.Net Tutorial & Solution

Sentiment Analysis dengan Blazor Hybrid dan Azure Open AI -Part III

2026-01-13T14:05:00.003+07:00

Sentiment Analysis menggunakan Azure Cognitive Services

Sentiment Analysis Azure Cognitive Services: Layanan ini dirancang khusus untuk menganalisis sentimen dalam teks. Fungsi utamanya adalah menilai apakah teks mengandung emosi atau opini positif, negatif, atau netral. Analisis sentimen ini menggunakan algoritma machine learning yang sudah dilatih dengan data tertentu untuk mengidentifikasi dan mengkategorikan emosi dalam kalimat atau dokumen. Layanan ini sangat cocok untuk aplikasi yang membutuhkan pemahaman cepat mengenai perasaan pengguna atau pelanggan, seperti analisis ulasan produk, feedback pelanggan, atau monitoring media sosial.

Kemampuan utamanya adalah menilai perasaan atau opini yang terkandung dalam teks secara otomatis, dan memberikan skor sentimen serta label (positif, negatif, netral). Ini lebih terstruktur dan terfokus pada pengklasifikasian sentimen, serta analisis konteks dasar. Meskipun sangat akurat dalam analisis sentimen, layanan ini tidak dapat melakukan tugas-tugas yang lebih kompleks seperti percakapan atau generte teks berbasis konteks yang lebih dalam.

Layanan ini sangat mudah diintegrasikan ke dalam aplikasi yang memerlukan analisis sentimen secara otomatis, misalnya dalam sistem feedback pelanggan atau analisis sosial media. Pengguna cukup mengirimkan teks untuk dianalisis, dan hasilnya berupa label atau skor sentimen. API ini lebih sederhana dan lebih fokus pada satu tugas spesifik, yaitu analisis sentimen.

Untuk artikel selengkapnya dapat di download disini. Sedangkan untuk memudahkan dalam memahami isi artikel, maka penulis juga menyertakan dengan full source code project latihan ini, dan dapat di download disini.

Terima kasih

Sentiment Analysis dengan Blazor Hybrid dan Azure Open AI -Part II

2025-11-24T10:25:00.002+07:00

Setelah berhasil membangun aplikasi sentiment analysis dengan OpenAI untuk menganalisis satu kalimat, kita akan mengembangkan aplikasi ini agar bisa menangani lebih dari satu kalimat atau bahkan file besar, seperti Excel atau CSV, untuk analisis dalam jumlah banyak (bulk analysis). Hal pertama yang perlu kita lakukan adalah memungkinkan aplikasi menerima input teks dalam bentuk yang lebih fleksibel, seperti beberapa kalimat sekaligus. Pengguna bisa memasukkan beberapa kalimat dalam satu kali input, misalnya dengan memisahkan kalimat-kalimat tersebut menggunakan tanda titik atau koma. Setelah teks tersebut dimasukkan, kita bisa memecahnya menjadi kalimat-kalimat terpisah dan mengirimkan setiap kalimat ke API OpenAI untuk dianalisis. Dengan cara ini, setiap kalimat mendapatkan analisis sentimen tersendiri.

Selain itu, kita bisa menambahkan fitur untuk mengunggah file seperti CSV atau Excel, yang berisi banyak teks untuk dianalisis sekaligus. Ini sangat berguna bagi pengguna yang ingin menganalisis data dalam jumlah besar tanpa harus mengetikkan setiap kalimat secara manual. Untuk mengimplementasikan ini, kita perlu menambahkan fungsi upload file pada antarmuka pengguna (UI) aplikasi. Setelah file diunggah, aplikasi akan membaca teks dari file tersebut misalnya, membaca setiap baris atau kolom yang berisi teks dan mengirimkan data tersebut ke OpenAI untuk dianalisis. Setiap entri dalam file akan diproses satu per satu, dan hasil analisis sentimen akan dikembalikan dalam format yang mudah dipahami, seperti tabel atau file baru yang sudah dilengkapi dengan hasil sentimen.

Untuk memproses data dalam jumlah banyak tanpa membebani server atau API OpenAI, kita bisa menggunakan teknik batch processing atau asinkron. Alih-alih mengirimkan permintaan satu per satu, kita bisa mengelompokkan beberapa kalimat atau baris menjadi satu batch dan mengirimkannya sekaligus. Dengan cara ini, kita dapat mengurangi waktu tunggu dan membuat proses lebih efisien, apalagi jika pengguna mengunggah file dengan ribuan baris teks. Setelah proses selesai, aplikasi bisa menampilkan hasil analisis dalam bentuk yang jelas, misalnya dengan menampilkan daftar kalimat bersama sentimen yang terdeteksi, atau memberikan pengguna opsi untuk mengunduh file hasil analisis.

