Pelita Teknologi: Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan 14 (1) 2019 1-15

Pelita Teknologi: Jurnal Ilmiah Informatika,

Arsitektur dan Lingkungan
Journal homepage: jurnal.pelitabangsa.ac.id

Perancangan Aplikasi Teknologi Chatbot untuk

Industri Komersial 4.0
Rani Natadian Astuti1, Muhamad Fatchan2, Supriyanto3

Program Studi Teknik Informatika, Universitas Pelita Bangsa

Korespondensi email: rani.natadian181295@gmail.com

Abstrak Informasi Artikel

Pelayanan customer service pada Diterima: 15 Oktober 2019
www.bantubuatweb.com kurang efektif Direvisi: 15 Oktober 2019
karena adanya keterbatasan dalam waktu Dipublikasikan: 15 Oktober 2019
kerja yang tidak 24 jam penuh dan
customer service kurang responsif dalam
Kata Kunci
menjawab pertanyaan-pertanyaan yang
Chatbot, Customer service, TF-IDF
diajukan oleh pelanggan. Untuk itu perlu
adanya teknologi chatbot pada
www.bantubuatweb.com sebagai
pengganti peran customer service. Chatbot
dapat merespon pertanyaan pelanggan
dengan cepat dan dapat bekerja hingga 24
jam penuh, sehingga dapat meningkatkan
kinerja perusahaan dan mengurangi biaya
pengeluaran perusahaan. Metode yang
digunakan dalam penelitian ini yaitu Term
Frequency – Invers Document Frequency
(TF-IDF) untuk melakukan perhitungan
bobot pada setiap kata dalam dokumen.
Hasil dari penelitian ini yaitu aplikasi
chatbot mampu menangani pertanyaan-
pertanyaan dengan pola yang berbeda-
beda namun tetap dapat memberikan
jawaban yang sesuai dengan masing-
masing kategori. Kesimpulan pada
penelitian ini ialah aplikasi chatbot
berhasil dibangun dan diberi nama RiChat
serta chatbot dapat berperan sebagai
customer service yang dapat melayani
pertanyaan pelanggan terkait
www.bantubuatweb.com.

