APLIKASI INTERAKTIF CHATBOT BERBAHASA INDONESIA

WASNARDI, AGUNG PRADANA (2021) APLIKASI INTERAKTIF CHATBOT BERBAHASA INDONESIA. S2 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 1. Cover Tesis - AGUNG PRADANA WASNARDI.pdf Download (199kB) | Preview
	Text (BAB I) 2. BAB 1 - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (35kB)
	Text (BAB II) 3. BAB 2 - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (254kB)
	Text (BAB III) 4. BAB 3 - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (254kB)
	Text (BAB IV) 5. BAB 4 - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (522kB)
	Text (BAB V) 6. BAB 5 - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (27kB)
	Text (DAFTAR PUSTAKA) 7. Daftar Pustaka - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (82kB)
	Text (LAMPIRAN) 8. LAMPIRAN - AGUNG PRADANA WASNARDI.pdf Restricted to Registered users only Download (340kB)

Abstract

Previously, chatbot development has been implemented in any application sections with purposes to provide information to the user. In support for giving information, chatbot uses any classification methods that can provide fast and accurate performance, where this can be used as a benchmark for a chatbot itself. Besides that, an interactive chatbot also increases user experience to the user while information is given by the chatbot. Therefore, we need to define calculation methods that has a good performance and accuracy to provide a good classification based on four parameters, there are accuracy, precision, recall and f1 score. On a forming model process that run by SVM method has a better stable on performance and accuracy rather than any models based on any different amount of data that reached 0,80 value on accuracy mean. Besides that, NER method can be also implemented for data extraction with good performance and accuracy that also reached 1,0 value on accuracy mean. Therefore, both two-classification result can be mixed into a response that returned back to the user based on intent that previously crafted by a chatbot owner. The response will be assigned as an answer from chatbot to the user so that users feel like talking to humans in general due to the good performance and accuracy of the chatbot itself. Keywords: Chatbot, SVM, NER, Multi Class Classification Perkembangan chatbot belakangan ini sudah banyak diterapkan di berbagai pengaplikasian guna menunjang pemberian informasi kepada pengguna. Dalam menunjang proses pemberian informasi yang berlangsung, chatbot menggunakan beberapa metode klasifikasi yang cepat dan akurat, dimana hal ini dijadikan sebagai tolak ukur penilaian pengguna terhadap sebuah chatbot. Selain itu, chatbot yang bersifat interaktif juga dapat menambah pengalaman kepada pengguna dalam proses pemberian informasi. Untuk itu, dibutuhkan metode-metode perhitungan yang memiliki performa dan akurasi yang baik untuk dapat melakukan klasifikasi berdasarkan empat parameter, diantaranya accuracy, precision, recall dan f1 score. Pada pembentukan model yang dilakukan, metode SVM memiliki performa dan akurasi yang lebih stabil dibandingkan beberapa metode lainnya berdasarkan jumlah data yang berbeda-beda dengan nilai rata-rata accuracy terbesar dengan nilai 0,80. Selain itu, metode NER juga dapat digunakan dalam melakukan ekstraksi data dengan performa dan akurasi yang baik dengan nilai rata-rata accuracy sebesar 1,0. Hasil klasifikasi dari kedua metode tersebut dapat disatukan menjadi sebuah respon yang kemudian dikembalikan kepada pengguna berdasarkan intent yang sudah dibuat oleh pembuat chatbot sebelumnya. Respon tersebut akan dijadikan sebagai jawaban chabot kepada pengguna sehingga pengguna merasa seperti berbicara dengan manusia pada umumnya dikarenakan performa dan akurasi yang baik dari chatbot itu sendiri. Kata Kunci: Chatbot, SVM, NER, Multi Class Classification

Actions (login required)

View Item