Di sisi antarmuka, kita perlu menyesuaikan desain aplikasi agar lebih user-friendly. Selain tombol "Analyze" untuk menganalisis teks yang dimasukkan langsung, kita bisa menambahkan tombol "Upload File" untuk pengguna yang ingin menganalisis file CSV atau Excel. Hasil analisis juga bisa ditampilkan dalam format yang mudah dibaca, baik itu berupa tabel interaktif atau file yang bisa diunduh kembali dengan hasil yang sudah diperbarui. Dengan cara ini, aplikasi sentiment analysis yang awalnya hanya untuk satu kalimat kini bisa menangani analisis data dalam jumlah besar secara efisien dan mudah diakses oleh pengguna.

Terima kasih

Sentiment Analysis dengan Blazor Hybrid dan Azure Open AI

2025-11-22T10:38:00.005+07:00

Sentiment Analysis pada OpenAI adalah kemampuan AI untuk memahami dan mengevaluasi emosi yang terkandung dalam sebuah teks. Dengan memanfaatkan Large Language Model / LLM seperti GPT, sistem ini mampu menentukan apakah sebuah pernyataan bersentimen positif, negatif, atau netral. Lebih dari itu, model juga dapat menangkap nuansa emosional yang lebih kompleks, seperti frustrasi, kegembiraan, kekecewaan, kekhawatiran, atau bahkan sarkasme. Hal ini membuat Sentiment Analysis sangat berguna untuk memahami opini dan respons manusia dalam bentuk teks.

Berbeda dengan metode tradisional yang hanya mengandalkan keyword atau rule-based approach, Sentiment Analysis berbasis OpenAI bekerja dengan memahami konteks penuh dari sebuah kalimat. GPT mempertimbangkan struktur kalimat, hubungan antar kalimat, intensitas emosi, serta gaya bahasa, sehingga dapat menafsirkan teks secara lebih natural. Pendekatan ini memungkinkan AI mengenali sentiment bahkan dalam teks yang ambigu, informal, atau panjang dengan berbagai macam perasaan yang bercampur.

Dalam artikel ini, kita akan membahas langkah-langkah secara bertahap untuk membangun aplikasi sentiment analysis menggunakan teknologi Open AI. Kita akan mempelajari cara mengirim teks ke model AI, bagaimana model tersebut menilai sentimen, dan cara menampilkan hasil analisis secara mudah dipahami. Dengan mengikuti tutorial ini, pembaca tidak hanya belajar membuat aplikasi analisis sentimen, tetapi juga memahami konsep dasar bagaimana AI dapat membaca dan memahami emosi manusia melalui teks. Hasil akhirnya adalah sebuah aplikasi yang interaktif, informatif, dan bisa digunakan untuk berbagai keperluan analisis data teks.

Terima kasih

Membangun ChatBot dengan Blazor Hybrid dan Azure Open AI – Part III

2025-10-29T08:45:00.007+07:00

Pada latihan sebelumnya, kita telah berhasil membangun sebuah aplikasi chatbot sederhana yang terintegrasi dengan layanan OpenAI dan kemudian mengembangkannya dengan menambahkan fitur penyimpanan riwayat percakapan (chat history-artikel part II). Fitur ini sangat bermanfaat karena pengguna sering kali ingin meninjau kembali jawaban atau informasi yang telah diberikan sebelumnya tanpa harus mengulang pertanyaan yang sama. Dengan adanya history, pengalaman pengguna menjadi lebih efisien dan interaktif.

Namun, muncul permasalahan baru: bagaimana jika pengguna ingin memisahkan percakapan berdasarkan topik atau konteks tertentu? Misalnya, Session 1 digunakan untuk percakapan seputar dunia coding, sedangkan Session 2 digunakan untuk mendiskusikan berita politik. Jika aplikasi tidak memiliki fitur session atau grouping percakapan, maka seluruh riwayat chat akan tercampur menjadi satu alur panjang. Hal ini tentu akan menyulitkan pengguna ketika ingin mencari percakapan tertentu karena topik-topiknya tidak terorganisir dengan baik.

Oleh karena itu, pada artikel ini akan dijelaskan secara lebih mendalam dan sistematis bagaimana cara membuat fitur Session pada chatbot. Dengan menggunakan pendekatan ini, setiap percakapan dapat dikelompokkan berdasarkan topik, waktu, atau kebutuhan pengguna lainnya. Hasil akhirnya, aplikasi chatbot akan menjadi lebih rapi, terstruktur, profesional, dan jauh lebih nyaman digunakan, terutama untuk pengguna yang sering berdiskusi dengan berbagai konteks berbeda dalam satu aplikasi.

