Cara Membuat Bot Telegram Tanpa Ngoding di Web, Bisa Banget

ara Membuat Bot Telegram Tanpa Ngoding di Web, Bisa Banget – Hai, Sobat Tekno.

Telegram menjadi salah satu aplikasi pesan instan terpopuler setelah whatsapp. Telegram juga bisa diakses di smartphone maupun Web. Aplikasi yang dikembangkan oleh Pavel dan Nikolai ini memang memiliki segudang fitur, bahkan bisa dibilang lebih lengkap dari kompetitornya, yaitu whatsapp.

Beberapa fitur menarik yang ditawarkan Telegram adalah dapat menampung 30 ribu anggota dalam suatu grup. Selain memiliki fitur group chat, telegram juga mempunyai fitur channel, dimana di dalam channel tersebut pengelola dapat membagikan sebuah informasi berupa tulisan, gambar, serta video.

Di telegram, kita juga dapat mengunduh file gambar yang dikirimkan oleh pengguna lain dengan beberapa opsi, apakah kita ingin mengunduh dengan ukuran asli atau ukuran ringan.

Telegram juga menyediakan fitur chat bot, seperti whatsapp. Jadi, kamu tidak perlu susah-susah untuk membalas pesan secara manual. Sudah banyak juga bot-bot telegram yang tersebar saat ini. Entah itu bot untuk membuat stiker otomatis atau lainnya.

Beberapa orang mungkin akan berpikir bahwa untuk membuat bot web pada telegram harus memiliki skill programming. Itu memang benar adanya, namun apakah kita tetap bisa membuat bot telegram tanpa ngoding?

Di zaman yang sudah secanggih ini, jawabannya bisa saja. Tentunya dengan memanfaatkan platform-platform yang ada untuk mempermudah pekerjaan kita. Salah satunya membuat bot telegram tanpa ngoding ini.

Buat kamu yang penasaran, langsung simak saja penjelasan serta langkah-langkahnya dibawah ini.

Cara Membuat Bot Telegram Tanpa Ngoding

Salah satu cara membuat bot telegram tanpa ngoding adalah dengan menggunakan BotFather. Mengutip dari laman FlowXo, berikut merupakan cara dan langkah-langkah membuat bot telegram dengan mudah:

Membuat Channel Telegram

Sebelum memprogram bot, kamu diharuskan untuk membuat channel telegram terlebih dahulu dengan cara :

  1. Buka aplikasi telegram dan klik icon menulis (pensil) yang berwarna biru di bagian kanan bawah
  2. Pilih Channel Baru dan beri nama channel kamu
  3. Pastikan saat mengisi Deskripsi sesuai dengan nama channel tersebut dan klik tkamu checklist di kanan atas
  4. Kemudian akan muncul menu Pengaturan Channel, kamu dapat mengatur privasi channel secara privat atau publik pada menu Tipe Channel
  5. Apabila privasi channel diatur secara publik buatlah Tautan Publik yang berfungsi membagikan link channel telegram yang dibuat

Memasang BotFather

BotFather sendiri merupakan sebuah platform yang disediakan untuk membuat bot Telegram tanpa menggunakan coding apapun. Berikut cara memasang BotFather :

  1. Cari BotFather pada pencarian telegram (icon search) di pojok kanan atas
  2. Klik menu mulai, klik perintah, kemudian ketik nama pengguna bot kamu. ketika menuliskan nama pengguna akhiri menggunakan kata Bot
  3. Setelah itu, akan mendapatkan token API HTTP (contoh : 435074775: AAHRQTtAOhQ1POBw9L98ru6Giek0qafTvME). Jangan lupa simpan dan amankan token yang diterima. Apabila token tersebut diketahui orang lain maka orang tersebut dapat mengendalikan bot sepenuhnya

Hubungkan Bot dengan FlowXo

FlowXo sebagai link penghubung antara bot yang sudah dibuat sebelumnya pada BotFather dengan channel.

  1. Cari FlowXo pada pencarian telegram di pojok kanan atas dan klik mulai
  2. Ketik perintah atau klik “Create a New Bot”
  3. Kemudian klik “I’ve copied the API token”
  4. Copy token yang sudah diterima dari BotFather dan paste pada FlowXo
  5. Jika token sudah diterima maka klik Skip
  6. Bot sudah siap untuk digunakan, hanya perlu klik “Send New Post to Subscribers”

Konfigurasi Bot

Sebelum bot dapat berfungsi, kamu perlu melakukan konfigurasi bot terlebih dahulu dengan cara berikut :

  1. Buka bot yang telah dibuka dan klik menu Settings
  2. Klik menu Auto Posting, kemudian klik Youtube untuk menambahkan channel Youtube
  3. Masukkan link channel Youtube
  4. Jika sudah, nantinya akan muncul pesan yang berisi bahwa link channel Youtube diterima

Gimana? Cukup mudah bukan? Jadi kamu ga perlu ngoding untuk membuat bot telegram. Semoga bermanfaat.

Mengenal Apa Itu Computer Vision Serta Kegunaannya

Mengenal Apa Itu Computer Vision Serta Kegunaannya – Hai, Sobat Tekno.

