ABSTRAK – Kemampuan Bahasa Inggris yang baik tentu akan menjadi modal kompetitif, baik dalam bidang
pendidikan maupun pekerjaan.Teknologi chatbot adalah merupakan teknologi yang dapat dimanfaatkaan sebagai
solusi untuk permasalahan dalam lingkup edukasi. Beberapa penelitian telah membuktikan pemanfaatan chatbot
sebagai media belajar, terutama pembelajaran Bahasa Inggris. Disamping itu, sumber daya untuk mendukung
pengembangan teknologi chatbot sudah cukup banyak tersedia, seperti API yang mempermudah untuk pembuatan
chatbot seperti Dialogflow API yang digunakan pada penelitian ini. Metode yang digunakan pada penelitian ini
ialah berlatih dan evaluasi mandiri. Adapun tools pendukung ialah Languagetool API untuk koreksi grammar,
Google Speech Recogntion dan Google Text-to-Speech menyediakan antarmuka voice chat. Penelitian ini membahas
tentang pemanfaatan teknologi chatbot, tepatnya dengan membangun sebuah aplikasi android sebagai media latihan
percakapan Bahasa Inggris. Adapun hasil pengujian menyimpulkan bahwa 63,96% pengguna menyatakan setuju
dengan fitur yang dikembangkan pada aplikasi tersebut. Pengguna setuju, sistem yang telah dibangun dapat
menjadi solusi untuk permasalahan tersebut, yakni sebagai media latihan percakapan Bahasa Inggris, selain itu
pengguna juga terbantu dengan adanya fitur-fitur seperti voice chat, koreksi kesalahan, log harian untuk berlatih
dan evaluasi mandiri.
Kata Kunci – Chatbot; Pembelajaran Bahasa Inggris; Dialogflow API; Languangetool API; Google Text-To-Speech.
Tersedia di https://ojs.unikom.ac.id/index.php/komputika
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
belum cukup siap menghadapi MEA ditinjau dari struktur kalimat pengguna. Kemudian fitur log
segi komunikasi bahasa asing, mencakup harian yang berguna untuk mengukur sejauh mana
didalamnya ialah Bahasa Inggris [2]. Hal ini perkembangan latihan pengguna dalam penguasaan
diperkuat dengan survey kemampuan bahasa percakapan dan struktur kalimat Bahasa Inggris.
inggris EF EPI (English Proficiency Index) [3] yang Dengan begitu, pengguna tidak hanya
mengumumkan bahwa indonesia memperoleh skor membiasakan diri dengan percakapan Bahasa
52.15 dan tergolong ke dalam kategori rendah. Inggris, melainkan mereka juga mendapatkan
Oleh sebab itu, diperlukan teknologi yang koreksi serta penilaian terhadap latihannya.
mudah dan praktis sebagai alternatif pembelajaran
2. METODE DAN BAHAN
Bahasa Inggris. Alternatif itu ialah dengan
membangun aplikasi chatbot sebagai media latihan Metode penelitian yang digunakan dalam
percakapan Bahasa Inggris.Teknologi chatbot penelitian ini adalah metode penelitian deskriptif,
merupakan salah satu bentuk aplikasi Natural yaitu menggambarkan semua data yang ada
language Processing, NLP itu sendiri merupkaan kemudian dianalisa dan dibandingkan berdasarkan
salah satu bidang ilmu Kecerdasan Buatan (Artificial kenyataan yang sedang berlangsung dan
Intelligence) yang mempelajari komunikasi antara selanjutnya mencoba untuk memberikan
manusia dengan komputer melalui bahasa alami [4]. pemecahan masalahnya [16].
Model komputasi seperti ini akan memudahkan
komunikasi antara manusia dengan komputer 2.1. Metode Pengumpulan Data
khususnya dalam hal membuat sebuah percakapan Metode pengumpulan data yang akan
Bahasa Inggris dengan bahasa alami, sehingga digunakan ialah studi literatur, metode ini
seolah-olah pengguna sedang melakukan digunakan untuk mendapatkan informasi dan
percakapan dengan native speaker. Beberapa pengetahuan dari literatur-literatur yang sudah ada,
penelitian terdahulu telah membuktikan baik dari jurnal, buku dan internet.