Terima kasih

Membangun ChatBot dengan Blazor Hybrid dan Azure Open AI (Part II)

2025-10-29T08:36:00.009+07:00

Pada latihan sebelumnya, kita telah berhasil membangun sebuah aplikasi chatbot sederhana yang memanfaatkan layanan OpenAI. Setiap kali pengguna mengajukan sebuah pertanyaan, chatbot tersebut akan meneruskannya ke model yang telah kita konfigurasi, lalu menampilkan balasan yang dihasilkan oleh model tersebut. Proses ini memberikan gambaran dasar mengenai bagaimana cara berkomunikasi dengan OpenAI melalui aplikasi kita.

Meskipun fungsionalitas dasar tersebut sudah berjalan dengan baik, aplikasi pada artikel sebelumnya masih memiliki beberapa kekurangan penting. Salah satunya adalah tidak adanya fitur untuk menyimpan riwayat percakapan. Sebagian besar chatbot modern baik yang ada di website, aplikasi mobile, maupun platform komunikasi lainnya menyediakan kemampuan untuk melihat kembali percakapan sebelumnya. Fitur ini sangat berguna karena pengguna sering kali ingin meninjau jawaban atau informasi yang telah diberikan sebelumnya tanpa perlu mengulang pertanyaan yang sama.

Sayangnya, aplikasi yang kita buat sebelumnya belum memiliki kemampuan tersebut. Setiap percakapan hanya disimpan sementara dalam memori selama aplikasi berjalan. Ketika aplikasi ditutup dan dibuka kembali, seluruh percakapan akan hilang. Hal ini tentu bisa menjadi masalah, terutama apabila percakapan tersebut berisi informasi penting yang ingin kita simpan atau rujuk kembali di kemudian hari. Bayangkan jika pengguna bertanya sesuatu yang kompleks dan mendapatkan jawaban panjang dari chatbot, lalu setelah aplikasi ditutup, jawaban tersebut tidak bisa dilihat lagi. Ini jelas mengurangi kenyamanan dan efektivitas penggunaan aplikasi.

Oleh karena itu, pada latihan dalam artikel ini kita akan meningkatkan aplikasi chatbot dengan menambahkan fitur penyimpanan percakapan. Dengan adanya fitur ini, setiap pertanyaan dan jawaban akan disimpan secara permanen (misalnya dalam database atau file), sehingga dapat ditampilkan kembali saat aplikasi dibuka. Dengan cara ini, chatbot akan terasa lebih profesional, lebih berguna, dan lebih mendekati standar aplikasi chatbot pada umumnya.

Terima kasih

Membangun ChatBot dengan Blazor Hybrid dan Azure Open AI

2025-10-29T08:18:00.003+07:00

Chatbot atau chatterbot adalah sebuah layanan obrolan robot/tokoh virtual dengan kecerdasan buatan atau AI (Artificial Intelligent) yang menirukan percakapan manusia melalui pesan suara, obrolan teks ataupun keduanya.

Pada dasarnya bots bekerja dengan cara melihat kata kunci dalam data yang masuk dan membalasnya dengan kata kunci yang paling cocok, atau pola kata-kata yang paling mirip dari basis data tekstual. Artinya, jika pengguna mengirim suatu permintaan maka bots akan membalasnya dengan respon yang spesifik sesuai dengan kata kunci yang dikirim.

Azure OpenAI Services adalah sejumlah layanan yang disediakan oleh Microsoft Azure yang memungkinkan pengembang untuk mengintegrasikan teknologi kecerdasan buatan yang dikembangkan oleh OpenAI ke dalam aplikasi mereka. Ini mencakup layanan seperti Azure Cognitive Services, yang menyediakan berbagai fitur AI dan Machine Learning, serta integrasi khusus dengan model-model canggih yang dikembangkan oleh OpenAI untuk tugas-tugas seperti pemrosesan bahasa alami, pengenalan gambar, dan lainnya.

Terima kasih

Ebook - Blazor Hybrid: Mudah dan Cepat Membangun Aplikasi Cross Platform

2025-03-16T17:06:00.002+07:00

Blazor Hybrid: Mudah dan Cepat Membangun Aplikasi Cross Platform

Buku ini membahas bagaimana membangun aplikasi cross platform (lintas platform) dengan menggunakan Microsoft Blazor Hybrid. Dimana metode yang digunakan untuk menjelaskan pembahasan pada setiap bagian disertakan file pendukung untuk memudahkan dalam pemahaman para pembaca.

