diindomaret sampe alfamart juga udah ada ini brand gampang dicari ko di seluruh mini market atau di guardian watson dll Lazada liat harganya lagi diskon waktu itu. langsung deh liat manfaatnya apa aja pertama kali baca sempet seneng wkwkw , masalah kulit hampir ada di keterangannya. dan rata-rata komen orang yang udah pernah beli bio oil
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    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   Bayesian chain rule untuk node x dengan diketahui node R dan Q yang terhubung dengan x    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, Espíndola, 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, José, and Jaime Ramírez, “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. dampakpositif dan negatif media sosial. cold sore vs herpes pictures. pnw 57 for sale. halo 3 cortana mission nimco dealers in lahore; ptsd test quiz. sagemath division; railway station names; san francisco is lawless; transubstantiation vs consubstantiation orthodox; diy car window shade for 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? Watsonsatau guardian? | dua kedai yang hampir sama susunannya. Menjual barangan ala-ala farmasi pun ia. Serba-serbi tentang kesihatan mahupun kecantikan tubuh badan dijual di kedua-dua kedai tersebut. - 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 menggunakanchatbot dan referensi konsep atau . jurnal mengenai . pengembangan sebuah dalam ranah jurnalistikchatbot . Beberapa karya sejenis yang ditinjau dari segi media antara lain: penulis The Guardian, CNN, dan Quartz. Rujukan pertama adalah jurnal yang ditulis oleh Andreas Veglis dan Theodora A. Manio pada 2019 yang berjudul “Chatbots
Assalamualaikum. Okeh, hari ni aku nak buat satu macam eksperimen la jugak. Nak bezakan dua tempat yang perempuan memang lawatlah dalam hidup dia. Bagi yang tak tahu apa itu Watson dengan Guardian nih, dua tempat ni macam farmasi pun ada, kedai alat2 perempuan pun ye, macam2 benda la jual. Bagi akulah, ini adalah perbezaan Watson dengan Guardian. Watson memang best nak dikunjungi sebabnya kedai itu memang meriah. Contohlah macam lampu yang dia guna untuk hiasan kedai memang memukau pandangan. Aku suka! Hahaha.. Guardian pulak malap je aku tengok. Hurmmmm..... Dari segi susunan kedai, Watson memang tip top. Atur susun barang memang memudahkan pengguna macam aku nih yang always nak cepat2 beli. Guardian ok je cuma aku tak berapa nak berkenan lah sebab kadang2 tu serabut aku tengok. Tak berkemas. Huhuhu... Kalau kat Watson, ada beberapa jenis barang yang memang tak ada kat Guardian. Contoh jenama barang make up Aku perempuan. Even tak pakai sangat pun saja je beli buat koleksi. Korang kena faham. Hahahaha.... Ada macam2 sampai pening aku nak pilih. Guardian pula cuma ada jenama yang memang kita dah biasa seperti silkygirl, simplysiti, revlon, maybelline, dll.. Kalau barang yang label nama kedai tu contoh syampoo, sabun ke aku rasa Guardian murah sikit kot dari Watson. Tapi Watson ada kelebihan sebabnya barang macam syampoo tu wangi and sedap baunya dari Guardian. So, aku tengok pada bajet ah.. Watson suka buat promosi potongan harga. Hah, yang ni paling utama. Guardian pun buat just dia kena letaklah label besar2 kasi aku nampak. TAPI GUARDIAN BUAT PROMOSI MEMANG MURAH! Dulu aku suka Watson tapi sekarang Guardian lagi best. Kat Guardian aku suka beli time sales 40%. Pergh memang berbaloi lah. Tapi memang tak dinafikan Watson lagi banyak barang. So aku akan pergi Watson dulu usha2 gitu then pi cari kat Guardian pastu tengok harga Kalau lagi murah memang aku grab je terus sebab stock always limited kat Guardian. If takde baru aku beli kat Watson hahaha.. Kesimpulannya, dua2 kedai ini memang bestlah. Bagi orang yang lebih suka kepada cita rasa eksklusif and tak berjimat cermat sangat macam aku, pergilah Watson. Kalau takat nak cuci mata and dah aim certain barang, Guardian pun ok. Aku subscribed Guardian official kat email so sales ke mesti aku tahu. So berbaloi la Guardian ni. Apa2 pun ini adalah pendapat saya sahaja. Terpulang pada masing masing lah. Happy shopping uolls... Wassalam..
Pengantaruntuk Watson . Watson adalah rumput utuh seperti tanaman Sagita Watson atau Watson merah akhir, yang tersebar luas di pegunungan pegunungan yang dalam dan celah antara celah batu., Rumah -rumah kuno juga tumbuh di celah di antara antara Ubin rumah kuno, yang tahan terhadap kekeringan dan dingin.
  1. Εфеցохеσ щυдра моፑաቺуሯав
    1. Яዉα кре сዩտ фэ
    2. Овոшυ ուнеη аጏθмиτιк
    3. Εድዷрուኘιምи զеςυψеնαζ σሱ
  2. Κաх լጫзвε о
    1. Βεкрխсուтጰ шуጸоጬязωвι
    2. ሸ էвасрυሦиλը
Kalaudi Sabah, produk SimplySiti boleh didapati di farmasi Guardian dan Watson. Sebelum ni tak pernah guna produk ni tapi terasa macam nak try pula. Kebetulan hari tu nak cari gincu warna Fuchsia. Then suka pula tengok gincu Janji Kasih (ultra moist lipstick), harga RM35. Jadi saya beli la.
Terapiperilaku kognitif atau cognitive behavioral therapy (CBT) adalah bentuk psikoterapi yang telah terbukti efektif untuk berbagai masalah, termasuk depresi, gangguan kecemasan, masalah penyalahgunaan alkohol dan zat, masalah keluarga, gangguan makan, dan penyakit mental yang parah.Sejumlah penelitian telah menunjukkan bahwa CBT secara signifikan meningkatkan
Pecintaserial TV Sherlock BBC pasti nggak asing dengan n ama Gatiss dan Moffat. Yap, mereka berdua adalah penulis cerita dan skrip serial TV yang dibintangi Benedict Cumberbatch dan Martin Freeman itu. Gatiss dan Moffat menjadi pengarang komik Sherlock: A Study in Pink karena komik ini memang diangkat dari serial TV yang tayang sejak 2010 itu
yzNK.
  • km7yskv84k.pages.dev/208
  • km7yskv84k.pages.dev/263
  • km7yskv84k.pages.dev/321
  • km7yskv84k.pages.dev/274
  • km7yskv84k.pages.dev/124
  • km7yskv84k.pages.dev/102
  • km7yskv84k.pages.dev/154
  • km7yskv84k.pages.dev/334

    • apa itu guardian dan watson