mengangkat keunikan masyarakat, surat kabar lokal juga menjadi corong aspirasi politik dan sosial masyarakat. Pada awal abad ke-19, warga Kota Manchester, Inggris, memiliki surat kabar Manchester Observer. Namun, surat kabar itu terpaksa berhenti terbit karena dianggap terlalu vokal dalam pemberitaan terkait peristiwa Pembantaian Peterloo pada 16 Agustus 1819. Kala itu, iklim sosial politik Inggris sedang menghangat oleh gerakan menuntut reformasi parlemen. Dianggap terlalu radikal, Pemerintah Inggris pun membredel Manchester Observer. Pada 1821, sekira dua tahun usai pembredelan itu, seorang pengusaha konveksi bernama John Edward Taylor berinisiatif memulai penerbitan surat kabar lokal yang baru. Taylor adalah seorang reformis moderat pada mulanya. Ketika Pembantaian Peterloo terjadi, dia juga tengah berada di sana dan menyaksikannya. Kejadian mengerikan itu meradikalisasi pandangan politik Taylor kemudian. Seiring dengan gerakan reformasi sosial yang terus bergulir, Taylor sangat percaya bahwa publik membutuhkan pemberitaan yang seimbang, jujur, dan teliti. Dengan bantuan dari kawan pengusaha yang berhimpun dalam Little Circle dan modal £ Taylor mendirikan The Manchester Guardian. Selain itu, dalam mempersiapkan penerbitan korannya, Taylor juga dapat bantuan dari Jeremiah Garnett yang punya keahlian dalam bidang percetakan. Edisi pertama The Manchester Guardian terbit pertama kali pada Sabtu, 5 Mei 1821. Kini, surat kabar itu telah bertansformasi menjadi The Guardian. Jadi, jika berpatokan pada tarikh pendirian itu, The Guardian telah eksis selama 200 tahun pada minggu lalu. Garnett lalu diplot menjadi editor pertama The Manchester Guardian. Untuk menjalankan kerja redaksi dan penerbitan, mereka menyewa sebuah ruang kantor di Market Street, tepat di jantung kota Manchester. Semula The Manchester Guardian terbit seminggu sekali dengan empat halaman per edisi. Oplah awalnya juga hanya 1000 eksemplar. Harganya tergolong mahal untuk ukuran pendatang baru, yaitu 7 pence—kira-kira senilai £2 dengan kurs hari ini. Hanya warga kelas ekonomi menengah ke atas-lah yang bisa mendapatkannya. Tapi, bukan berarti seluruh keuntungan penjualannya masuk kantong manajemen. Pasalnya, The Manchester Guardian wajib menyetor 4 pence per eksemplar kepada pemerintah sebagai pelunasan Stamp Duty—pajak untuk dokumen-dokumen legal. Ketika Stamp Duty dihapus pada 1855, barulah The Manchester Guardian bisa menurunkan harganya menjadi lebih terjangkau, sekira 2 pence Jurnalisme dan Politik “Surat kabar lokal adalah suara dari keprihatinan pembaca. Karena alasan inilah, surat kabar lokal mulai dianggap sebagai penyambung aspirasi yang halus bagi komunitas mereka,” tulis John Hill dalam bukunya The British Newspaper Industry 2016. Edisi-edisi perdananya The Manchester Guardian menampilkan berita-berita advertorial, seperti penemuan anjing peliharaan yang hilang, pemasaran alat kesehatan, sampai promosi menu vegetarian. Semua itu muncul di halaman pertama sejak edisi perdana hingga 1952. Meski begitu, The Manchester Guardian sudah sangat politis sejak awal. Sebuah artikel utama yang muncul pada 1823, misalnya, memperlihatkan perlawanan surat kabar ini terhadap pakta perdagangan budak 1807. Selain itu, redaksi juga mendorong berlakunya sistem perdagangan bebas. Taylor sendiri punya komitmen yang jelas terhadap jurnalisme dan politik. Dalam naskah prospektus pendirian The Manchester Guardian, Taylor menulis, “Dalam sejarah negara kita, baru kali ini banyak pertanyaan yang lebih penting ketimbang apa yang diklaim sebagai perhatian publik. Oleh karena itu surat kabar ini akan menjadi media diskusi politik yang sangat terbuka dan disertai dengan detail fakta yang akurat”. Meski begitu, The Manchester Guardian baru dikenal luas dalam skala nasional ketika Charles Prestwich Scott menjadi editornya. Scott bergabung dengan The Manchester Guardian pada 1871 dan diplot sebagai editor setahun kemudian. Dia memegang jabatan itu cukup lama, hingga 1929. Selama jadi editor, Scoot membuat kebijakan-kebijakan yang menjadikan korannya sebagai salah satu media yang dihormati. Dia juga merekrut banyak jurnalis berpengaruh di Inggris untuk memperkuat redaksi. Terkait peran Scott, Encyclopaedia Britannica menulis, “Dia menuntut kualitas tulisan yang cermat dan bersikeras agar korannya menyajikan berita dengan jujur dan adil. Dia pernah mengatakan, Komentar itu gratis, tetapi fakta itu suci.’” Di bawah kepemimpinannya, The Manchester Guardian menjadi makin liberal. Koran ini tak ragu menentang arus, salah satunya soal dukungannya atas Irish Home Rule pada 1886. Scott secara pribadi mendukung William Gladstone ketika terjadi perpecahan dalam Partai Liberal Inggris. Mereka juga melawan opini umum ketika terang-terangan menentang Perang Boer di Afrika Selatan. Pada 1905, Scott membeli kepemilikan The Manchester Guardian. Infografik 200 Tahun The Guardian. Momen Satu Abad Pemimpin redaksi Katharine Viner dalam esai peringatan 200 tahun The Guardian menyebut, medianya punya tujuan lebih besar daripada sekadar profit. Itu adalah pernyataan klise yang bisa juga diaku oleh surat kabar lain. Namun, The Guardian berani mendaku bahwa mereka telah memegang nilai itu sejak awal pendirian. Dalam esainya, Viner kembali mengulang kata-kata Scott kala memperingati seabad The Manchester Guardian. “Sebuah surat kabar selalu memiliki dua sisi. Di satu sisi, ia adalah bisnis, seperti yang lainnya. Tapi, ia lebih dari sekedar bisnis biasa karena ia adalah sebuah institusi yang mencerminkan dan mempengaruhi kehidupan seluruh komunitas. Oleh karena itu, ia punya kompas moral,” tutur Scott. Apa yang diomongkan Scott itu pun sebenarnya sudah menjadi komitmen John Edward Taylor saat pertama kali mendirikan The Manchester Guardian. Ia didirikan sebagai reaksi atas Pembantaian Peterloo, untuk memberikan “pendidikan” politik kepada publik. Seiring dengan itu, bisnis pun berjalan dengan memanfaatkan peningkatan minat masyarakat atas isu-isu sosial dan politik. Scott tidak main-main dengan pernyataannya. Lulusan Universitas Oxford itu membuktikan diri dengan mencurahkan begitu banyak tenaga dan waktu dalam karier profesionalnya untuk membangun surat kabar itu. Lama kerja Scott bahkan melebihi setengah usianya karena ia jadi editor selama 57 tahun. Karier panjang Scott yang dikenal sebagai pendukung golongan liberal itu sukses membawa The Manchester Guardian menjadi salah satu surat kabar paling prestisius di dunia. “Scott-lah yang membentuk media ini hingga seperti yang kita kenal hari ini. Scott menanamkan bahwa nilai-nilai The Guardian adalah kejujuran, integritas, keberanian, keadilan, rasa tanggung jawab kepada pembaca dan komunitas. Dia juga menekankan bahwa The Guardian harus dipimpin secara editorial dan jurnalis harus bebas dari komersialisasi atau intervensi politik,” tulis Viner. Jika menilik sejarah koran ini, itu bukanlah isapan jempol belaka. Sebelum Scott menjadi editor, berkat tim editorial yang solid, The Manchester Guardian berhasil meningkatkan oplahnya secara bertahap. Dari semula eksemplar lalu menjadi eksemplar hingga kemudian mencapai eksemplar pada 1850-an. Ketika Scott bergabung, oplah koran ini mencapai angka eksemplar pada 1940-an. Pada 1980-an, oplah koran ini bahkan menyentuh angka setengah juta eksemplar. Bertahan di Tengah Badai Scott wafat pada Januari 1932. Setelah itu, kendali The Manchester Guardian diteruskan oleh dua anaknya, John Russell Scott dan Edward Taylor Scott. Keduanya sudah terlibat aktif dalam bisnis koran itu sejak sang ayah memutuskan untuk menarik diri dari aktivitas editorial sekira 1929. John mulanya didaulat sebagai manajer dan Edward sebagai editor. Demi menjaga kemandirian korannya, keduanya lalu membuat kesepakatan penting. “Menyadari bahwa kemandirian korannya di masa depan akan terancam jika salah satu dari mereka meninggal, John dan Edward sepakat bahwa jika salah satu dari mereka meninggal, yang satu akan membeli saham yang lain,” tulis The Guardian. Tapi, John tak lama pegang kemudi. Dia kehilangan semangat karena Edward meninggal beberapa bulan setelah sang ayah mangkat. Sesuai kesepakatan, John pun mengambilalih sepenuhnya The Manchester Guardian. Masalahnya, John tak hanya dibebani The Manchester Guardian saja. Dia juga dituntut menjaga profit besar Manchester Evening News yang dibeli keluarganya pada 1924. Dia tak bisa lepas tangan begitu saja karena dua surat kabar itu telah memiliki komunitas pembaca yang begitu luas dan mempekerjakan banyak karyawan. John Scott akhirnya menempuh langkah kontroversial. Dia memutuskan untuk melepas kepemilikannya atas kedua surat kabar yang berada di bawah naungan Guardian Media Group itu. Langkah John itu sempat mengundang komentar dari Gavin Simonds, orang dekat John yang belakangan menjadi Lord Chancellor. “Keputusan anda adalah keputusan yang sangat aneh dan tidak masuk akal dalam logika berpikir orang Inggris. Bagaimana mungkin Anda melepaskan diri anda dari hak milik,” kata Simonds seperti dilansir The Guardian. Pada 1936, John secara resmi menyerahkan kepemilikannya kepada Scott Trust. Institusi itulah yang kemudian menjaga The Manchester Guardian tetap menjalankan prinsip dan tradisi jurnalismenya yang sudah berjalan lebih dari seratus tahun. Meski begitu, keluarga Scott tetap ikut aktif menjalankan perusahaannya hingga 1984. Melepas hak kepemilikan bukan cuma satu-satunya kontroversi yang mengiringi perjalanan The Manchester Guardian. Pada 1944, Wadsworth dipercaya memimpin editorial koran itu. Namun, publik kemudian menganggap kepemimpinan Wadsworth justru membuat koran itu kehilangan karakter. Banyak orang mengeluh kualitas penerbitan The Manchester Guardian menurun. Dari jumlah halaman yang sangat terbatas, kualitas cetak yang buruk, hingga kecurigaan adanya agenda berita yang aneh. Pada 1959, The Manchester Guardian mengubah namanya menjadi The Guardian. Lalu, pada 1964, kantor redaksinya pindah ke London. Kemudian, koran ini mulai mengalami masalah finansial yang pelik. The Guardian sampai harus mengandalkan Manchester Evening News untuk dukungan keuangan. Manajemen The Guardian sempat menjajaki kemungkinan merger dengan The Times untuk mengatasi masalah keuangan itu. Namun, langkah itu tidak menghasilkan apa-apa pada akhirnya. Pada 1976, kantor The Guardian pindah sepenuhnya ke London. Kondisi bisnis pun mulai membaik dan perlahan mereka mulai kembali pada “tradisinya” sebagai koran kritis. Dalam iklim politik yang semakin terpolarisasi pada akhir 1970-an dan awal 1980-an, The Guardian memposisikan diri sebagai corong suara kaum kiri yang teguh. - Sosial Budaya Penulis Tyson TirtaEditor Fadrik Aziz Firdausi SolusiEnd-to-End Terlengkap. untuk Bisnis Online di Indonesia. Tingkatkan penjualan pakai fitur-fitur canggih TokoTalk. Sambungkan toko online dengan akun marketplace dan media sosial. Tersedia integrasi kurir, payment gateway, digital ads, hingga 100++ template desain website premium siap pakai.