Beberapa orang mungkin sudah memahami bahwa teknologi computer vision dapat digunakan untuk banyak sekali hal yang berhubungan dengan gambar atau image.

Namun kebanyakan orang hanya tahu komputer saja, tapi kurang paham apa yang dimaksud dengan computer vision. Seiring perkembangan teknologi komputer seperti sekarang ini, tentunya komputer akan terus dikembangkan menjadi lebih canggih.

Jika manusia diberikan akal untuk mengenali sebuah objek, maka salah satu bidang teknologi yang memungkinkan sebuah komputer bisa melihat objek di sekitarnya adalah computer vision. Karena computer vision dapat dilatih untuk melakukan suatu hal serupa yang dilakukan oleh manusia seperti melihat objek di sekelilingnya.

Apa itu Computer Vision?

Mengutip dari laman Calonpengangguran.com Computer Vision merupakan sebuah teknologi yang memudahkan dalam melakukan proses pembacaan data sebuah objek. Objek tersebut nantinya akan memberikan dan menampilkan perintah maupun fungsi tertentu dalam menjalankan aktivitas sesuai dari data objek tersebut.

Dengan adanya teknologi computer vision dalam aspek kehidupan dapat mempercepat mobilitas. Misalnya untuk melakukan transaksi dan memuat informasi data dari objek dengan lebih minimalis.

Penerapan Artificial Intelligence (AI) menjadi salah satu contoh teknologi computer vision yang sedang populer saat ini. AI dapat merespon berbagai data sehingga menjalankan perintah sesuai dengan objek atau suatu citra yang dianalisa.

Secara khusus, computer vision memiliki kemampuan untuk mengkategorikan, membenarkan, mendeteksi, dan mengidentifikasi sebuah objek. Tak hanya itu, banyak pemanfaatan serta penggunaan dari teknologi ini dalam berbagai aspek dalam sektor bisnis.

Fungsi Computer Vision

Computer vision dapat diterapkan di berbagai bidang lainnya, seperti:

Keuangan

Tanpa disadari, saat ini sudah banyak yang menggunakan dompet digital serta layanan berbasis barcode untuk melakukan transaksi keuangan. Dimana sebelumnya orang-orang mengandalkan uang cash untuk melakukan segala transaksi.

Namun saat ini, kita dimudahkan untuk membayar belanjaan ataupun makanan saat makan di restoran, dengan hanya melakukan scan barcode melalui ponsel yang telah terintegrasi dengan dompet digital. Jadi Anda tak perlu lagi harus menarik uang melalui ATM ataupun membawa uang cash kemana-mana.

Selain itu, computer vision juga sudah banyak diterapkan untuk layanan parkir. Jadi tak jarang kita langsung dihadapkan oleh mesin parkir otomatis saat hendak parkir, dan kita hanya harus menempelkan kartu parkir atau sejenisnya untuk membuka palang parkir.

Game dan Aplikasi

Ternyata dalam game dan berbagai macam aplikasi sudah menerapkan teknologi computer vision, salah satunya teknologi AI. Misalnya ketika kamu bermain salah satu game online, pasti ada sebuah fitur untuk melatih skill bermain game. Dalam fitur tersebut kamu tidak akan dipertemukan dengan lawan sesama player melainkan AI atau bot.

Sistem computer vision dalam game membuat adanya respon otomatis ketika kita bergerak, menyerang, dan sebagainya. 

Medis

Computer vision juga sudah sering kita jumpai dalam sektor medis. Computer vision dapat mengidentifikasi tanda kehamilan, penggunaan narkoba, USG, tes DNA, kesesuaian sidik jari, dan masih banyak lagi. Sehingga menjadikan teknologi ini benar-benar membantu dalam bidang medis secara akurat.

Pentingnya teknologi computer Vision dalam segala aspek kehidupan termasuk medis memberikan kemajuan dalam hal kesehatan serta mengidentifikasi hal-hal baru yang tidak diketahui sebelumnya.

Keamanan 

Salah satu bidang yang cukup penting adalah bidang keamanan. Jika diperhatikan lagi, cara kerja CCTV modern tidak hanya merekam dan menampilkan situasi sekitar, melainkan dapat mendeteksi suara atau gerakan yang aneh sehingga akan memberikan alarm atau tanda tertentu.

Hal ini sangat membantu untuk mengetahui hal-hal yang mencurigakan serta memberikan keamanan dan penjagaan di rumah, perusahaan, atau tempat-tempat penting lainnya.

Sektor Industri

Dalam sektor industri, computer vision banyak dipakai untuk mengecek quality control atau menyortir produk, apakah produk tersebut layak atau tidak untuk di distribusikan.

Dengan bantuan teknologi ini tentu saja kinerja perusahaan akan menjadi lebih cepat serta akurat karena dibantu oleh program komputer yang akan memberikan hasil identifikasi dari setiap objek yang dilihatnya.

Itulah sedikit pembahasan tentang mengenal apa itu computer vision serta kegunaannya.