I. Pendahuluan
Perkembangan teknologi yang sangat
cepat telah membuat banyak perubahan
dalam kehidupan manusia. Banyak
teknologi yang mengandalkan internet yang
sekarang sudah menjadi satu wadah untuk
semua proses komunikasi dan pertukaran
informasi di era Revolusi Industri 4.0
(Prasetyo & Trisyanti, 2018). Teknologi
utama yang akan mendukung implementasi
industri 4.0 salah satunya yaitu teknologi
kecerdasan buatan atau artificial
intelligence (AI) (Anonim, 2019).
Teknologi kecerdasan buatan atau artificial
intelligence (AI) merupakan salah satu
bidang ilmu komputer yang saat ini semakin
berkembang dengan pesat (Setiaji &
Wibowo, 2017).
Penerapan artificial intelligence (AI)
banyak digunakan di beberapa bidang
seperti pada bidang industri IT, medis,
pendidikan, otomotif, periklanan, keuangan,
hokum, manufaktur, bahkan bisnis (Rashmi,
2018; Maskur, 2016). Dengan adanya
kecerdasan buatan, komputer dapat
melakukan tugas tertentu seperti yang
dilakukan oleh manusia, dan salah satu
teknologi yang menggunakan artificial
intelligence (AI) adalah teknologi chatbot
(Azwary, dkk., 2016).
Teknologi chatbot adalah salah satu
program aplikasi yang dirancang untuk
dapat berkomunikasi langsung dengan
manusia melalui pesan teks, suara ataupun
keduanya (Akhsan & Faizah, 2017;
Hormansyah & Utama, 2018). Chatbot
dikategorikan sebagai hasil dari pemrosesan
bahasa alami atau natural language
processing yang merupakan salah satu
cabang dari kecerdasan buatan yang
melakukan pengolahan bahasa alami agar
pengguna dapat berkomunikasi dengan
komputer menggunakan bahasa sehari-hari
dan seolah-olah sedang mengobrol dengan
manusia (Rashid & Anik, 2017). Dalam
bidang industri dan bisnis, chatbot sudah
mulai digunakan untuk memberikan
pelayanan customer service dan dapat
berinteraksi dengan konsumennya. Chatbot
ISSN: p.2301-475X e.2656-7059
bertugas melayani percakapan dengan
pengunjung untuk berkomunikasi se-
responsif mungkin sehingga
memungkinkan pengunjung mendapat
pesan balasan dalam waktu yang singkat
(Benedictus, dkk., 2017). Kemajuan
artificial intelligence (AI) dapat membantu
dan mempermudah dalam menjalankan
bisnis dengan lebih efisien dan
menguntungkan (Rashid & Anik, 2017).
Dalam bisnis perdagangan elektronik
atau yang biasa disebut e-commerce,
pelayanan customer service sangat
diperlukan dalam melayani pengunjung
yang ingin bertanya terkait layanan yang
diberikan oleh e-commerce tersebut baik
berupa barang ataupun jasa (Ananda, D. R.,
dkk., 2018). Seperti pada
www.bantubuatweb.com yang merupakan
e-commerce yang menyediakan layanan
berupa jasa pembuatan web dan hosting.
Seorang customer service harus pandai
dalam mencari jalan keluar untuk
menyelesaikan masalah yang dihadapi oleh
pelanggan (Hutabalian & Kalangi, 2015).
Namun, adanya keterbatasan dalam
pelayanan customer service pada
www.bantubuatweb.com seperti waktu kerja
yang tidak 24 jam penuh dan kurang
responsifnya dalam melayani pertanyaan
pelanggan yang membuat pelanggan harus
menunggu lama untuk mendapatkan
jawaban dari pertanyaan yang diajukan,
sehingga dapat mempengaruhi
produktivitas e-commerce tersebut.
Dengan demikian, perlu adanya
teknologi chatbot sebagai pengganti peran
customer service agar dapat memberikan
pelayanan konsumen selama 24 jam penuh
serta dapat merespon pertanyaan pelanggan
dengan lebih cepat (Rashid & Anik, 2017).
Tujuan pada penelitian ini yaitu merancang
sebuah aplikasi teknologi chatbot untuk
industri komersial 4.0 yang dapat
berkomunikasi dengan manusia
menggunakan bahasa alami dan untuk
mengefektifkan waktu kerja serta kinerja
dari peran customer service. Teknologi
chatbot dihadirkan untuk meng-
 ISSN: p.2301-475X e.2656-7059