Dalam makalah ini disampaikan sebuah hasil penelitian dengan memanfaatkan teknologi dari IBM, yaitu Watson Assistant. Watson Assistant digunakan untuk membuat chatbot terkait proses akademik. Analisis dan pengumpulan data dilakukan dengan berbasiskan skenario. Data-data tersebut dibuat ke dalam sebuah graph search. Watson Assistant akan menentukan node dengan nilai kepercayaan tertinggi untuk diberikan sebagai jawaban. Skenario percakapan yang ditanamkan dalam chatbot ini telah diimplementasikan ke dalam bentuk laman web, Facebook Messenger, dan Slack untuk membantu interaksi antara pihak fakultas dengan mahasiswa. Chatbot berperan pula sebagai sistem pendamping forum tanya jawab di dalam course learning system CLS untuk pertanyaan-pertanyaan rutin. Berdasarkan hasil uji coba, chatbot berbasis skenario telah dapat menjawab kebutuhan dasar mahasiswa untuk bertanya seputar hal akademis, sebagaimana tercantum dalam buku panduan, khususnya untuk proses perwalian dan deskripsi mata kuliah. Discover the world's research25+ million members160+ million publication billion citationsJoin for free JEPIN Jurnal Edukasi dan Penelitian Informatika ISSNe 2548-9364 / ISSNp 2460-0741 Vol. 6 No. 2 Agustus 2020 Submitted 23-05-2020; Revised 19-07-2020; Accepted 21-07-2020 Implementasi Sistem Tanya Jawab Berbasis Skenario untuk Mendukung Proses Akademik dengan IBM Watson Assistant Bryan Wijaya1, Hapnes Toba2 Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Suria Sumantri No. 65 Bandung 40164, Jawa Barat, Indonesia 2hapnestoba Abstrak— Dalam makalah ini disampaikan sebuah hasil penelitian dengan memanfaatkan teknologi dari IBM, yaitu Watson Assistant. Watson Assistant digunakan untuk membuat chatbot terkait proses akademik. Analisis dan pengumpulan data dilakukan dengan berbasiskan skenario. Data-data tersebut dibuat ke dalam sebuah graph search. Watson Assistant akan menentukan node dengan nilai kepercayaan tertinggi untuk diberikan sebagai jawaban. Skenario percakapan yang ditanamkan dalam chatbot ini telah diimplementasikan ke dalam bentuk laman web, Facebook Messenger, dan Slack untuk membantu interaksi antara pihak fakultas dengan mahasiswa. Chatbot berperan pula sebagai sistem pendamping forum tanya jawab di dalam course learning system CLS untuk pertanyaan-pertanyaan rutin. Berdasarkan hasil uji coba, chatbot berbasis skenario telah dapat menjawab kebutuhan dasar mahasiswa untuk bertanya seputar hal akademis, sebagaimana tercantum dalam buku panduan, khususnya untuk proses perwalian dan deskripsi mata kuliah. Kata kunci— belief engine, chatbot, google translate, sistem tanya jawab, watson assistant Abstract— Watson Assistant is a technology offered by IBM which could be implemented as chatbot to answer questions from users. Watson Assistant requires data in its learning. The data processing is based on scenarios. The data is stored into nodes in the form of assertion graph. In every node the value of confidence will be calculated, therefore Watson Assistant will determine the highest value of confidence to be given as an answer. Our research has successfully implemented the integration of Watson Assistant in the faculty website, Facebook Messenger, and Slack to support students’ activities, especially in academic processes. The chatbot has also shown its ability as a supporting tool for the regular forum question answering activities in course learning system CLS. Keywords— belief engine, chatbot, google translate, question answering system, watson assistant I. PENDAHULUAN Proses akademik terkadang menjadi sebuah hal yang cukup kompleks bagi beberapa mahasiswa/i, contohnya pada saat perwalian. Seringkali pada saat mahasiswa/i tersebut membutuhkan arahan dari dosen terdapat beberapa kendala. Misalnya, ketika mahasiswa/i ingin memperoleh panduan mata kuliah yang harus diambil dalam perencanaan studi dan dosen sedang tidak berada di tempat, maka informasi tidak dapat diperoleh secara cepat dan menghambat proses selanjutnya. Di sisi lain, berbagai perkembangan ilmu dan teknologi menghadirkan berbagai alternatif baru yang memungkinkan kemudahan dalam berinteraksi [1]. Salah satunya adalah alternatif untuk mengotomatiskan sebuah proses percakapan sehingga dapat mempercepat kinerja [2]. Terkait dengan hal itulah maka dalam penelitian ini diangkat sebuah rumusan masalah, yaitu bagaimana menghasilkan sebuah sistem yang dapat menjawab pertanyaan-pertanyaan mendasar dari mahasiswa/i untuk mendukung proses akademik secara cepat dan tepat. Tujuan utama dari penelitian ini adalah menghasilkan sistem yang memungkinkan interaksi secara otomatis antara mahasiswa/i dengan pihak fakultas dalam menemukan informasi terkait proses akademik. Otomatisasi dilakukan melalui percakapan berbasis skenario dengan dukungan teknologi Watson Assistant dari IBM. II. KAJIAN LITERATUR A. IBM Watson & IBM Watson Services IBM Watson adalah sistem komputer yang menerapkan pemrosesan bahasa alami dan konten yang bagus dalam kompetisi sehingga cukup cepat untuk bersaing dan bahkan dapat menang melawan manusia dalam kontes Jeopardy [1]. IBM telah menyediakan sebuah layanan bagi pengguna sehingga dimungkinkan untuk membuat sistem interaksi JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba percakapan secara otomatis dengan menggunakan IBM Watson Conversation Service. Dengan layanan ini perangkat lunak dapat diarahkan untuk mengerti masukan dalam bahasa alami dan berkomunikasi dengan pengguna seperti halnya percakapan antar manusia. Conversation Service sangat bergantung pada proses pembelajaran mesin untuk merespons pengguna dalam mensimulasikan percakapan antar manusia. Melalui layanan ini beberapa perusahaan besar telah memanfaatkan IBM Watson dalam proses interaksi dengan para pelanggannya, seperti misalnya Coca-Cola, Thomson Reuters, dan Honda [2]. B. Watson Assistant Watson Assistant adalah perangkat yang ditawarkan oleh IBM Watson untuk membuat antarmuka pengguna berupa percakapan ke dalam aplikasi ataupun media lainnya. Watson Assistant menggunakan belief computation untuk menentukan keputusan dalam sebuah assertion graph. Watson Assistant dapat mencari beberapa jalur sekaligus dengan melihat probabilitas dari setiap jalur dalam assertion graph [3], [4], [5]. Bentuk visualisasi assertion graph tergambar seperti pada Gambar 1. Visualisasi assertion graph pada Gambar 1 menjelaskan mengenai skenario perwalian yang diajukan oleh seorang mahasiswa. Pada skenario awal dicontohkan seorang mahasiswa membutuhkan bantuan dalam perwalian dan menanyakan kepada sistem “I need help with a guidance, can you help me?”. Sistem akan memberikan respons dengan menanyakan kepada pengguna berada di program studi apa, untuk kemudian diarahkan pada program studi yang sesuai. Setelah itu, sistem akan menanyakan kepada pengguna ada di semester berapakah dia sekarang, untuk menentukan semester. Hal ini dilakukan untuk mengarahkan hipotesis yang pengguna butuhkan. Dalam kasus ini pengguna membutuhkan daftar mata kuliah semester 4 semester selanjutnya pada saat perwalian sebagai domain skenario pengetahuan. Terkait dengan pengembangan skenario dalam assertion graph, terdapat beberapa sub-komponen untuk mendukung pembentukan hipotesis dalam sistem, yaitu  Node sebuah simpul yang menjadi penghubung / koneksi dalam rangkaian dialog.  Intent dalam Watson Assistant digunakan untuk menentukan niat atau tujuan yang ingin dicapai.  Entity dalam Watson Assistant digunakan untuk menentukan hipotesis jawaban dan dapat pula menyimpan pengetahuan yang dibutuhkan oleh chatbot sebelum menjawab pertanyaan. Gambar. 1 Contoh assertion graph pada watson assistant C. Belief Engine Salah satu pendekatan untuk menentukan keputusan dari beberapa alternatif hipotesis dalam assertion graph adalah probabilistic inference melalui sebuah graphical model [3]. Watson Assistant merujuk ke komponen ini sebagai belief engine. Meskipun tujuan utama dari mesin ini adalah untuk menyimpulkan kepercayaan terhadap hipotesis, tetapi juga memiliki tujuan sekunder yaitu untuk menyimpulkan kepercayaan pada simpul yang tidak diketahui yang juga bukan hipotesis. Belief engine perlu memberikan nilai kepercayaan pada setiap simpul, bukan hanya hipotesis. Setiap node mewakili pernyataan, jadi bisa salah satu dari dua pernyataan benar atau salah. Sebuah graphical model dengan node sejumlah k, dapat memberikan kombinasi 2k kemungkinan pernyataan. Inferensi probabilistik pada graf akan digunakan untuk menentukan besar nilai kemungkinan dari masing-masing pernyataan tersebut. Belief engine menggunakan nilai kemungkinan ini untuk menghitung probabilitas marjinal pada setiap node yang berpotensi benar. Probabilitas marjinal inilah yang kemudian dianggap sebagai nilai kepercayaan. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Gambar. 2 Contoh Belief Engine dalam Pembentukan Hipotesis Skenario Sebagai contoh, visualisasi belief engine pada Gambar 2 menjelaskan mengenai pembayaran yang memiliki 2 metode pembayaran. Jika pengguna memasukkan jawaban terhadap pertanyaan pembayaran, maka belief engine tersebut akan menghitung nilai kepercayaan terhadap setiap node yang ada. Node dengan nilai kepercayaan tertinggi akan menjadi jawaban selanjutnya dari sistem. Jika terdapat lebih dari sebuah parent node maka perhitungan nilai kepercayaan dapat menggunakan kombinasi dari noisy-OR dengan menggunakan formula 1 [3]. Dalam formula 1 dapat dilihat bahwa nilai probabilistik sebuah node dihitung dengan mengambil nilai “bersih” setelah probabilistik sebuah node dikurangi dengan hasil perkalian seluruh node yang terkait sebelumnya chain rule. 