4 Website Untuk Mendapatkan Dataset Gratis

Sebelum mengembangkan program kecerdasan buatan, dataset adalah hal yang harus kamu siapkan. Dataset berisikan informasi yang akan kamu ekstraksi sebagai pengetahun bagi komputer. Pengetahuan inilah yang menjadi dasar penentuan keputusan dalam kondisi tertentu. Tahukan kamu, kamu dapat mendapatkan nya secara gratis tanpa harus susah-susah mengumpulkannya? Bagi pejuang skripsi, menggunakan dataset gratis akan mempercepat proses penelitian sekaligus mengurangi biaya selama pengumpulan data. Berikut ini 4 Website Untuk Mendapatkan Dataset Gratis. Check This Out !

UCI Machine Learning Repository

Salah satu respositori untuk machine learning terbaik adalah UCI Machine Learning Repository. UCI Machine Learning Repository adalah repositori yang dikembangkan oleh University of California Irvine. Website ini merupakan website pertama yang harus kamu check saat mencari dataset. UCI Machine Learning Repository memiliki kurang lebih 440 dataset yang bisa kamu akses secara gratis, lengkap dengan label seperti domain dan operasi yang bisa kamu lakukan (regresi/klasifikasi). Lebih lanjut, beberapa yang dapat kamu temukan adalah iris, wine, dan forest fires.

Kaggle

Selanjutnya, kamu bisa mengambil dari Kaggle. Kaggle lebih spesifik pada topik data science dan data analytic. Selain mendapatkan dataset, kamu juga bisa menambahkan data milik kamu di website ini. Jumlah dataset yang tersedia pada Kaggle mencapai 350, dengan 250-an data yang sudah terlabel dengan baik. Kamu bisa mendapatkan data yang unik dan tidak bisa kamu temui pada website lain. Jika mengalami kesulitan, kamu bisa melempar pertanyaan pada komunitas. Tak hanya itu, kaggle juga beberapa kali menyediakan perlombaan yang berhadiah menarik bagi pemenangnya.

Data.Gov

Ketiga, kamu bisa mengunjungi Data.Gov untuk mencari dataset. Data.gov berisikan banyak data dari pemerintahan US, mulai dari iklim, keuangan, pendidikan, energi, dan banyak data lain. Website ini menyediakan lebih dari 190.000 data yang bisa kamu gunakan gratis. Data-data ini terdokumentasi dengan baik, sehingga kamu mencari data dengan mudah, bahkan tanpa mendaftar sebelumnya. Beberapa data yang tersedia pada data.gov adalah Food Environment Atlas, School system finances , dan Chronic disease data

The MNIST Database 

Nah, jika kamu tertarik dengan image classification, the MNIST Database adalah dataset yang wajib kamu kunjungi. The MNIST database berisi angka 0 sampai 9 yang ditulis oleh tangan. Kamu dapat dengan mudah menemukan 60.000 train images dan 10.000 test images melalui data ini. Tiap data berisikan image berukuran 28×28 pixel. The MNIST database biasanya digunakan sebagai project pertama dalam image recognition.

Baca Juga : MEMBUAT KLASIFIKASI BUNGA IRIS DENGAN PYTHON (1)

Nah, itulah 4 Website Untuk Mendapatkan Dataset Gratis. Selamat mencoba!

[Tutorial Python] Membuat Klasifikasi Bunga Iris Dengan Python (2)

Pada artikel Membuat Klasifikasi Bunga Iris Dengan Python (2), kamu akan belajar bagaimana cara melakukan training dan validating data.

Training Data

Untuk dapat mengetahui nama orang yang kita temui, kamu harus terlebih dahulu berkenalan dengan mereka. Setelah berkenalan, data tersebut akan tersimpan dalam memori otak kamu. Nah, saat bertemu dengan orang lain, kamu akan mencoba mengingat data yang tersimpan dalam memori otak, dan membandingkan data ini dengan wajah yang sedang kamu temui. Jika kamu menemukan wajah yang sama, kamu akan langsung mengetahui siapa nama orang yang kamu temui ini.

Dalam machine learning, proses ‘berkenalan‘ ini disebut proses training data. Proses ini akan menghasilkan pengetahuan mengenai pola-pola dan informasi tiap kelas pada dataset. Kamu harus terlebih dahulu membagi dataset menjadi 2 bagian yakni, data training dan data testing. Dalam percobaan ini, 80% data akan menjadi data training, sedangkan 20% sisanya akan menjadi validation data

array = iris.values    
X = array[:,0:4]    
Y = array[:,4]    
validation_size = 0.20    
seed = 7    
X_train, X_validation, Y_train, Y_validation = cross_validation.train_test_split(X, Y, test_size=validation_size,random_state=seed)    
num_folds = 10    // sesuaikan dengan nilai K yang kamu inginkan
num_instances = len(X_train)    
seed = 7    
scoring = 'accuracy' 

Untuk melakukan klasifikasi, ada beberapa algoritma yang bisa kamu gunakan. Algoritma yang berbeda, akan menghasilkan hasil akurasi yang berbeda pula. Tujuan bagian ini adalah menemukan algoritma yang memiliki akurasi paling tinggi

Terdapat 5 algoritma yang populer yang biasa digunakan untuk klasifikasi
1. Linear regression algorithm
2. Logistic regression
3. Decision tree classifier
4. Gaussian Naïve Base
5. Support Vector Machine

Namun, apabila kamu belum mengenal 5 algoritma ini, tidak perlu khawatir. Pada artikel selanjutnya, TASOfficial akan membahas selayang pandang mengenai kelimanya.

