Hasil Pencarian: "Klasifikasi Intent" (Semua Bidang (Umum))
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetHasil Pencarian: "Klasifikasi Intent" (Semua Bidang (Umum))
Menampilkan 3 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI TRANSFORMER-BASED LLM CHATBOT BERBASIS AI PADA WEBSITE REKRUTMENT PT PATRA DRILLING CONTRACTOR
Penulis: Ridar Setiawan Effendi, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Pada proses rekrutment sebelumnya di PT Patra Drilling Contractor masih dilakukan secara manual menggunakan pretty form dan Google Form sehingga menimbulkan beberapa kendala dan masalah, diantaranya tingginya jumlah kandidat yang mengajukan pertanyaan seputar proses rekrutmen sehingga menambah beban kerja dari Tim Human Capital (HC), pertanyaan pelamar yang menumpuk melalui email sehingga Tim HC harus membuat media komunikasi tambahan melalui grup WhatsApp untuk menyampaikan informasi, serta Tim HC yang harus membalas satu per satu pertanyaan dari pelamar secara manual akibat belum tersedianya sistem yang dapat menjawab pertanyaan pelamar secara otomatis dan real-time. Penelitian kali ini bertujuan untuk merancang dan membangun sebuah website karir PT Patra Drilling Contractor yang dilengkapi oleh implementasi dari Transformer-Based Large Language Model (LLM) Chatbot yang berbasis Artificial Intelligence (AI) sebagai solusi dari permasalahan tersebut. Metode pengembangan sistem yang digunakan adalah metode Agile dengan melakukan pendekatan iteratif melalui tiga sprint, untuk sprint pertama difokuskan kepada perancangan dan pengembangan website rekrutmen dan database, sprint kedua pada pengembangan chatbot umum, serta sprint ketiga untuk melakukan pengembangan chatbot personal. Model AI yang diimplementasikan adalah Natural Language Processing berbasis Transformer-Based LLM dengan mekanisme Retrieval-Augmented Generation (RAG) yang diintegrasikan melalui sebuah API yakni Groq API dan Rule-Based Keyword Matching untuk klasifikasi intent pertanyaan pengguna. Sistem chatbot yang dibangun terdiri dari dua jenis yakni chatbot umum yang dapat diakses tanpa memerlukan login ke dalam aplikasi untuk menjawab pertanyaan seputar informasi lowongan dan tata cara melamar dan chatbot personal yang dapat diakses setelah login ke dalam aplikasi untuk memberikan rekomendasi posisi berdasarkan profil pelamar dan menyampaikan informasi status lamaran secara personal. Berdasarkan hasil pengujian fungsional menggunakan metode Blackbox Testing dan Whitebox Testing, seluruh jalur pemrosesan utama pada komponen chatbot AI berhasil berjalan sesuai spesifikasi yang dirancang.
#Transformer-Based LLM
#Chatbot AI
#Natural Language Processing
#Retrieval-Augmented Generation
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI CHATBOT LAYANAN INFORMASI PPDB MENGGUNAKAN ALGORITMA NAÏVE BAYES PADA MTS ATTAQWA 04 BEKASI
Penulis: Ade Yusuf Ardiyansyah, NADYA SAFITRI, S.T., M.Kom. |
2026
Layanan informasi Penerimaan Peserta Didik Baru (PPDB) di MTs Attaqwa 04 Kabupaten Bekasi saat ini dilayani melalui Group WhatsApp oleh sepuluh panitia yang merangkap mengajar, balasan respons sangat bergantung pada ketersediaan waktu petugas. Kondisi ini menyebabkan keterlambatan respons dan ketidaktersediaan layanan 24 jam serta komunikasi manual melalui pesan teks berpotensi menimbulkan kesalahan informasi yang dapat menyebabkan ketidaksesuaian informasi antara petugas PPDB dan calon pendaftar. Penelitian ini bertujuan merancang dan mengimplementasikan chatbot WhatsApp berbasis Natural Language Processing (NLP) dengan algoritma Multinomial Naïve Bayes untuk klasifikasi intent pertanyaan calon pendaftar. Sistem dikembangkan menggunakan metode Extreme Programming (XP) dengan integrasi WhatsApp HTTP API (WAHA), backend Python-Flask, ekstraksi fitur Term Frequency–Inverse Document Frequency (TF-IDF), dan pipeline praproses yang mencakup case folding, cleaning, normalisasi berbasis aturan, serta symspell correction. Model dilatih menggunakan 1116 data intent dan diuji pada 224 data uji holdout. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 87%, sedangkan Pengujian User Acceptance Testing (UAT) terhadap 28 responden memperoleh persentase penerimaan sebesar 85,21% dengan nilai rata-rata keseluruhan 4,26 (kategori "Sangat Setuju"). Hasil tersebut menunjukkan bahwa sistem chatbot WhatsApp mampu memberikan layanan informasi PPDB secara otomatis, cepat, mudah digunakan, dan tersedia selama 24 jam.
#Chatbot
#Naïve Bayes
#Natural Language Processing
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN CHATBOT INFORMASI PPDB MENGGUNAKAN ALGORITMA MULTINOMIAL NAIVE BAYES DI TK DELIMA
Penulis: Ismail Hasan, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
TK Delima belum memiliki website resmi sebagai media informasi Penerimaan Peserta Didik Baru (PPDB), sehingga penyampaian informasi dan penanganan pertanyaan dari wali calon peserta didik masih bergantung pada staf administrasi melalui komunikasi tatap muka, brosur, dan pesan WhatsApp. Penelitian ini bertujuan merancang dan membangun website informasi PPDB yang dilengkapi chatbot untuk membantu penyampaian informasi dan menangani pertanyaan berulang. Pembangunan sistem menerapkan metode Rapid Application Development (RAD). Untuk mengenali maksud pertanyaan pengguna dalam bahasa Indonesia tidak baku, chatbot menerapkan pendekatan Natural Language Processing (NLP) melalui tahapan text preprocessing dan algoritma Multinomial Naive Bayes sebagai metode klasifikasi intent. Algoritma tersebut dikombinasikan dengan teknik Laplace Smoothing untuk mengatasi permasalahan zero probability serta mekanisme confidence check untuk menangani masukan di luar domain chatbot. Sistem diimplementasikan secara native menggunakan bahasa pemrograman PHP, framework CodeIgniter 3, dan basis data MySQL tanpa menggunakan library machine learning eksternal. Pengujian menggunakan Confusion Matrix terhadap 40 kalimat uji menghasilkan nilai accuracy sebesar 92,50%, precision sebesar 93,24%, recall sebesar 92,50%, dan F1-Score sebesar 92,36%. Uji coba pengguna melalui kuesioner menghasilkan tingkat persetujuan sebesar 80,1% yang termasuk dalam kategori Setuju. Hasil penelitian menunjukkan bahwa algoritma Multinomial Naive Bayes berhasil mengklasifikasikan intent pertanyaan pengguna dengan tingkat akurasi 92,50% dan chatbot dapat membantu menyediakan informasi PPDB secara terprogram kepada wali calon peserta didik di luar jam operasional sekolah.
#Chatbot
#Klasifikasi Intent
#Multinomial Naive Bayes
#NLP
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|