 1 Dengan  himpunan node yang terhubung ïˆș  îŽïˆ»îŻ„î—îŻ‹ hasil agregasi perkalian antara himpunan node yang terhubung   nilai probabilitas marjinal Probabilitas dari masing-masing node dapat dihitung menggunakan formula 2. Sebagai contoh pada kasus yang terdapat pada Gambar 2, parent node hanya terdapat 1. Maka nilai r adalah 1-1-1, r = 1. Jika nilai kepercayaan 1 adalah dan nilai kepercayaan 2 adalah maka nilai probabilitas untuk menjawab BCA adalah * 1 = dan BNI adalah * 1 = Untuk menghitung probabilitas pada node Virtual Account dan Transfer, nilai r haruslah dihitung berdasarkan aturan Bayesian Chain Rule [3]. Dengan demikian, nilai r untuk Virtual Account adalah 1- * = 
 2 Dengan îœČïˆșî”îˆîœŽîŻ«î‡Ą îœłîŻ«ïˆ» Bayesian chain rule untuk node x dengan diketahui node R dan Q yang terhubung dengan x  ïˆșîîŻ«î‡Ą îŒîŻ«ïˆ» nilai probabilitas marjinal seperti pada formula 1 D. Respons Watson Assistant Respons yang diberikan oleh Watson Assistant disampaikan dalam bentuk JSON. Terdapat beberapa atribut penting dalam struktur JSON tersebut. Pertama adalah “output” memiliki empat sub-atribut lainnya, yaitu “generic”, “debug”,”intents”, dan “entities” lihat Gambar 3. Sebelum dapat membuka sub-elemen diperlukan akses terhadap “output” terlebih dahulu. Di dalam atribut “generic” terdapat dua atribut terkait yaitu “response_type” dan “text”. “Response_type” digunakan untuk mengetahui bentuk respons apa yang diberikan. Atribut “text” digunakan untuk mengetahui isi dari responsnya dapat dilihat dalam Gambar 4, yang akan diakses untuk mendapatkan jawaban dari Watson Assistant. Ketiga atribut lain “debug”, “intents”, dan “entities” digunakan untuk pengembangan dalam mencari dan mengurangi “bug”. “Debug” dapat digunakan untuk melihat node apa yang dikunjungi. Atribut “intents” dapat digunakan untuk melihat perhitungan nilai kepercayaan terhadap intents dan intent apa yang dipilih oleh Watson Assistant. Atribut “entitites” digunakan untuk melihat entitiy apa yang masuk atau yang terbaca oleh Watson Assistant. Gambar. 3 Respons dari Watson Assistant melalui Application Programming Interface API E. Korelasi Watson Assistant dengan Sistem Pakar Menurut definisinya, sebuah sistem pakar dapat dinyatakan sebagai sebuah sistem yang mampu memberikan solusi untuk sebuah permasalahan tertentu ataupun untuk memberikan saran yang disusun berdasarkan pengetahuan para ahli dalam bidangnya [6]. Pada dasarnya Watson Assistant sudah menyediakan layanan tersebut melalui mekanisme tanya jawab sehingga dapat memberikan arahan untuk kebutuhan pengguna berdasarkan data yang sudah dipersiapkan, dan dengan demikian dapat dianalogikan sebagai sebuah sistem pakar. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Secara umum sebuah sistem pakar tersusun atas komponen antarmuka sistem untuk berinteraksi, mesin inferensi, dan sumber pengetahuan. Di dalam Watson Assistant, terdapat antarmuka sistem yang dapat digunakan oleh pengguna, serta untuk terhubung dengan dengan sistem-sistem pihak ketiga. Adapun mesin inferensi yang digunakan dalam Watson Assistant diwujudkan melalui belief engine, dengan sumber pengetahuan yang dibentuk melalui struktur assertion graph. F. Chatbot Teknologi chatbot sangat berkembang pesat dalam beberapa tahun terakhir ini. Misalnya dalam sistem Alexa dapat mematikan lampu rumah hanya dengan cara kita memerintahnya melalui suara. Dalam kasus chatbot, dengan diluncurkannya bot pada platform seperti pada Slack ataupun Facebook Messenger dapat membuat pertumbuhan pembuatan bot menjadi lebih cepat [7]. Dengan perkembangan pesat perangkat teknologi informasi, chatbot dapat diarahkan untuk memberikan layanan asistensi kepada pengguna. Misalnya chatbot dapat digunakan untuk memberikan layanan customer service 24 jam, yang biasa dilakukan oleh manusia dalam waktu terbatas. Chatbot dapat pula menjadi pendukung layanan Frequently Ask Questions FAQ untuk mendapatkan kandidat-kandidat jawaban terbaik [5]. Dalam penelitian yang dibahas dalam makalah ini, chatbot digunakan sebagai penyedia informasi dan melengkapi buku panduan akademik. Dengan penetrasi sosial media dan konektifitas dari internet disertai dengan kemajuan dalam pemrosesan bahasa alami serta kecerdasan buatan, chatbot diharapkan dapat mendominasi pasar. Seorang developer perlu untuk memahami apa yang chatbot dapat tawarkan dan kategori apa yang masuk ke dalam chatbot tersebut. Pengetahuan tersebut dapat membantu dalam memilih algoritma atau platform dan alat yang tepat dalam membuat chatbot [7]. Gambar. 4 Respons dari Watson berisi konten jawaban Gambar. 5 Integrasi Chatbot Facebook Messanger dan Watson Gambar 5 menunjukan sebuah contoh percakapan melalui chatbot untuk menjelaskan proses pembayaran melalui ATM. Dapat dilihat pula dalam Gambar 5 tersebut bahwa chatbot tersebut - yang sudah diimplementasikan menggunakan Watson Assistant - dapat terintegrasi dengan Facebook Messenger. Sebagai sapaan awal dalam percakapan tersebut, seorang pengguna dengan warna biru memberikan salam JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba “Hellow”. Chatbot langsung memberi tanggapan dengan memberikan salam “Hello. How can I help you?”. III. ANALISIS & RANCANGAN SISTEM TANYA JAWAB A. Metodologi Secara garis besar metode kerja yang akan dilakukan dalam penelitian ini tergambarkan dalam bentuk skema seperti pada Gambar 6. 1. Dalam tahapan menganalis skenario terdapat beberapa bagian, yaitu  Memahami kebutuhan yang diperlukan. Dalam konteks ini, peneliti menentukan kebutuhan mahasiswa/i, misalnya mengenai proses akademik yang akan diimplementasikan ke dalam sistem.  Mengumpulkan informasi yang relevan dan merancang skenario terkait kebutuhan tersebut. 2. Dalam tahapan memasukkan skenario ke dalam graph terdapat beberapa bagian, yaitu  Setelah skenario dianggap telah mewakili kebutuhan, maka skenario tersebut dimasukkan ke dalam graph pada engine yang terdapat dalam IBM Watson. Menjadikan skenario-skenario tersebut menjadi node-node pada graph tersebut.3. Dalam tahapan melatih sistem terdapat beberapa bagian, yaitu  Melatih dengan memberikan pertanyaan-pertanyaan yang sudah ada maupun yang belum ada dalam skenario agar melihat hasil yang diberikan sesuai atau tidak. Jika sudah dirasa cukup, chatbot kemudian di- deploy ke dalam laman web, sehingga kemudian dapat diuji coba oleh pengguna.4. Jika dirasa masih terdapat kekurangan maka rangkaian proses ini dapat dilakukan kembali dari awal. Gambar. 6 Metode kerja pengembangan sistem tanya jawab B. Perancangan Skenario Sistem Tanya Jawab Adapun perancangan skenario uji coba dalam penelitian ini disampaikan pada Tabel 1. Level 1 digunakan oleh skenario untuk pertanyaan-pertanyaan yang dianggap paling umum, disebut pula sebagai domain deskriptif. Level 2 dan 3 digunakan oleh skenario yang bersifat prosedural. Penting untuk diketahui pula bahwa level di dalam Watson Assistant tidak dibatasi dan dapat dikembangkan sesuai kebutuhan skenario. TABEL I CONTOH SKENARIO SISTEM C. Perancangan Pemanfaatan Sistem Perancangan pemanfaatan sistem tergambar dengan use case diagram seperti pada Gambar 7. Di dalam sistem terdapat setidaknya 2 aktor, yaitu pengguna mahasiswa dan dosen, serta administrator. Pengguna inilah yang dapat melakukan komunikasi dengan menggunakan skenario pada bot. D. Sequence Diagram dalam Pengetikan Pertanyaan dan Melihat Jawaban Perancangan sequence diagram dari use case dapat dilihat pada Gambar 8. Seorang admin / pengguna mengajukan pertanyaan dalam bahasa Inggris ataupun dalam bahasa Indonesia penerjemahan dilakukan di dalam sistem melalui tempat percakapan yang telah tersedia. Data pernyataan tersebut akan diteruskan kepada mesin Watson Assistant dan ditelusuri di dalam graph menggunakan belief engine yang sudah dijelaskan pada bagian sebelumnya. Setelah mendapat jawaban, jawaban terbaik menurut sistem akan dikirimkan kepada pengguna. Komunikasi akan terus berlangsung hingga admin / pengguna selesai mengajukan pertanyaan. Dalam use case pada Gambar 7, terdapat case untuk menerjemahkan bahasa yang dilakukan oleh sistem Google Translate, sebagai salah satu sistem penerjemah bahasa dengan performa baik saat ini [8]-[9]. Terdapat pula case untuk menghitung nilai kepercayaan yang dilakukan oleh Watson Assistant. Watson Assistant akan menerima “message” atau dalam prakteknya adalah pertanyaan dari pengguna. Mesin pencari dalam Watson Assistant belief engine akan mencari apakah ada intents atau entities yang dituju. Jika ada, maka akan mencari dialog yang sesuai dengan intents atau entities tersebut dan kemudian memberikan jawaban kembali. Jika tidak ada kandidat jawaban terbaik, maka akan mengembalikan jawaban default sesuai jalur atau skenario yang telah dimasukkan sebelumnya. Ekosistem IBM Watson menyediakan layanan untuk penerjemahan bahasa menggunakan Language Translator namun pada saat pembuatan riset ini masih belum menyediakan penerjemahan langsung ke dalam Bahasa Indonesia. Oleh sebab itu, mesin penerjemah yang akan digunakan adalah Google Translate. Google Translate dapat dapat digunakan melalui Google Cloud Platform. Terdapat pula alternatif lain, yaitu dengan mengunduh library berkode sumber terbuka, seperti misalnya pustaka “PHP Google Translate Free” [10]. Membuat skenarioMemasukkan skenario ke dalam graphMelatih sistem JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Gambar. 7 Perancangan Use Case Integrasi Aplikasi Web dan Chatbot Watson Assistant Gambar. 