Pyhton sudah menyediakan fungsi untuk algoritma-algoritma ini. Kamu cukup memanggil fungsi, dan hasil akan langsung tampil. Keren kan?

models = []    
models.append(('LR', LogisticRegression()))    
models.append(('LDA', LinearDiscriminantAnalysis()))    
models.append(('CART', DecisionTreeClassifier()))    
models.append(('NB', GaussianNB()))    
models.append(('SVM', SVM()))    
results = []    
names = []    
for name, model in models:    
kfold = cross_validation.KFold(n=num_instances, n_folds=num_folds, random_state=seed)    
cv_results = cross_validation.cross_val_score(model, X_train, Y_train, cv=kfold, scoring=scoring)    
results.append(cv_results)    
names.append(name)    
msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std()
print(msg)   

Dalam kasus klasifikasi bunga iris, algoritma SVM terbukti memiliki akurasi yang paling baik daripada algoritma algoritma yang lain.

Klasifikasi Bunga Iris

Validation

Tahapan selanjutnya adalah melakukan validation. Validation akan menguji kekuatan training data dengan testing data. Beberapa orang mungkin memiliki suara dan bentuk muka yang sama. Hal ini sering membuat kita bingung dan gagal mengenali mereka dengan baik. Nah, validation akan menguji seberapa pemahaman kita terhadap orang-orang yang telah kita temui sebelumnya.

svn = SVM()    
svn.fit(X_train, Y_train)    
predictions = svn.predict(X_validation)    
print(accuracy_score(Y_validation, predictions))    
print(confusion_matrix(Y_validation, predictions))    
print(classification_report(Y_validation, predictions))   

Hasil validation data training terhadap data testing adalah sebagai berikut :

Testing

Untuk menguji machine learning yang telah kita buat, kita harus melakukan percobaa dengan data baru. Percobaan ini dilakukan terhadap dua data baru

X_new = numpy.array([[3, 2, 4, 0.2], [  4.7, 3, 1.3, 0.2 ]])    
prediction = svn.predict(X_new)    
print("Prediction of Species: {}".format(prediction))   

Hasil prediksi adalah sebagai Iris virginica dan Iris Setosa

Baca Juga : APA YANG AKAN TERJADI JIKA TOKOPEDIA DAN GOJEK MERGER?

Itulah tutorial Membuat Klasifikasi Bunga Iris Dengan Python (2). Apabila kamu mengalami kesulitan, silahkan tinggalkan pertanyaan pada kolom komentar ya!

Artikel ini merupakan artikel terjemahan dengan sedikit pengubahan. Artikel asli dapat kamu akses melalui link berikut.

[Tutorial Python] Membuat Klasifikasi Bunga Iris Dengan Python (1)

Machine learning adalah salah satu topik yang tengah naik daun. Teknologi ini memungkinkan komputer untuk mempelajari suatu objek layaknya manusia. Jika kamu ingin membuat project machine learning, python mungkin akan jadi bahasa pemrograman yang tepat untuk kamu. Bahasa ini memiliki banyak dukungan library dan packages yang akan memudahkan kamu untuk membuat project machine learning. Pada artikel ini, TASOfficial akan mengajak kamu Membuat Klasifikasi Bunga Iris Dengan Python. Tutorial ini terbagi dalam 2 bagian. Pada artikel Membuat Klasifikasi Bunga Iris Dengan Python (1), kamu akan belajar mengenai dataset, melihat dataset, dan memvisualisasikannya dalam bentuk grafik.

Dataset Iris

Project ini bertujuan untuk membuat klasifikasi bunga iris. Klasifikasi iris adalah salah satu dataset yang sering digunakan sebagai project pertama dalam memulai perjalanan machine learning developer. Tenang saja, kamu tidak perlu menyiapkan dataset sendiri karena dataset iris telah tersedia secara bebas dan gratis. Kamu bisa mengunduh dataset iris.csv melalui link ini.

Dataset Iris Download
Sumber : arisbudianto.net

Dataset ini berisi data observasi 3 spesies anggrek dengan jumlah observasi tiap spesiesnya sebanyak 50 observasi. Setiap data memiliki 4 komponen yakni Sepal.Length, Sepal.Width, Petal.Length, Petal.Width, dan spesies.

