Penerapan Algoritma Lstm Pada Chatbot Sistem Informasi Akademik

Juniansyah, Rangga Hadi (2024) Penerapan Algoritma Lstm Pada Chatbot Sistem Informasi Akademik. Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_RANGGA HADI JUNIANSYAH_COVER.pdf - Published Version Download (48kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_LEMBAR PENGESAHAN.pdf - Published Version Download (387kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (210kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (251kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_KATA PENGANTAR.pdf - Published Version Download (106kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_DAFTAR ISI.pdf - Published Version Download (74kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_BAB 1.pdf - Published Version Download (188kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_BAB 2.pdf - Published Version Download (545kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_RANGGA HADI JUNIANSYAH_BAB 4.pdf - Published Version Restricted to Repository staff only Download (868kB) | Request a copy
	Text UNIKOM_RANGGA HADI JUNIANSYAH_BAB 5.pdf - Published Version Download (64kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_DAFTAR PUSTAKA.pdf - Published Version Download (82kB)
	Text UNIKOM_RANGGA HADI JUNIANSYAH_LEMBAR KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (9kB)

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Long Short-Term Memory (LSTM) pada chatbot system informasi akademik. LSTM dipilih karena kemampuannya dalam memproses dan menganalisis urutan data yang panjang, yang sangat relevan untuk aplikasi chatbot berbasis teks. Sistem yang dibangun melibatkan beberapa tahapan penting, mulai dari pengumpulan data, pre-processing data, pembobotan, pembagian data menggunakan k-fold cross-validation, hingga pemodelan klasifikasi dan evaluasi. Setelah tahap pre-processing teks, teknik pembobotan diterapkan menggunakan metode Word2Vec dengan pendekatan Continuous Bag of Words (CBOW) untuk mengubah kata-kata menjadi representasi vektor yang dapat menangkap hubungan semantik antar kata. Model LSTM dilatih dengan data yang telah diproses tersebut dan dievaluasi menggunakan 5 lipatan dari k-Fold Cross Validation. Dataset yang digunakan dalam penelitian ini terdiri dari 1.773 pertanyaan, 113 kategori tag, dan 135 jawaban. Pengujian dilakukan dengan menggunakan skenario pengujian parameter serta pengujian metode user validation. Hasil pengujian menunjukkan bahwa kombinasi parameter terbaik ditemukan dengan dimensi hidden sebesar 64, epoch sebanyak 50, batch size sebesar 32, dan learning rate sebesar 0.01. Model dengan parameter terbaik ini mencapai akurasi validasi tertinggi sebesar 91.81% dan akurasi performansi sebesar 98.56%. Selain itu, pengujian performansi kedua dilakukan dengan metode user validation, di mana 10 pengguna mengajukan masing-masing 5 pertanyaan yang jawabannya dicocokkan dengan respons model chatbot. Hasil pengujian user validation menunjukkan akurasi sebesar 92%, dengan 46 pertanyaan dijawab dengan benar dan 4 pertanyaan kurang cocok.Implikasi dari hasil penelitian ini menunjukkan bahwa penerapan LSTM pada media chatbot ini sudah lumayan efektif yang dilihat dari nilai akurasi pada pengujian untuk melakukan klasifikasi prediksi jawaban pada pertanyaan dalam chatbot sistem informasi akademik.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Long Short Term Memory (LSTM), chatbot, Word2Vec, K-fold Cross Validation, User validation
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	08 Sep 2025 06:28
Last Modified:	08 Sep 2025 06:28
URI:	http://elibrary.unikom.ac.id/id/eprint/10885

Actions (login required)

View Item