LAPORAN AKHIR

STUDI INDEPENDEN BERSERTIFIKAT

AI for Jobs
Di Orbit Future Academy

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

Oleh :
CANDRALIKA DIFA SENA 12050410382

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM
RIAU
PEKANBARU
2023
 Lembar Pengesahan

Program Studi Matematika

UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU

WEBSITE INFORMASI KAMPUS UIN SUSKA RIAU BERBASIS

CHATBOT

Di Orbit Future Academy

Oleh :
Candralika Difa Sena 12050410382

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Pekanbaru, 26 Juni 2023

Ketua Tim MBKM UIN Suska Riau

Rika Susanti,ST., M.Eng

NIP: 197707312007102003

i
 Lembar Pengesahan

WEBSITE INFORMASI KAMPUS UIN SUSKA RIAU BERBASIS

CHATBOT

Di Orbit Future Academy

Oleh :
Candralika Difa Sena 12050410382

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Pekanbaru, 12 Juni 2023

AI Coach

M.Ikhsan
NIK: 2201046

ii
 Abstraksi
Dalam era digital yang terus berkembang pesat, penggunaan teknologi kecerdasan
buatan seperti chatbot telah menjadi salah satu cara yang efektif untuk
meningkatkan pengalaman pengguna dan memberikan solusi instan dalam
berbagai bidang. Universitas Islam Negeri Sultan Syarif Kasim Riau sebagai salah
satu perguruan tinggi di Indonesia juga berupaya memanfaatkan kemajuan
teknologi ini untuk meningkatkan pelayanan kepada mahasiswa, calon
mahasiswa, dan masyarakat umum. Melalui program Orbit Future Academy,
peserta mendapatkan kemampuan yang dibutuhkan dalam pembuatan aplikasi
Artificial Intelligence lebih tepatnya domain Natural Process Language (NLP).
Dimana misi dari pembuatan chatbot ini adalah diharapkan untuk para calon
mahasiswa maupun mahasiswa ketika ingin mencari informasi mengenai UIN
SUSKA Riau dapat dengan mudah menemukannya dengan menggunakan fitur
chatbot yang ada di website. Judul dari project akhir ini adalah “Website
Informasi Kampus UIN SUSKA Riau Berbasis Chatbot”. Website berbasis
chatbot ini dibuat menggunakan algoritma LSTM yang memiliki beberapa
tahapan yaitu problem scoping, data aquisition, data exploration, modelling dan
deployment. Pada tahap modelling dilakukan pengujian epochs berjumlah 1000
kali dan menghasilkan loss 0,98% dan accuracy 99,58% dimana hal ini
menunjukkan bahwa hasil modelling ini sudah sangat baik. Penulis
mengembangkan website ini bertujuan untuk mempercepat para pengguna
mendapatkan informasi yang ingin diketahuinya sehingga pengguna tidak merasa
bingung apabila minim informasi mengenai kampus UIN SUSKA Riau. Dalam
website terdapat penerapan dari teknologi AI domain NLP yaitu Chatbot yang
bernama SuskaBot yang siap membantu para pengguna memberikan berbagai
informasi penting mengenai UIN SUSKA Riau.

Kata Kunci : Chatbot, Natural Process Language (NLP), SuskaBot.

iii
 Kata Pengantar

Puji syukur penulis ucapkan kehadirat Allah SWT., atas segala rahmat
karunia yang telah dilimpahkan-Nya, sehingga penulis dapat menyelesaikan
Laporan Projek Akhir dengan judul “Website Informasi Kampus UIN SUSKA
Riau Berbasis Chatbot”. Shalawat serta salam semoga Allah SWT. Sampaikan
kepada Baginda Rasulullah Muhammad SAW. Laporan Projek Akhir disusun
sebagai salah satu syarat untuk kelulusan bagi Magang dan Studi Independent
Bersertifikat (MSIB) di PT. Orbit Future Academy yang berjalan sejak tanggal 20
Februari s.d.s.
Banyak pihak yang telah membantu penulis dalam menyusun Laporan
Projek Akhir ini, baik secara moril maupun materil, untuk itu pada kesempatan ini
penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Allah Subhanahu Wa Ta’ala yang telah melimpahkan segala rahmat dan
karunia-nya sehingga penulis dapat menyelesaikan laporan projek akhir ini
dengan baik dan tuntas.
2. Rasulullah Muhammad Salallahu Alaihi Wasallam yang telah mengantarkan
penulis ke jalan kebenaran.
3. Orang tua dan keluarga penulis yang selalu mendorong dan mendukung
penulis untuk semangat berkuliah.
4. Bapak Prof. Dr. Khairunnas Rajab, M.Ag., selaku Rektor Universitas Islam
Negeri Sultan Syarif Kasim Riau.
5. Bapak Dr. Hartono, M.Pd., selaku Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Sultan Syarif Kasim Riau.
6. Bapak Wartono, S.Si, M.Sc selaku Ketua Jurusan Matematika Universitas
Islam Negeri Sultan Syarif Kasim Riau.