Instalasi Packages

Hal pertama yang harus kamu lakukan untuk membuat program klasifikasi bunga iris adalah melakukan instalasi pandas. Pandas adalah packages yang menyediakan banyak fitur dalam pengolahan dan analisa data. Pandas dapat mengelola data baik dalam bentuk Series (1-dimensional) and DataFrame (2-dimensional).Selain memerlukan pacakages pandas, kamu juga memerlukan packages numpy. Numpy berguna untuk operasi vektor dan matriks. Numpy merupakan salah satu library yang digunakan oleh library lain seperti Scikit-Learn untuk keperluan analisis data. Pada bagian akhir, kamu akan melakukan visualisasi data. Oleh karena itu kamu juga akan memerlukan seaborn

Untuk melakukan instalasi packages ini, buka command prompt. Tuliskan perintah berikut

pip install pandas
pip install numpy
pip install sklearn
pip install seabon

Setelah instalasi pacakages selesai, buat python new file. Pada header program, import library-library yang telah terdownload pada program kamu

import pandas    
import numpy    
import seaborn    
import sklearn    

Melihat Isi Dataset

Setelah mengunduh dataset iris, letakkan file .csv pada folder yang sama dengan project. Selanjutnya, gunakan read_csv untuk membaca data pada dataset ini

iris=pd.read_csv('Iris.csv')  

Kamu juga dapat melihat isi data pada file csv. Misal, kamu ingin melihat isi 15 baris pertama pada file iris.csv, ketikkan perintah berikut

print(iris.head(15))

Pandas juga memberikan fasilitas untuk melihat summary data, mulai dari count, min, mean, max, dan percentiles.

print(iris.describe())   

Untuk melihat jumlah data iris tiap kelasnya, gunakan perintah groupby.size

print(iris.groupby('iris').size())   

Menampilkan Dataset Dalam Bentuk Grafik

Kamu dapat menampilkan BoxPlot maupun PairPlot. Jika kamu ingin menampilkan dataset iris berdasarkan distribusi datanya, termasuk data mean, median, dan deviasi, gunakan BoxPlot. Perintah untuk menampilkan dataset dalam grafik Boxplot adalah sebagai berikut

plt.figure(figsize=(15,10))    
plt.subplot(2,2,1)    
sns.boxplot(x='iris',y='sepallength',data=iris)    
plt.subplot(2,2,2)    
sns.boxplot(x='iris',y='sepalwidth',data=iris)    
plt.subplot(2,2,3)    
sns.boxplot(x='iris',y='petallength',data=iris)    
plt.subplot(2,2,4)    
sns.boxplot(x='iris',y='petalwidth',data=iris) 

Sementara itu, pairplot dapat kamu pilih jika kamu ingin merepresentasikan setiap kelasnya dalam warna yang berbeda. Tampilan grafik ini direpresentasikan dalam single graph. Tampilan data overlap dapat kamu lihat dengan jelas dengan pairplot ini

sns.pairplot(iris, hue='iris', size=3, diag_kind="kde")    
sns.pairplot(iris,hue='iris')   

Nah, itulah Membuat Klasifikasi Bunga Iris Dengan Python (1). Pada Membuat Klasifikasi Bunga Iris Dengan Python (2), kamu akan belajar bagaimana cara melakukan training dan validating data.

[Tutorial] Membuat Whatsapp Bot (Indonesia) Dengan Python dan Chat-API

[Tutorial Indonesia] Membuat Bot Whatsapp Dengan Python dan Chat-API – Maraknya bisnis online selama pandemi, membuat persaingan antar penjual semakin sengit. Salah satu upaya untuk meningkatkan kualitas layanan dan kepuasan pelanggan, owner memanfaatkan Bot Whatsapp bahasa Indonesia. Bot Whatsapp akan membuat layanan customer service tersedia 24 jam perharinya. Bot Whatsapp akan memberikan kesempatan emas bagi owner bisnis untuk menjangkau audiens yang lebih luas dan memberikan pelayanan terbaik kepada pelanggan hingga mereka menjadi pelanggan loyal. Kamu bisa banget loh membuat Bot Whatsapp sendiri dengan bahasa Python dan Chat-API. Penasaran gimana caranya?

Chat-API
Sumber : Elipse Knowledgebase – Elipse Software

Menghubungkan Akun Whatsapp dan Chat-API

Untuk dapat mengakses layanan Bot, kamu harus menghubungkan akun whatsapp dengan Chat-API. Pertama, buat akun baru di web Chat-API. Setelah berhasil, website akan memberikan QR Code untuk akun kamu. Lalu, scan QR Code dengan memilih go to Settings → WhatsApp Web → Scan the QR code
Kamu membutuhkan WebHook URL untuk menyimpan data JSON berisikan chat masuk dan pemberitahuan chat kamu. Untuk itu, kamu memerlukan Flask Server untuk membuat menjalankan bot ini sekaligus menyimpan segala informasi chat

Membuat Perintah Bot Whatsapp Bahasa Indonesia

Buat file python baru. Beri nama wabot.py. Untuk membuat Bot Whatsapp ini, kamu akan memerlukan beberapa library yakni json, request, dan datetime. JSON berguna untuk menyimpan data dari server, request berguna untuk mengakses API website, sedangkan datetime untuk melakukan operasi yang berkaitan dengan waktu

import json 
import requests 
import datetime

Selanjutnya buat kelas konstruktor. Konstuktor secara default akan menerima data JSON berisikan informasi chat yang masuk.