pemanfaatan chatbot sebagai media belajar,
terutama pembelajaran Bahasa Inggris. Penelitian 2.2. Metode Pembangunan Perangkat Lunak
tersebut diantaranya berjudul A computer assisted
English learning chatbot based on textual knowledge and Berdasarkan referensi yang didapatkan dari
reasoning [5], Use chatbot CSIEC to facilitate the Summerville [17] pada Gambar 1, bahwa model
individual learning in english instruction [6], dan pengembangan dalam membangun aplikasi chatbot
Motivate the Learners to Practice English through ini menggunakan model waterfall. Alasan
Playing with Chatbot CSIEC [7]. dipilihnya model waterfall karena tahapan
Aplikasi chatbot yang dibangun akan bertindak prosesnya sangat tepat dan sesuai dalam
sebagai lawan bicara percakapan Bahasa Inggris. pengembangan suatu perangkat lunak, yang
Percakapan pada umumnya dapat dilakukan meliputi beberapa proses di antaranya:
dengan lisan ataupun tulisan sehingga semestinya A. Permodelan (Modeling)
memungkinkan bagi pengguna untuk dapat melatih Peemodelan adalah tahap penerjemahan dari data
keduanya. Oleh sebab itu aplikasi menyediakan dua yang dianalisis kedalam bentuk yang mudah
mode percakapan, yakni mode chat (texting) dan dimengerti oleh pengguna.
mode voice atau suara. Adapun teknologi yang
digunakan pada mode voice ialah speech recognition, B. Analisis (Analysis)
yakni sebuah teknologi yang memungkinkan Analisis adalah tahap menganalisis hal-hal yang
ucapan langsung dikonversi menjadi teks tertulis, diperlukan dalam pelaksanaan proyek pembuatan
dan text-to-speech yang berfungsi sebaliknya, aplikasi.
memungkinkan teks tertulis dikonversi menjadi C. Desain (Designing)
ucapan [8]. Desain adalah tahap menggambarkan perancangan
Untuk mendukung tujuan aplikasi chatbot tatap muka, baik itu huruf yang digunakan maupun
sebagai media latihan percakapan Bahasa Inggris, background sebagai tampilan yang akan digunakan.
maka diperlukan fitur koreksi kesalahan grammar
D. Pengkodean (Coding)
dan fitur log harian pengguna. Fitur koreksi dapat
Pengkodean adalah tahap penerjemahan data atau
memanfaatkan API dari languagetool.org,
pemecahan masalah yang telah dirancang ke dalam
Languagetool menerima masukan berupa teks dan
bahasa pemrograman tertentu.
memberikan respon dalam format JSON [9]. Respon
yang diperoleh diantaranya letak kesalahan, saran E. Pengujian (Testing)
penggantian kata/kalimat, dan deskrispi kesalahan. Pengujian adalah tahap pengujian terhadap aplikasi
Hal ini sebagai upaya meminimalkan kesalahan yang dibangun.
100
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
101
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
pemberian tag part-of-speech kalimatnya sendiri dari sisi aplikasi backend dan frontend. Dimana
untuk menetapkan teks part-of-speech ke setiap untuk aplikasi backend, pengembangan dilakukan
token dalam input. Setiap kalimat kemudian untuk menginisiasi aplikasi berupka konfigurasi
diperiksa dengan gaya dan aturan tata Bahasa [13]. dan pengembangan pengetahuan bot menggunakan
Alur Languagetool API dapat dilihat pada gambar library dialogflow dan langunagetool. Semenetara
3. untuk pengembangan sisi aplikasi frontend,
mencakup kegiatan implementasi mekanisme bot,
chat, teks to speech dan dan speech to text. Adapun
gambaran umum aplikasi yang dikembangkan
dapat dilihat pada Gambar 4.
Hal-hal detail dalam pengembangan aplikasi
chatbot ini mencakup :
A. Interaksi User – UI Aplikasi
Disini terjadi interaksi antara user dan antarmuka
aplikasi, bentuk interaksinya antara lain user
melakukan chat, voice chat, dan log harian.
B. Konversi Pesan Suara ke Teks
Ketika user melakukan voice chat, maka pesan user
Gambar 3. Model Proses Languagetool API [13] yang berupa rekaman audio dikonversi menjadi teks
(String) dengan bantuan library Google Speech
Recognition.
3. HASIL DAN PEMBAHASAN C. Request Koreksi ke Languagetool
Berdasarkan analisis terhadap masalah yang ada, (Proofreading API)
maka diperlukan sebuah media yang dapat Di mode voice chat, ketika pesan user telah
digunakan untuk berlatih percakapan bahasa dikonversi menjadi teks, maka pesan tersebut akan
inggris dalam upaya meningkatkan kefasihan, diteruskan ke proofreading API(Languatool) untuk
pengetahuan grammar atau kosakata, dan meminta koreksi terhadap teks tersebut. Adapun di
kepercayaan diri dalam melakukan percakapan mode chat, pesan user sudah berupa teks sehingga
Bahasa Inggris. Media tersebut dapat berupa pesan tesebut dapat langsung diteruskan ke
aplikasi chatbot. Karakteristik aplikasi chatbot yang proofreading API. Proses ini membutuhkan koneksi
dibangun adalah: internet.