efisiensikan sumber daya manusia aplikasi chatbot sebagai virtual assistant

sehingga dapat meningkatkan kinerja yang dapat memberikan informasi kepada
perusahaan dan mengurangi biaya mahasiswa melalui data yang tersimpan
pengeluaran perusahaan. Metode yang pada sistem yang berisi informasi mengenai
digunakan dalam penelitian ini yaitu program studi teknik informatika di
metode Term Frequency – Invers Universitas Muhammadiyah Malang dan
Document Frequency (TF-IDF) untuk penambahan pengetahuan baru apabila data
melakukan pemberian bobot pada setiap yang tersimpan tidak ditemukan. Sistem
kata kunci dengan kategori yang ada. yang dibangun pada penelitian ini yaitu
menggunakan ALICE (Artificial Linguistic
Penelitian terkait dengan membahas
Internet Computer Entity) sebagai
tentang teknologi chatbot ini telah
penerjemah AIML (Artificial Intelligence
dilakukan sebelumnya oleh Elisabet Nila S.
Markup Language).
C. P dan Irawan Afrianto dalam jurnalnya
yang berjudul “Rancang Bangun Aplikasi Penelitian dengan jurnal yang berjudul
Chatbot Informasi Objek Wisata Kota “Design of E-Commerce Chat Robot for
Bandung Dengan Pendekatan Natural Automatically Answering Customer
Language Processing” mengenai Question” oleh Adhitya Bhawiyuga., M. Ali
perancangan aplikasi chatbot untuk F., Eko Sakti, P., dan Widhi Yahya, yang
memudahkan pengunjung dalam merancang sebuah aplikasi teknologi
mendapatkan informasi seputar objek chatbot untuk menggantikan peran
wisata di kota Bandung. customer service.
Penelitian yang dilakukan oleh Dheby Dari kelima penelitian terkait
Suryani Hormansyah dan Yoga Putera menunjukkan bahwa teknologi chatbot
Utama dalam jurnalnya yang berjudul dapat diimplementasikan di banyak bidang
“Aplikasi Chatbot Berbasis Web Pada seperti pada bidang bisnis hingga
Sistem Informasi Layanan Publik pariwisata. Yang membedakan dari
Kesehatan di Malang Dengan penelitian sebelumnya yaitu dalam
Menggunakan Metode TF-IDF” yaitu penelitian ini menggunakan bahasa
membuat aplikasi chatbot yang digunakan pemrograman Node.js serta perangkat cloud
sebagai pengganti customer service dalam platform service yang digunakan yaitu Bot
website layanan kesehatan di kota Malang. Framework dengan Luis.ai. sedangkan pada
penelitian sebelumnya dalam perancangan
Penelitian Ananda Dwi, R., Firdha
aplikasi chatbot mayoritas menggunakan
Imamah, Yusuf Mei Andre, S., dan
bahasa pemrograman PHP serta bahasa
Ardiansyah dalam jurnalnya yang berjudul
pemrograman AIML (Artificial Intelligence
“Aplikasi Chatbot (Milki Bot) Yang
Markup Language).
Terintegrasi Dengan Web CMS Untuk
Customer Service Pada UKM Minsu”
penelitian yang dilakukan yaitu merancang II.Metode Penelitian
aplikasi chatbot yang diberi nama Milki Bot 2.1 Metode Penelitian
yang dapat menggantikan peran customer Pada penelitian ini data yang
service pada UKM Minsu untuk dapat digunakan yaitu data pertanyaan yang biasa
melayani pelanggan serta dapat digunakan dalam transaksi online ataupun
meningkatkan omset penjualan. bertanya seputar e-commerce tersebut yang
nantinya data tersebut akan dijadikan
Penelitian Maskur dalam jurnalnya knowledge atau pengetahuan pada sistem
yang berjudul “Perancangan Chatbot Pusat chatbot yang akan dibangun. Berikut adalah
Informasi Mahasiswa Menggunakan AIML tahapan-tahapan dalam penelitian:
Sebagai Virtual Assistant Berbasis Web”
yaitu membahas tentang membangun

Gambar 1. Tahapan Penelitian
a. Studi literatur
Pada tahap ini penulis melakukan studi
literatur dan mempelajari materi-
materi yang berkaitan dengan
penelitian.
b. Pengumpulan data
Pengumpulan data dilakukan dengan
cara mengamati pertanyaan-
pertanyaan yang biasa digunakan
dalam bertransaksi online.
c. Penulisan program
Setelah data terkumpul dilanjutkan
dengan penulisan program aplikasi
chatbot menggunakan Bot Framework
dan bahasa pemrograman Node.js serta
Luis.ai sebagai tempat untuk
menyimpan data pertanyaan.
d. Perhitungan bobot kata
Pada tahap ini dilakukan perhitungan
bobot kata untuk mengetahui skor pada
masing-masing kata dalam dokumen
menggunakan metode Term Frequency
– Invers Document Frequency (TF-
IDF). Hasil bobot dari perhitungan
metode TF-IDF digunakan untuk
menentukan seberapa penting dan
seberapa umum kata tersebut muncul
didalam suatu dokumen. Perhitungan
pada tahap ini menggunakan bahasa
pemrograman R.
e. Pengujian sistem
Pengujian yang dilakukan pada
aplikasi chatbot ialah menggunakan
metode black-box testing. Pengujian
black-box merupakan pengujian
program berdasarkan fungsi dari
program yang bertujuan untuk
menemukan kesalahan fungsi pada
program. Pengujian dengan metode
black-box dilakukan dengan cara
memberikan beberapa pola pertanyaan
ISSN: p.2301-475X e.2656-7059
yang berbeda pada setiap kategori
namun tetap tertuju pada satu jawaban
yang sama dan sistem chatbot akan
merespon pertanyaan yang diajukan
dengan benar.
f. Hasil
Hasil pada penelitian ini yaitu
terbentuknya aplikasi teknologi
chatbot.
2.2 Metode Pengumpulan Data
Metode pengumpulan data yang
digunakan dalam penelitian ini yaitu
sebagai berikut:
a. Pengamatan (Observation)
Observasi adalah suatu metode
pengumpulan data yang dilakukan
dengan cara mengamati atau meninjau
secara langsung pada objek penelitian
untuk mendapatkan data dan informasi
yang dibutuhkan dalam penelitian.
Pada penelitian ini, metode observasi
merupakan kegiatan yang dilakukan
melalui pengamatan secara langsung
mengenai percakapan-percakapan
yang biasa digunakan dalam jual beli
online dan data FAQ (Frequently
Asked Question).
b. Studi Pustaka (Literature)
Studi pustaka pada penelitian ini
dilakukan dengan mencari dan
mempelajari teori-teori yang terdapat
pada sumber literatur, seperti jurnal, e-
book dan penelitian-penelitian
terdahulu yang berkaitan dengan
perancangan aplikasi chatbot yang
akan dilakukan.
2.3 Perancangan Program
Perancangan dan desain aplikasi
chatbot dibangun menggunakan beberapa
perangkat cloud platform service yaitu Bot
Framework dengan Luis.ai (Language
Undeerstanding Intelligent Service) serta
diimplementasikan dengan bahasa
pemrograman Node.js. Aplikasi chatbot
yang dibangun pada penelitian ini diberi
nama RiChat dan berikut bentuk diagram
alur kerja (flowchart) sistem chatbot.
 ISSN: p.2301-475X e.2656-7059