class WABot(): 
   def __init__(self, json): 
           self.json = json 
           self.dict_messages = json['messages']  
           self.APIUrl = 'https://eu41.chat-api.com/instance12345/' 
           self.token = 'abcdefg'

Untuk mendapatkan service-api, kamu harus mengirimkan request. Fungsi send-request akan menerima dua parameter yakni method, dan data. Method akan berisi jenis method dalam fungsi (GET/POST), sedangkan data berisi informasi pesan dalam format JSON. Fungsi send_request akan me-return informasi chat WA

def send_requests(self, method, data):
    url = f"{self.APIUrl}{method}?token={self.token}"
    headers = {'Content-type': 'application/json'}
    answer = requests.post(url, data=json.dumps(data),
    headers=headers)
    return answer.json()

Kemudian, buat fungsi untuk mengirim pesan balasan. Seperti send_request, fungsi send_message juga memiliki dua parameter yakni chatID – ID pesan, dan text-isi pesan. Dalam fungsi ini, kamu akan membutuhkan dictionary untuk memecah chat ID dan text yang akan dikirimkan.

def send_message(self, chatID, text):
     data = {"chatID" : chatID,
     "body" : text}
     answer = self.send_requests('sendMessage', data)
     return answer

Jangan lupa untuk membuat welcome messages sebagai pesan pembuka bagi setiap user yang baru masuk. Misal dalam kasus ini kamu akan menawarkan brosur dan informasi mengenai lokasi toko Offline

def welcome(self,chatID, noWelcome = False):
     welcome_string = ''
     if (noWelcome == False):
     welcome_string = "Selamat Datang Di Toko ABC \n"
     else:
     welcome_string = """Perintah tidak dikenali
Commands:
1. brosur [format] - Download brosur terbaru, format yang tersedia: doc/jpg/png/pdf
2. alamat- Tampilkan alamat toko offline
    return self.send_message(chatID, welcome_string)

Buat tampilan output untuk perintah brosur. Untuk membuat fungsi brosur, kamu membutuhkan chatID dan format. Kamu juga harus menyiapkan file brosur yang nantinya akan disimpan dalam server

def brosur(self, chatID, format):
    availableFiles = {'doc' : 'brosur.doc',
    'jpg' : 'brosur.jpg',
    'png' : 'brosur.png',
    'pdf' : 'brosur.pdf',
    if format in availableFiles.keys():
       data = {
         'chatId' : chatID,
        'body': f'https://domain.com/Python/{availableFiles[format]}',
'filename' : availableFiles[format],
'caption' : f'Get your file {availableFiles[format]}'
       }
     return self.send_requests('sendFile', data)

Selanjutnya, buat auto-reply untuk alamat.

def alamat(self, chatID):
   data = {
   "lat" : '51.51916',
   "lng" : '-0.139214',
   "address" :'Toko ABC \nJalan Plamongan Indah Blok E2 No 17',
   "chatId" : chatID
   }
   answer = self.send_requests('sendLocation', data)
   return answer

Terakhir, buat fungsi untuk memproses chat yang masuk dari user

def processing(self):
    if self.dict_messages != []:
        for message in self.dict_messages:
            text = message['body'].split()
            if not message['fromMe']:
                id = message['chatId']
                if text[0].lower() == 'brosur':
                    return self.brosur(id, text[1])
                elif text[0].lower() == 'geo':
                    return self.alamat(id)
            else:
                return self.welcome(id, True)
    else: return 'Perintah Tidak Valid'

Ganti token dengan token dari akun kamu. Klik disini untuk mendapatkan token.

Membuat Server

Tahapan kedua dalam membuat bot whatsapp adalah membuat server. Dalam membuat server, kita akan menggunakan framework Flask. Buat app.py kemudian tuliskan kode berikut

from flask import Flask, request, jsonify
from wabot import WABot
import json

app = Flask(name)

@app.route('/', methods=['POST'])

def home():
   if request.method == 'POST':
   bot = WABot(request.json)
   return bot.processing()
if(name) == 'main':
    app.run()

Bot telah selesai dan siap digunakan. Kamu cukup menggunggah source code ini ke hosting kamu dan menamai domain kamu dengan nama webhook.

Nah, itulah tutorial membuat Bot Whatsapp Dengan Python dan Chat-API. Apabila kamu mengalami kendala, tuliskan masalahmu di komentar ya!

Baca Juga : 5 HOSTING GRATIS BUAT WEBSITE KAMU

Bagaimana Cara Kerja Noon Gil di Drama Start-Up?

Start-Up adalah drama korea yang cukup populer. Setiap episode selalu berhasil mendudukan trending twitter loh. Bahkan, meskipun drama ini sudah tamat 6 Desember lalu, masih banyak netizen yang gagal move on dengan kecerdasan Nam Do San dalam mengembangkan aplikasi. Noon Gil adalah aplikasi yang berhasil dikembangkan Sam San Tech. Aplikasi ini berhasil mengenali objek yang berada di depannya, kemudian membacakan hasil analisanya kepada pengguna. Namun sebenarnya, bagaimana ya cara kerja Noon Gil Start-Up? TASOfficial akan membahasnya khusus untuk kamu.