8 Sequence Diagram Pemanfaatan Sistem Secara KeseluruhanIV. IMPLEMENTASI A. Garis Besar Pemanfaatan Teknologi Secara garis besar unsur-unsur teknologi yang digunakan dalam implementasi chatbot ini tergambarkan dalam bentuk diagram seperti pada Gambar 9. Knowledge adalah pengetahuan mengenai data yang diperlukan untuk menjawab pertanyaan yang ada. Backend adalah lokasi penyimpanan data yang tidak dapat diakses langsung oleh pengguna. Middleware adalah sebuah perangkat lunak yang terdapat pada aplikasi yang memiliki tujuan tertentu dan bekerja secara tersembunyi. User interface adalah perangkat lunak yang dapat diakses langsung oleh pengguna. B. Skenario Uji coba skenario dalam penelitian ini dilakukan dengan memetakan buku panduan akademik mahasiswa ke dalam sebuah rangkaian skenario. Rangkaian skenario dibutuhkan untuk menentukan alur percakapan di dalam Watson Assistant. Skenario dibuat untuk pengguna chatbot agar mendapatkan jawaban yang mereka butuhkan. Sebagai contoh pada kasus seperti Gambar 10, pengguna ingin mengetahui penjelasan mengenai mata kuliah Pemograman Game 2D. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Kasus seperti dalam Gambar 10 adalah salah satu kasus yang mudah untuk dideteksi oleh chatbot karena langsung menuju inti pertanyaan. Namun pada kenyataan sehari-hari percakapan tidak berjalan seperti pada kasus tersebut. Oleh karena itu, diperlukan engine Watson Assistant untuk memudahkan dalam melakukan pencarian dalam struktur data graph yang sudah dijelaskan pada bagian Kajian Literatur. Sebagai contoh percakapan yang tidak langsung menuju pada inti pertanyaan terlihat pada Gambar 11. Gambar. 9 Pemanfaatan teknologi dalam sistem yang dikembangkan Gambar. 10 Contoh skenario dengan penjelasan mata kuliah dengan hasil penerjemahan Google Translate Skenario dibuat untuk pengguna chatbot agar mendapatkan jawaban yang mereka butuhkan. Sebagai contoh pada kasus seperti Gambar 10, pengguna ingin mengetahui penjelasan mengenai mata kuliah Pemograman Game 2D. Kasus seperti dalam Gambar 10 adalah salah satu kasus yang mudah untuk dideteksi oleh chatbot karena langsung menuju inti pertanyaan. Namun pada kenyataan sehari-hari percakapan tidak berjalan seperti pada kasus tersebut. Oleh karena itu, diperlukan engine Watson Assistant untuk memudahkan dalam melakukan pencarian dalam struktur data graph yang sudah dijelaskan pada bagian Kajian Literatur. Sebagai contoh percakapan yang tidak langsung menuju pada inti pertanyaan terlihat pada Gambar 11. Gambar. 11 Contoh Skenario yang memerlukan perhitungan Belief Engine C. Pengembangan Aplikasi Chatbot IBM Watson tidak dapat menyimpan Knowledge dalam Bahasa Indonesia, oleh karena itu pada laman web diimplementasikan “Google Translate” sebagai penterjemah dari Bahasa Indonesia ke dalam bahasa Inggris dan sebaliknya. Deployment chatbot dapat dilakukan ke dalam beberapa platform yang sudah bekerja sama dengan IBM. Beberapa diantaranya adalah Facebook Messenger, Slack, dan juga dapat diimplementasikan ke dalam laman web yang dibuat sendiri dengan memanfaatkan API. V. PENGUJIAN Pengujian sistem tanya jawab dilakukan dalam beberapa skenario, yang mencakup pada pengujian domain deskriptif dan prosedural, pengujian terhadap skenario negatif penyangkalan, penelusuran node, pengujian terhadap hasil penerjemahan, pengujian hasil pembelajaran dalam belief engine, dan pengujian assertion graph. Pengujian dilakukan dengan cara memasukkan percakapan menggunakan aplikasi “Postman” untuk dapat melihat respons dalam bentuk JSON JavaScript Object Notation [11]. Bentuk respons terlihat seperti pada Gambar 3 dan 4. Pengujian dilakukan untuk menguji dialog JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba dengan domain yang bersifat deskriptif dan prosedural. Pengujian juga dilakukan guna untuk mendapatkan kandidat jawaban berkualitas yang diharapkan. Pengujian berikutnya dilakukan terhadap dialog dengan intents dan entities yang sudah dipersiapkan sebelumnya, dengan harapan bahwa intent dan entity yang ditelusuri oleh Watson Assistant sesuai dengan skenario yang ditanamkan. A. Domain Deskriptif Pengujian domain deskriptif ditujukan untuk melihat berapakah nilai kepercayaan yang dihasilkan oleh Watson-assistant pada tiap-tiap node yang diuji [12]. Berikut ini adalah skenario percakapan dalam uji coba mulai dari tahap penyapaan sampai, memberikan informasi tentang deskripsi mata kuliah, dan penutup percakapan. 1. Skenario Menyapa dan mengaktifkan bot. => Masukan hai => Intent yang diharapkan General_greetings => Intent yang sesungguhnya General_greetings => Nilai kepercayaan 2. Skenario Mengetahui kemampuan bot. => Masukan What is your ability? => Intent yang diharapkan Ability => Intent yang sesungguhnya Ability => Nilai kepercayaan 1 3. Skenario Mengetahui deskripsi perkuliahan. => Masukan Can you explain me about basic programming? => Intent yang diharapkan Basic_programming => Intent yang sesungguhnya Basic_programming => Nilai kepercayaan 4. Skenario Mengetahui deskripsi perkuliahan. => Masukan What do you know about 2d game prog? => Intent yang diharapkan 2d_game_programming => Intent yang sesungguhnya 2d_game_programming => Nilai kepercayaan 5. Skenario Mengetahui informasi umum fakultas => Masukan Can you tell me the history of our faculty? => Intent yang diharapkan History_faculty => Intent yang sesungguhnya History_faculty => Nilai kepercayaan 1 6. Skenario Mengetahui informasi umum fakultas => Masukan Can you tell me the mission of our faculty? => Intent yang diharapkan Mission_faculty => Intent yang sesungguhnya Mission_faculty => Nilai kepercayaan 7. Skenario Mengetahui informasi umum fakultas => Masukan What is the vision of our faculty? => Intent yang diharapkan Vision_faculty => Intent yang sesungguhnya Vision_faculty => Nilai kepercayaan 8. Skenario Mengetahui dosen dan struktur organisasi => Masukan Can you tell me the complete organization structure in our faculty? => Intent yang diharapkan Organization_structure => Intent yang sesungguhnya Organization_structure => Nilai kepercayaan 9. Skenario Mengetahui dosen dan struktur organisasi => Masukan Can you show me the leaders in our faculty? => Intent yang diharapkan Structural_lecturer => Intent yang sesungguhnya Structural_lecturer => Nilai kepercayaan 10. Skenario Penutupan => Masukan Thank you => Intent yang diharapkan General_positive_feedback => Intent yang sesungguhnya General_positive_feedback => Nilai kepercayaan 1 B. Domain Prosedural Pengujian domain prosedural ditujukan untuk melihat kesinambungan antara setiap node yang diuji [12]. Selain itu, ditujukan juga untuk melihat apakah pengaruh dari node parent terhadap skenario untuk tingkatan di bawahnya. Berikut ini adalah sebuah contoh skenario tanya-jawab persiapan mahasiswa untuk proses perwalian. 1. Skenario Mengetahui cara pembayaran => Node Parent - => Masukan Can you help me with payment? => Intent yang diharapkan Payment => Intent yang sesungguhnya Payment => Nilai kepercayaan 1 2. Skenario Mengetahui cara pembayaran => Node Parent Payment => Masukan BCA => Intent yang diharapkan bca => Intent yang sesungguhnya bca => Nilai kepercayaan 3. Skenario Mengetahui cara pembayaran => Node Parent BCA => Masukan Virtual Account => Intent yang diharapkan virtual_account => Intent yang sesungguhnya virtual_account => Nilai kepercayaan 4. Skenario Mengetahui cara pembayaran => Node Parent Payment => Masukan BNI => Intent yang diharapkan bni => Intent yang sesungguhnya bni => Nilai kepercayaan 5. Skenario Mengetahui cara pembayaran => Node Parent Payment => Masukan Maybank => Intent yang diharapkan anything_else => Intent yang sesungguhnya - => Nilai kepercayaan Semua intents rendah. 6. Skenario Mengetahui perwalian / mata kuliah semester depan. => Node Parent - => Masukan Can you help me with guidance? => Intent yang diharapkan Guidance JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba => Intent yang sesungguhnya Guidance => Nilai kepercayaan 7. Skenario Mengetahui perwalian / mata kuliah per semester. => Node Parent Guidance => Masukan Informatics Engineering => Intent yang diharapkan InformationEngineering => Intent yang sesungguhnya InformationEngineering => Nilai kepercayaan 8. Skenario Mengetahui perwalian / mata kuliah per semester. => Node Parent Information Engineering => Masukan semester 3 => Intent yang diharapkan Semester3 => Intent yang sesungguhnya Semester3 => Nilai kepercayaan C. Skenario Penyangkalan Untuk melakukan pengujian ini, dirancanglah dialog khusus skenario pembayaran pada Gambar 12. Pengujian dilakukan dengan tujuan apakah Watson Assistant mampu menentukan sebuah nilai sebagai node negatif. Gambar. 12 Contoh skenario penyangkalan Contoh pengujian dilakukan dengan memasukkan jawaban “I use BCA”, pada saat chatbot bertanya bank apa yang digunakan. Pada Gambar 13 terlihat bahwa entity yang dituju adalah “bank” dengan value “BCA”. Sedangkan dalam Gambar 12, terlihat bahwa kondisi yang dibuat pada node anak pertama dari node payment adalah jika “bank != “BCA”, yang bila diterjemahkan ke dalam bahasa alamiah adalah jika entity dari “bank” bukan “BCA”. Gambar. 13 Respons terhadap penyangkalan Adapun masukan dari pengguna menunjukan bahwa entity dari “bank” sekarang adalah “BCA”. Maka dari itu, kondisi pada node pertama menjadi tidak terpenuhi. Jika dimasukkan nilai selain daripada “BCA” maka node yang akan dikunjungi adalah node pertama yaitu node “Bank BCA”. D. Penelusuran Node Pengujian ini dilakukan untuk memperlihatkan metode temu balik pada Watson Assistant adalah dengan menggunakan metode BFS Breadth-First Search. Pengujian ini dilakukan dengan melakukan pengamatan terhadap jawaban dari Watson Assistant melalui penelusuran node [13]. Dengan menggunakan skenario percakapan seperti pada Gambar 12, dapat direpresentasikan ke dalam bentuk graph seperti pada Gambar 14. Gambar. 