LAPORAN AKHIR

KOMPUTASI CHATBOT MENGENAI INFO

COVID MELALUI DIALOGUEFLOW

Moh. Daffa Akbar Riyadi

NRP. 2103191052

DOSEN PEMBIMBING

Entin Martiana Kusumaningtyas, S.Kom., M.Kom

NIP. 197403122000122001

Aliridho Barakbah, S.Kom., Ph.D.

NIP. 197308162001121001

PROGRAM STUDI DIPLOMA TIGA

TEKNIK INFORMATIKA
DEPARTEMEN TEKNIK INFORMATIKA DAN KOMPUTER
POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
2022
 LAPORAN AKHIR

KOMPUTASI CHATBOT MENGENAI INFO COVID

MELALUI DIALOGUEFLOW

Moh. Daffa Akbar Riyadi

NRP. 2103191052

DOSEN PEMBIMBING

Entin Martiana Kusumaningtyas, S.Kom., M.Kom

NIP. 197403122000122001

Aliridho Barakbah, S.Kom., Ph.D.

NIP. 197308162001121001

PROGRAM STUDI DIPLOMA TIGA

TEKNIK INFORMATIKA
DEPARTEMEN TEKNIK INFORMATIKA DAN KOMPUTER
POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
2022
 Komputasi Chatbot Mengenai Info Covid Melalui Dialogueflow

Oleh:

Moh. Daffa Akbar Riyadi

NRP. 2103191052

Proyek Akhir ini Diajukan sebagai Salah Satu Syarat untuk

Memperoleh Gelar Ahli Madya Komputer (A.Md.Kom.)
di
Program Studi D3 Teknik Informatika
Departemen Teknik Informatika dan Komputer
Politeknik Elektronika Negeri Surabaya

Disetujui dan disahkan pada tanggal 01 Agustus 2022 oleh:

Dosen Pembimbing:
1. Entin Martiana Kusumaningtyas, S.Kom, M.Kom
NIP. 197403122000122001

2. Aliridho Barakbah, S.Kom., Ph.D.

NIP. 197308162001121001

Dosen Penguji:
1. Desy Intan Permatasari, S.Kom., M.Kom.
NIP. 198603232015042004

2. Adam Shidqul Aziz, S.ST., M.T.

NIP. 199404032022031008

3. Ahmad Syauqi Ahsan, S.Kom., M.T.

NIP. 197505302003121001

Mengetahui,
Ketua Program Studi D3 Teknik Informatika

Nur Rosyid Mubtadai,S.Kom., M.T.

NIP. 197403182001121005
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Dengan mengucap segala puji syukur kepada Allah SWT atas

limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
proyek akhir dengan judul :

Komputasi Chatbot Mengenai Info Covid Melalui Dialogueflow

Buku proyek akhir ini disusun sebagai salah satu syarat guna
menyelesaikan studi pada program studi Diploma III pada jurusan Teknik
Informatika di Politeknik Elektronika Negeri Surabaya. Proses penyelesaian
proyek akhir ini berdasar pada teori-teori yang telah diperoleh dalam
perkuliahan, study literature dan bimbingan dari dosen pembimbing.

Segala puji syukur saya panjatkan kepada Allah yang Maha Esa yang
selalu memberi rahmat, hidayah dan kesehatan sehingga saya dapat
menyelesaikan penelitian dan laporan proyek akhir ini. Tidak lupa juga saya
ucapkan terima kasih kepada seluruh pihak yang telah membantu dalam
penyelesaian tugas akhir ini, antara lain :
1. Keluarga saya yang tercinta (Ayah, Ibu, dan Adik) yang telah
memberikan dukungan dan doa kepada penulis dalam menyelesaikan
Proyek Akhir ini.
2. Bapak Nur Rosyid Mubtadai, S.Kom., M.Tr.Kom., selaku Kepala
Program Studi D3 Teknik Informatika Politeknik Elektronika Negeri
Surabaya
3. Ibu Entin Martiana Kusumaningtyas, S.Kom., M.Kom., selaku dosen
pembimbing pertama yang telah membimbing saya selama proses
pengerjaan Proyek ini.
4. Aliridho Barakbah, S.Kom., Ph.D., selaku dosen pembimbing yang
telah berusaha sebaik mungkin dalam membimbing dan memberi
nasehat beliau selama pengerjaan Proyek Akhir ini.
5. Seluruh dosen yang telah memberikan ilmunya kepada penulis dan
seluruh karyawan dan teknisi yang telah ikut membantu pada saat
proses perkuliahan.
6. Mahasiswa penghuni apartemen saya yang sudah membantu dan
mendampingi saya selama proses pengerjaan Proyek ini.
7. Teman-teman kelas 3 D3 B 2019 yang sudah mendampingi selama 3
tahun.

i
8. Seluruh warga IT PENS dan pihak pihak lain yang telah memberikan
dukungan, motivasi dan doa untuk saya.
Ucapan terima kasih saja tentu masih jauh dari cukup untuk
menggambarkan rasa syukur saya, semoga Allah SWT membalas kebaikan
kalian semua.

Semoga dengan selesainya buku ini, akan ada Pembaca yang terbantu
atas informasi yang ada didalam buku ini. Penulis menyadari bahwa penulis
adalah manusia biasa yang tidak luput dari kesalahan. Untuk itu, kritik dan
saran yang membangun kami harapkan untuk perbaikan selanjutnya

Surabaya, … Juni 2022

Mohammad Daffa Akbar Riyadi

ii
 ABSTRAK

Dikarenakan penyebaran Covid-19 sekarang, kondisi ini membuat

terbatasnya tatap muka antar orang sehingga penyebaran informasi penting
mengenai Covid jadi terbatas kecuali melalui media Internet. Namun
berdasarkan Skala Indeks Pembangunan Teknologi Informasi dan
Komunikasi (IP-TIK) skala Indonesia masih mencapai 5,59 saat terakhir
kali diukur tahun 2020 yang lalu. Ini berarti masih banyak orang yang
belum mahir untuk mengoperasikan internet dan belum pasti dapat mencari
informasi yang terbaru dan benar di Internet yang memiliki berbagai macam
informasi mengenai Covid. Dikarenakan inilah pada tugas akhir ini penulis
mengetuskan untuk membuat Chatbot berbasis Dialogflow untuk
menyediakan informasi covid yang terbaru dan benar. Sumber yang
digunakan sebagai data yang dibagikan adalah sumber yang terpercaya.
Selain itu, data yang diambil juga selalu diperbaharui dengan data terbaru
yang ada di sumber. Chatbot juga akan diintegrasikan ke aplikasi media
sosial whatsapp sehingga Chatbot jadi mudah diakses dan digunakan.

Kata Kunci
Chatbot, Covid-19, Dialogflow, Sistem Informasi

iii
 ABSTRACT

Because of the current condition with Covid-19, people are limited to

come face to face with each other which resulted in the limited capacity of
information regarding Covid being widespread unless if it’s through the
Internet. However according to IP-TIK scale Indonesia still only gotten 5,59
on it’s scale when last scaled on 2020. This meant that a lot of people is still
capable of operating internet and wasn’t assured to be able to find the right
information on the Internet who have all kinds of informations. Because of
that on this last project the writer decided to create Chatbot based on
Dialogflow to provide the newest information regarding covid which is true.
The source where the information is taken from is a trusted source. Other
than that, the data which was taken is always being renewed with the newest
data from the source. The chatbot will also be intergrated into the media
social apps whatsapp in order to ease people access and usage of the
chatbot.

