Pengembangan Chatbot Menggunakan Deep Feed-Forward Neural Network sebagai Pusat Layanan Informasi Akademik
Article Sidebar
Main Article Content
Abstract
Program studi informatika merupakan salah satu program studi unggulan di Universitas Bengkulu. Sebagai program studi unggulan, tentunya pelayanan terbaik untuk setiap elemen civitas akademika yang ada di Program Studi Informatika Universitas Bengkulu harus diperhatikan. Dalam hal pelayanan ini, adanya pusat layanan informasi akademik bagi civitas akademika di informatika sangat dibutuhkan. Namun, belum adanya pusat layanan informasi akademik yang bisa diakses dari mana dan kapan saja menjadi salah satu hambatan terlaksananya layanan informasi akademik. Pembatasan aktivitas yang memungkinkan terjadinya interaksi akibat pandemi covid-19 juga menjadi kendala. Sebagai upaya menindaklanjuti keterbatasan tersebut dikembangkanlah chatbot layanan informasi akademik program studi informatika untuk mengatasi kendala yang dihadapi. Dengan chatbot layanan informasi akademik ini pengguna dapat bertanya mengenai informasi layanan akademik kepada bot yang akan menjawab informasi yang dibutuhkan. Algoritma yang digunakan dalam penelitian ini adalah deep feed-forward neural network. Adapun knowledge dari chatbot ini berupa informasi mata kuliah, informasi dosen, dan informasi administrasi di Program Studi Informatika Universitas Bengkulu. Pada proses train model, data sebanyak 2059 dibagi menjadi 80% sebagai data train, 10% data validation, dan 10% data test pada epoch 450 dan batch size 100 didapat akurasi 94%, evaluasi Precision 0.88, recall 0,89, dan f1-score 0,88.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
B. R. Ranoliya, N. Raghuwanshi, and S. Singh, “Chatbot for university related FAQs,” 2017 Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2017, vol. 2017-January, pp. 1525–1530, 2017, doi: 10.1109/ICACCI.2017.8126057.
H. A. Santoso et al., “Chatbot for University Admission Services,” 2018 Int. Semin. Appl. Technol. Inf. Commun., pp. 417–423, 2018.
D. Toniuc and A. Groza, “Climebot: An argumentative agent for climate change,” Proc. - 2017 IEEE 13th Int. Conf. Intell. Comput. Commun. Process. ICCP 2017, vol. 2, pp. 63–70, 2017, doi: 10.1109/ICCP.2017.8116984.
G. Guntoro, Loneli Costaner, and L. Lisnawita, “Aplikasi Chatbot untuk Layanan Informasi dan Akademik Kampus Berbasis Artificial Intelligence Markup Language (AIML),” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 11, no. 2, pp. 291–300, 2020, doi: 10.31849/digitalzone.v11i2.5049.
G. Hajela, “Chatbot,” 2020.
B. Tamizharasi, L. M. Jenila Livingston, and S. Rajkumar, “Building a medical chatbot using support vector machine learning algorithm,” J. Phys. Conf. Ser., vol. 1716, no. 1, 2021, doi: 10.1088/1742-6596/1716/1/012059.
M. H. Su, C. H. Wu, K. Y. Huang, Q. B. Hong, and H. M. Wang, “A chatbot using LSTM-based multi-layer embedding for elderly care,” Proc. 2017 Int. Conf. Orange Technol. ICOT 2017, vol. 2018-January, pp. 70–74, 2018, doi: 10.1109/ICOT.2017.8336091.
S. Roller et al., “Recipes for building an open-domain chatbot,” EACL 2021 - 16th Conf. Eur. Chapter Assoc. Comput. Linguist. Proc. Conf., pp. 300–325, 2021, doi: 10.18653/v1/2021.eacl-main.24.
A. P. Chaves and M. A. Gerosa, “How Should My Chatbot Interact? A Survey on Social Characteristics in Human–Chatbot Interaction Design,” Int. J. Hum. Comput. Interact., vol. 37, no. 8, pp. 729–758, 2021, doi: 10.1080/10447318.2020.1841438.
Mahardhika Chandra, Rizki Pratama, Fathan Azka Pradana, and Alvita Bonita, “Chatbot Interaksi Rumah Sakit menggunakan FFNN,” Indones. J. Data Sci., vol. 3, no. 1, pp. 62–68, 2022, doi: 10.56705/ijodas.v3i1.36.
P. Algoritma and B. Moore, “Penerapan algoritma boyer moore pada chatbot ustaz abdul somad,” 2021.
J. Homepage, Y. Saputra Wijaya, F. Zoromi Informatic, and S. Amik Riau, “JAIA-Journal Of Artificial Intelligence And Applications Chatbot Designing Information Service for New Student Registration Based on AIML and Machine Learning,” JAIA-Journal Artif. Intell. Appl., vol. 1, no. 1, pp. 1–10, 2020.
I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.
Karsito and S. Susanti, “Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah Dengan Algoritma Naïve Bayes Di Perumahan Azzura Residencia,” J. Teknol. Pelita Bangsa, vol. 9, pp. 43–48, 2019.
S. Sultan, A. Issa, and R. Bayu, “Pengembangan Chatbot Yanies Cookies Untuk Pemesanan Kue Kering Berbasis Dialogflow,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 4, no. 7, pp. 2121–2129, 2020.