14 Pembentukan node untuk skenario pada gambar 12 Metode BFS melakukan pencarian dengan cara traversing node dari root node jika pada Gambar 14 adalah payment lalu akan mengunjungi node “tetangga” dari payment. Node “tetangga” itu berarti node yang berada sejajar atau 1 level dengan node tersebut pada kasus ini payment tidak memiliki node “tetangga” maka dari itu metode BFS akan mencari ke child node dari payment. Node payment memiliki 3 child node yaitu Bank BCA, Bank BNI dan Bank mandiri. Metode BFS akan mengunjungi node dari node awal atau paling kiri hingga node akhir atau paling kanan. Hal ini terbukti dalam penggambaran hasil jawaban pada Gambar 13, bahwa jika pengguna memasukkan value BCA maka Watson Assistant akan masuk ke dalam node “tetangganya” yaitu Bank BNI. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba E. Hasil Penerjemahan Google Pengujian ini difokuskan untuk mengetahui apakah terjemahan yang dilakukan melalui pemanfaatan pustaka “PHP GoogleTranslate” sudah sesuai dengan yang diterjemahkan oleh Google Translate. Selain itu, pengujian ini juga dilakukan untuk melihat apakah Watson Assistant mampu memberikan jawaban yang sesuai jika pertanyaan yang dimasukkan pengguna dalam Bahasa Indonesia diterjemahkan terlebih dahulu ke dalam Bahasa Inggris oleh library tersebut. Pengujian ini akan memperlihatkan kalimat-kalimat dalam Bahasa Indonesia serta jawaban yang diberikan dari masing-masing mesin penerjemah. Berikut ini adalah beberapa contoh hasil penerjemahan untuk pertanyaan-pertanyaan uji coba 1. Saya ingin mengetahui pelajaran dasar pemograman. => I want to know the basic lessons of programming. 2. Bisa tolong jelaskan mengenai sejarah Fakultas Teknologi Informasi? => Could you please explain about the history of the Faculty of Information Technology? 3. Saya sekarang berada di semester 3. => I am now in semester 3. 4. Apakah anda mempunyai kontak dosen? => Do you have lecturer contacts? 5. Tolong bantu saya dalam perwalian. => Please help me in guardianship. 6. Semester 2. => 2nd semester. Berdasarkan pengujian penerjemahan yang dilakukan pada nomor 3 dan 6, terdapat perbedaan hasil. Dapat dilihat bahwa jika pengguna hanya memasukkan kata “2 semester” maka yang hasil terjemahannya jadi memiliki tambahan “nd” dibelakang angkanya. Kekurangan ini bukan hanya disebabkan oleh mesin penerjemah itu saja, melainkan hal ini bisa terjadi karena penggunaan entity. Suatu kata / kalimat akan dianggap sebagai sebagai entity jika kata tersebut memiliki ciri yang sesuai dengan entity yang dituju. Gambar. 15 Masukan awal dari pengguna F. Hasil Perhitungan dalam Belief Network Pembelajaran Watson Assistant dapat dilakukan dengan cara merubah intent atau memastikan kembali intent apa yang seharusnya dituju oleh Watson Assistant. Sebagai contoh dalam pengujian ini dibuatlah masukan awal dari pengguna pertama kali yang tidak terdapat secara spesifik dalam intent seperti dalam Gambar 15. Gambar. 16 Masukan selanjutnya dari pengguna Walaupun sudah sesuai dengan intent awal yang ingin dituju akan tetapi nilai kepercayaan dari Watson-assistant sangatlah kecil dibawah Maka dari itu, pembelajaran dapat dilakukan dengan memilih intent yang dituju’. Setelah History_Faculty dipilih kembali maka jika pengguna memasukkan kembali pertanyaan yang sama hasilnya akan seperti pada Gambar 16, dengan nilai keyakinan yang meningkat drastis dari menjadi G. Pengujian Assertion Graph Dalam pengujian ini akan menguji apakah assertion graph sudah berjalan pada skenario yang dibuat. Pengujian ini dilakukan dengan melihat apakah terdapat pengaruh dari pernyataan sebelumnya terhadap jawaban yang akan diberikan. Gambar. 17 Pengujian Assertion Graph dengan Entities dan Slots Dengan memanfaatkan entities jawaban yang diberikan oleh pengguna dapat disimpan. Sehingga jawaban tersebut nantinya dapat diperhitungkan sesuai dengan yang dibutuhkan. Dalam penyusunan dialog, pemanfaatan entitites dapat digunakan di dalam slots. Setiap slot akan menampung sebuah nilai dari entity tersebut dalam variabel yang dilambangkan dengan “$”. Pengujian ini dilakukan terhadap susunan dialog seperti pada Gambar 17. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Gambar. 18 Jawaban yang diharapkan dalam Assertion Graph Jawaban yang diharapkan sudah tersimpan dalam dialog seperti pada Gambar 18. Jawaban ini berdasarkan pengecekan terhadap variabel penampung yang diambil dari slots. Setiap nilai yang diharapkan akan dicocokkan apakah sudah sesuai atau belum sesuai dengan entities yang sudah dibuat. Gambar. 19 Contoh percakapan dalam pengujian Assertion Graph Dialog dengan slots seolah akan memaksa pengguna untuk memberikan jawaban yang diminta [14]. Jika pengguna tidak memberikan jawaban yang sesuai maka Watson Assistant akan memberikan pertanyaan yang sama terus menerus. Kondisi ini dapat memperlihatkan terjadinya assertion atau pengaruh dari jawaban sebelumnya. Gambar. 20 Contoh Intent dalam Bahasa Indonesia Setiap jawaban yang diberikan juga akan memiliki hasil yang berbeda. Jawaban yang diberikan berdasarkan graph yang sudah disusun untuk memenuhi setiap kondisi yang ada. Gambar 19 adalah contoh dari pengujian yang dilakukan, dengan jawaban yang sesuai graph untuk menampilkan jadwal bagi mahasiswa semester kedua. Gambar. 21 Contoh Entity dalam Bahasa Indonesia H. Pengujian Bahasa Indonesia Watson Assistant menyediakan modul khusus untuk sekitar 15 bahasa [1], diantaranya adalah Bahasa Inggris, Bahasa Jepang, dan Bahasa Arab. Namun, Bahasa Indonesia belum didukung secara khusus di dalam Watson Assistant. Oleh karena itu, perlu dilakukan pengujian untuk JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba melihat apakah Watson Assistant dapat menangani proses untuk bahasa yang belum didukung dalam modul khusus [15]. Diujicobakan sebuah intent dengan nama Perwalian sebagai skenario percakapan dalam Bahasa Indonesia seperti pada Gambar 20. Gambar. 22 Contoh dialog dalam Bahasa Indonesia Di samping itu, terdapat pula entity fakultas dengan konten dalam Bahasa Indonesia seperti pada Gambar 21. Berikutnya intent dan entity dalam Gambar 20 dan 21 digunakan pada dialog seperti pada Gambar 22, dengan pengaturan Watson Assistant yang sudah dipersiapkan semua dalam Bahasa Indonesia. Pengujian ini dilakukan dalam skenario “Try it out”. Terlihat pada Gambar 23 hasil percakapan yang dilakukan dengan memberikan pertanyaan “Bisa tolong saya mengenai perwalian?”, Watson Assistant menjawab sesuai dengan dialog yang sudah dipersiapkan yaitu dengan masuk ke dalam intent Perwalian. Gambar 24 menunjukkan nilai kepercayaan yang dihasilkan oleh Watson Assistant, Perwalian mendapatkan nilai Nilai tersebut termasuk tinggi dikarenakan pertanyaan yang diberikan tidak ada pada contoh pertanyaan dalam intent Perwalian. Namun dapat dilihat pula dalam Gambar 20 bahwa setiap contoh pertanyaan dalam intent tersebut mengandung kata perwalian, sehingga hasil perhitungan probabilitas dalam node tersebut tetap mendapatkan nilai yang tinggi. Melalui pengujian pada Gambar 20-24 diperlihatkan bahwa meskipun bahasa Indonesia tidak didukung secara penuh dalam Watson Assistant, tetap dapat disusun skenario tanya jawab dalam bahasa Indonesia. Syarat utama yang diperlukan adalah dibentuknya skenario dan alur percakapan sesuai dengan domain deskriptif dan prosedural yang diinginkan. Gambar. 23 Contoh percakapan dalam Bahasa Indonesia Gambar. 24 Nilai kepercayaan pada Perwalian. VI. KESIMPULAN Berdasarkan pada hasil pengujian dalam pengembangan chatbot yang dilakukan menggunakan Watson Assistant, dapat ditarik kesimpulan bahwa Watson Assistant dapat menyediakan kandidat-kandidat jawaban mengacu pada skenario yang telah dirancang sebelumnya. Watson Assistant terbukti mampu menjawab pertanyaan mahasiswa/i untuk beberapa topik umum yang ada di dalam buku panduan akademik. Layanan chatbot dengan menggunakan Watson Assistant dapat disediakan ke dalam beberapa platfom seperti Facebook Messenger, Slack ataupun pada aplikasi web mandiri. Selain itu, di dalam Watson Assistant juga dimungkinkan implementasi skenario dalam berbagai bahasa alami, meskipun tidak disediakan modul khusus untuk bahasa tersebut. Kondisi utama yang perlu diperhatikan untuk implementasi adalah terbentuknya skenario serta alur percakapan melalui domain deskriptif dan prosedural sesuai kebutuhan di lapangan. JEPIN Jurnal Edukasi dan Penelitian Informatika, Vol. 6, No. 2, Agustus 2020 Korespondensi Hapnes Toba Dalam kasus pembuatan skenario untuk membantu interaksi mahasiswa, didapati bahwa skenario yang dihasilkan sebagian besar merupakan skenario dengan domain deskriptif karena ditujukan untuk membuat penjelasan mata kuliah. Intent yang dibuat menjadi sangat banyak untuk dapat menangani setiap kasus mata kuliah dalam hal ini. Di sisi lain, Watson Assistant akan sangat baik digunakan untuk menangani kasus dengan domain prosedural dikarenakan tingkat kesulitan untuk penanganannya relatif lebih rendah pada domain ini. REFERENSI [1] D. Ferrucci, E. Brown, J. Chu-Carroll, J. Fan, D. Gondek, Kalyanpur, A. Lally, J. W. Murdock, E. Nyberg, J. Prager, N. Schlaefer, and C. Welty, “Building Watson An overview of the DeepQA project,” AI magazine vol. 31, no. 3 59-79, 2010. [2] A. Azraq, H. Aziz, N. Nappe, C. R. Bravo and L. Sri, Building Cognitive Applications with IBM Watson Services Vol. 2 Conversation, IBM Redbooks, 2017. [3] A. Lally, S. Bagchi, Barborak, Buchanan, J. Chu-Carroll, Ferrucci, Glass, A. Kalyanpur, Mueller, Murdock, and S. Patwardhan, “WatsonPaths scenario-based question answering and inference over unstructured information,” AI Magazine, vol. 38 no. 2, pp. 59-76, 2017. [4] M. Biswas, IBM Watson Chatbots Beginning AI Bot Frameworks. Berkeley Apress, 2018. [5] J. da Silva Oliveira, EspĂ­ndola, R. Barwaldt, Ribeiro, and M. Pias, “IBM Watson Application as FAQ Assistant about Moodle”, in Proc. IEEE Frontiers in Education Conference FIE, 2019, pp. 1-8. [6] P. J. Lucas and L. C. v. d. Gaag, Principles of Expert Systems, Amsterdam Addison-Wesley, 1991. [7] K. Nimavat and T. Champaneria, “Chatbots An overview. Types, Architecture, Tools, and Future Possibilities,” International Journal for Scientific Research & Development IJSRD, vol. 5, no. 7, pp. 1019-1024, 2017. [8] Jackson, A. Kuriyama, A. Anton, A. Choi, J-P. Fournier, A-K Geier, F. Jacquerioz, D. Kogan, C. Scholcoff, and R. Sun. “The Accuracy of Google Translate for Abstracting Data From Non–English-Language Trials for Systematic Reviews,” Annals of Internal Medicine, vol. 171, no. 9, pp. 677-679, 2019. [9] Murtisari, R. Widiningrum, J. Branata, and Susanto. “Google Translate in Language Learning Indonesian EFL Students' Attitudes,” Journal of Asia TEFL, vol. 16, no. 3, pp. 978-986, 2019. [10] A. Barrio. 