layanan atau produk yang diberikan.

Aplikasi chatbot yang dibangun diberikan
pengetahuan-pengetahuan seputar
percakapan-percakapan sehari-hari yang
biasa digunakan dalam bertransaksi online.

Gambar 2. Flowchart Sistem Chatbot

Dimana user menginput beberapa

pertanyaan kepada aplikasi chatbot, dan
chatbot akan melakukan pencarian kata
kunci yang sesuai dengan data pertanyaan.
Jika pertanyaan yang diinputkan sesuai atau
matching maka chatbot akan menampilkan
jawaban yang sesuai dengan pertanyaan
yang diajukan dan jika pertanyaan yang
diajukan tidak sesuai maka sistem akan
merespon error.
Gambar 3. Tampilan Aplikasi Chatbot
III. Hasil dan Pembahasan Pada Gambar 3 dapat dilihat bahwa
Perancangan aplikasi chatbot yang sistem aplikasi chatbot dapat merespon
diberi nama RiChat dibangun menggunakan pertanyaan-pertanyaan yang diinputkan
bahasa pemrograman Node.js dan cloud sesuai dengan masing-masing kategori yang
platform service dari Microsoft. Selanjutnya berbeda.
melakukan perhitungan bobot setiap kata Berikut adalah potongan script dalam
pada dokumen menggunakan metode Term perancangan aplikasi chatbot yang ditulis
Frequency – Invers Document Frequency menggunakan bahasa pemrograman
(TF-IDF). Hasil dari perhitungan TF-IDF Node.js.
digunakan untuk menentukan seberapa
penting dan seberapa umum kata tersebut
muncul didalam suatu dokumen.

2.4 Rancangan Program Chatbot

Program chatbot dirancang
menggunakan bahasa pemrograman
Node.js dan cloud platform service yaitu
Bot Framework dengan Luis.ai (Language
Understanding Intelligent Service) sebagai
tempat untuk menyimpan data pertanyaan.
Aplikasi chatbot yang diberi nama RiChat
dapat menjawab pertanyaan-pertanyaan
yang dikirimkan kepada sistem terkait Gambar 4. Script Aplikasi Chatbot
 ISSN: p.2301-475X e.2656-7059

