Rancang Bangun Optimasi Model Chatbot Digital Hub Sinar Mas Land Berbasis Natural Language Processing.

Sherly, Sherly (2024) Rancang Bangun Optimasi Model Chatbot Digital Hub Sinar Mas Land Berbasis Natural Language Processing. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (499kB)
	PDF BAB_I.pdf Download (569kB)
	PDF BAB_II.pdf Download (866kB)
	PDF BAB_III.pdf Download (929kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (733kB)
	PDF BAB_V.pdf Download (56kB)
	PDF DAFTAR_PUSTAKA.pdf Download (137kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (626kB)
	PDF LEMBAR_PENGESAHAN.pdf Download (52kB)

Abstract

Perkembangan teknologi informasi, termasuk Artificial Intelligence (AI) dan Machine Learning (ML), telah meningkatkan sistem informasi dengan pengolahan data yang lebih cepat, akurat, dan adaptif. Adopsi AI dan ML terus meningkat, mencapai 57% pada 2021 menurut McKinsey, naik 45% dari tahun sebelumnya. Pasar Natural Language Processing (NLP) di Asia Pasifik juga tumbuh dari USD 2,7 miliar pada 2020 menjadi USD 4,2 miliar pada 2021, dengan proyeksi pertumbuhan signifikan hingga 2030. Dalam pemanfaatan NLP yang terus berkembang, penelitian ini berfokus pada rancang bangun dan optimasi model chatbot pada Digital Hub Sinar Mas Land dalam menjawab permasalahan perusahaan. Penelitian ini menggunakan kerangka kerja CRISP-ML yang terdiri dari beberapa tahapan, yaitu Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Dataset berupa teks pertanyaan dan jawaban diproses menggunakan teknik pra-pemrosesan seperti tokenisasi, penghapusan stopword, dan stemming, lalu ditransformasi menggunakan TF-IDF untuk ekstraksi fitur. Algoritma SVM dengan kernel linear diterapkan untuk membangun model klasifikasi yang mampu memahami dan merespon permintaan pengguna secara optimal. Model ini diimplementasikan menggunakan Streamlit untuk memudahkan akses oleh pengguna. Hasil eksperimen menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 95,77% menggunakan kernel linear. Penelitian ini berkontribusi dalam pengembangan teknologi chatbot berbasis NLP yang efisien dan efektif. Hasil closed beta testing juga menunjukkan bahwa chatbot yang diuji oleh peneliti memiliki performa dengan rata-rata 87,50%. Saran pengembangan di masa depan mencakup perluasan dataset, penggunaan feature selection untuk meningkatkan akurasi, serta pengintegrasian fitur generative-based untuk meningkatkan fleksibilitas chatbot.

Item Type:	Thesis (MBKM)
Keywords:	Chatbot, Digital Hub, NLP, SVM, TF-IDF.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Jan 2025 12:54
Last Modified:	06 Jan 2025 12:54
URI:	https://kc.umn.ac.id/id/eprint/35447

Actions (login required)

View Item