Topik-topik yang dipilih dalam pembahasan, cocok baik untuk pemula maupun yang sudah berkecimpung lama dalam dunia pemograman. Penjelasan meliputi dari awal dimulai dari pengenalan Blazor Hybrid, Blazor Class Library maupun Authentication dan Authorization pada Blazor Hybrid, sehingga lebih mudah dalam membagun aplikasi lintas platform menggunakan Blazor Hybrid. Salah satu kelebihan buku ini adalah, setiap topik akan disertai dengan latihan, sehingga pembaca akan seperti dibimbing secara langsung oleh seorang Trainner.

Buku ini bisa didapatkan disini

Terima kasih

Wassalam

Menggunakan Blazor Hybrid pada WPF dan Windows Forms

2025-03-16T11:06:00.003+07:00

WPF (Windows Presentation Foundation) adalah sebuah framework dari Microsoft yang digunakan untuk membangun aplikasi desktop berbasis Windows dengan tampilan yang kaya (rich UI). WPF merupakan bagian dari .NET Framework dan .NET Core/ .NET (terbaru), yang memungkinkan pengembang untuk membuat antarmuka pengguna (UI) modern.

Windows Forms (WinForms) Project di Visual Studio adalah jenis project yang digunakan untuk membuat aplikasi desktop berbasis GUI (Graphical User Interface) menggunakan teknologi Windows Forms. WinForms adalah salah satu framework UI di .NET yang memungkinkan pengembang untuk membangun aplikasi dengan antarmuka pengguna berbasis jendela, tombol, kotak teks, dan elemen UI lainnya.

Fitur Windows Forms Project:

Desainer Visual – Memungkinkan pembuatan UI secara drag-and-drop menggunakan Visual Studio.

Kontrol Bawaan – Seperti tombol, label, textbox, datagridviev dan lain-lain.

Event-Driven Programming – Menggunakan event seperti Click, Load, dan lainnya untuk menangani interaksi pengguna.

Untuk menggunakan Blazor Hybrid pada WPF dan Windows Forms kita menggunakan Razor Class Library. Pada Bab sebelumnya telah kita bahas bagaimana menggunakan RCL pada Blazor Web maupun MAUI.

Pada pembahasan sebelumnya kita tidak memindahkan seluruh komponen seperti “Home.razor”, “Routes.razor” maupun Layout. Sehingga jika kita ingin menggunakan RCL ini pada WPF project, kita perlu meng-copy komponen-komponen tersebut kedalam WPF project. Tapi hal ini akan menjadi masalah jika terdapat banyak code dan digunakan dibanyak project seperti .NET MAUI dan WPF. Sehingga jika terjadi perubahan harus dilakukan dimasing-masing project.

Pada pembahasan ini kita akan membuat RCL yang dapat digunakan dibanyak platform atau project Dimana jika terjadi perubahan code kita tidak perlu untuk mengganti code pada setiap project.

Terima kasih

Authentication and Authorization pada Blazor Hybrid

2025-02-02T12:28:00.002+07:00

Dalam hal keamanan, kita harus mengetahui apa itu otentikasi dan otorisasi. Autentikasi pada aplikasi adalah proses verifikasi identitas pengguna untuk memastikan bahwa mereka adalah pemilik akun yang sah. Proses ini biasanya melibatkan penggunaan credential seperti username dan password. Autentikasi sangat penting untuk menjaga keamanan data dan mencegah akses tidak sah ke sistem atau aplikasi.

Otorisasi pada aplikasi adalah proses yang menentukan hak akses pengguna terhadap informasi tertentu setelah berhasil diautentikasi. Ini memastikan bahwa hanya pengguna yang memiliki izin yang tepat yang dapat mengakses atau memodifikasi data dan fungsi dalam aplikasi.

pada Blazor Hybrid, autentikasi ditangani oleh native platform library. Ini berarti dalam mengautentikasi pengguna, proses yang dilakukan sama seperti yang kita lakukan di aplikasi .NET MAUI, WPF, atau Windows Forms lainnya. Tidak ada yang spesifik tentang Blazor Hybrid. Kita dapat menggunakan, misalnya, OpenID Connect dengan Identity Provider. Atau di WPF dan Windows Forms, kita bisa menggunakan Windows otentikasi. Sekarang pertanyaannya adalah bagaimana proses otentikasi ini dapat diakses dari aplikasi Blazor yang berjalan dalam elemen BlazorWebView. Dengan Blazor Hybrid, kita harus menerapkan custom AuthenticationStateProvider. Ini adalah Class yang sesuai dengan namanya yaitu menyediakan status otentikasi. Dalam class ini, kita dapat menulis kode khusus platform untuk mengautentikasi pengguna. Kemudian kita register class ini ke service provide pada aplikasi, sehingga kita dapat memasukkan sebuah instance ke dalam komponen aplikasi Blazor. Pada artikel ini akan dipelajari cara menerapkan autentikasi yang memiliki metode untuk login dan logout.