2.5 Perhitungan Bobot Kata data setelah melalui proses case

Menggunakan TF-IDF folding:
Perhitungan pembobotan kata
Tabel 1. Hasil Case Folding
menggunakan metode Term Frequency –
Invers Document Frequency (TF-IDF) dan Pertanyaan Hasil Case
perhitungan menggunakan bahasa Folding
pemrograman R. Rumus dari TF-IDF yaitu: Berapa lama berapa lama proses
Proses pembuatan pembuatan
Wdt = TFdt * IDF website? website?
(1) Apakah Domain apakah domain dan
Dimana: dan Hosting sudah hosting sudah
d : dokumen ke-d termasuk? termasuk?
t : kata ke-t dari kata kunci
Wdt : bobot dokumen ke-d terhadap kata Website apa saja website apa saja
ke-t yang bisa dibuat? yang bisa dibuat?
TF : banyaknya kata yang dicari pada Apakah pembuatan apakah pembuatan
sebuah dokumen website website
IDF : Invers Document Frequency bergaransi? bergaransi?
Nilai IDF didapat dari: Apa saja yang apa saja yang
dibutuhkan untuk dibutuhkan untuk
𝑁 membuat website? membuat website?
IDF = log( )
𝑑𝑓
Apa saya bisa apa saya bisa
(2) custom? custom?
Dimana:
N : total dokumen c. Tokenizing
df : jumlah dokumen yang mengandung Tokenizing merupakan proses pemisah
term(t) teks menjadi potongan kata yang
disebut token yang akan memiliki nilai
Tahapan yang dilakukan yaitu dalam penyusunan matriks dokumen
membersihkan data, diantaranya melakukan pada proses selanjutnya. Kemudian
proses case folding, tokenizing dan filtering. melakukan penghapusan angka serta
Berikut adalah tahapan untuk menjalankan melakukan penghapusan tanda baca
metode Term Frequency – Invers Document pada dokumen.
Frequency (TF-IDF). Dataset yang
digunakan terdiri dari 60 data pertanyaan.
a. Mentransfer dataset ke corpus Tabel 2. Hasil Tokenizing
Proses pertama yaitu menginput
Pertanyaan Hasil Tokenizing
dataset dan mentransfer dataset ke
Berapa lama berapa
corpus yang berguna untuk melakukan
proses tokenizing menggunakan Proses pembuatan lama
website? proses
variabel pertanyaan menggunakan
pembuatan
bahasa pemrograman R.
b. Case folding website
Pada tahap case folding yakni Apakah Domain apakah
menyeragamkan huruf. Huruf besar dan Hosting sudah domain
pada dokumen akan diubah menjadi termasuk? dan
huruf kecil. Berikut merupakan hasil hosting
sudah
 ISSN: p.2301-475X e.2656-7059

termasuk Website apa saja website bisa dibuat

yang bisa dibuat?
Website apa saja website
yang bisa dibuat? apa Apakah pembuatan pembuatan website
saja website bergaransi
yang bergaransi?
bisa
Apa saja yang dibutuhkan
dibuat
dibutuhkan untuk membuat website
Apakah pembuatan apakah membuat website?
website pembuatan
Apa saya bisa bisa custom
bergaransi? website
custom?
bergaransi
Apa saja yang apa
dibutuhkan untuk saja e. Analisa pembobotan TF-IDF
membuat website? yang Analisa pembobotan Term Frequency
dibutuhkan – Invers Document Frequency (TF-
untuk IDF) dilakukan dengan menghitung
membuat nilai dari Term Frequency (TF) dan
website Invers Document Frequency (IDF).
Apa saya bisa apa Untuk mendapatkan nilai Term
custom? saya Frequency (TF) yaitu dnegan
bisa mengubah data menjadi dokumen
custom matriks karena jumlah kata dalam
korpus berdimensi besar, dan terdapat
57 kata pada 60 dokumen pertanyaan.
Berdasarkan gambar wordcloud
d. Filtering
dibawah menggunakan pemrograman
Proses filtering yaitu tahap
R Studio, semakin besar kata pada
menghilangkan kata-kata yang kurang
tampilan wordcloud maka
penting yang disebut dengan stopword.
menunjukkan semakin besar pula
Stopword merupakan kata-kata umum
frequensi kata tersebut dalam
yang sering muncul dan yang tidak
dokumen. Wordcloud terdiri dari kata-
digunakan atau tidak diperlukan dalam
kata dimana ukuran setiap kata
sebuah dokumen seperti kata: ‘apa’,
ditentukan oleh frequensinya dalam
‘yang’, ‘di’, ‘saja’, ‘ada’, ‘untuk’, ‘ya’,
data.
‘itu’, ‘apakah’, ‘berapa’, ‘saya’,
‘bagaimana’, ‘nih’, ‘gak’, ‘disini’,
‘ini’, ‘lain’, ‘tiba’, ‘pas’, ‘kalau’, ‘jasa’,
‘dan’, ‘mau’, ‘harus’, ‘kira’.

