Implementasi Long Short-Term Memory RNN untuk Kecerdasan Buatan pada Aplikasi Voice Chatbot Jacob

Octavany, Octavany (2019) Implementasi Long Short-Term Memory RNN untuk Kecerdasan Buatan pada Aplikasi Voice Chatbot Jacob. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (954kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (733kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (717kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (11MB)

Abstract

JACOB merupakan sebuah aplikasi voice chatbot yang menyediakan informasi mengenai program dual degree Informatika Universitas Multimedia Nusantara. Namun, aplikasi JACOB masih memiliki kekurangan, yaitu belum terdapat variasi jawaban dan terkadang salah menentukan nilai konteks dari struktur kalimat pertanyaan yang baru karena platform Wit.ai belum pernah mempelajari kalimat tersebut sebelumnya. Oleh karena itu, dalam penelitian ini ditambahkan dua fitur kecerdasan buatan berupa fitur parafrasa jawaban dan fitur ringkasan pertanyaan. Model Long Short-Term Memory (LSTM), yaitu pretrained model Stacked Residual LSTM diimplementasikan untuk menghasilkan parafrasa jawaban. Fitur ringkasan pertanyaan dikembangkan dengan menggunakan metode Cosine Similarity dengan menggunakan nilai vektor kata dari pretrained word vectors dan algoritma TextRank. Kedua fitur tersebut dirancang untuk ditambahkan pada aplikasi JACOB dan diberi nama modul CLEVEREE. Modul CLEVEREE dikembangkan sebagai web service menggunakan bahasa pemrograman Python dengan framework Flask. Evaluasi dilakukan menggunakan metode Technology Acceptance Model (TAM) untuk mengukur manfaat (perceived usefulness) dan kemudahan (perceived ease of use) yang dirasakan oleh admin. Hasil evaluasi menyatakan 79,17% admin JACOB sangat setuju bahwa kedua fitur memberikan manfaat. Dalam hal memberikan kemudahan, hasil evaluasi menyatakan sebesar 72,57% admin JACOB sangat setuju bahwa kedua fitur mudah digunakan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Artificial Intelligence, CLEVEREE, Cosine Similarity, LSTM RNN, TAM, TextRank, Voice Chatbot JACOB
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 06:17
Last Modified:	28 Jun 2023 06:49
URI:	https://kc.umn.ac.id/id/eprint/10567

Actions (login required)

View Item