Kita dapat menggunakan komponen AuthorizeView pada aplikasi Blazor. Berdasarkan status autentikasi, ini memungkinkan untuk menampilkan hanya bagian antarmuka pengguna yang dipilih. Penting untuk diketahui bahwa komponen AuthorizeView tidak spesifik untuk Blazor Hybrid. Dapat juga menggunakannya di aplikasi web Blazor untuk menerapkan otorisasi. Satu-satunya bagian khusus Blazor Hybrid adalah kita harus menulis AuthenticationStateProvider khusus yang terhubung dengan native platform library untuk mengautentikasi pengguna. Untuk menggunakan komponen AuthorizeView dan mengimplementasikan penyedia status autentikasi khusus

Terima kasih

Razor Class Library pada Blazor Hybrid

2024-12-23T12:33:00.006+07:00

Razor Class Library (RCL) adalah Library di ASP.NET Core yang memungkinkan kita untuk membuat dan mendistribusikan komponen UI yang dapat digunakan kembali dalam aplikasi web. RCL dapat berisi halaman, tampilan, komponen tampilan, pengontrol, dan model data.

Berikut adalah beberapa poin penting tentang Razor Class Library (RCL):

Reusable: RCL memungkinkan kita untuk membuat komponen UI yang dapat digunakan kembali di berbagai proyek. Ini sangat berguna untuk menghindari duplikasi kode dan mempermudah maintenance aplikasi.

Distribusi: Kita dapat mengemas RCL sebagai paket NuGet, sehingga dapat dengan mudah didistribusikan dan digunakan di proyek lain.

Struktur: RCL biasanya berisi folder wwwroot untuk aset statis seperti CSS dan JavaScript, serta folder Pages atau Views untuk Razor Pages atau MVC Views.

Integrasi: RCL dapat diintegrasikan ke dalam aplikasi ASP.NET Core dengan menambahkan referensi ke proyek RCL. Aplikasi yang menggunakan RCL dapat mengakses komponen dan aset yang disediakan oleh RCL.

Terima kasih

Dialog Component pada Blazor Hybrid

2024-12-13T17:20:00.005+07:00

Pada artikel ini tidak menjelaskan apa itu blazor hybrid, bagaimana bekerja dengan project maupun cara-cara untuk menambahkan item pada project, karena semuanya telah dijelaskan pada dua artikel sebelumnya. Pastikan anda telah menyelesaikan latihan-latihan pada artikel sebelumnya. Artikel ini akan focus bagaimana membuat Dialog Component pada blazor hybrid.

Disarankan untuk membaca dan menyeselesaikan latihan pada artikel sebelumnya pada tautan berikut : https://junindar.blogspot.com/2024/12/pengenalan-blazor-hybrid.html

Pembahasan berikutnya adalah membuat halaman dialog pada Blazor Hybrid. Blazor Dialog Component adalah komponen modal popup yang digunakan dalam aplikasi Blazor untuk menampilkan informasi kepada pengguna. Komponen ini dapat juga digunakan untuk meminta input dari pengguna. Sebagai contoh, kita dapat membuat dialog untuk konfirmasi, form input, atau pesan peringatan.

Terima kasih

Wassalam

Pengenalan Blazor Hybrid

2024-12-04T14:28:00.009+07:00

Blazor Hybrid adalah pendekatan inovatif yang menggabungkan framework Blazor dengan .NET MAUI (Multi-platform App UI). Yang memungkinkan kita sebagai developer untuk membangun aplikasi cross platform menggunakan teknologi web yang sudah dikenal. Dalam aplikasi Blazor Hybrid, komponen Razor berjalan secara native di perangkat dan dirender ke kontrol Web View yang tertanam melalui local interop. Sehingga komponen ini tidak berjalan di browser dan tidak melibatkan WebAssembly.

Terdapat beberapa keuntungan bagi pengembang yang ingin membangun aplikasi cross platform dengan menggunakan Blazor Hybrid seperti:

Kita dapat menggunakan kembali komponen-komponen UI web yang sama di berbagai platform (seluler, desktop, dan web), sehingga mengurangi kebutuhan untuk menulis kode terpisah untuk setiap platform.
Pengembang dapat menggunakan teknologi web yang sudah dikenal seperti HTML, CSS, dan C# untuk membangun aplikasi, yang dapat mempercepat proses pengembangan.
Karena komponen Blazor Hybrid berjalan secara native di perangkat, komponen tersebut dapat menawarkan performa yang lebih baik dibandingkan aplikasi web tradisional yang dijalankan di browser.
Blazor Hybrid memungkinkan kita untuk mengakses fitur dan API perangkat asli melalui .NET MAUI, sehingga dapat membuat aplikasi yang lebih canggih dan kaya akan fitur.

