Implementasi AI Chatbot Sebagai Support Assistant Website Universitas Nurul Jadid Menggunakan Algoritma Long Short-Term Memory (LSTM)
AbstractPerkembangan teknologi semakin pesat, menciptakan perubahan besar dalam berbagai aspek kehidupan termasuk pada sektor pendidikan. Universitas Nurul Jadid merupakan lembaga pendidikan yang perlu mengadaptasi teknologi terkini untuk efisiensi dan pelayanan untuk menjawab peningkatan volome pertanyaan dan informasi yang dibutuhkan masyarakat/orangtua sebelum mendaftarkan putra-putrinya kuliah di Universitas Nurul Jadid. Chatbot merupakan bagian dari Natural Languange Processing (NLP) berbasis Artificial Intelegent (AI) yang berfungsi melakukan percakapan dengan pengguna melalui teks atau ucapan yang memberikan layanan cepat dan akurat sepanjang waktu. Long Short-Term Memory (LSTM) yaitu algoritma deep learning untuk memprediksi serta klasifikasi data teks. Data penelitian terdiri dari tag, pattern dan response yang diperoleh secara manual dari referensi website Universitas Nurul Jadid kemudian di preprocessing guna membuat model. Bagian utama pada model chatbot ini yaitu lapisan embedding yang memberikan nilai vektor untuk setiap kata dalam data teks yang telah dimasukkan. Hasil training model menghasilkan akurasi sebesar 99.32% dan loss sebesar 12.57% Ini menadakan model sudah bagus dan tidak terjadi overfitting atau underfitting sehingga model layak untuk dilakukan pengujian dan deployment. Hasil ini mendukung penggunaan chatbot LSTM sebagai asisten virtual untuk membantu masyarakat/calon mahasiswa/mahasiswa mengakses informasi.
|
Keywords
Full Text:
References
A. B. U. THOLIB, “Buku Refrensi Implementasi Algoritma Machine Learning Berbasis Web dengan Framework Streamlit”.
M. Maulidiansyah, “Bot Whatsapp Untuk Pelaporan Pelanggaran Siswa SMP Nurul Jadid,” COREAI: Jurnal Kecerdasan Buatan, Komputasi Dan Teknologi Informasi, vol. 2, no. 1, 2021.
M. Agung Nugroho dkk., “PENGEMBANGAN APLIKASI QnA UNTUK PENDAFTARAN MAHASISWA BARU STMIK AKAKOM,” 2021.
A. Zulhilmi dan R. Perdana, “Pengenalan Entitas Bernama Menggunakan Bi-LSTM pada Chatbot Bahasa Indonesia,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 7, hlm. 1425–1430, 2023.
A. H. ISIK dan A. YAĞCI, “Sequence to Sequence LSTM Modeli ile Telegram Bot Uygulaması,” Gazi Mühendislik Bilimleri Dergisi, vol. 6, no. 1, hlm. 32–39, 2020.
L. Anindyati, “Analisis dan Perancangan Aplikasi Chatbot Menggunakan Framework Rasa dan Sistem Informasi Pemeliharaan Aplikasi (Studi Kasus: Chatbot Penerimaan Mahasiswa Baru Politeknik Astra),” Jurnal Teknologi Informasi Dan Ilmu Komputer (Jtiik), vol. 10, no. 2, hlm. 291–300, 2023.
S. D. Nithyanandam, S. Kasinathan, D. Radhakrishnan, dan J. Jebapandian, “NLP for Chatbot Application: Tools and Techniques Used for Chatbot Application, NLP Techniques for Chatbot, Implementation,” dalam Deep Natural Language Processing and AI Applications for Industry 5.0, IGI Global, 2021, hlm. 142–168.
M. Solekhah, “Pemanfaatan Teknologi Artificial Intelligence Cubatbot (Culture Balinese Chatbot) Sebagai Informasi Kebudayaan Bali,” Kreativitas Pada Pengabdian Masyarakat (Krepa), vol. 1, no. 2, hlm. 90–101, 2023.
A.-C. Le, “A Deep Reinforcement Learning Model using Long Contexts for Chatbots,” dalam 2021 International Conference on System Science and Engineering (ICSSE), IEEE, 2021, hlm. 83–87.
M. Dhyani dan R. Kumar, “An intelligent Chatbot using deep learning with Bidirectional RNN and attention model,” Mater Today Proc, vol. 34, hlm. 817–824, 2021.
P. Anki, A. Bustamam, H. S. Al-Ash, dan D. Sarwinda, “Intelligent chatbot adapted from question and answer system using RNN-LSTM model,” dalam Journal of Physics: Conference Series, IOP Publishing, 2021, hlm. 012001.