Kata Kunci
Chatbot, Covid-19, Dialogflow, System Information

iv
 DAFTAR ISI

HALAMAN JUDUL
HALAMAN PENGESAHAN
KATA PENGANTAR i
ABSTRAK iii
DAFTAR ISI v
DAFTAR GAMBAR vii
DAFTAR TABEL ix

1 PENDAHULUAN 1
1.1 LATAR BELAKANG ................................................... 1
1.2 PERMASALAHAN ....................................................... 2
1.3 TUJUAN ........................................................................ 2
1.4 MANFAAT .................................................................... 3
1.5 SISTEMATIKA PENULISAN ...................................... 3

2 DESKRIPSI SISTEM 4
2.1 DESKRIPSI PERMASALAHAN .................................. 4
2.2 DESKRIPSI SOLUSI .................................................... 7
2.3 DESAIN SISTEM ......................................................... 7
2.3.1 Pengguna Chatbot ........................................... 8
2.3.2 Admin .............................................................. 10
2.3.3 Chatbot & Sistem Dialogflow ......................... 11
2.3.4 Server .............................................................. 22

3 EKSPERIMEN 29
3.1 PARAMETER EKSPERIMEN .................................... 29
3.2 KARAKTERISTIK DATA ............................................ 29
3.3 TEMPAT UJICOBA ...................................................... 30
3.4 WAKTU UJICOBA ....................................................... 30
3.5 SPESIFIKASI PERALATAN UJICOBA ...................... 30
3.6 HASIL EKSPERIMEN .................................................. 31
3.6.1 Hasil Unit Testing ........................................... 31
3.6.2 Hasil User Review 41
...........................................
42
4 PENUTUP 42
4.1 KESIMPULAN .............................................................. 42
4.2 SARAN ..........................................................................

v
DAFTAR PUSTAKA
LAMPIRAN

vi
 DAFTAR GAMBAR

Gambar 2.1 Infografik Skala IP-TIK Indonesia Tahun 2020 .. 6

Gambar 2.2 Desain sistem Chatbot penyedia info covid pada
Dialogflow ............................................................ 8
Gambar 2.3 Use Case Pengguna .............................................. 8
Gambar 2.4 Informasi yang dapat diakses pada chatbot .......... 9
Gambar 2.5 Activity Diagram Pengguna ................................. 10
Gambar 2.6 Use Case Admin ................................................... 10
Gambar 2.7 Contoh percakapan chatbot pada platform
Whatsapp .............................................................. 11
Gambar 2.8 Contoh Context pada percakapan chatbot ............ 12
Gambar 2.9 Contoh Intent pada percakapan Chatbot .............. 13
Gambar 2.10 Contoh Entities pada percakapan Chatbot ............ 14
Gambar 2.11 Susunan Intent dan Context yang disusun untuk
sistem Chatbot ...................................................... 15
Gambar 2.12 Tampilan pengaturan Default Welcome Intent ..... 16
Gambar 2.13 Tampilan pengaturan Explain Covid Information
Intent ..................................................................... 16
Gambar 2.14 Tampilan pengaturan Explain Covid Service
Intent ..................................................................... 17
Gambar 2.15 Tampilan pengaturan Default Fallback Intent ...... 18
Gambar 2.16 Tampilan pengaturan Information-Explain
Statistic Intent ....................................................... 18
Gambar 2.17 Tampilan pengaturan Information-Explain Care
Intent ..................................................................... 19
Gambar 2.18 Tampilan pengaturan Information-Explain
Definition Intent .................................................... 20
Gambar 2.19 Tampilan pengaturan Information-Fallback
Information Intent ................................................. 20
Gambar 2.20 Tampilan pengaturan Service-Explain Service
Intent ..................................................................... 21
Gambar 2.21 Tampilan pengaturan Information-Fallback
Information Intent ................................................. 22
Gambar 2.22 Diagram alur Fullfilment pada Dialogflow …….. 22
Gambar 2.23 User Centered Design Process ............................. 23
Gambar 2.24 Physical Data Model ............................................ 23
Gambar 2.25 Tampilan Tabel info_category ………………….. 24
Gambar 2.26 Tampilan Tabel info_post ………………………. 24
Gambar 2.27 Tampilan Tabel category ……………………….. 25
Gambar 2.28 Tampilan Tabel location ………………………... 25

vii
Gambar 2.29 Tampilan Tabel post ……………………………. 25
Gambar 2.30 Logo Warga Bantu Warga .................................... 26
Gambar 2.31 Logo Wikipedia .................................................... 27
Gambar 2.32 Logo Halodoc ....................................................... 28
Gambar 3.1 Respon Crawling Servis ....................................... 31
Gambar 3.2 Hasil Crawling Data Servis .................................. 32
Gambar 3.3 Respon Crawling Informasi Umum ..................... 32
Gambar 3.4 Hasil Crawling Data Umum ................................. 32
Gambar 3.5 Daftar Intent yang digunakan pada sistem Chatbot
Dialogflow ............................................................ 33
Gambar 3.6 Daftar Entities yang digunakan pada sistem
Chatbot Dialogflow .............................................. 34
Gambar 3.7 Daftar Parameter yang digolongkan pada salah
satu Entities .......................................................... 34
Gambar 3.8 Respon Definisi Covid dari Chatbot .................... 35
Gambar 3.9 Respon Cara Perawatan Covid dari Chatbot ........ 37
Gambar 3.10 Respon Statistik Covid dari Chatbot .................... 38
Gambar 3.11 Respon Intent Servis Covid dari Chatbot ............. 39
Gambar 3.12 Respon berupa Data Servis Covid dari Chatbot ... 40

viii
 DAFTAR TABEL

Tabel 2.1 Peringkat IP-TIK Indonesia dibandingkan negara

lain dari tahun 2015-2016 .................................... 5
Tabel 3.1 Tabel Spesifikasi Perangkat Laptop .................... 30
Tabel 3.2 Tabel Spesifikasi Perangkat Android .................. 31
Tabel 3.3 Hasil User Interview ............................................ 41

ix
 BAB 1
PENDAHULUAN

1.1 LATAR BELAKANG

Penyakit Covid-19 (Virus Corona) adalah sebuah penyakit yang

disebabkan oleh virus SARS-CoV-2 yang telah mewabah sejak pertama kali
muncul pada Oktober 2019. Sejak penyakit ini pertama muncul, berbagai
macam informasi mengenai penyakit tersebut telah bermunculan. Semua
informasi ini juga disebarkan untuk meningkatkan kesadaran masyarakat
terhadap penyakit tersebut. Baik dari deskripsi, cara pencegahan, maupun
jasa-jasa yang membantu pencegahan atau pengobatan, semua orang di
setiap sudut dunia berusaha membantu sesamanya dengan informasi yang
mereka tahu.
Banyak informasi yang diusahakan untuk disebarkan ke semua orang.
Namun, dikarenakan kondisi Pandemi yang membatasi tatap muka antar
orang, kebanyakan informasi disebarkan melalui media internet. Karena
sifat internet dimana user dapat menyebarkan informasi secara anonymous
(tidak diketahui identitas aslinya), maka banyak orang yang menyebarkan
informasi yang salah mengenai Covid-19. Baik itu karena informasi disebar
oleh orang yang berniat jahat, sok tahu, maupun informasi yang tidak up to
date, banyak informasi salah beredar di internet diantara informasi benar
yang disebarkan orang lain.
Hal ini tentunya dapat berdampak buruk kepada warga Indonesia
yang Skala Indeks Pembangunan Teknologi Informasi dan Komunikasinya
(IP-TIK) masih berada pada skala 5,59 pada tahun 2020 dulu (dengan sub
skala 5,34 pada tingkat penggunaannya). Sejak Lockdown Covid dimulai,
banyak orang yang awalnya tidak pernah berinteraksi dengan internet jadi
diperkenalkan secara mendadak untuk mendapatkan interaksi sosialnya. Hal
ini dikarenakan keterbatasan interaksi mereka secara tatap muka yang
disebabkan oleh lockdown. Alhasil akan ada banyak warga Indonesia yang
mengakes internet untuk pertama kalinya yang tidak bisa membedakan
informasi covid mana yang benar dan mana yang palsu.
Chatbot merupakan aplikasi software yang mampu untuk melakukan
percakapan chat melalui Jaringan internet menggunakan baik Teks maupun
Text-To-Speech. Namun berbeda dengan system chat pada sebuah sosial
media yang awamnya hanya antara 2 individu manusia, chatbot
menggunakan sebuah sistem yang mampu mensimulasikan bagaimana
manusia bisa bercakap dengan sesamanya.
Dikarenakan percakapan disimulasikan oleh sebuah sistem,
percakapan dengan chatbot tidak perlu diawasi oleh manusia selain orang