Terima kasih

Wassalam

Ebook - Telegram ChatBot : Membangun Chatbot Dengan .Net 8 dan Visual Studio 2022

2024-02-29T15:16:00.007+07:00

Buku ini membahas bagaimana membangun aplikasi ChatBot dengan menggunakan Telegram.Bot Library dan C# sebagai Bahasa pemogramannya. Dimana metode yang digunakan untuk menjelaskan pembahasan pada setiap bagian disertakan file pendukung untuk memudahkan dalam pemahaman para pembaca

Topik-topik yang dipilih dalam pembahasan, cocok baik untuk pemula maupun yang sudah berkecimpung lama dalam dunia pemograman. Penjelasan meliputi dari awal dimulai dari pengenalan Telegram ChatBot, Telegram.Bot Library, TelegramBot Framework dan bagaimana cara berkomunikasi dengan beberapa Azure Service, Seperti Azure AI Translator dan Azure Open AI.

Salah satu kelebihan buku ini adalah, setiap topik akan disertai dengan latihan, sehingga pembaca akan seperti dibimbing secara langsung oleh seorang Trainner.

Buku ini bisa didapatkan disini

Terima kasih

Wassalam

Telegram Bot Framework dan Azure Open AI

2024-02-19T17:47:00.003+07:00

Dengan menggunakan Azure OpenAI Services, pengembang dapat dengan mudah memanfaatkan kemampuan AI dan Machine Learning tanpa perlu mengembangkan model mereka sendiri dari awal. Ini mempercepat proses pengembangan aplikasi yang cerdas dan membantu dalam menciptakan solusi yang lebih canggih untuk berbagai macam masalah bisnis dan teknis.

Azure OpenAI Service menyediakan akses REST API ke model OpenAI yang powerfull termasuk seri model GPT-4, GPT-4 Turbo dengan Vision, GPT-3.5-Turbo. Selain itu, seri model GPT-4 dan GPT-3.5-Turbo baru kini telah tersedia secara umum. Model ini dapat dengan mudah disesuaikan dengan tugas spesifik namun tidak terbatas pada pembuatan konten, ringkasan, pemahaman gambar, pencarian semantik, dan terjemahan natural language ke kode. Pengguna dapat mengakses layanan melalui REST API, Python SDK, atau antarmuka berbasis web kami di Azure OpenAI Studio.

Terima kasih

Wassalam

Telegram Bot Framework dan Azure AI Translator

2024-01-18T10:56:00.006+07:00

Azure AI Translator adalah layanan terjemahan otomatis yang disediakan oleh Microsoft Azure. Layanan ini menggunakan kecerdasan buatan (AI) untuk menerjemahkan teks dan ucapan dari satu bahasa ke bahasa lain secara otomatis. Ini dapat digunakan untuk menerjemahkan teks pada aplikasi, situs web, atau platform lainnya secara real-time.

Azure AI Translator menggunakan teknologi terbaru dalam pemrosesan bahasa alami dan jaringan saraf untuk meningkatkan akurasi terjemahan antar bahasa. Layanan ini mendukung sejumlah besar bahasa dan dapat diintegrasikan dengan mudah ke dalam berbagai aplikasi dan platform melalui API (Antarmuka Pemrograman Aplikasi) yang disediakan oleh Azure.

Terima kasih

Wassalam

Telegram Bot Framework Custom Control Part II

2024-01-02T10:50:00.004+07:00

Pada latihan sebelumnya kita telah membuat chatbot sederhana dengan menggunakan beberapa control seperti Button, Progressbar, CalendarPicker, MonthPicker dan ToggleButton dengan menggunakan Telegram Bot Framework. Untuk latihan ini kita lanjutkan dengan bekerja menggunakan beberapa control lagi seperti MultiToggleButton, ButtonGrid/Paging, CheckedButtonL dan Notification.

Disarankan untuk membaca dan mengikuti latihan-latihan yang ada pada artikel sebelumnya disini https://junindar.blogspot.com/2023/12/telegram-bot-framework-custom-control.html

Terima kasih

Wassalam

Telegram Bot Framework Custom Control Part I

2023-12-31T11:13:00.008+07:00

Pada latihan sebelumnya kita telah membuat chatbot sederhana dengan memiliki beberapa command pada menu dengan menggunakan Telegram Bot Framework. Untuk latihan ini kita lanjutkan dengan membuat chatbot dengan menggunakan control basic seperti button, maupun custom control. Disarankan untuk membaca dan mengikuti latihan-latihan yang ada pada artikel sebelumnya disini https://junindar.blogspot.com/2023/12/pengenalan-telegram-bot-framework-pada-c.html

Terima kasih

Wassalam

Pengenalan Telegram Bot Framework Pada C#

2023-12-20T10:30:00.004+07:00

Telegram Bot Framework adalah sebuah framework yang memungkinkan para programmer untuk membuat bot pada Telegram denagn menggunakan platform .NET. Framework ini menyediakan tool dan fitur yang mempermudah pembuatan dan implementasi bot Telegram menggunakan bahasa pemrograman seperti C#.

