1, April 2022
Abstract: This research develops a machine learning model for chatbot and chatbot applications.
Chatbot is an area of application of Machine Learning and Natural Language Processing.
Modelling is done by using the Deep Learning algorithm. The training data used for training is
obtained by observation in the student manual of Kalbis Institute. The model created produces an
accuracy of 98% and loss value of 0.05275. The model created was tested in the form of a chatbot
application by giving various questions relating to topic in the student manual of Kalbis Institute.
Keywords: Chatbot, Natural Language Processing, Deep Learning, Machine Learning
Abstrak: Penelitian ini membuat model pembelajaran mesin untuk chatbot serta aplikasi chatbot.
Chatbot merupakan bidang penerapan Pembelajaran Mesin dan Natural Language Processing.
Pembuatan model dilakukan dengan menggunakan algoritma Deep Lerning. Data latih yang
digunakan untuk pembelajaran algoritma didapatkan dengan cara observasi pada buku panduan
mahasiswa Kalbis Institute. Model yang dibuat menghasilkan akurasi sebesar 98% dan loss value
sebesar 0,05275. Model yang dibuat diuji dalam bentuk aplikasi “chatbot” dengan cara diberikan
berbagai pertanyaan yang berhubungan dengan hal-hal dalam buku panduan mahasiswa Kalbis
Institute dalam Bahasa Indonesia.
Kata kunci: Chatbot, Natural Language Processing, Deep Learning, Machine Learning
573
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
574
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
1. Inkremental Satu
Tahap inkremental satu
Gambar 1 Kerangka Pemikiran
dilakukan untuk melatih dataset,
Agar model pada aplikasi membentuk model, dan mendapatkan
“chatbot’ dapat memprediksi jawaban akurasi dari model yang terbentuk.
dari pertanyaan dengan tepat, diperlukan
dataset yang berisikan jawaban beserta 1.1. Analisis
pertanyaannya untuk dilatih Tahap awal penelitian adalah
menggunakan algoritma Deep Neural mempersiapkan dataset yang nantinya
Network. Dataset ini berfungsi sebagai berguna sebagai pengetahuan dasar bagi
pengetahuan dasar model aplikasi aplikasi "chatbot". Dataset ini disusun
“chatbot” yang nantinya akan digunakan manual dari buku panduan mahasiswa
sebagai acuan dalam memprediksi Kalbis Institute tahun 2019/2020 sebagai
jawaban. Dataset untuk aplikasi acuan dari jawaban-jawaban yang
"chatbot" berasal dari buku panduan memungkinkan aplikasi "chatbot" untuk
575
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
576
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
teks dalam dataset menjadi token kata “mie” : 0 , “instan” : 0 , “main” : 0 , “dan”
seperti pada gambar di bawah ini. : 0 };
Sehingga akan menghasilkan array
seperti berikut:
BoW1 = [3,3,1,2,2,2,2,1,1]
BoW2 = [1,0,0,1,1,0,0,0,0]
Tahap selanjutnya adalah
memasukkan data bag of words ke dalam
Gambar 4 Hasil Tokenisasi neural network untuk menghasilkan
model yang dapat digunakan dalam
Proses selanjutnya adalah memprediksi jawaban dari pertanyaan
melakukan stemming pada data teks yang pengguna.
telah di-tokenisasi. Stemming akan 1.4. Pengujian
mengubah seluruh kata yang ada menjadi Berikut ini adalah proses-
kata dasar seperti pada gambar di bawah proses yang diuji setelah model
ini. terbentuk. Semua proses pada
inkremental sastu akan dijabarkan
pada tabel 1.
577
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
2.3. Implementasi
Tahap ini dilakukan untuk
merepresentasikan desain dari tahap
Gambar 6 Inkremental Dua sebelumnya ke dalam kode python. Teks
pertanyaan dari pengguna akan
Pada gambar 6 diatas dijelaskan dilakukan pra pemrosesan terlebih
proses-proses yang dilakukan pada dahulu lalu mengubah bentuk teks
inkremental dua. Proses ini merupakan menjadi array menggunakan metode bag
proses lanjutan dari inkremen satu of words. Di bawah ini merupakan kode
dimana pada inkremental dua hanya program untuk melakukan pra
menambahkan fungsi untuk model pemrosesan sekaligus implementasi
memprediksi jawaban dari pertanyaan metode bag of words pada teks
pengguna dan menampilkannya dalam pertanyaan pengguna.
tampilan CLI. Selanjutnya adalah pembuatan
fungsi yang berguna untuk membuat
2.1. Analisis tampilan pada CLI serta memprediksi
Karena fokus tujuan utama jawaban dari pertanyaan pengguna dan
aplikasi ini adalah untuk mengetes menampilkan hasil prediksi tersebut.
kemampuan model dalam memprediksi
dan menjawab pertanyan pengguna, 2.4. Pengujian
maka harus ada fungsi untuk dapat Pengujian dilakukan pada
memprediksi jawaban atas pertanyaan seluruh fungsi yang terdapat di dalam
pengguna dan merespon pertanyaan CLI untuk memastikan seluruh fungsi
pengguna yang dimasukkan. Jadi, dapat berjalan sesuai yang diharapkan.
peneliti akan membuat fungsi untuk Pengujian ini juga dilakukan untuk
mengirim pertanyaan menggunakan mengevaluasi model yang terbentuk
tombol “enter” pada keyboard dan fungsi dapat dijalankan dan memberi respon
untuk memprediksi jawaban dari yang tepat terhadap pertanyaan
pertanyaan pengguna. pengguna.
2.2. Desain
578
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
579
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
580
KALBISIANA : Jurnal Mahasiswa Institut Teknologi dan Bisnis Kalbis Volume 8, No. 1, April 2022
DAFTAR RUJUKAN
581