Hasil Pencarian: "Natural Language Processing" (Semua Bidang (Umum))
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetHasil Pencarian: "Natural Language Processing" (Semua Bidang (Umum))
Menampilkan 7 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
PENERAPAN CHATBOT BERBASIS NATURAL LANGUAGE PROCESSING (NLP) UNTUK LAYANAN INFORMASI SPMB DI SMPS PLUS FAJAR SENTOSA
Penulis: Ahmad Gusnaedi, NADYA SAFITRI, S.T., M.Kom. |
2026
Sistem Penerimaan Murid Baru (SPMB) di SMPS Plus Fajar Sentosa masih menghadapi keterlambatan respons karena layanan informasi bergantung pada panitia yang juga bertugas sebagai guru, serta belum adanya standar jawaban yang menyebabkan informasi kurang konsisten. Penelitian ini bertujuan merancang dan mengembangkan chatbot berbasis Natural Language Processing (NLP) dengan metode Naive Bayes untuk memberikan informasi SPMB secara cepat, tepat, dan seragam melalui website dan WhatsApp. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang meliputi requirements planning, user design, construction, dan cutover, sedangkan pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Pertanyaan pengguna diproses melalui tahapan preprocessing teks dan diklasifikasikan menggunakan Naive Bayes untuk menentukan jawaban sesuai kategori informasi. Hasil pengujian fungsional menunjukkan bahwa fitur-fitur sistem berjalan sesuai dengan skenario yang dirancang. Pengujian User Acceptance Testing (UAT) terhadap 28 responden yang terdiri atas 26 pengguna dan 2 admin memperoleh nilai keseluruhan sebesar 87,24% dari pengguna dan 95,00% dari admin, yang keduanya berada pada kategori sangat setuju. Hasil tersebut menunjukkan bahwa chatbot mampu membantu mempercepat layanan informasi, meningkatkan konsistensi jawaban, serta memudahkan admin dalam mengelola informasi SPMB. Dengan demikian, sistem yang dikembangkan layak digunakan sebagai media layanan informasi SPMB di SMPS Plus Fajar Sentosa.
#Chatbot
#Natural Language Processing
#Naive Bayes
#SPMB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
PENGEMBANGAN SISTEM CHATBOT LAYANAN DI LAUNDRY ONDEL-ONDEL MENGGUNAKAN WHATSAPP DENGAN PENDEKATAN HYBRID ARTIFICIAL INTELLIGENCE
Penulis: Bimo Aria Putra Pratama, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Pelayanan pelanggan pada Laundry Ondel-Ondel masih dilakukan secara manual melalui WhatsApp sehingga admin harus menjawab pertanyaan yang berulang mengenai harga layanan, jam operasional, status cucian, layanan antar-jemput, dan estimasi pengerjaan. Kondisi tersebut menyebabkan waktu respons menjadi lebih lama dan mengurangi efisiensi operasional. Penelitian ini bertujuan mengembangkan sistem chatbot layanan pelanggan berbasis WhatsApp dengan pendekatan Hybrid Artificial Intelligence untuk meningkatkan kualitas pelayanan dan efisiensi kerja. Metode pengembangan sistem yang digunakan adalah Evolutionary Prototype, sedangkan metode kecerdasan buatan yang diterapkan menggabungkan Rule-Based, Natural Language Processing (NLP), dan Generative AI (DeepSeek). Sistem dikembangkan menggunakan Node.js, WPPConnect, Supabase, serta dashboard berbasis web untuk mengelola data pelanggan dan pesanan laundry. Hasil penelitian menunjukkan bahwa sistem mampu memberikan informasi layanan secara otomatis, meliputi harga, jenis layanan, status pesanan, estimasi pengerjaan, dan layanan antar-jemput melalui WhatsApp. Berdasarkan pengujian Black Box Testing, seluruh fungsi utama sistem berjalan sesuai dengan kebutuhan. Uji coba terhadap 11 responden menunjukkan bahwa 8 responden menyatakan sangat setuju, 2 responden setuju, dan 1 responden cukup setuju bahwa sistem layak digunakan. Dengan demikian, sistem chatbot yang dikembangkan mampu meningkatkan kecepatan penyampaian informasi, mempermudah pelanggan memperoleh layanan, serta meningkatkan efisiensi operasional pada Laundry Ondel-Ondel.