Tabel 3. Hasil Filtering

Pertanyaan Hasil Filtering
Berapa lama lama proses
Proses pembuatan pembuatan website
website?
Apakah Domain domain hosting
dan Hosting sudah sudah termasuk Gambar 5. Wordcloud
termasuk?
 ISSN: p.2301-475X e.2656-7059

Kemudian, setelah dokumen sudah Berikut merupakan hasil perhitungan

diolah maka melakukan perhitungan Term Term Frequency – Invers Document
Frequency – Invers Document Frequency Frequency (TF-IDF) menggunakan
(TF-IDF) untuk mengukur kepentingan perhitungan secara manual dengan
relatif dari kata ke dokumen. Perhitungan menggunakan 3 data pertayaan yang
bobot TF-IDF dimulai dari cleaning jarak diambil dari data pertanyaan secara acak,
perkata, kemudian melihat hasil matriks TF- yaitu:
IDF. Maka yang dihasilkan merupakan D1 : Apa saya bisa custom?
reviews tentang 60 pertanyaan serta output D12 : Website apa saja yang bisa dibuat?
bobot nilai TF-IDF dokumen tersebut yang D28 : Saya mau pesan website disini
dihitung menggnakan bahasa pemrograman bagaimana caranya ya?
R. D43 : Apakah pembuatan website
bergaransi?

Tabel 4. Perhitungan TF-IDF

TF TF-IDF
Term(t) IDF
D1 D12 D28 D43 D1 D12 D28 D43
Website 0 1 1 1 0.39794 0,0000 0.39794 0.39794 0.39794
Promo 0 0 0 0 1.301029 0,0000 0,0000 0,0000 0,0000
Bisa 1 1 0 0 1.079181 1.079181 1.079181 0,0000 0,0000
Pembayaran 0 0 0 0 1.176091 0,0000 0,0000 0,0000 0,0000
Pembuatan 0 0 0 1 1.176091 0,0000 0,0000 0,0000 1.176091
Pesan 0 0 1 0 1.079181 0,0000 0,0000 1.079181 0,0000
Custom 1 0 0 0 1.778151 1.778151 0,0000 0,0000 0,0000
Garansi 0 0 0 1 1.301029 0,0000 0,0000 0,0000 1.301029

Hasil perhitungan pembobotan kata 2.7 Analisa Hasil Pengujian Sistem

Term Frequency – Invers Document
Frequency (TF-IDF) menggunakan
machine learning dengan perhitungan
secara manual, diperoleh hasil yang
mendekati yaitu 0.39794 untuk kata
website, 1.3010299 untuk kata promo,
1.079181 untuk kata bisa, 1.176091 untuk
kata pembayaran, 1.176091 untuk kata
pembuatan, 1.0791812 untuk kata pesan,
1.7781512 untuk kata custom dan 1.301029
untuk kata garansi.
2.6 Pengujian Aplikasi Chatbot
Pengujian dilakukan menggunakan
metode black-box testing. Pengujian black-
box adalah pengujian perangkat lunak yang
berfokus terhadap pengujian fungsionalitas
dan output dari sistem yang diuji. Pengujian
dilakukan dengan cara memasukkan
beberapa pola pertanyaan yang berbeda
namun tetap pada satu jawaban yang sama
sesuai dengan masing-masing kategori.
Chatbot
Berdasarkan pengujian yang telah dilakukan
dapat disimpulkan bahwa aplikasi chatbot
mampu menangani pertanyaan-pertanyaan
dengan pola yang berbeda-beda namun
tetap dapat memberikan jawaban yang
sesuai dengan masing-masing kategori. Jika
pertanyaan yang dimasukkan tidak terdapat
dalam salah satu kategori maka sistem
chatbot akan menampilkan kalimat “Maaf,
saya tidak mengerti. Silahkan masukkan
pertanyaan lain. Terimakasih.”
IV. Kesimpulan
Berdasarkan hasil dari pembahasan
pada penelitian ini, maka penulis dapat
mengambil kesimpulan, yaitu:
1. Aplikasi teknologi chatbot untuk
industri komersial 4.0 berhasil
dibangun yang diberi nama RiChat,
dengan demikian chatbot dapat
berperan sebagai customer service