1
yang memulai percakapannya. Tidak hanya itu, Chatbot juga mampu
menjalankan perbincangan dengan lebih dari satu orang secara bersamaan.
Fungsi ini akan sangat bermanfaat untuk mengumpulkan berbagai informasi
yang benar di internet menjadi satu. Dan dengan memanfaatkan sistem
chatbot, informasi tersebut akan dapat disebarkan kepada orang-orang yang
baru mengenal internet.
Dengan memanfaatkan teknologi Chatbot dan sumber informasi
yang terpercaya, kita mampu untuk mendokumentasi informasi umum dan
jasa covid yang terjamin kevalidannya. Tidak hanya itu, chatbot juga akan
dapat menyebarkan data tersebut di internet pada satu aplikasi yang sama.
Pada aplikasi inilah akan disuguhkan informasi tersebut kepada
penggunanya dengan cara penggunaan yang ramah kepada orang yang baru
di Internet. Dengan keleluasaan tersebut, informasi tersebut tentunya akan
dapat dibaca oleh lebih banyak orang yang memerlukan.

1.2 IDENTIFIKASI PERMASALAHAN

Informasi benar mengenai covid dan jasa-jasa yang melayaninya

tersebar di berbagai penjuru internet dan tercampur dengan informasi palsu
yang sulit untuk dibedakan bagi orang yang baru mengenal internet. IP-TIK
Warga Indonesia yang masih berada pada skala 5,59 pada tahun 2020 dulu
menandakan bahwa masih banyak Warga Indonesia yang baru mengenal
Internet untuk pertama kalinya saat kita memasuki waktu Lockdown Covid.
Akibatnya, kebanyakan orang belum memiliki pengalaman untuk
membedakan informasi yang benar di Internet dengan informasi yang palsu.
Alhasil kebanyakan informasi yang mereka dapat bisa jadi adalah informasi
palsu yang disebarkan oleh pelaku jahat yang bersembunyi dibelakang sifat
anonymous internet maupun informasi yang sudah outdated.

1.3 TUJUAN

Dikarenakan permasalahan tersebut, kegiatan laporan akhir ini

mengajukan solusi untuk memanfaatkan chatbot berbasis Natural Language
Processing sebagai medium untuk menampilkan informasi covid tersebut
kepada penggunanya. Pengguna akan dapat berkomunikasi dengan chatbot
menggunakan Bahasa yang alami untuk mendapatkan informasi yang
mereka inginkan, baik info umum covid terbaru maupun informasi jasa
covid. Chatbot juga dapat diakses melalui aplikasi social media yang umum
digunakan seperti Telegram sehingga lebih banyak demografik yang dapat
mengaksesnya dengan mudah. Tidak hanya itu saja, Chatbot tersebut juga
akan mengambil infonya dari sumber yang terpercaya dan selalu diupdate
untuk mendapatkan info covid dan jasa yang terlengkap dan terbaru.

2
1.4 MANFAAT

Dengan adanya Aplikasi Chatbot ini, Masyarakat Indonesia yang baru

mengenal internet akan mampu untuk mengakses Chatbot ini. Chatbot akan
dapat diakses melalui medium seperti app messenger dengan mudah.
Masyarakat nantinya juga akan mampu berinteraksi dengannya secara alami
berkat chatbot yang berbasis Natural Language Processing. Tidak hanya itu,
namun pengguna juga akan mendapatkan informasi yang terbaru dan
terpercaya di Chatbot berkat sumber yang dipilih.

1.5 SISTEMATIKA PENULISAN

Jelaskan tentang sistematika pembahasan dalam buku laporan akhir

yang meliputi:

Bab 1 Pendahuluan
Bab pendahuluan berisi latar belakang, identifikasi permasalahan,
tujuan, manfaat, metodologi dan sistematika penulisan.

Bab 2 Deskripsi Sistem

Bagian ini membahas deskripsi permasalahan secara lebih
lengkap, deskripsi solusi dari permasalahan, serta desain sistem
yang ditawarkan oleh penulis.

Bab 3 Eksperimen
Bagian ini membahas hasil uji coba terhadap sistem yang telah
dibuat oleh penulis.

Bab 4 Penutup
Bab yang berisi kesimpulan dari proyek tugas akhir, saran untuk
pengembangan, perbaikan, maupun penyempurnaan pada
aplikasi yang telah dibuat.

3
 BAB 2
DESKRIPSI SISTEM

2.1 DESKRIPSI PERMASALAHAN

Sejak covid pertama kali mewabah, berbagai macam informasi penting

mengenai covid mulai bermunculan. Kebanyakan informasi ini didata dan
disebarkan melalu media internet. Hal ini dimaksudkan untuk
mempermudah akses di sisi ujung dunia lainnya. Jenis jenis data tersebut
bisa berupa :

 Informasi Jasa Covid (seperti rumah sakit yang melayani penderita

Covid, Ambulan, Donor plasma, Isi ulang oksigen, dll),
 Informasi penyebaran covid (seperti jumlah penderita atau orang
sembuh pada sebuah negara atau daerahnya),
 Informasi identifikasi covid (seperti sifat virus, gejala, dan cara
perawatan),
 Dan data-data lainnya.

Sayangnya, Informasi yang disebarkan di internet umumnya selalu

tersebar di sumber yang berbeda-beda. Akibatnya, informasi pada satu
sumber tidak selalu yang terlengkap atau terbaru. Tidak hanya itu, informasi
tersebut juga bercampur di internet dengan informasi yang tidak terpercaya.
Untungnya, sekarang telah ada kelompok organisasi atau sukarelawan yang
berusaha untuk mendokumentasi semua informasi tersebut pada satu
tempat. Baik melalui website seperti Warga Bantu Warga maupun melalui
API publik.
Meskipun begitu, tempat yang mendokumentasikan data covid
tersebut masih tercampur dengan sumber-sumber yang tidak terpercaya.
Masih ada resiko untuk tidak sengaja mendapatkan informasi pada tempat
yang tidak terpercaya dan mengandung info lama. Resiko ini sangat tinggi
untuk Orang-orang yang baru di internet dan tidak tahu keberadaan sumber
informasi yang benar. Hal ini terbukti pada Peringkat Indeks Pembangunan
Teknologi Informasi dan Komunikasi (IP-TIK) Indonesia yang masih agak
rendah.

4
 Tabel 2.1 Peringkat IP-TIK Indonesia dibandingkan negara lain dari
tahun 2015-2016

sumber : https://www.bps.go.id/publication/2020/12/15/f52c2f6c113db406967d5cb0/indeks-
pembangunan-teknologi-informasi-dan-komunikasi-2019-.html

IP-TIK sendiri merupakan suatu ukuran standard yang dapat

menggambarkan tingkat pembangunan teknologi informasi dan komunikasi
suatu wilayah. Skala ini juga memfaktorkan kesenjangan digital serta
potensi pengembangan TIK pada wilayah tersebut. Pada Tabel 2.1 terdaftar
bahwa Indonesia masuk peringkat yang cukup rendah pada kurun waktu
2015-2016. Hal ini menandakan penggunaan teknologi komunikasi yang
minim di Indonesia. Menurut pengukuran sekarang, skala Indonesia pada
tahun 2020 dulu telah meningkat menjadi 5,59. Meskipun kelihatan cukup
tinggi, peningkatan tersebut masih belum sebanding dengan skala Singapur
tahun 2016 dulu yang sekarang sudah naik lebih tinggi lagi.

