ADINOMO, KAISYARANI ZAHRA (2026) FINE-TUNING MODEL INDOBERT UNTUK KLASIFIKASI INTENT TOPIK PANGAN DI INDONESIA DAN IMPLEMENTASINYA PADA CHATBOT BADAN PANGAN NASIONAL. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER.pdf Download (380kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB 1.pdf Restricted to Registered users only Download (95kB) |
|
|
Text (BAB II)
BAB 2.pdf Restricted to Registered users only Download (220kB) |
|
|
Text (BAB III)
BAB 3.pdf Restricted to Registered users only Download (148kB) |
|
|
Text (BAB IV)
BAB 4.pdf Restricted to Registered users only Download (281kB) |
|
|
Text (BAB V)
BAB 5.pdf Restricted to Registered users only Download (25kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFPUS.pdf Restricted to Registered users only Download (154kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Registered users only Download (206kB) |
Abstract
Digital transformation in the public service sector encourages the use of artificial intelligence technology, including chatbots, to improve the efficiency and accessibility of information. This study aims to build a chatbot system that is able to understand and respond to public questions related to national food issues. The main focus of the study is to fine-tune the IndoBERT model for the intent classification task in Indonesian, which is the basis for the chatbot's understanding of the intent of each user question, as well as integrating the Named Entity Recognition (NER) model to extract important entities such as commodity names and locations. The dataset used includes various intents such as asking for food prices, food stocks, food imports, food aid, and others. The data is compiled based on question scenarios that are relevant to public information needs, with variations in formal and informal language styles. The compilation process includes labeling intents for each question, as well as applying automatic text augmentation techniques to enrich the available sentence forms. The IndoBERT model that has been fine-tuned is implemented in PyTorch format and integrated into a web-based chatbot system using FastAPI as the backend, which acts as a bridge between the user interface and the intent classification and NER models. Each question from the user is processed by both models to determine the intent of the question and the entity mentioned, then the system retrieves relevant information from the MySQL database and returns it as a chatbot response. The evaluation was carried out using accuracy and F1-score metrics to assess the performance of intent classification. The test results show that the model is able to classify intent with a good level of accuracy, thus supporting the effectiveness of the chatbot in providing relevant answers. This study shows that fine-tuning IndoBERT is effective in building an intelligent and responsive Indonesian-language public service chatbot. Keywords: Fine-tuning, IndoBERT, intent classification, chatbot, Indonesian, food, National Food Agency Transformasi digital dalam sektor pelayanan publik mendorong pemanfaatan teknologi kecerdasan buatan, termasuk chatbot, untuk meningkatkan efisiensi dan aksesibilitas informasi. Penelitian ini bertujuan untuk membangun sistem chatbot yang mampu memahami dan merespons pertanyaan masyarakat terkait isu-isu pangan nasional. Fokus utama penelitian adalah melakukan fine-tuning model IndoBERT untuk tugas klasifikasi intent dalam Bahasa Indonesia, yang menjadi dasar pemahaman chatbot terhadap maksud dari setiap pertanyaan pengguna, serta mengintegrasikan model Named Entity Recognition (NER) untuk mengekstraksi entitas penting seperti nama komoditas dan lokasi. Dataset yang digunakan mencakup berbagai intent seperti tanya harga pangan, stok pangan, impor pangan, bantuan pangan, dan lainnya. Data disusun berdasarkan skenario pertanyaan yang relevan dengan kebutuhan informasi publik, dengan variasi gaya bahasa formal dan informal. Proses penyusunan mencakup pemberian label intent pada setiap pertanyaan, serta penerapan teknik augmentasi teks otomatis untuk memperkaya bentuk kalimat yang tersedia. Model IndoBERT yang telah dilatih fine-tuning diimplementasikan dalam format PyTorch dan diintegrasikan ke dalam sistem chatbot berbasis web menggunakan FastAPI sebagai backend, yang berperan sebagai jembatan antara antarmuka pengguna dengan model klasifikasi intent dan NER. Setiap pertanyaan dari pengguna diproses oleh kedua model tersebut untuk menentukan maksud pertanyaan serta entitas yang disebutkan, kemudian sistem mengambil informasi yang relevan dari database MySQL dan mengembalikannya sebagai respons chatbot. Evaluasi dilakukan menggunakan metrik akurasi dan F1- score untuk menilai performa klasifikasi intent. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan intent dengan tingkat akurasi yang baik, sehingga mendukung efektivitas chatbot dalam memberikan jawaban yang relevan. Penelitian ini menunjukkan bahwa fine-tuning IndoBERT efektif untuk membangun chatbot layanan publik berbahasa Indonesia yang cerdas dan responsif. Kata Kunci: Fine-tuning, IndoBERT, klasifikasi intent, chatbot, Bahasa Indonesia, pangan, Badan Pangan Nasional
Actions (login required)
 |
View Item |