2017 Github PHP Google Translate Free. [Online]. Available [11] T. Marrs, JSON at work practical data integration for the web, Sebastopol O'Reilly Media, Inc., 2017. [12] Paladines, JosĂ©, and Jaime RamĂ­rez, “An Intelligent Tutoring System for Procedural Training with Natural Language Interaction”, in Proc. International Conference on Computer Supported Education CSEDU, vol. 2, 2019, pp. 307-314. [13] L. Szeremeta, and D. Tomaszuk, Document-oriented RDF graph store, Studia Informatica, vol. 38, no. 2, pp. 31-43, 2017. [14] J. Collinaszy, M. Bundzel, and I. Zolotova, Implementation of intelligent software using IBM Watson and Bluemix, Acta Electrotechnica et Informatica, vol. 17, no. 1, pp. 58-63, 2017. [15] K. Ralston, C. Yuhao, H. Isah, and F. Zulkernine, A Voice Interactive Multilingual Student Support System using IBM Watson, in Proc. IEEE International Conference on Machine Learning And Applications ICMLA, 2019, pp. 1924-1929. ... Penelitian yang menghasilkan chatbot sebagai luaran penelitian juga sudah dipublikasikan, baik itu di bidang pendidikan, pariwisata, medis dan bidang lainnya. Sebagai contoh adalah penelitian yang menghasilkan chatbot untuk memfaslitasi interaksi antara mahasiswa/i dengan pihak fakultas terkait proses akademik [5]. Penelitian lainnya menghasilkan chatbot untuk menyediakan informasi terkait objek wisata di kota Bandung [6], juga chatbot untuk membantu proses transaksi penjualan UMKM [7]. ...... Penerapan chatbot ada yang diarahkan untuk menjadi asisten dari penggunanya, misalnya saja chatbot yang digunakan untuk memberikan layanan customer service 24 jam. Selain itu, chatbot juga dapat dijadikan pendukung layanan Frequently Ask Question FAQ [5]. Dalam penelitian ini, chatbot akan digunakan sebagai sarana konsultasi mengenai tata cara sholat. ...Muhammad Rizqi SholahuddinFiras AtqiyaA chatbot is an intelligent system that provides users with direct interaction with machines via written media. This paper describes how to use chatbots to ask questions about prayer procedures. A Muslim sometimes has questions about the procedure for praying when he finds a difference between the procedures performed by other Muslims. In this case, the use of chatbots is to provide an explanation. This chatbot was developed using a deep learning model, especially LSTM, that was integrated with the RASA framework. LSTM Long Short Term Memory can efficiently save some of the needed memory while also removing some of the unnecessary memory. The Telegram platform was chosen for the chatbot's implementation. The results showed that the chatbot telegram prayer consultation with DIET Classifier and RASA was able to recognize questions and provide answers in the form of text and images, with 96 percent NoSQL databases are not commonly used in Semantic Web and Linked Data environments. The article describes the idea of an document-oriented RDF graph store. We present alternative RDF serialisation, allowing for efficient processing of graph data in an NOSQL graph store. This means that a database such as RethinkDB can be an RDF graph store. Moreover, our proposal supports various techniques for caching, which is a novelty for an RDF/JSON Research undertook a challenge to build a computer system that could compete at the human champion level in real time on the American TV quiz show, Jeopardy. The extent of the challenge includes fielding a real-time automatic contestant on the show, not merely a laboratory exercise. The Jeopardy Challenge helped us address requirements that led to the design of the DeepQA architecture and the implementation of Watson. After three years of intense research and development by a core team of about 20 researchers, Watson is performing at human expert levels in terms of precision, confidence, and speed at the Jeopardy quiz show. Our results strongly suggest that DeepQA is an effective and extensible architecture that can be used as a foundation for combining, deploying, evaluating, and advancing a wide range of algorithmic techniques to rapidly advance the field of question answering QA.Adam LallySugato BagchiMichael A. Barborak John PragerWe present WatsonPaths, a novel system that can answer scenario-based questions. These include medical questions that present a patient summary and ask for the most likely diagnosis or most appropriate treatment. Watson-Paths builds on the IBM Watson question-answering system. WatsonPaths breaks down the input scenario into individual pieces of information, asks relevant subquestions of Watson to conclude new information, and represents these results in a graphic model. Probabilistic inference is performed over the graph to conclude the answer. On a set of medical test preparation questions, WatsonPaths shows a significant improvement in accuracy over multiple baselines. © 2017, Association for the Advancement of Artificial An overview. Types, Architecture, Tools, and Future PossibilitiesK NimavatT ChampaneriaK. Nimavat and T. Champaneria, "Chatbots An overview. Types, Architecture, Tools, and Future Possibilities," International Journal for Scientific Research & Development IJSRD, vol. 5, no. 7, pp. 1019-1024, 2017.
Apaitu cantik bagimu?  Bagi kami, kecantikan adalah pancaran dari dalam. Begitulah cara kita memperlakukan diri kita sendiri dan sesama. The beautiful
Jika Anda kebetulan sedang jalan-jalan ke beberapa mall besar, mungkin Anda akan menjumpai salah satu dari dua toko yaitu Guardian atau Watsons. Kedua jenis retailer ini dikelompokan dalam sebuah grup khusus yaitu “Drug Store” atau dikelompokan dalam “Speciality Store”. Kedua brand toko tersebut menjual beberapa kategori jenis barang yaitu pharmaceutical obat-obatan, personal care hair care, soap, body fragrance, facial care, skin care, dll, paper product tissue, sanitary napkins, dll, dll. Kedua brand toko ini biasanya mengkhususkan diri hanya pada kategori produk yang terkait dengan health and beauty. Berikut kami membahas perbedaan antara Watsons dan Guardian sebagai berikut, yuk simak! Watsons Watsons merupakan retail yang menjual produk kesehatan dan kecantikan. Watsons sudah memiliki cukup banyak branch yang tersebar di Indonesia. Watsons berada di bawah naungan PT Duta Intidaya Tbk yang mana toko pertama Watsons sudah didirikan sejak tahun 2006. Saat ini, Watsons telah mengoperasikan lebih dari 5200 toko dan lebih dari apotik di 12 pasar Asia dan Eropa seperti Hongkong, Cina Daratan, Taiwan, Macau, Singapura, Malaysia, Thailand, Filipina, Indonesia, Korea, Turki, dan Ukraina. Baca juga Pilih Mana Transmart atau Hypermart? Kelebihan Watsons Berikut kelebihan Watsons yang perlu Anda ketahui E-Commerce & Mobile Aplikasi Watsons Baru-baru ini Watsons melaunching e-commerce & mobile aplikasi Watsons yang artinya Anda sudah dapat membeli produk-produk yang ada di Watsons secara online. Hal ini tentu memberikan dampak positif bagi Watsons, karena para konsumen akan sangat terbantu dari berbagai aspek seperti waktu, tenaga, dll. Dampak positif lain yang dapat diambil adalah kelengkapan barang yang tersedia. Berbeda halnya jika Anda datang ke salah satu toko Watsons, namun barang yang diinginkan sedang out of stock. Dengan online, semua barang dari brand-brand yang terdapat di Watsons semuanya lengkap dan tersedia. Promo Eksklusif Watsons menawarkan promo-promo yang sangat eksklusif dan hanya bisa didapatkan via online saja. Dimulai dari diskon up to 70%, Hot Deals, Spesial Satu, Spesial Dua, hingga info produk terlaris di Watsons. Gratis Ongkos Kirim Bagi Anda yang akan berbelanja di Watsons tak perlu khawatir dengan ongkos kirim karena Watsons menawarkan promo gratis biaya kirim dengan syarat dan ketentuan berlaku. Kekurangan Watsons Berikut kekurangan Watsons yang perlu Anda ketahui Produk Kurang Bervariasi Salah satu yang menjadi kekurangan Watsons adalah produk yang kurang bervariasi. Watsons dinilai memiliki kelengkapan produk dari berbagai merek jika dibandingkan dengan Guardian. Namun, baru-baru ini Watsons mengeluarkan produk perawatan kulit berbahan organik yang berbahan natural dari alam, dapat Anda baca selengkapnya di Harga Produk Relatif Mahal Selain kurang bervariasi, produk-produk di Watsons dinilai lebih mahal dibandingkan produk yang dijual di Guardian. Meskipun begitu, Watsons sering mengadakan promo