Dengan menggunakan Telegram Bot Framework, kita dapat mengakses API Telegram, memproses pesan, menjawab permintaan dari pengguna, dan mengelola berbagai fungsi bot, seperti mengirim pesan teks, media, menangani perintah, dan banyak lagi.

Terdapat banyak fasilitas pada framework ini, sehingga kita dapat mengembangkan bot yang powerfull dan fleksibel dengan menyediakan berbagai fungsi yang dapat digunakan untuk membuat bot yang sesuai dengan kebutuhan penggunaannya.

Telegram Bot Framework menggunakan beberapa library atau pustaka tertentu untuk memudahkan interaksi dengan API Telegram dan menyediakan berbagai fitur bagi para programmer. salah satunya adalah Telegram.Bot. Telegram.Bot adalah library utama yang digunakan dalam framework ini. Telegram.Bot merupakan library resmi dari Telegram untuk C#/.NET yang menyediakan akses ke API Telegram. library ini memungkinkan pengembang untuk membuat, mengelola, dan berinteraksi dengan bot Telegram menggunakan berbagai fitur yang disediakan oleh Telegram.

Terima kasih

Wassalam

Telegram.Bot Pada C# : Send Message Part II

2023-10-21T14:16:00.001+07:00

Pada artikel sebelumnya telah dijelaskan bagaimana cara mengirimkan pesan teks, gambar, sticker maupun audio. Artikel ini akan menyambung dari artikel sebelumnya, dimana disini akan dijelaskan bagaimana mengirim pesan berupa MediaGroup, dokumen, animasi, kontak dan lokasi. Untuk memudahkan dalam memahami artikel ini, disarankan untuk membaca artikel sebelumnya disini.

Terima kasih

Wassalam

Telegram.Bot Pada C# : Send Message Part I

2023-09-25T09:32:00.006+07:00

Pada latihan sebelumnya kita telah membuat aplikasi chatbot sederhana menggunakan Telegram.Bot library. Dimana kita sudah bisa melakukan percakapan dengan bot tersebut. Pada artikel ini akan dibahas bagaimana mengirimkan pesan teks, photo, sticker dan audio pada chatbot.

Disarankan untuk membaca dan mengikuti latihan-latihan yang ada pada artikel sebelumnya disini https://junindar.blogspot.com/2023/09/pengenalan-telegrambot-pada-c.html

Terima kasih

Wassalam

Pengenalan Telegram.Bot Pada C#

2023-09-16T09:54:00.005+07:00

Dilansir dari BT, Telegram adalah aplikasi pesan instan yang dapat digunakan secara gratis dengan menggunakan Wi-Fi atau kuota internet.

Pada dasarnya aplikasi ini memang tidak berbeda jauh dengan WhatsApp atau Facebook Messenger. Meski dua aplikasi itu populer, saat ini banyak sekali yang menggunakan Telegram.

Artikel ini akan membahas pengenalan Telegram.Bot Library dengan menggunakan C#.

Terima kasih

Wassalam

MudBlazor Dialog dan Snackbar Pada Blazor

2023-07-24T14:04:00.004+07:00

Dialog adalah jendela kecil yang meminta pengguna untuk membuat keputusan atau memasukkan informasi tambahan. Dialog biasanya tidak memenuhi layar dan digunakan untuk mengharuskan pengguna untuk melakukan tindakan sebelum bisa melanjutkan. Pada MudBlazor untuk menggunakan dialog pada aplikasi, kita dapat menggunakan komponen MudDialog. Sebelumnya kita harus melakukan beberapa langkah sebelum menggunakan MudDialog. Tambahkan “<MudDialogProvider />“ pada MainLayout.razor (dibawah MudLayout element).

Snackbar atau biasa juga disebut dengan Toast adalah sebuah alert untuk menampilkan sebuah pesan secara dinamik pada pengguna didalam aplikasi web.

Snackbar pada MudBlazor menggunakan Isnackbar Service dan “MudSnackbarProvider“, Sebelumnya kita harus melakukan beberapa langkah sebelum menggunakan Snackbar. Tambahkan “<MudSnackbarProvider/>“ pada MainLayout.razor (dibawah MudLayout element).