NoonGil Startup
Sumber : Kinipaham

Mengadopsi Computer Vision

Kemampuan Noon Gil dalam mengenali objek terkenal dengan istilah Computer Vision. Computer Vision adalah kemampuan komputer dalam melihat benda-benda di sekitarnya. Kemampuan ini memungkinkan komputer untuk mengidentifikasi dan memproses objek dengan cara yang sama seperti manusia. Beberapa computer vision yang ada di sekitar kita adalah QR Code. QR Code sudah banyak menjadi kode dalam produk swalayan hingga dalam proses pembayaran

Untuk dapat mengenali suatu benda, kita harus terlebih dahulu ‘berkenalan’ dengan benda tersebut. Semakin kita kenal dengan benda tersebut, kita akan lebih cepat mengetahui benda apa yang ada di depan kita. Begitupun Computer Vision. Teknologi ini memerlukan gambar awal untuk berkenalan. Gambar awal ini disebut dengan istilah training images. Semakin besar jumlah training images semakin cepat pula ‘otak’ dalam mengenali setiap informasinya.

Di dunia nyata, Sam Sam Tech memberi ‘makan’ Noon Gil terlebih dahulu. Sam Sam Tech harus mengumpulkan informasi objek-objek sebanyak-banyaknya. Hal ini dilakukan untuk menjamin Noon Gil tidak memberikan hasil prediksi yang salah. Mengingat akurasinya yang luar biasa, kira-kira sebera banyak yang gambar yang mereka siapkan?

Dari gambar training, komputer akan mempelajari pola dan tekstur tiap gambarnya. Nah, proses pengenalan pola dalam computer vision ini disebut dengan istilah Image Analysis. Lebih lanjut, proses ini, komputer akan mengidentifikasi fitur-fitur spesifik dan karakteristik setiap gambar. Dengan image analysis komputer juga akan mendapatkan tepi dan batas‐batasan objek dalam image.

Baca Juga : Membuat Program Deteksi Wajah Ala Nam Do San

Deep Learning Untuk Klasifikasi Objek

Komputer akan mempelajari gambar ini layaknya sebuah puzzle. Komputer akan menyusun potongan-potongan gambar yang tersebar dalam berbagai bentuk dengan pinggiran atau ujung yang berbeda-beda. Setelah menjadi menyusunnya menjadi kesatuan yang utuh, komputer akan dapat mendapatkan informasi secara utuh. Komputer akan menerjemahkan sebuah objek dan memberi label pada objek tersebut.

Proses penerjemahan gambar akan lebih mudah dengan memanfaatkan deep learning. Dengan jaringan neuron yang diterapkan pada proses membaca gambar, maka pada jenis data tertentu jaringan neuron mampu memindahkan pola-pola umum menjadi persamaan matematika yang lebih spesifik agar mampu mengklasifikasikan data-data yang dimasukkan secara otomatis.

Melalui deep learning, metode pelatihan computer vision akan lebih efektif daripada machine learning. Dengan algoritma-algoritma ini, jaringan neural mampu mengumpulkan jumlah data yang lebih besar dari proses pelatihan dan menentukan beberapa parameter seperti jenis, tipe, dan jumlah lapisan data-data secara lebih cepat.

Hasil dari proses pembelajaran deep learning adalah label yang berisi informasi mengenai objek. Selanjutnya, komputer akan membacakan label ini melalui fungsi text to speech. Fungsi ini akan membuat pengguna tunanetra mampu mendengarkan hasil analisa ini secara langsung

Nah, itulah gambaran mengenai Bagaimana Cara Kerja Noon Gil Start-Up? Tertarik membuatnya?

Membuat Program Deteksi Wajah di google Ala Nam Do San

Membuat Program Deteksi Wajah di google Ala Nam Do San – Salah satu drakor yang masih ngena sampai sekarang adalah Start Up. Drama korea ini tak dapat lepas dari start-up teknologi. Nam Do San, male lead dalam drama ini adalah seorang programmer. Pada adegan awal, Nam Do San dan teman-temannya sedang mengikuti perlombaan kecerdasan buata (AI) dalam proses deteksi wajah. Bukan kaleng-kaleng, ternyata program buatan mereka berhasil menduduki peringkat pertama dalam pertandingan internasional tersebut loh. Ternyata, kamu bisa loh membuat program deteksi wajah ala nam do san ini. Pembuatannya juga tidak sulit kok. Penasaran caranya? Check This Out!

Yang Kamu Butuhkan untuk Program deteksi wajah

PyCharm download
Sumber : Pycharm

Untuk membuat program deteksi wajah ini, kamu akan menggunakan bahasa pemrograman Python. Python adalah salah satu bahasa pemrograman yang paling kuat dan sangat suportif dalam pengembangan kecerdasan buatan (AI). Kamu pemain baru dalam dunia coding? Nggak masalah. Bahasa pemrograman adalah bahasa pemrograman yang paling direkomendasikan untuk para pemula. Bahasanya yang sederhana dan mirip dengan bahasa inggris tidak akan menyulitkan kamu dalam membuat program deteksi wajah ini. Kamu bisa menginstall python, kamu bisa mengikuti langkah-langkah yang ada pada website resmi Python.