P. Anki, A. Bustamam, H. S. Al-Ash, dan D. Sarwinda, “Intelligent chatbot adapted from question and answer system using RNN-LSTM model,” dalam Journal of Physics: Conference Series, IOP Publishing, 2021, hlm. 012001.
D. Udayan, N. Krishna, T. Reddy, dan L. Dinesh, “Conversational Chatbot for College Management Using LSTM,” dalam Proceedings of the International Conference on Innovative Computing & Communication (ICICC), 2022.
A. Silvanie dan R. Subekti, “Aplikasi Chatbot Untuk Faq Akademik Di Ibi-K57 Dengan Lstm Dan Penyematan Kata,” JIKO (Jurnal Informatika dan Komputer), vol. 5, no. 1, hlm. 19–27, 2022.
K. B. Prakash, Y. V. R. Nagapawan, N. L. Kalyani, dan V. P. Kumar, “Chatterbot implementation using transfer learning and LSTM encoder-decoder architecture,” International Journal, vol. 8, no. 5, 2020.
A. M. A. Sai, O. Balamurali, M. Karthikeya, dan S. Anand, “A Web-Based Chatbot for Indian Cities: A Comparison of CNN, ANN, and LSTM Models,” dalam 2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT), IEEE, 2023, hlm. 1–6.
F. A. Al Farisi, R. S. Perdana, dan P. P. Adikara, “Klasifikasi Intensi dengan Metode Ling Short-Term Memory pada Chatbot Bahasa Indonesia,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 7, hlm. 1511–1518, 2023.
E. D. Pratama, “Implementasi Model Long-Short Term Memory (LSTM) pada Klasifikasi Teks Data SMS Spam Berbahasa Indonesia,” The Journal on Machine Learning and Computational Intelligence (JMLCI), vol. 1, no. 2, 2022.
P. Anki, A. Bustamam, H. S. Al-Ash, dan D. Sarwinda, “Intelligent chatbot adapted from question and answer system using RNN-LSTM model,” dalam Journal of Physics: Conference Series, IOP Publishing, 2021, hlm. 012001.
M. Dhyani dan R. Kumar, “An intelligent Chatbot using deep learning with Bidirectional RNN and attention model,” Mater Today Proc, vol. 34, hlm. 817–824, 2021.
M. Syarovy, A. P. Nugroho, L. Sutiarso, M. S. Muna, A. Wiratmoko, dan S. Primananda, “Prediction of Oil Palm Production Using Recurrent Neural Network Long Short-Term Memory (RNN-LSTM),” dalam Proceedings of the 3rd International Conference on Smart and Innovative Agriculture (ICoSIA 2022), Springer Nature, 2023, hlm. 55.
Y.-L. Hsueh dan T.-L. Chou, “A Task-oriented Chatbot Based on LSTM and Reinforcement Learning,” ACM Transactions on Asian and Low-Resource Language Information Processing, vol. 22, no. 1, hlm. 1–27, 2022.
N. Lhasiw, N. Sanglerdsinlapachai, dan T. Tanantong, “A bidirectional LSTM model for classifying Chatbot messages,” dalam 2021 16th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP), IEEE, 2021, hlm. 1–6.
M. I. T. Khaqiqi, N. H. Harani, dan C. Prianto, “Performance Analysis and Development of QnA Chatbot Model Using LSTM in Answering Questions,” Indonesian Journal of Computer Science, vol. 12, no. 3, 2023.
V. R. Prasetyo, N. Benarkah, dan V. J. Chrisintha, “Implementasi Natural Language Processing Dalam Pembuatan Chatbot Pada Program Information Technology Universitas Surabaya,” Teknika, vol. 10, no. 2, hlm. 114–121, Jul 2021, doi: 10.34148/teknika.v10i2.370.
S. Patil, V. Mudaliar, dan P. Kamat, “LSTM based Ensemble Network to enhance the learning of Long-term Dependencies in Chatbot,” International Journal of Automation and Smart Technology, vol. 12, no. 1, hlm. 2286, 2022.
S. Pandey dan S. Sharma, “A comparative study of retrieval-based and generative-based chatbots using Deep Learning and Machine Learning,” Healthcare Analytics, vol. 3, hlm. 100198, 2023.
H. Mangotra, V. Dabas, B. Khetharpal, A. Verma, S. Singhal, dan A. K. Mohapatra, “University Auto Reply FAQ Chatbot Using NLP and Neural Networks,” dalam Artificial Intelligence and Applications, 2022.
10.33650/jeecom.v6i1.8556 |
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 M. Erfan Rianto, Maulidiansyah Maulidiansyah, Abu Tholib
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.