5
sumber : https://www.bps.go.id/pressrelease/2021/08/18/1848/indeks-pembangunan-teknologi-
informasi-dan-komunikasi--ip-tik--indonesia-2020-sebesar-5-59-pada-skala-0----10.html
Gambar 2.1 Infografik Skala IP-TIK Indonesia Tahun 2020

Skor IP-TIK disusun oleh 11 indikator yang dikombinasikan menjadi 3

subindeks, yaitu Subindeks akses dan infrastruktur, Subindeks penggunaan,
dan Subindeks keahlian. Menurut pengukuran skala IP-TIK oleh Badan
Pusat Statistik pada 18 Agustus 2021, Tingkat keahlian pada subindeks IP-
TIK 2020 Indonesia masih berada pada skala 5,92. Dan meskipun skala
tersebut terhitung cukup tinggi, perlu diperhatikan bahwa skala tersebut
tidak merata ke seluruh daerah di Indonesia. Ketidak merataan tersebut
dapat dilihat pada skala daerah Papua yang masih mencapai 3,35 pada skala
IP-TIK nya.
Berdasarkan tingkat skala tersebut, telah dibuktikan bahwa banyak
warga Indonesia yang masih belum terlalu memahami cara menggunakan
teknologi komunikasi dengan tepat. Dan karena itulah, dapat disimpulkan
bahwa masih banyak warga Indonesia yang belum mahir mengoperasikan

6
internet. Meskipun mereka bisa dengan mudah mencari informasi yang
mereka tahu di internet, belum tentu mereka mendapat informasi tersebut
dari sumber yang terpercaya dikarenakan pengalaman internet mereka yang
masih minim.

2.2 DESKRIPSI SOLUSI

Chatbot adalah Program berbasis Artificial Intellegence (AI) yang

mensimulasikan percakapan layaknya manusia. Teknologi ini juga mampu
untuk memahami serta memproses permintaan pengguna. Chatbot juga
mampu untuk memberikan jawaban yang relevan dengan cepat. Dengan
mengisi database chatbot tersebut dengan informasi covid yang berasal dari
sumber yang terpercaya, maka informasi tersebut akan mampu diakses
hanya dengan memberikan permintaan ke sistem chatbot tersebut. Chatbot
ini akan bermanfaat untuk tidak hanya orang yang tidak awam dengan
internet namun juga semua warga Indonesia.
Chatbot ini akan dibuat menggunakan platform chatbot Dialogflow
milik Google. Platform ini dapat menyediakan AI Chatbot yang mampu
melakukan Natural Language Processing (NLP) berdasarkan pengaturan
kita. AI ini akan mempermudah proses pembuatan chatbot dan memperluas
fitur dari chatbot tersebut. Menggunakan Dialogflow, Chatbot akan mampu
untuk disambungkan dengan media sosial atau aplikasi messenger seperti
facebook, whatsapp, dan bahkan telegram. Hal ini pastinya akan
mempermudah akses penggunanya ke chatbot tersebut.
Untuk konten dari database chatbot, informasi covid akan didapatkan
dari sumber dokumentasi di internet. Sumber tersebut berupa API publik
yang memiliki sumber informasi yang terpercaya dan proses scrapping pada
website sumber yang memiliki data yang valid dan terbaru. Dengan sumber
informasi tersebut, informasi covid yang ada akan selalu jadi yang
teruptodate dan dipastikan keasliannya.

2.3 DESAIN SISTEM

Desain Sistem adalah tahap setelah analisis dari siklus pengembangan

sistem: pendefinisian dari kebutuhan-kebutuhan fungsional dan persiapan
untuk rancang bangun implementasi; menggambarkan bagaimana suatu
sistem dibentuk. Dibawah adalah proses yang penulis lakukan dalam
pendesainan sistem Chatbot pada kegiatan akhir ini.
Chatbot nantinya akan dibuat menggunakan fitur yang ada pada
platform Dialogflow. Dialogflow adalah platform pembuatan chatbot yang
didirikan oleh Google. Pembuatan chatbot pada platform Dialogflow akan
lebih mudah dibandingkan jika membuat dari awal dikarenakan proses

7
pembuatannya yang lebih dipermudah. Selain itu, aplikasi chatbot akan
dapat berjalan tidak hanya pada website saja namun juga pada kebanyakan
app messenger terkenal yang ada seperti Telegram ,Facebook Messenger,
dan bahkan WhatsApp.

Gambar 2.2 Desain sistem Chatbot penyedia info covid pada

Dialogflow

Gambar 2.2 menggambarkan proses yang akan dijalankan untuk

memproses permintaan pengguna untuk mendapatkan informasi covid yang
mereka perlukan. Berikut adalah penjelasan dari tiap alur proses tersebut :

2.3.1 Pengguna Chatbot

Gambar 2.3 Use Case Pengguna

8
 Pengguna chatbot nantinya akan dapat mengakses chatbot melalui
aplikasi messenger Whatsapp milik mereka sendiri untuk mempermudah
akses pada chatbot. Mereka akan dapat menanyakan 2 jenis informasi, info
jasa covid dan info umum covid. Setelah memberikan permintaan mereka
dan memenuhi spesifikasi data yang diperlukan intent chatbot, data yang
diperlukan akan dikirimkan kembali kepada pengguna dari data yang
tersedia pada Database.

Gambar 2.4 Informasi yang dapat diakses pada chatbot

Pada chatbot nantinya pengguna akan mampu untuk mencari 3 jenis

informasi. Informasi tersebut bisa berupa info mengenai jasa yang melayani
Covid (dari info jasa akan diberikan info spesifik dari jasa seperti alamat,
kontak, maupun nama dari jasa tersebut) dan informasi umum mengenai
covid sekarang (yang mencakup informasi seperti identifikasi penyakit, cara
perawatan dan statistik pengidap covid). Informasi yang disediakan akan
selalu yang terbaru dan akan lebih mudah diakses daripada website
sumbernya karena pengguna hanya perlu memberikan beberapa permintaan
ke chatbot untuk mendapatkan informasi tersebut.

9
 Gambar 2.5 Activity Diagram Pengguna

Gambar 2.5 adalah alur dari proses pengguna menanyakan chatbot

mengenai informasi yang diinginkan. Jika pertanyaan tersebut sesuai
dengan salah satu intent yang ada pada chatbot, maka chatbot akan
menyediakan informasi yang dibutuhkan.

2.3.2 Admin

Gambar 2.6 Use Case Admin

10
 Sementara itu, Admin dari chatbot nanti akan dapat mengakses Agent
Dialogflow dari chatbot tersebut. Admin akan mampu untuk melihat data
yang tersimpan pada chatbot untuk melihat baik Data statistik dari performa
chatbot maupun sejarah chat antara chatbot dan pengguna sejauh ini. Dari
sejarah chat tersebut, Admin dapat melakukan maintenance untuk
menemukan chat yang tidak bisa dikategorikan intentnya dan melatih
chatbot untuk memahami intent dari chat tersebut.
Admin juga akan mampu untuk menambah fungsionalitas baru pada
chatbot, baik lewat pelatihan AI Chatbot dengan kalimat-kalimat baru atau
menambah intent baru untuk memperluas variasi respon dari chatbot.