bahkan sampai diskon 70%. Gratis Ongkir Hanya di Jawa dan Bali Promo gratis biaya pengiriman ternyata hanya berlaku bagi pelanggan yang berdomisili di Jawa & Bali. Hal ini sedikit menyulitkan untuk pelanggan yang berada di Indonesia selain domisili Jawa dan Bali. Kelebihan WatsonsKekurangan Watsons - E-Commerce & mobile aplikasi Watsons- Produk kurang bervariasi- Promo eksklusif- Harga produk relatif mahal - Gratis ongkos kirim- Gratis ongkir hanya di jawa dan bali Guardian Guardian merupakan retail kesehatan dan kecantikan terkemuka di Indonesia yang tidak hanya menyediakan obat-obat apotek, tetapi juga produk kesehatan dan kecantikan untuk masyarakat di Indonesia. Guardian telah hadir di Indonesia sejak tahun 1990, dan sekarang sudah mencapai lebih dari 300 outlet di bawah PT Hero Supermarket Tbk yang tersebar di seluruh Indonesia. Kelebihan Guardian Berikut kelebihan Guardian yang perlu Anda ketahui Harga Produk Murah Dibandingkan dengan pesaingnya Watsons, Guardian memiliki harga produk yang lebih murah. Selain murah, Guardian memiliki promo paling terkenal yaitu “+1000 get two”. Promo ini hanya ditawarkan oleh Guardian, dimana jika Anda membeli 1 produk, Anda bisa mendapatkan 2 produk sekaligus hanya dengan menambah Rp. dari harga produk tersebut. Koleksi Produk Lengkap Guardian diklaim memiliki berbagai koleksi produk kesehatan dan kecantikan yang sangat lengkap mulai dari merek hingga variasi merek tersebut. Produk yang ditawarkan Guardian bukan hanya produk yang berada di pasaran, tetapi juga produk eksklusif yang unik dan tidak dimiliki oleh pesaing lain serta produk tersebut merupakan produk impor yang kualitasnya sangat terjamin. Pelayanan Juara Guardian memiliki pelayanan yang patut diacungi jempol. Guardian memiliki karyawan yang teredukasi dan sangat mengenal produk-produk yang dijual sehingga karyawan tidak hanya dapat melayani konsumen tetapi juga dapat menjelaskan serta memberikan konsultasi terkait penggunaan suatu produk. Kekurangan Guardian Berikut kekurangan Guardian yang perlu Anda ketahui Belum Tersedia Dalam Mobile Aplikasi Sayangnya, Guardian belum tersedia dalam mobile aplikasi seperti pesaingnya Watsons. Guardian hanya menyediakan e-commerce via website yang dinilai kurang praktis dibandingkan mobile aplikasi. Tidak Tersedia Member Card Saat ini Guardian belum memiliki member card, sementara ini Group corporate ini menyediakan kartu Permata Hero Card yang bekerjasama dengan Bank Permata dengan banyak benefit khusus untuk costumer. Sulit Ditemukan Guardian sulit ditemukan karena biasanya hanya terdapat di dalam mall-mall besar. Guardian memiliki segmen dan target pasar khusus yang mana produknya tidak di konsumsi oleh seluruh masyarakat Indonesia. Maka dari itu, Guardian hanya membuka cabang di beberapa tempat yang masyarakatnya merupakan target Guardian, sehingga Guardian terbilang lamban dalam memperbanyak cabang toko. Kelebihan GuardianKekurangan Guardian - Harga produk murah- Belum tersedia dalam mobile aplikasi- Koleksi produk lengkap- Tidak tersedia member card - Pelayanan juara- Sulit ditemukan Pilih Mana Watsons atau Guardian? Di atas telah dijelaskan mengenai perbedaan antara Watsons dan Guardian. Untuk lebih jelasnya, kami telah merangkum perbedaan antara Watsons dan Guardian tersebut pada tabel berikut ini WatsonsGuardian - E-Commerce & mobile aplikasi Watsons- Belum tersedia dalam mobile aplikasi- Produk kurang bervariasi- Harga produk murah - Harga produk relatif mahal- Koleksi produk lengkap Kesimpulan Dari penjelasan mengenai perbedaan Watsons dan Guardian dapat disimpulkan bahwa keduanya memiliki kelebihan dan kekurangan masing-masing. Namun kami lebih merekomendasikan Guardian karena harga produk murah dan koleksi produknya lengkap. Kamu pilih yang mana? Vote sekarang dan lihat hasil survey yang jadi selera pembaca lainnya Baca jugaPilih Mana Watson atau Century?Pilih Mana Guardian atau Century?9 Merk Shower Cap Yang Bagus 2022Pilih Mana Ace Hardware atau IKEA?Pilih Mana FreshCare atau Safe Care?Pilih Mana Zwitsal atau Johnsons?
KINIkita memasuki era baru manufaktur intelijen berbasis teknologi informasi big data.Banyak negara, khususnya Amerika Serikat (AS), Inggris, Kanada, Jepang, Israel, Singapura, Tiongkok, dan Argentina, menurut laporan Lyon (2014:4-5), Profesor Louis de Koker et al. (2018), dan Kenji Hiramoto (2017:20) giat menghimpun dan mengelola data-set skala besar antara lain Behaviorisme adalah teori bahwa psikologi manusia atau hewan dapat dipelajari secara objektif melalui tindakan perilaku yang dapat diamati. Bidang studi ini muncul sebagai reaksi terhadap psikologi abad ke-19, yang menggunakan pemeriksaan diri terhadap pikiran dan perasaan seseorang untuk memeriksa manusia dan hewan. psikologi. Takeaways Utama Behaviorisme Behaviorisme adalah teori bahwa psikologi manusia atau hewan dapat dipelajari secara objektif melalui tindakan perilaku yang dapat diamati, daripada pikiran dan perasaan yang tidak dapat diamati. Tokoh berpengaruh Behaviorisme termasuk psikolog John B. Watson dan BF Skinner, yang masing-masing terkait dengan pengkondisian klasik dan pengkondisian operan. Dalam pengkondisian klasik , hewan atau manusia belajar mengasosiasikan dua rangsangan satu sama lain. Jenis pengkondisian ini melibatkan respons yang tidak disengaja, seperti respons biologis atau emosional. Dalam pengkondisian operan, hewan atau manusia mempelajari suatu perilaku dengan mengaitkannya dengan konsekuensi. Ini dapat dilakukan melalui penguatan positif atau negatif, atau hukuman. Pengkondisian operan masih terlihat di ruang kelas hari ini, meskipun behaviorisme tidak lagi menjadi cara berpikir yang dominan dalam psikologi. Sejarah dan Asal-usul Behaviorisme muncul sebagai reaksi terhadap mentalisme, pendekatan subyektif untuk penelitian yang digunakan oleh psikolog pada paruh kedua abad ke-19. Dalam mentalisme, pikiran dipelajari dengan analogi dan dengan memeriksa pikiran dan perasaan sendiri—suatu proses yang disebut introspeksi. Pengamatan mentalis dianggap terlalu subjektif oleh para behavioris, karena mereka berbeda secara signifikan di antara peneliti individu, sering mengarah pada temuan yang kontradiktif dan tidak dapat direproduksi. Ada dua jenis utama behaviorisme behaviorisme metodologis, yang sangat dipengaruhi oleh karya John B. Watson, dan behaviorisme radikal, yang dipelopori oleh psikolog BF Skinner. Behaviorisme Metodologis Pada tahun 1913, psikolog John B. Watson menerbitkan makalah yang akan dianggap sebagai manifesto behaviorisme awal "Psikologi sebagai pandangan behavioris." Dalam makalah ini, Watson menolak metode mentalis dan merinci filosofinya tentang seperti apa seharusnya psikologi ilmu perilaku, yang disebutnya "behaviorisme." Perlu dicatat bahwa meskipun Watson sering dicap sebagai "pendiri" behaviorisme, dia sama sekali bukan orang pertama yang mengkritik introspeksi, juga bukan orang pertama yang memperjuangkan metode objektif untuk mempelajari psikologi. Namun, setelah makalah Watson, behaviorisme secara bertahap mulai berkembang. Pada 1920-an, sejumlah intelektual, termasuk tokoh-tokoh terkenal seperti filsuf dan kemudian Pemenang Nobel Bertrand Russell, mengakui pentingnya filosofi Watson. Behaviorisme Radikal Dari para behavioris setelah Watson, mungkin yang paling terkenal adalah BF Skinner. Berlawanan dengan banyak behavioris lain pada waktu itu, ide Skinner berfokus pada penjelasan ilmiah daripada metode. Skinner percaya bahwa perilaku yang dapat diamati adalah manifestasi luar dari proses mental yang tidak terlihat, tetapi lebih nyaman untuk mempelajari perilaku yang dapat diamati tersebut. Pendekatannya terhadap behaviorisme adalah untuk memahami hubungan antara perilaku hewan dan lingkungannya. Pengkondisian Klasik vs. Pengkondisian Operan Behavioris percaya bahwa manusia mempelajari perilaku melalui pengkondisian, yang mengaitkan stimulus di lingkungan, seperti suara, dengan respons, seperti apa yang dilakukan manusia ketika mereka mendengar suara itu. Studi kunci dalam behaviorisme menunjukkan perbedaan antara dua jenis pengkondisian pengkondisian klasik, yang dikaitkan dengan psikolog seperti Ivan Pavlov dan John B. Watson, dan pengkondisian operan, terkait dengan BF Skinner. Pengkondisian Klasik Anjing Pavlov Eksperimen anjing Pavlov adalah eksperimen yang dikenal luas yang melibatkan anjing, daging, dan suara bel. Pada awal percobaan, anjing akan disajikan daging, yang akan menyebabkan mereka mengeluarkan air liur. Namun, ketika mereka mendengar bel, mereka tidak melakukannya. Untuk langkah selanjutnya dalam percobaan, anjing-anjing itu mendengar bel sebelum mereka dibawakan makanan. Seiring waktu, anjing-anjing itu mengetahui bahwa bel yang berbunyi berarti makanan, jadi mereka akan mulai mengeluarkan air liur ketika mendengar bel—meskipun mereka tidak bereaksi terhadap bel sebelumnya. Melalui eksperimen ini, anjing-anjing secara bertahap belajar mengasosiasikan suara bel dengan makanan, meskipun mereka tidak bereaksi terhadap bel sebelumnya. Eksperimen anjing Pavlov menunjukkan pengkondisian klasik proses di mana hewan atau manusia belajar mengasosiasikan dua rangsangan yang sebelumnya tidak berhubungan satu sama lain. Anjing Pavlov belajar mengasosiasikan respons terhadap satu stimulus mengeluarkan air liur saat mencium bau makanan dengan stimulus "netral" yang sebelumnya tidak menimbulkan respons bunyi bel. Jenis pengkondisian ini melibatkan respons yang tidak disengaja. Pengkondisian Klasik Little Albert Dalam eksperimen lain yang menunjukkan pengkondisian emosi klasik pada manusia, psikolog JB Watson dan