#Chatbot
#Generative AI
#Hybrid Artificial Intelligence
#Laundry
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM SCREENING CURRICULUM VITAE BERBASIS SIMILARITY MATCHING MENGGUNAKAN MPNET EMBEDDING DAN COSINE SIMILARITY
Penulis: Fitri Shafirawati, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Proses screening Curriculum Vitae (CV) pada PT Bahagia Sukses Lestari masih dilakukan secara manual, sehingga memerlukan waktu lama, meningkatkan beban kerja HR, serta berpotensi menimbulkan bias subjektif. Berdasarkan hasil observasi, setiap pembukaan satu lowongan pekerjaan di PT Bahagia Sukses Lestari rata-rata menerima sekitar 60 CV, sedangkan proses rekrutmen hanya ditangani oleh dua staf HR. Dari total lamaran tersebut, hanya sekitar 20 lamaran yang benar-benar sesuai dengan kriteria awal pada tahap screening. Penelitian ini bertujuan untuk mengembangkan sistem screening CV berbasis web menggunakan pendekatan semantic similarity. Pengembangan sistem dilakukan menggunakan metode CRISP-DM, sedangkan proses pencocokan CV dengan lowongan pekerjaan menerapkan Natural Language Processing (NLP) menggunakan model MPNet untuk menghasilkan embedding dan cosine similarity untuk menghitung tingkat kesesuaian. Nilai similarity yang diperoleh kemudian diklasifikasikan menggunakan threshold 0.6 dengan kategori recommended untuk nilai ≥ 0.6 dan not recommended untuk nilai < 0.6. Hasil pengujian dilakukan menggunakan 35 dokumen CV yang masing-masing diuji terhadap dua lowongan pekerjaan berbeda sehingga menghasilkan total 70 proses screening yang menunjukkan nilai kemiripan berkisar antara 0.26 hingga 0.81, dengan 22 CV termasuk kategori recommended dan 48 not recommended. Sistem mampu melakukan proses screening CV secara otomatis dengan waktu rata-rata kurang dari 1 menit untuk setiap proses seleksi. Evaluasi model menghasilkan accuracy sebesar 97%, precision 91%, recall 100%, dan F1-score 95%, yang menunjukkan kemampuan sistem dalam mengidentifikasi kandidat yang relevan. Kesimpulannya, sistem berbasis embedding MPNet dan cosine similarity terbukti mampu meningkatkan efisiensi serta objektivitas proses screening CV dan menghasilkan rekomendasi kandidat secara konsisten.
#Curriculum Vitae Screening
#Cosine Similarity
#Natural Language Processing
#Semantic Similarity
|
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
|
|
IMPLEMENTASI TF-IDF DAN COSINE SIMILARITY PADA CHATBOT WEBSITE INFORMASI PPDB DI SMP SEJAHTERA 2
Penulis: Raditya Mayesha Beldyq, RIKA APRIANI, S.Kom., M.Kom. |
2026
Pelayanan informasi Penerimaan Peserta Didik Baru (PPDB) di SMP Sejahtera 2 Cileungsi masih dilakukan secara manual sehingga menyebabkan keterlambatan respon informasi dan penumpukan pertanyaan dari calon pendaftar. Selain itu, sekolah belum memiliki Website resmi sebagai media penyampaian informasi secara terpusat. Penelitian ini bertujuan untuk merancang dan membangun website informasi PPDB yang terintegrasi dengan chatbot berbasis kecerdasan buatan guna membantu penyampaian informasi secara otomatis, cepat, dan dapat diakses kapan saja. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD). Adapun metode Natural Language Processing (NLP) yang diterapkan yaitu Term Frequency–Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan Cosine Similarity untuk mengukur kemiripan pertanyaan pengguna dengan basis pengetahuan chatbot. Sistem yang dibangun dilengkapi dengan dashboard admin untuk pengelolaan dataset serta fitur Evaluasi Log guna mencatat seluruh riwayat pertanyaan pengguna baik yang berhasil dijawab maupun yang tidak terjawab oleh chatbot. Hasil pengujian fungsionalitas menggunakan Black Box Testing menunjukkan bahwa seluruh fitur pada sistem berjalan valid. Hasil pengujian User Acceptance Test (UAT) terhadap 25 responden memperoleh tingkat kepuasan pengguna sebesar 87,4% dengan kategori Sangat Baik/Sangat Layak. Selain itu, hasil evaluasi model menunjukkan tingkat akurasi sebesar 82,9% dalam proses pencocokan intent pertanyaan pengguna dengan rata-rata waktu respons sebesar 1,05 detik. Berdasarkan hasil penelitian, dapat disimpulkan bahwa implementasi chatbot berbasis TF-IDF dan Cosine Similarity mampu membantu layanan informasi PPDB SMP Sejahtera 2 secara lebih cepat, otomatis, dan mudah digunakan.
#Chatbot
#Cosine similarity
#Firebase
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|