2.3.3 Chatbot & Sistem Dialogflow

Gambar 2.7 Contoh percakapan chatbot pada platform Whatsapp

Saat pengguna mengirimkan chat ke sistem Chatbot, Dialogflow akan

mengecek terlebih dahulu Context dari chat tersebut. Context adalah
Informasi tambahan yang menjelaskan progress chat sekarang. Berdasarkan
Context yang ada, Chatbot akan tahu Intent apa saja yang relevan dengan
permintaan pengguna.

11
 Gambar 2.8 Contoh Context pada percakapan chatbot

Intent ini sendiri adalah fitur Chatbot berbasis NLP dari Dialogflow
yang mampu memahami maksud dari permintaan pengguna dan
memberikan respon sesuai Intent yang cocok. Context yang ada juga akan
membatasi Intent yang tersedia untuk membuat respon Chatbot lebih akurat.
Jika AI Chatbot tidak bisa mencocokkan permintaan user dengan Intent
yang ada, maka Chatbot akan memberikan respon berupa Fallback Intent
yang umumnya berupa respon untuk meminta user memperjelas
permintaannya. Berdasarkan Context yang ada, chatbot juga dapat
memberikan saran permintaan yang bisa diberi user melalui Fallback Intent
tersebut.

12
 Gambar 2.9 Contoh Intent pada percakapan Chatbot

Setelah menentukan Intent yang sesuai dengan permintaan pengguna,

terkadang Intent tersebut memerlukan parameter tambahan untuk memenuhi
permintaan pengguna (Contohnya, untuk memenuhi Intent “Mencari info
jasa” diperlukan parameter tambahan seperti tipe jasa dan kota tempat jasa
untuk memberikan data yang akurat). Maka Dialogflow akan menggunakan
fitur Entities yang mampu mengambil bagian tertentu dari kalimat chat
pengguna yang menyebutkan parameter tambahan tersebut.

13
 Gambar 2.10 Contoh Entities pada percakapan Chatbot

Setelah ditentukan Intent dari permintaan user dan Entities yang

dibutuhkan telah terpenuhi, Chatbot akan mengirimkan Webhook Request
ke server Backend melalui fitur Fullfilment Dialogflow dimana terdapat
Script koding yang menyambungkan Dialogflow dengan Server Backend
Eksternal. Pada Fullfilment, menurut Intent dan Entities yang telah
ditentukan, Chatbot akan mengirimkan request ke Backend untuk
mendapatkan data yang dicari oleh pengguna.
Jika Entities yang diberikan belum terpenuhi, chatbot akan
memberikan respon untuk meminta informasi tambahan tersebut (jika
Entities yang dibutuhkan opsional, maka respon yang seharusnya akan tetap
diberikan namun juga ditambahkan permintaan untuk informasi tambahan
untuk menghasilkan respon yang lebih akurat). Chatbot juga akan membuat
Context baru yang sesuai dengan tahap chat sekarang (contohnya, jika
kurang Entities tipe jasa, maka Context jadi “info-jasa-hasil-tanpaTipe”)
untuk membantu Chatbot mendeteksi Intent dari respon user berikutnya.

14
 Gambar 2.11 Susunan Intent dan Context yang disusun untuk sistem
Chatbot

Gambar 2.11 adalah susunan Intent dan Context yang digunakan pada
sistem Dialogflow yang digunakan. Berikut adalah penjelasan dan
pengaturan tiap Intent tersebut pada Dialogflow :

 Default Welcome Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

memberi salam pada chatbot (ex: hai, halo, assalamualaikum).
Kemudian chatbot akan merespon dengan perkenalan chatbot dan
intruksi untuk memilih jenis informasi yang diinginkan sekaligus
memberi Context Welcome-Followup pada percakapan Chatbot. Intent
ini sendiri tidak memerlukan Context apapun untuk mendeteksi respon
pengguna sehingga dapat terpicu pada situasi percakapan manapun.

15
 Gambar 2.12 Tampilan pengaturan Default Welcome Intent

 Explain Covid Information Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

meminta jenis informasi covid yang umum (ex: saya minta info covid
yang umum). Kemudian chatbot akan merespon dengan memberikan
pilihan jenis informasi umum yang diinginkan sekaligus memberi
Context Information-Context pada percakapan Chatbot. Intent ini
memerlukan Context Welcome-Followup untuk mendeteksi respon
pengguna sehingga terpicu saat pengguna diberikan opsi memilih jenis
informasi yang diinginkan tepat setelah perkenalkan chatbot.

Gambar 2.13 Tampilan pengaturan Explain Covid Information

Intent

16
 Explain Covid Service Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

meminta jenis informasi covid yang servis (ex: apa saja info covid
servis). Kemudian chatbot akan merespon dengan memberikan pilihan
jenis informasi servis yang diinginkan sekaligus memberi Context
Service-Context pada percakapan Chatbot. Intent ini memerlukan
Context Welcome-Followup untuk mendeteksi respon pengguna
sehingga terpicu saat pengguna diberikan opsi memilih jenis informasi
yang diinginkan tepat setelah perkenalkan chatbot.

Gambar 2.14 Tampilan pengaturan Explain Covid Service Intent

 Default Fallback Intent

Percakapan akan terdeteksi sebagai Intent ini saat permintaan

pengguna tidak sesuai dengan intent manapun pada context Welcome-
Followup. Kemudian chatbot akan merespon dengan memperjelas
kembali pilihan jenis informasi yang dapat dipilih oleh pengguna dan
saran pengucapannya pada chatbot agar dapat terdeteksi oleh intent
yang sesuai. Intent ini hanya aktif pada Context Welcome-Followup
untuk mencegahnya aktif pada context lainnya dan mengganggu Intent
Fallback lainnya.

17
 Gambar 2.15 Tampilan pengaturan Default Fallback Intent

 Information-Explain Statistic Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

meminta jenis informasi covid umum yang statistik pengidap (ex: saya
minta info statistik). Sebelum memberi respon, Chatbot akan
mengecek keberadaan data Entities StatisticOption pada pertanyaan
pengguna untuk kemudian dikirimkan ke Database untuk mendapatkan
data respon statistik pengidap covid yang sesuai. Selesai memberikan
responnya, chatbot akan memberikan Context Information-Context
pada percakapan Chatbot untuk memberi kesempatan bagi pengguna
untuk menanyakan informasi umum lainnya lagi. Intent ini
memerlukan Context Information-Context untuk mendeteksi respon
pengguna sehingga terpicu saat pengguna telah memilih opsi informasi
umum pada percakapan chatbot.

Gambar 2.16 Tampilan pengaturan Information-Explain Statistic

Intent

18
 Information-Explain Care Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

meminta jenis informasi covid umum yang cara perawatan (ex:
bagaimana cara merawat covid). Saat intent ini terdeteksi, Chatbot
akan menggunakan Fullfilment untuk mendapatkan data respon cara
perawatan covid dari server backend. Selesai memberikan, chatbot
akan memberikan Context Information-Context pada percakapan
Chatbot untuk memberi kesempatan bagi pengguna untuk menanyakan
informasi umum lainnya lagi. Intent ini memerlukan Context
Information-Context untuk mendeteksi respon pengguna sehingga
terpicu saat pengguna telah memilih opsi informasi umum pada
percakapan chatbot.

Gambar 2.17 Tampilan pengaturan Information-Explain Care

Intent

 Information-Explain Definition Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna

meminta jenis informasi covid umum yang definisi istilahnya (ex: ap
aitu covid-19). Saat intent ini terdeteksi, Chatbot akan menggunakan
Fullfilment untuk mendapatkan data respon definisi covid dari server
backend. Selesai memberikan responnya, chatbot akan memberikan
Context Information-Context pada percakapan Chatbot untuk memberi
kesempatan bagi pengguna untuk menanyakan informasi umum
lainnya lagi. Intent ini memerlukan Context Information-Context
untuk mendeteksi respon pengguna sehingga terpicu saat pengguna
telah memilih opsi informasi umum pada percakapan chatbot.