mahasiswa pascasarjananya Rosalie Rayner mengekspos seorang anak berusia 9 bulan, yang mereka sebut "Albert Kecil," ke tikus putih dan hewan berbulu lainnya, seperti kelinci dan anjing, serta kapas, wol, koran yang terbakar, dan rangsangan lainnya—semuanya tidak membuat Albert takut. Namun, kemudian Albert diizinkan bermain dengan tikus lab putih. Watson dan Rayner kemudian membuat suara keras dengan palu, yang membuat Albert ketakutan dan membuatnya menangis. Setelah mengulanginya beberapa kali, Albert menjadi sangat tertekan ketika dia hanya diberi tikus putih. Ini menunjukkan bahwa dia telah belajar mengasosiasikan responsnya menjadi takut dan menangis dengan stimulus lain yang tidak membuatnya takut sebelumnya. Pengkondisian Operan Kotak Skinner Psikolog BF Skinner menempatkan seekor tikus lapar di sebuah kotak berisi tuas. Saat tikus bergerak di sekitar kotak, kadang-kadang ia menekan tuas, akibatnya menemukan bahwa makanan akan jatuh ketika tuas ditekan. Setelah beberapa waktu, tikus mulai berlari lurus ke arah tuas ketika ditempatkan di dalam kotak, menunjukkan bahwa tikus telah mengetahui bahwa tuas itu berarti akan mendapatkan makanan. Dalam percobaan serupa, tikus ditempatkan di dalam kotak Skinner dengan lantai beraliran listrik, menyebabkan tikus tidak nyaman. Tikus menemukan bahwa menekan tuas menghentikan arus listrik. Setelah beberapa waktu, tikus itu mengetahui bahwa tuas itu berarti bahwa tuas itu tidak lagi terkena arus listrik, dan tikus itu mulai berlari lurus ke arah tuas itu ketika ia ditempatkan di dalam kotak. Eksperimen kotak Skinner mendemonstrasikan pengkondisian operan , di mana hewan atau manusia mempelajari suatu perilaku misalnya menekan tuas dengan mengaitkannya dengan konsekuensi misalnya menjatuhkan pelet makanan atau menghentikan arus listrik. Tiga jenis penguatan adalah sebagai berikut Penguatan positif Ketika sesuatu yang baik ditambahkan misalnya pelet makanan dimasukkan ke dalam kotak untuk mengajarkan perilaku baru. Penguatan negatif Ketika sesuatu yang buruk dihilangkan misalnya arus listrik berhenti untuk mengajarkan perilaku baru. Hukuman Ketika sesuatu yang buruk ditambahkan untuk mengajarkan subjek untuk menghentikan perilaku. Pengaruh pada Budaya Kontemporer Behaviorisme masih dapat dilihat di kelas modern , di mana pengkondisian operan digunakan untuk memperkuat perilaku . Misalnya, seorang guru dapat memberikan hadiah kepada siswa yang berprestasi baik dalam ujian atau menghukum siswa yang berperilaku tidak baik dengan memberi mereka waktu penahanan. Meskipun behaviorisme pernah menjadi tren dominan dalam psikologi pada pertengahan abad ke-20, sejak itu kehilangan daya tarik ke psikologi kognitif, yang membandingkan pikiran dengan sistem pemrosesan informasi, seperti komputer. Sumber Baum, W. “Apa itu behaviorisme?” Dalam Memahami Behaviorisme Perilaku, Budaya, dan Evolusi, Edisi Ketiga , John Wiley & Sons, Inc., 2017. Cascio, C. “Bagaimana saya akan menerapkan filosofi behavioris di kelas?” Seattle Pi . Kim, E. "Perbedaan antara pengkondisian klasik dan operan." 2015. Goldman, JG “Apa itu pengkondisian klasik? Dan mengapa itu penting?” Scientific American , 2012. Malone, JC "Apakah John B. Watson benar-benar 'menemukan' behaviorisme?" Analis Perilaku , vol. 37, tidak. 1, 2014, hlm. 1-12. McLeod, S. "Skinner - pengkondisian operan." Psikologi Sederhana , 2018. Pavlov, I. "Refleks bersyarat Penyelidikan aktivitas fisiologis korteks serebral." Klasik dalam Sejarah Psikologi , 1927. Pizzurro, E. “Dapatkah behaviorisme masih berlaku dalam menghadapi oposisi yang luar biasa?” Penelitian Kepribadian , 1998. Watson, JB "Psikologi sebagai behavioris melihatnya." Tinjauan Psikologis , vol. 20, tidak. 2, 1913, hlm. 158-177. Watson, JB, dan Rayner, R. "Reaksi emosional yang dikondisikan." Klasik dalam Sejarah Psikologi . Wozniak, R. "Perilaku Tahun-tahun awal." Bryn Mawr College, 1997.
Menurutsaya yang ngga suka produk skin care terlalu wangi, Sato Hakubi Q10 Cream ini masih sangat bisa ditolerir wanginya. Ketika dibaurkan di kulit wajah ngga terasa bikin kulit menebal ko, dan memang kandungan Q10-nya dirancang langsung untuk bisa langsung diserap oleh kulit. Sato Hakubi Q10 Cream ini dipakai di kulit sensitif pun tetap bisa.
Apa yang akan Anda dapatkan Modul Tutorial Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami. Forum Diskusi Diskusikan materi belajar dengan siswa lainnya. Level Pemula Mempelajari topik dasar dengan objektif membuat produk, sistem, atau latihan sederhana. Deskripsi Kelas ini didesain oleh IBM Indonesia dan dicoding untuk developer yang ingin mempelajari aplikasi kognitif dengan menggunakan teknologi IBM Watson. Tool lain ang digunakan adalah CloudFoundry CF CLI, Postman, dan Android Studio opsional. Modul-modul dalam kelas ini adalah studi kasus pemanfaatan dan tersedia opsi-opsi sebagai berikutConversationText Processing & Information RetrievalImage/Object RecognitionContext / Natural Language UnderstandingData InsightsPrototipe aplikasi yang dibuat oleh peserta akan direview dalam maksimal 3 tiga hari kerja oleh tim dicoding. Peserta yang lulus akan mendapatkan sertifikat dicoding dan dapat membangun aplikasi kognitifnya sendiri. Belajar Gratis! Investasi yang dibutuhkan untuk Sertifikasi di kelas ini adalah Rp. atau menggunakan 400 dicoding IBM WatsonIBM Watson sebagai sebuah platform teknologi kognitif / kecerdasan buatan, mengusung replikasi kemampuan kognitif manusia, termasuk belajar, berinteraksi. mengenali objek, menganalisa, dan menarik kesimpulan dari data teks dan multimedia. Dengan dukungan IBM sebagai perusahaan teknologi, IBM Watsonℱ yang tersedia sebagai Software-as-a-Services SaaS dapat dimanfaatkan untuk mengembangkan kemampuan kognitif dan personalisasi dalam produk dengan sangat mudah. Selengkapnya Sembunyikan Curriculum Developer yang membangun kelas ini Najib Abdillah Product Engineer at Dicoding Indonesia Code Reviewer yang akan me-review tugas dan kode Anda Bibita Habibi Mustafa Platform Engineer at Dicoding Indonesia LINE API ExpertIoT Enthusiast Lihat semua kontributor dan reviewer Lihat semua kontributor dan reviewer Kontributor & Reviewer Kontributor kelas Curriculum Developer yang membangun kelas ini Tim Reviewer Code Reviewer yang akan me-review tugas dan kode Anda Bibita Habibi Mustafa Platform Engineer at Dicoding Indonesia LINE API ExpertIoT Enthusiast Bibita Habibi Mustafa Platform Engineer at Dicoding Indonesia LINE API ExpertIoT Enthusiast Testimoni Siswa Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka. Danar Dono Institut Sains dan Teknologi Terpadu Surabaya Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Di kelas ini, akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa seperti mengulas kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih Dicoding. Baca selengkapnya Muhammad Rafli Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Kelas ini benar-benar memberikan pemahaman yang baik tentang pemrograman. Dengan bahasa yang menarik, mudah dipahami, dan sedikit humor, saya selaku orang non-IT dapat memahami kelas ini dengan baik. Terima kasih Dicoding. Baca selengkapnya Lihat semua testimoni Lihat semua testimoni Testimoni Siswa Danar Dono Institut Sains dan Teknologi Terpadu Surabaya Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Di kelas ini, Anda akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa seperti mengulas kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih dicoding atas materi pembelajarannya. Salam. Muhammad Rafli Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Kelas ini benar-benar memberikan pemahaman yang baik tentang pemrograman. Dengan bahasa yang menarik, mudah dipahami, dan sedikit humor, saya selaku orang non-IT dapat memahami kelas ini dengan baik. Terima kasih Dicoding Thifal Nurrifqi Ariel Kurniawan Universitas Pendidikan Indonesia Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Kelas ini sangat informatif dan bermanfaat bagi siapapun yang hendak memulai langkah di dunia pemrograman. Hal ini dikarenakan media dan pendekatan yang digunakan menjadikan saya mudah memahami tentang pemrograman dari 0 dan tidak buta arah untuk menentukan langkah selanjutnya. Timotius Haniel Memulai Dasar Pemrograman untuk Menjadi Pengembang Software Melalui kelas Basic Programming 101, Saya menyadari bahwa betapa pentingnya basic yang kuat bagi seorang developer. Melalui basic yang kuat, seorang programmer dapat lebih mudah mengembangkan setiap software yang akan dibangun. "Bangunan yang tinggi dan besar, pasti memiliki pondasi yang kokoh" Punya pertanyaan seputar kelas ini? Berikut adalah beberapa pertanyaan yang paling sering ditanyakan. Silabus Materi yang akan Anda pelajari pada kelas ini. Modul 1 Pengenalan Bluemix Modul 2 - Bluemix UI Modul 3 Watson Cognitive Platform Modul 4 Text & Audio - Watson Speech to Text Modul 4 - Lanjutan Text & Audio Watson Text to Speech Modul 4 lanjutan Text & Audio - Watson Tone Analyzer Modul 4 Lanjutan Text & Audio - Sample Project Modul 5 Watson Conversation Modul 6 Image & Visual Object - Watson Visual Recognition Modul 7 Document & Language - Watson Document Conversion Modul 7 Lanjutan Document & Language - Watson Language Translator Modul 7 Lanjutan Document & Language - Watson Natural Language Classifier Modul 7 Lanjutan Document & Language - Watson Natural Language Understanding Modul 8 Machine Learning - Watson Discovery Modul 8 Lanjutan Machine Learning - Personality Insights Modul 8 Lanjutan Machine Learning - Watson Retrieve and Rank Service keyNO. 305 68 445 115 280 362 199 423 345

apa itu guardian dan watson