a. Pengguna dapat berinteraksi dengan bot D. Tulis Pesan ke Database
mengenai beberapa topik bahasan sehari-hari Pesan user baik yang diperoleh pada mode chat
dalam Bahasa Inggris seolah-oleh pengguna ataupun pada mode voice chat (yang telah
sedang melakukan percakapan dengan native dikonversi) disimpan ke database.
speaker. E. Languagetool Memberikan Respon
b. Aplikasi ini juga menyediakan dua mode Segera setelah request koreksi, proofreading API
percakapan, yakni mode chat (texting) dan mode akan memberikan respon dalam format JSON,
voice atau suara. Dengan begitu, pengguna dapat respon berisi informasi antara lain, pesan kesalahan,
melatih baik lisan maupun tulisannya. letak kesalahan, dan saran penggantian kata.
c. Disertakannya fitur koreksi grammar dan log F. Parsing Respon dari API
harian, sehingga pengguna akan terbantu dalam Disini setiap respon dari API (Languagetool atau
grammarnya sekaligus memudahkan pengguna Dialogflow) akan di uraikan menjadi data dalam
untuk evaluasi mandiri. format yang sederhana. Terdapat beberapa objek
yang bekerja untuk proses ini, akan dijelaskan pada
3.1. Deskripsi Sistem bagian arsitektur program. Adapun output dari
proses ini antara lain pesan balasan(String), data
Deskripsi sistem digunakan untuk menunjukkan
koreksi, data topik.
fungsi-fungsi yang terdapat sistem yang akan
G. Request Balasan terhadap Pesan User ke
dikembangan dalam aplikasi chatbot pembelajaran
Dialogflow
bahasa Inggris. Pengembangan sistem dilakukan
102
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
Pada mode voice chat, setelah respon koreksi Setelah respon selesai diurai kedalam format
diperoleh, maka selanjutnya pesan user diteruskan sederhana, maka data-data tersebut akan disimpan
ke chatbot API (Dialogflow) untuk meminta balasan ke database.
terhadap pesan tersebut. Sedangkan di mode chat, L. Menampilkan Balasan Teks
proses ini dilaksanakan hanya jika tidak terdapat Proses ini dilakukan hanya di mode chat. Pesan
koreksi pada proses sebelumnya (Request koreksi ke balasan akan dibaca dari database, kemudian pesan
languagetool). tersebut ditampilkan dalam daftar chat terakhir.
H. Dialogflow Memberikan Respon M. Baca Log Harian dari Database
Segera setelah request balasan, Chatbot API akan Proses ini akan dilakukan ketika user melihat log
memberikan respon yang disimpan dalam variabel harian, data log harian yang berupa banyak request,
bertipe data AIResult (kelas dalam paket Dialogflow koreksi, dan topik yang diambil akan dibaca dari
API). database untuk ditampilkan ke antarmuka log
I. Konversi Balasan Teks ke Suara harian.
Di mode voice chat, segera setelah respon dari N. Update Knowledge Base Dialogflow oleh
chatbot API di uraikan ke dalam format sederhana, Developer
maka pesan balasan (Teks) hasil penguraian Disini pengembang aplikasi akan secara berkala
langsung di konversi menjadi suara dengan melakukan update terhadap knowledbase
memanfaatkan library Google Text-to-speech. Dialogflow API melalui dialogflow developer
Setelah itu, barulah pesan balasan disimpan ke console.
database. Sedangkan di mode chat, pesan balasan
hasil penguraian akan disimpan terlebih dahulu ke 3.2. Arsitektur Sistem
database. Sistem terdiri dari 5 bagian utama, yakni UI
J. Memutar Balasan Suara Aplikasi, Library (Google Speech Recognition dan
Setelah proses konversi teks–suara, maka Google Text-to-speech), Database Lokal (Sqlite),
selanjutnya balasan (suara) diputar. serta API (Languagetool & Dialogflow), dan
K. Tulis Balasan Teks, Data Koreksi, dan Topik
Response Handler. Arsitektur sistem dapat dilihat
ke Database
pada gambar 5.
103
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
104
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
105
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
106
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
3.7. Implementasi
Tahapan setelah melakukan analisis dan
peracangan sistem adalah melakukan implementasi.
A. Antarmuka Chat
Antarmuka Chat adalah tampilan untuk melakukan
aktivitas chat (texting) dengan bot aplikasi.
Implementasi antarmuka chat dapat dilihat pada
gambar 14 (a).
B. Antarmuka Voice Chat
Antarmuka Voice Chat adalah antarmuka untuk (a) (b)
melakukan aktivitas voice chat (chat berbasis suara) Gambar 15. (a) Antarmuka Grammar Rule, (b) Antarmuka
dengan bot aplikasi . Implementasi antarmuka voice Daily Log
chat dapat dilihat pada gambar 14 (b).
107
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
108
I Afrianto, M F Irman & S Atin
Komputika: Jurnal Sistem Komputer, Vol. 8, No. 2, Oktober 2019
109