19
 Gambar 2.18 Tampilan pengaturan Information-Explain
Definition Intent

 Information-Fallback Information Intent

Percakapan akan terdeteksi sebagai Intent ini saat permintaan

pengguna tidak sesuai dengan intent manapun pada context
Information-Context. Kemudian chatbot akan merespon dengan
memperjelas kembali pilihan informasi umum yang disediakan oleh
chatbot dan saran pengucapannya pada chatbot agar dapat terdeteksi
oleh intent yang sesuai. Intent ini hanya aktif pada Context
Information-Context untuk mencegahnya aktif pada context lainnya
dan mengganggu Intent Fallback lainnya.

Gambar 2.19 Tampilan pengaturan Information-Fallback

Information Intent

20
 Service-Explain Service Intent

Percakapan akan terdeteksi sebagai Intent ini saat pengguna telah

memberikan jenis servis dari informasi servis covid yang ingin mereka
tahu (ex: saya mau tanya info servis rumah sakit). Sebelum memberi
respon, Chatbot akan mengecek keberadaan data Entities TipeServis
pada pertanyaan pengguna untuk kemudian dikirimkan ke Database
untuk mendapatkan data respon servis covid yang sesuai tipenya.
Selesai memberikan responnya, chatbot akan memberikan Context
Service-Context pada percakapan Chatbot untuk memberi kesempatan
bagi pengguna untuk menanyakan informasi servis dengan tipe
lainnya. Intent ini memerlukan Context Service-Context untuk
mendeteksi respon pengguna sehingga terpicu saat pengguna telah
memilih opsi informasi servis pada percakapan chatbot.

Gambar 2.20 Tampilan pengaturan Service-Explain Service Intent

 Service-Fallback Service Intent

Percakapan akan terdeteksi sebagai Intent ini saat permintaan

pengguna tidak sesuai dengan intent manapun pada context Service-
Context. Kemudian chatbot akan merespon dengan memperjelas
kembali pilihan informasi tipe servis yang disediakan oleh chatbot.
Chatbot juga akan menyediakan saran pengucapannya agar dapat
terdeteksi oleh intent yang sesuai. Intent ini hanya aktif pada Context
Service-Context untuk mencegahnya aktif pada context lainnya dan
mengganggu Intent Fallback lainnya.

21
 Gambar 2.21 Tampilan pengaturan Information-Fallback
Information Intent

2.3.4 Server

Gambar 2.22 Diagram alur Fullfilment pada Dialogflow

Server ini terdiri dari sistem Backend yang akan menampung

Webhook Request dari sistem Fullfilment Dialogflow. Webhook ini nanti
akan berisi informasi mengenai Intent dari permintaan pengguna, parameter
dari permintaan tersebut, serta respon yang akan disampaikan dari Intent
tersebut. Sistem backend yang tersambung dengan API External dan
database lalu akan memodifikasi respon tersebut dengan menambahkannya
dengan data yang ada pada sambungannya.
Sistem Backend juga akan menambahkan Context yang baru
tergantung kelengkapan parameter dari Entities dan Intent dari permintaan
tersebut. Kemudian sistem Backend akan mengirimkannya kembali sebagai
Webhook Response menurut format yang diterima oleh Dialogflow. Setelah
Dialogflow menerima Webhook Response tersebut, respon tersebut akan
dikirimkan kembali ke pengguna.

22
Gambar 2.23 User Centered Design Process

Gambar 2.24 Physical Data Model

23
 Pada Gambar 2.23 dan Gambar 2.24 ditunjukkan susunan Tabel pada
Database yang akan digunakan pada server backend. Susunan table tersebut
adalah sebagai berikut :

 Tabel info_category

Gambar 2.25 Tampilan Tabel info_category

Tabel ini berfungsi untuk menyimpan kategori dari informasi

umum yang disimpan pada Database. Dengan Column name yang
menyimpan nama kategori.

 Tabel info_post

Gambar 2.26 Tampilan Tabel info_post

Tabel ini berfungsi untuk menyimpan informasi hasil crawling

informasi umum covid yang disimpan di dalam database.
Id_info_category adalah foreign key dari Tabel info_category yang
memiliki relasi 1:N dengan column id pada info_category. Column
content berisi data informasi yang didapat dari sumber informasi
crawling. Data ini nantinya akan dikirimkan ke chatbot melalui
fullfilment saat diminta pengguna. Column source berisi nama
sumber yang digunakan oleh crawling untuk mendapatkan
informasinya. Column link berisi alamat website yang merupakan
sumber dari data crawling. Dan yang terakhir column filter berisi
kode CSS Selector yang digunakan untuk memfilter semua data
artikel pada alamat website. Proses ini ditujukan agar crawler hanya
mendapatkan informasi yang dipakai oleh chatbot yang kemudian
akan disimpan pada database.

24
 Tabel category

Gambar 2.27 Tampilan Tabel category

Hampir sama dengan Tabel info_category, tabel ini berfungsi

untuk menyimpan kategori dari informasi servis yang disimpan pada
Database. Dengan Column name yang menyimpan nama kategori.

 Tabel location

Gambar 2.28 Tampilan Tabel location

Tabel ini berfungsi untuk menyimpan nama lokasi dari

informasi servis yang disimpan pada Database. Nama lokasi tersebut
nantinya akan digunakan untuk memfilter data dari website sumber
untuk mendapatkan informasi dari lokasi yang diinginkan. Dengan
Column name yang menyimpan nama lokasi.

 Tabel post

Gambar 2.29 Tampilan Tabel post

Hampir serupa fungsinya dengan Tabel info_post, Tabel ini

berfungsi untuk menyimpan informasi hasil crawling informasi

25
 servis covid hasil crawling yang disimpan di dalam database.
Id_category adalah foreign key dari Tabel category dan id_location
adalah foreign key dari Tabel location. Keduanya memiliki relasi
1:N dengan column id pada Tabel category untuk id_category dan
Tabel location untuk id_location. Column name berisi nama dari
servis. Column description berisi jenis servis yang lebih spesifik dari
pengkategorian column id_category. Column kontak dan alamat
berisi informasi data kontak dan alamat dari servis yang nantinya
juga ditampilkan ke pengguna.

Sementara itu, data yang akan digunakan pada Database sendiri akan
diambil dari sumber yang valid dan tidak mengandung informasi yang palsu
untuk menjawab permintaan dari user. Beberapa dari Sumber tersebut
adalah sebagai berikut :

 Warga Bantu Warga

sumber : https://www.wargabantuwarga.com
Gambar 2.30 Logo Warga Bantu Warga

Warga Bantu Warga adalah sebuah website yang dibangun oleh

kolaborasi banyak orang di Internet. Website ini bertujuan untuk
mendokumentasikan informasi dan kontak dari berbagai macam
servis yang melayani covid-19. Servis tersebut bisa berupa servis
ambulan, tabung oksigen, donor plasma, dan servis-servis lainnya
yang tersebar di Indonesia.
Data pada Warga Bantu Warga tersedia pada sebuah database
yang berupa dokumen excel online. Data ini terbuka untuk publik
dan nantinya akan dapat di scrape sebagai data pada chatbot. Untuk
menjaga kevalidan data mereka, Website Warga Bantu Warga juga

26
 mendata apakah servis yang mereka dokumentasikan telah
mengkonfirmasikan servis mereka dengan pemilik database.
Konfirmasi tersebut bisa berupa konfirmasi melalui kontak langsung
atau whats app.