Artikel ini melanjutkan dari artikel sebelumnya, yang membahas komponen-komponen yang terdapat pada MudBlazor. Komponen-komponen tersebut sering digunakan dalam sebuah aplikasi web. Beberapa komponen yang akan dijelaskan pada artikel ini adalah Dialog dan Snackbar. Dikarenakan artikel ini masih melanjutkan fitur-fitur yang ada pada MudBlazor, maka sebelum memulai latihan-latihan pada artikel ini, pastikan telah menyelesaikan latihan-latihan pada artikel sebelumnya yang dapat dilihat disini. https://junindar.blogspot.com/2022/12/mudblazor-input-component-picker-pada.html dan https://junindar.blogspot.com/2023/01/mudblazor-chart-component-pada-blazor.html .

Terima kasih

Wassalam

Ebook - Microsoft Blazor : Mudah Membangun Web Aplikasi Dengan MudBlazor

2023-03-07T07:57:00.005+07:00

MudBlazor adalah sebuah material design component framework yang dibangun khusus untuk Blazor (https://mudblazor.com/ ). Terdapat banyak komponen pada MudBlazor seperti chart, grid dan lain-lain untuk membantu dalam membangun aplikasi web dengan menggunakan blazor. Seluruh komponen pada MudBlazor dibangun dengan menggunakan C# tanpa javascript kecuali jika sangat diperlukan.

Buku ini membahas bagaimana membangun aplikasi Web dengan menggunakan Microsoft Blazor. Dimana metode yang digunakan untuk menjelaskan pembahasan pada setiap bagian disertakan file pendukung untuk memudahkan dalam pemahaman para pembaca

Salah satu kelebihan buku ini adalah, setiap topik akan disertai dengan latihan, sehingga pembaca akan seperti dibimbing secara langsung oleh seorang Trainner.

Buku ini bisa didapatkan disini

Terima kasih

Wassalam

MudBlazor Chart Component Pada Blazor

2023-01-06T09:51:00.009+07:00

Chart atau grafik adalah representasi grafis untuk visualisasi data, di mana data diwakili oleh simbol, seperti batang dalam bagan batang, garis dalam bagan garis, atau irisan dalam bagan pai. Chart sering digunakan untuk memudahkan pemahaman tentang sejumlah besar data dan hubungan antara bagian-bagian data.

Grafik biasanya dapat dibaca lebih cepat daripada data mentah. Mereka digunakan dalam berbagai bidang, dan dapat dibuat dengan tangan (seringkali di atas kertas grafik) atau dengan komputer menggunakan aplikasi charting.

Jenis chart tertentu lebih berguna untuk menyajikan kumpulan data tertentu daripada yang lain. Misalnya, data yang menyajikan persentase dalam kelompok yang berbeda (seperti "puas, tidak puas, tidak yakin") sering ditampilkan dalam diagram lingkaran, tetapi mungkin lebih mudah dipahami jika disajikan dalam diagram batang horizontal.

Pada MudBlazor komponen chart disebut dengan nama “MudChart“. Terdapat 4 jenis chart yang tersedia pada MudBlazor, yaitu Bar, Donut, Line dan Pie chart.

Sebelum memulai latihan-latihan pada artikel ini, pastikan telah menyelesaikan latihan-latihan pada artikel sebelumnya yang dapat dilihat disini (http://junindar.blogspot.com/2022/10/mudblazor-input-component-pada-blazor.html), (http://junindar.blogspot.com/2022/12/mudblazor-input-component-pada-blazor.html) dan (http://junindar.blogspot.com/2022/12/mudblazor-input-component-picker-pada.html).

Terima kasih

Wassalam

MudBlazor Input Component (Picker) Pada Blazor – Part 3

2022-12-12T11:49:00.007+07:00

Artikel ini melanjutkan dari artikel sebelumnya, yang membahas komponen-komponen yang terdapat pada MudBlazor. Komponen-komponen tersebut sering digunakan dalam sebuah aplikasi web. Beberapa komponen yang akan dijelaskan pada artikel ini adalah Color Picker, Date Picker dan Time Picker. Dikarenakan artikel ini masih melanjutkan fitur-fitur yang ada pada MudBlazor, maka sebelum memulai latihan-latihan pada artikel ini, pastikan telah menyelesaikan latihan-latihan pada artikel sebelumnya yang dapat dilihat disini. http://junindar.blogspot.com/2022/10/mudblazor-input-component-pada-blazor.html dan http://junindar.blogspot.com/2022/12/mudblazor-input-component-pada-blazor.html .

Terima kasih

Wassalam