Untuk menuliskan kode program Python, kamu memerlukan code editor. Sebenarnya, kamu bisa menuliskannya langsung melalui command prompt dengan memanggil perintah python terlebih dahulu. Namun, kamu sangat direkomendasikan untuk menginstall IDE (Integrated Development Environment-nya). IDE akan memudahkan kamu dalam melakukan instalasi library, compiling, dan beraneka aktivitas lainnya. Salah satu IDE terbaik untuk python adalah Pycharm. Kamu bisa mendownload Pycharm melalui link ini.

Untuk melakukan deteksi wajah, kamu tidak perlu susah-susah membuat dari nol. Semua sudah tersedia. Kamu cukup menggunakan framework OpenCV. Yang perlu kamu lakukan hanya menginstall library OpenCV di pyCharm kamu. Untuk menginstall, klik menu File > setting , kemudian pilih Project>>Project Interpreter >>>>>Add. Ketikkan Open-CV di search bar. Lalu klik install.

Install library pycharm
Sumber : Dev2qa

Selanjutnya buat file python baru.

Ngoding, Yuk!

Deteksi Wajah Python
Sumber : Korean Trend News

Kamu harus meng-import opencv agar dapat menggunakan fungsi-fungsi di dalamnya

import cv2

OpenCV akan menggunakan kemampuan learning yang dimilikinya untuk mencari pola-pola pada objek wajah. Framework ini memanfaatkan algoritma Haar Cascade, yakni salah satu model machine learning yang kerap kali digunakan sebagai pondasi aplikasi object detection (terutama face recognition), dalam sebuah gambar maupun video. Algoritma ini akan melakukan  cascade function untuk mentraining gambar melalui 4 tahapan utama: (1) menentukan Haar features, (2) membuat gambar integral, (3) Adaboost training dan (4) melakukan klasifikasi dengan cascading classifier. Kamu tidak perlu repor-repot mendefinisikan ke-empat langkah ini loh. Cukup download file xml ini, kemudian letakkan dalam satu folder yang sama dengan file python kamu.

Selanjutnya panggil file cascade dengan kode berikut

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

Kamu bisa mengetes kode di atas dengan menjalankan program.

Dalam program ini, kita akan mendeteksi wajah melalui kamera laptop. Untuk membuka webcam, kamu hanya perlu memanggil fungsi videocapture dari OpenCV. Program harus membaca setiap frame dari video sebagai gambar input yang akan dideteksi wajahnya. Untuk melakukan hal ini, kamu harus menggunakan fungsi while

cap = cv2.VideoCapture(0)

while True:
   # Membaca Frame
   _, img = cap.read()

   # Menampilkan Video
   cv2.imshow('img', img)

   # Stop jika tombol Esc ditekan
   k = cv2.waitKey(30) & 0xff
   if k==27:
      break

cap.release()

Setelah selesai, jalankan program python kamu. Jika berhasil, program akan menampilkan record video dari webcam.

Melakukan Deteksi Wajah

Terakhir, kamu hanya perlu menyelipkan fungsi deteksi wajah di antara baris kode membaca frame dengan menampilkan video.

Perlu kamu tahu, komputer tidak dapat memproses gambar berwarna loh. Kamu perlu mengubah citra dalam RGB menjadi dalam grayscale dengan fungsi cvtColor

   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Untuk mendeteksi wajah, gunakan fungsi detectMultiScale. detectMultiscale memerlukan tiga parameter yakni
– scaleFactor : Besar skalasi terhadap ukuran gambar
– minNeighbors : jumlah neighbor minimal pada tiap gambar
– minSize : ukuran minimal objek

Untuk mendapatkan akurasi terbaik, ubah ketiga nilai parameter tersebut. Pencahayaan dan pose wajah juga harus dipertimbangkan.

   faces = face_cascade.detectMultiScale(gray, 1.1, 4)

Faces akan menghasilkan posisi wajah dalam posisi x,y, weight, dan height. Selanjutnya, buat bounding box untuk membuat kotak pada batas wajah pada parameter faces.

   for (x, y, w, h) in faces:
      cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

Tulisan kode lengkap adalah sebagai berikut

import cv2
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
while True:
   #Membaca Frame
   _, img = cap.read()
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   faces = face_cascade.detectMultiScale(gray, 1.1, 4)
   for (x, y, w, h) in faces:
      cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
   # Menampilkan video
   cv2.imshow('img', img)
   # Stop jika tombol Esc ditekan
   k = cv2.waitKey(30) & 0xff
   if k==27:
   break
cap.release()

Nah itulah tutorial Membuat Program Deteksi Wajah Ala Nam Do San. Mudah kan?

Baca Juga : REKOMENDASI FILM TENTANG TEKNOLOGI 2020