 Wikipedia

sumber : https://id.wikipedia.org
Gambar 2.31 Logo Wikipedia

Wikipedia adalah sebuah website enklopedia yang berisi

informasi megenai berbagai macam hal didunia yang dimoderator
oleh sebuah komunitas yang selalu menjamin kebenarannya.
Berbagai macam informasi umum mengenai covid akan dapat
diemukan di website ini dengan informasi yang ter uptodate dan
valid.
Data pada Wikipedia akan dapat di crawling untuk disimpan
pada database untuk menjawab pertanyaan user mengenai info
umum mengenai covid. Sementara untuk kevalidannya, semua data
pada Wikipedia selalu dimoderatori oleh moderatornya untuk
menjaga kebenarannya. Semua informasi pada Wikipedia juga selalu
disertakan bersama sumber referensinya untuk menjamin
kebenarannya.

27
 HaloDoc

Halodoc adalah sebuah aplikasi dan situs web yang dibuat di

Indonesia yang berperan di bidang Kesehatan. Situs/aplikasi ini
dibuat oleh perusahaan PT Media Dokter Investama yang didirikan
pada tahun 2016 di Jakarta oleh Jonathan Sudharta. Halodoc telah
bekerja sama dengan Go-Jek pada fitur Go-Med nya sejak Mei 2018,
membuatnya sebagai salah satu sumber informasi Kesehatan yang
memiliki informasi yang terpercaya dan terbaru.

sumber : https://www.halodoc.com
Gambar 2.32 Logo Halodoc

 API Eksternal untuk Statistik Covid

Berbagai Developer di internet juga menyediakan API eksternal

untuk mendapatkan statistic Covid paling terkini. Dari jumlah
penderita, orang yang sudah sembuh, jumlah orang yang telah
vaksin, dan lain-lain. Dan semua informasi ini juga diambil dari
sumber yang terpercaya seperti data yang dicrawling langsung dari
website Kementrian Kesehatan.
Disaat User memerlukan data tersebut, Server Backend chatbot
akan dapat mengrequest data yang diinginkan melalui API tersebut
secara langsung untuk mendapatkan statistic yang terbaru dan valid.
Untuk menjaga kevalidan itulah, Server backend hanya akan
mengambil data statistik dari server yang terercaya dan berasal dari
lembaga yang terpercaya.

28
 BAB 3
EKSPERIMEN

3.1 PARAMETER EKSPERIMEN

Proyek akhir ini memakai parameter eksperimen berikut:

a. Parameter dari sisi Admin pada sistem Backend seperti :
 Crawling informasi umum
 Crawling Informasi servis

b. Parameter dari sisi Admin pada sistem Dialogflow seperti :

 Manajemen Intent
 Manajemen Entities
 Pengecekan history pesan

c. Parameter dari sisi Pengguna pada Chatbot seperti :

 Menanyakan Definisi dari covid
 Menanyakan Cara Perawatan Covid
 Menanyakan Statistik Pengidap Covid
 Menanyakan Informasi Servis Covid

3.2 KARAKTERISTIK DATA

Untuk Proyek akhir ini karakteristik data yang digunakan adalah

sebagai berikut :

1. Data Crawling
Data hasil crawling yang diambil dari website-website yang
memiliki informasi yang terpercaya untuk dijadikan sumber
informasi Covid. Data yang disimpan pada Database seperti
link dan filter crawling dari Website sumber data tersebut
akan digunakan oleh sistem Crawling. Data tersebut
berfungsi untuk membuat data informasi menjadi dinamik
sehingga data dapat berubah jika informasi pada website
sumber berubah.

2. Data Statistik
Data yang didapatkan dari API eksternal yang diambil secara
langsung saat pengguna memintanya. Dikarenakan data yang
langsung diambil saat diminta, maka data statistik tidak perlu

29
 disimpan pada database. Data juga selalu dinamik dan
berubah sesuai data dari sumbernya.

3. Data Servis
Data hasil crawling dari website Warga Bantu Warga yang
menyimpan dokumentasi berbagai jasa/servis yang
berhubungan dengan Covid-19. Data juga disimpan dalam
Database dengan informasi seperti nama, alamat, dan kontak
nantinya digunakan sebagai respon terhadap pengguna.

3.3 TEMPAT UJICOBA

Untuk kegiatan akhir ini proses testing user review dilakukan secara
daring dengan cara pengguna yang mengakses profil WA Chatbot untuk
mengtes fungsionalitas Chatbot. Sedangkan proses unit testing dilakukan
melalui perangkat pribadi untuk mengakses profil chatbot pada WA.

3.4 WAKTU UJICOBA

Uji coba ini diselenggarakan pada tanggal 8 Juli 2022.

3.5 SPESIFIKASI PERALATAN UJICOBA

Sistem yang dibuat akan diuji coba menggunakan peralatan dengan

spesifikasi sebagai berikut:

A. Perangkat Laptop

Tabel 3.1 Tabel Spesifikasi Perangkat Laptop

No Bagian Perangkat Spesifikasi
1 Processor Intel(R) Core(TM) i5-10300H CPU @
2.50GHz (8 CPUs), ~2.5GHz
2 Sistem Operasi Windows 10 Home Single Language 64-bit
(10.0, Build 19044)
(19041.vb_release.191206-1406)
3 Memori 8 GB DDR4
4 Grafis NVIDIA GeForce GTX 1650 Ti
5 Storage SSD 512GB

30
 B. Perangkat Android

Tabel 3.2 Tabel Spesifikasi Perangkat Android

No Bagian Perangkat Spesifikasi
1 Processor Mediatek Helio G88 Octa-core Max2.0GHz
2 Memori 6.00+2.00 GB
3 Versi Android 11 RP1A.200720.011
4 Merk dan model Xiaomi 10 Model 21061119AG

3.6 HASIL EKSPERIMEN

3.6.1 Hasil Unit Testing

Proses pengujian akan mencakup sistem Server Backend dan

Dialogflow untuk sisi Admin dan Pengecekan Chatbot pada sisi pengguna.

A. Hasil Pengujian Server Backend

Pengujian pada Server Backend dilakukan dengan mengecek proses

dan hasil dari crawling data yang dibutuhkan oleh Chatbot.

Crawling Informasi Servis

Proses ini dilaksanakan dengan menjalankan proses crawling

informasi service yang ada pada server backend. Proses ini berfungsi untuk
mendapatkan informasi terbaru dari Website Warga-Bantu-Warga yang
merupakan sumber dari data servis pada Chatbot kegiatan akhir ini.

Gambar 3.1 Respon Crawling Servis

31
 Gambar 3.1 menunjukkan bahwa proses crawling telah berhasil dan
data yang dicrawling sudah terdapat didalam Database. Pada proses
crawling sudah ada data yang terdapat didalam database yang merupakan
hasil dari proses crawling sebelumnya. Akibatnya, proses crawling sekarang
dihentikan karena data yang akan dimasukkan sama dengan proses crawling
sebelumnya. Dibawah adalah hasil proses crawling pada Database.

Gambar 3.2 Hasil Crawling Data Servis

Crawling Informasi Umum

Proses ini dilaksanakan dengan menjalankan proses crawling

informasi umum yang ada pada server backend. Proses ini berfungsi untuk
mendapatkan informasi terbaru dari Website yang menjadi sumber
informasi umum seperti Wikipedia dan website lainnya.

Gambar 3.3 Respon Crawling Informasi Umum

Gambar 3.3 menunjukkan bahwa proses crawling telah berhasil dan

data yang dicrawling sudah dimasukkan ke dalam Database.

Gambar 3.4 Hasil Crawling Data Umum

32
B. Hasil Pengujian Dialogflow

Pengujian pada Dialogflow dilakukan dengan mengecek sistem yang

ada didalam Agent Chatbot Dialogflow pada kegiatan akhir ini.

Manajemen Intent

Gambar 3.5 Daftar Intent yang digunakan pada sistem Chatbot

Dialogflow

Gambar 3.5 menampilkan daftar Intent yang mengatur bagaimana alur

percakapan pada chatbot nantinya. Disini Admin dapat memodifikasi Intent
dalam berbagai macam segi. Segi tersebut bisa dari pertanyaan dan context
yang dapat memicu intent nantinya, respon dan context baru yang diberikan
saat sebuah intent dipicu, dan perubahan lainnya.