dalam melayani pelanggan untuk
melakukan tanya jawab, dan
2. Dengan adanya aplikasi teknologi
chatbot peran dari customer service
dapat lebih efektif karena aplikasi
chatbot dapat menjawab pertanyaan-
pertanyaan yang diajukan oleh
pelanggan dengan lebih cepat dan
dengan waktu kerja hingga 24 jam
penuh.
Ucapan Terima Kasih
Penulis mengucapkan puji syukur
kepada Tuhan Yang Maha Esa berkat
limpahan berkah dan kasih sayangnya jurnal
penelitian ini dapat terselesaikan. Penulis
juga mengucapkan terimakasih kepada
bapak Muhamad Fatchan S.Kom., M.Kom,
selaku penulis kedua dan dosen
pembimbing yang telah membagikan ilmu-
ilmu yang beliau kuasai kepada penulis.
Serta, terimakasih kepada orang tua dan
teman-teman atas dukungan dan semangat
yang diberikan kepada penulis. Penulis
berharap jurnal ini dapat bermanfaat bagi
pembaca.
DAFTAR PUSTAKA
A. A. Akhsan dan Faizah. “Analisa Dan
Perancangan Interaksi Chatbot
Reminder Dengan User-Centered
Design”. Jurnal Sistem Informasi, vol.
2, no. 13, (2017), hlm. 78-89.
Anonim. Kecerdasan Buatan Dukung
Implementasi Industri 4.0. Diakses dari
https://www.wartaekonomi.co.id/read
179971/kecerdasan-buatan-dukung-
implementasi-industri-40.html, tanggal
2 Februari 2019.
F. Azwary, F. Indriani dan D. T. Nugrahadi.
“Question Answering System Berbasis
Artificial Intelligence Markup
Language Sebagai Media Informasi”.
Kumpulan Jurnal Ilmu Komputer, vol.
4, no. 1, (2016), hlm. 48-60.
R. R. Benedictus, H. Wowor dan A.
Sambul. “Rancang Bangun Chatbot
Helpdesk Untuk Sistem Informasi
Terpadu Universitas Sam Ratulangi”.
ISSN: p.2301-475X e.2656-7059
E-Journal Teknik Informatika, vol. 11,
no. 1, (2017).
S. C. N. Elisabet dan I. Afrianto. “Rancang
Bangun Aplikasi Chatbot Informasi
Wisata Kota Bandung Dengan
Pendekatan Natural Language
Processing”. Jurnal Ilmiah Komputer
dan Informatika (KOMPUTA), vol. 4,
no. 1, (2015), hlm. 49-54.
S. D. Hormansyah dan Y. P. Utama.
“Aplikasi Chatbot Berbasis Web Pada
Sistem Informasi Layanan Publik
Kesehatan Di Malang Dengan
Menggunakan Metode TF-IDF”. Vol.
4, no. ISSN 2614-6371, (2018), hlm.
24-28.
Y. S. Hutabalian dan J. S. Kalangi. “Peran
Customer Service Dalam
Meningkatkan Mutu Pelayanan di PT.
Bank Rakyat Indonesia (Persero) Tbk
Unit Politeknik”. E-Journal Acta
Diurna, vol. 4, no.3, (2015), hlm. 1-10.
R. Khan dan D. Anik. “Build Better
Chatbot”. India: Apress, (2017).
Maskur. “Perancangan Chatbot Pusat
Informasi Mahasiswa Menggunakan
AIML Sebagai Virtual Assistant
Berbasis Web”. KINETIK, vol. 1, no. 3,
(2016), hlm. 123-128.
B. Prasetyo dan U. Trisyanti. “Revolusi
Industri 4.0 Dan Tantangan Perubahan
Sosial”. IPTEK J.Proc. Ser., no. 5,
(2018), hlm. 22-27.
B. H. Rashmi. “Impact Of Artificial
Intelligence On Cyber Security.
International Journal of Computer
Sciences and Engineering”, vol. 6, no.
12, (2018), hlm. 67-79.
R. A. D., F. Imamah, Y. M. Andre dan
Ardiansyah. “Aplikasi Chatbot (Milki
Bot) Yang Terintegrasi Dengan Web
CMS Untuk Customer Service Pada
UKM MINSU”. Jurnal Cendikia, vol.
16, (2018), hlm. 100-106.
B. Setiaji dan W. Wibowo. “Chatbot Using
A Knowledge In Database: Human-to-
 ISSN: p.2301-475X e.2656-7059

Machine Conversation Modeling”,

Proc. –Int. Conf. Intell. Syst. Model.
Simulation, ISMS, (2017), hlm. 72-77,
Januari 2017.