iv
7. Coach Muhammad Ikhsan, selaku Home Room Coach selama proses kegiatan
Studi Independen di Orbit Future Academy yang selalu memberikan materi
pemberajaran kepada penulis dan para Coach lainnya yang namanya tidak
disebutkan satu persatu oleh penulis.
8. Ibu Rika Susanti,ST., M.Eng, selaku dosen Pembimbing Program Magang
atau Studi Independen UIN SUSKA Riau.
9. Rekan-rekan seperjuangan Mustang HPE-3, selaku teman-teman penulis yang
mengikuti kegiatan Studi Independen di Orbit Future Academy selama ini.

v
 Daftar Isi

Bab I Pendahuluan 1
I.1 Latar belakang 1

I.2 Lingkup 2

I.3 Tujuan 2

Bab II Orbit Future Academy 1

II.1 Struktur Organisasi 1

II.2 Lingkup Pekerjaan 2

II.3 Deskripsi Pekerjaan 3

II.4 Jadwal Kerja 8

Bab III Website Informasi Kampus UIN SUSKA RIAU Berbasis Chatbot 1
III.1 Latar Belakang Proyek Akhir 1

III.2 Proses Pelaksanaan Proyek Akhir 3

III.3 Hasil Proyek Akhir 6

Bab IV Penutup 1
IV.1 Kesimpulan 1

IV.2 Saran 1

Bab V Referensi 1
Bab VI Lampiran A. TOR 1
Bab VII Lampiran B. Log Activity 1
Bab VIII Lampiran C. Dokumen Teknik 1

vi
 Daftar Tabel

Tabel 2.1 Pekerjaan PA 3

Tabel 2.2 Agenda Kelas 8
Tabel 3.1 Uji Blackbox 9
Tabel 6.1 Jadwal Pelaksanaan 2
Tabel 7.1 Log Activity 1

vii
 Daftar Gambar

Gambar 2.1 Logo Orbit Future Academy 1

Gambar 2.2 Struktur Organisasi OFA 2
Gambar 2.3 Dataset Json 4
Gambar 2.4 Codingan Modelling Chatbot 4
Gambar 2.5 Tampilan Model Chatbot 5
Gambar 2.6 Codingan JavaScript untuk Menghitung Nilai Mata Kuliah 5
Gambar 2.7 Codingan JavaScript untuk Menghitung Target IPK Saat Lulus 6
Gambar 2.8 Codingan app.py untuk deploy chatbot 6
Gambar 2.9 Tampilan Pop up Chatbot 7
Gambar 3.0 Codingan untuk tampilan Website 7
Gambar 3.0.1 Tampilan Website 8
Gambar 3.1 Intents.Json 7
Gambar 3.2 Algoritma LSTM 7
Gambar 3.3 500 Epoch 8
Gambar 3.4 750 Epoch 8
Gambar 3.5 1000 Epoch 9
Gambar 3.6 Tampilan Website 11
Gambar 3.7 Tampilan Menghitung Nilai Mata Kuliah 12
Gambar 3.8 Tampilan Menghitung Target IPK Saat Lulus 12
Gambar 8.1 Dataset 2
Gambar 8.2 Menghilangkan Punktasi 3
Gambar 8.3 Lemmatization 3
Gambar 8.4 Menyortir Data Kelas Tags 3
Gambar 8.5 Mencari Jumlah Keseluruhan Data Tags 3
Gambar 8.6 Tokenisasi Data 4
Gambar 8.7 Malakukan Padding 4
Gambar 8.8 Encoding Label atau Tag 4
Gambar 8.9 Input Length, Define Vocabulary dan Output Length 5
Gambar 8.10 Simpan Model Words dan Classes 5