33
Manajement Entities

Gambar 3.6 Daftar Entities yang digunakan pada sistem Chatbot

Dialogflow

Gambar 3.7 Daftar Parameter yang digolongkan pada Entities Service

Type Covid

34
 Gambar 3.6 merupakan daftar Entities pada Chatbot yang bertujuan
untuk mendeteksi keyword yang sepsifik pada permintaan pengguna yang
nantinya dikirimkan ke Backend untuk mendapatkan informasi yang sesuai.
Disini Admin dapat memodifikasi dan menambahkan keyword baru pada
Entities yang ada untuk memperluas keresponan dari chatbot.

C. Hasil Pengujian Chatbot

Pengujian pada Chatbot dilakukan dengan mengirim pesan kepada

sistem chatbot untuk mengetes kesesuaian hasil responnya nanti.

Permintaan Definisi Covid

Gambar 3.8 Respon Definisi Covid dari Chatbot

35
 Gambar 3.8 adalah hasil respon dari permintaan untuk definisi umum
covid. Permintaan dimulai dengan meminta informasi yang berjenis umum
yang lalu diikuti dengan permintaan untuk menunjukkan definisi dari
penyakit Covid-19. Kemudian Chatbot mengambil data hasil crawling
definisi covid yang ada pada server Backend melalui Fullfilment.

Permintaan Cara Perawatan Covid

Gambar 3.9 adalah hasil respon dari permintaan untuk cara perawatan
covid. Permintaan dimulai dengan meminta informasi yang berjenis umum
yang lalu diikuti dengan permintaan untuk menunjukkan cara perawatan
dari Covid-19. Kemudian Chatbot mengambil data hasil crawling perawatan
covid yang ada pada server Backend melalui Fullfilment.

36
Gambar 3.9 Respon Cara Perawatan Covid dari Chatbot

37
Permintaan Statistik Pengidap Covid

Gambar 3.10 Respon Statistik Covid dari Chatbot

Gambar 3.10 adalah hasil respon dari permintaan untuk statistik

pengidap covid. Permintaan dimulai dengan meminta informasi yang
berjenis umum yang lalu diikuti dengan permintaan untuk menunjukkan
statistik pengidap Covid-19 di Indonesia. Kemudian Chatbot mengambil
data dari API Eksternal yang disambungkan dengan Server Backend untuk
mendapatkan data yang terbaru.

Permintaan Servis Covid

Gambar 3.11 dan 3.12 adalah hasil respon dari permintaan untuk
servis covid. Permintaan dimulai dengan meminta informasi yang berjenis
servis yang lalu diikuti dengan menyebutkan tipe servis yang diinginkan
untuk didaftarkan. Kemudian Chatbot mengambil data hasil crawling data
servis yang ada pada server Backend melalui Fullfilment.

38
Gambar 3.11 Respon Intent Servis Covid dari Chatbot

39
Gambar 3.12 Respon berupa Data Servis Covid dari Chatbot

40
3.6.2 Hasil User Review

Proses User Review akan dilakukan menggunakan proses user

interview pada calon pengguna aplikasi. Interview dilaksanakan dengan
pengisian google form setelah selesai penggunaan aplikasi menggunakan
pertanyaan dengan skala nilai 1-5. Pertanyaan yang akan diajukan adalah
sebagai berikut:
a. Seberapa responsif chatbot dalam menjawab pertanyaan
anda?
b. Seberapa lengkapkah informasi yang dimiliki oleh chatbot
menurut anda?
c. Seberapa bergunakah fitur penyedia informasi servis yang
disediakan oleh aplikasi kami?
d. Menurut anda, seberapa bergunakah aplikasi ini secara
keseluruhan saat anda terkena covid nantinya?

Dari aktivitas user interview tersebut didapatkan hasil berikut:

Tabel 3.3 Hasil User Interview

Pertanyaan User User User User User User
Review Review Review Review Review Review
1 2 3 4 5 6
a 3 5 4 3 3 5
b 3 5 5 4 3 5
c 3 4 5 5 3 5
d 3 4 4 4 3 4

Dari Tabel 3.3 dapat disimpulkan bahwa dari 6 responden :

 Keresponsifan chatbot mendapat skala 3,8 dan dinilai cukup baik.
 Kelengkapan Informasi mendapat skala 4,1 dan dinilai cukup baik.
 Kegunaan fitur penyedia informasi servis mendapat skala 4,1 dan
dinilai cukup baik.
 Kegunaan aplikasi ini mendapat skala 3,6 dan dinilai cukup baik.

41
 BAB 4
PENUTUP

4.1 KESIMPULAN

Setelah melalui beragam tahapan yang perlu dilalui dalam kegiatan

akhir ini dari perancangan sampai pengujian sistem, dapat disimpulkan
bahwa sistem chatbot dapat berjalan dengan cukup baik. Dengan adanya
Chatbot ini, pengguna yang tidak mahir dalam menggunakan dan mencari
informasi di internet yang terpercaya dan terbaru akan dapat menggunakan
sistem ini untuk mencari informasi covid yang mereka butuhkan.

4.2 SARAN

Beberapa saran yang diberikan untuk mengembangkan aplikasi untuk

jadi lebih baik adalah sebagai berikut:
 Menggunakan server Backend yang lebih cepat agar proses
fullfilment/pengambilan data tidak tersendat atau bahkan
gagal.
 Memperluas jenis informasi umum yang disediakan
 Memberikan opsi untuk meminta info servis dari daerah
selain Surabaya.

42
 DAFTAR PUSTAKA

1. Marco Ciotti, Massimo Ciccozzi, The COVID-19 pandemic, Critical

Reviews in Clinical Laboratory Sciences, Vol. 57, Hal. 365-388,
Taylor & Francis Group, 2020
2. Direktorat Statistik Keuangan, Teknologi Informasi, dan Pariwisata,
Indeks Pembangunan Teknologi Informasi dan Komunikasi 2020,
Badan Pusat Statistik Indonesia,
https://www.bps.go.id/pressrelease/2021/08/18/1848/indeks-
pembangunan-teknologi-informasi-dan-komunikasi--ip-tik--indonesia-
2020-sebesar-5-59-pada-skala-0----10.html, Diakses tanggal 6 Juli,
2022
3. Urmil Bharti, Deepali Bajaj, The COVID-19 pandemic, Critical
Reviews in Clinical Laboratory Sciences, Vol. 57, Hal. 365-388,
Taylor & Francis Group, 2020
4. Albert Yakobus Chandra, Didik Kurniawan, Perancangan Chatbot
Menggunakan Dialogflow Natural Language Processing, Jurnal
Media Informatika Budirama, Volume 4, Nomer 1, 2020
5. Timothy J Judson, Anobel Y Odisho, Implementation Of A Digital
Chatbot To Screen Health System Employees During The
COVID-19 Pandemic, Journal of the American Medical Informatics
Association, Volume 27, Issue 9, 2020
 BIODATA PENULIS

Nama : Moh. Daffa Akbar Riyadi

Tempat, Tanggal Lahir : Kediri, 4 September 2000
Alamat : Dsn. Munengan, Ds. Mangunrejo, Kec.
Ngadiluwih, Kab. Kediri
Nomor Ponsel : 081259096292
Alamat Surel : mohdaffaakbarriyadi45@gmail.com

Riwayat Pendidikan
SDN Blabak 3 Tahun 2007 s.d. 2013
SMPN 2 Kediri Tahun 2013 s.d. 2016
SMAN 1 Kediri Tahun 2016 s.d. 2019
Politeknik Elektronika Negeri Surabaya Tahun 2019 s.d. 2022