viii
Gambar 8.11 Simpan Model Label dan Tokenizer 5
Gambar 8.12 Model LSTM 6
Gambar 8.13 Tampilan Model LSTM 7
Gambar 8.14 Proses Training 7
Gambar 8.15 Hasil Evaluasi 8
Gambar 8.16 Folder SuskaBot - FasTar 9
Gambar 8.17 File app.py 10
Gambar 8.18 File process.py(1) 10
Gambar 8.19 File process.py(2) 11
Gambar 8.20 Tampilan Website Setelah di Deploy 12
Gambar 8.21 Tampilan Website Profile Kampus dengan Chatbot 14

ix
 Bab I Pendahuluan

I.1 Latar belakang

Kampus Merdeka merupakan salah kebijakan Menteri Pendidikan dan
Kebudayaan Nadiem Makarim yang memberikan kebijakan Perguruan Tinggi
untuk memberikan hak belajar selama tiga semester di luar program studi.
Kampus merdeka pada dasarnya menjadi sebuah konsep baru yang membiarkan
mahasiswa mendapatkan kemerdekaan belajar di perguruan tinggi[1].
Program Merdeka Belajar Kampus Merdeka (MBKM) adalah salah satu
bagian dari program Kampus Merdeka. Melalui MBKM, mahasiswa bisa
menjalankan magang atau praktik kerja di perusahaan atau lembaga yang relevan
dengan disiplin ilmunya. Magang ini dimaksudkan untuk memajukan
keterampilan praktis dan profesional mahasiswa agar bermanfaat untuk karir
mereka di masa mendatang.
Kampus Merdeka juga mengadakan pelatihan keterampilan yang beragam,
seperti keterampilan kepemimpinan, kewirausahaan, dan teknologi informasi.
Program ini bertujuan untuk mempersiapkan mahasiswa untuk menghadapi
tantangan dan memanfaatkan peluang di dunia kerja yang semakin kompetitif dan
global.
Pelaksanaan kegiatan Merdeka Belajar Kampus Merdeka (MBKM) yang
dilaksakan di kampus UIN Suska Riau melakukan kerjasama dengan Orbit Future
Academy. Orbit Future Academy memiliki 2 program unggulan yaitu AI Mastery
dan AI for Jobs, dimana pada kegiatan MBKM ini mahasiswa diberi kesempatan
untuk memilih salah satu dari dua program yang ditawarkan oleh Orbit Future
Academy. Dengan adanya dua program ini diharapkan mahasiswa mengatahui apa
itu AI dan dapat meningkatkan pengetahuan mereka dalam bidang teknologi
melalui pembelajaran coding.
Program MBKM ini dilaksanakan secara daring selama satu semester mulai
dari hari senin-jumat setiap minggunya. Materi pembelajaran yang diberikan
dapat diakses melalui website orbit guru, dimana semua modul yang disampaikan
setiap harinya ada di dalam website tersebut. Mahasiswa diajarkan untuk

1
 2

memahami bagaimana cara melakukan pemrograman dengan menggunakan

bahasa pemrograman python. Diakhir periode mahasiswa diberi tugas untuk
membuat satu projek akhir secara berkelompok yang merupakan target utama dari
program kampus merdeka ini.
Informasi pelayanan yang ada di kampus UIN Suska Riau dapat diakses
melalui berbagai website yang telah tersedia, namun terkadang website tersebut
mengalami gangguan sehingga tidak dapat diakses. Oleh karena itu dari
permasalahan ini muncul sebuah ide untuk membuat sebuah sistem yang dapat
membantu memberikan berbagai jawaban secara otomatis atau yang biasa disebut
dengan chatbot. Judul dari project akhir ini adalah “Website Informasi Kampus
UIN SUSKA Riau Berbasis Chatbot”. Chatbot ini dapat mempermudah para calon
mahasiswa baru serta mahasiswa untuk memperoleh berbagai informasi di bidang
akademik kampus UIN Suska Riau. Dengan adanya chatbot ini diharapkan calon
mahasiswa baru dan mahasiswa dapat dengan mudah mendapatkan informasi
secara cepat dan valid mengenai UIN Suska Riau.
I.2 Lingkup
Studi Independen AI For Jobs yang diselenggarakan oleh Orbit Future
Academy. Program ini diselenggarakan dari 20 Februari 2023 sampai dengan 3o
Juni 2023 dengan rincian sebagai berikut :
 Pembukaan dan Pengetahuan Dasar: 20 Feb - 24 Maret 2023
 Pengetahuan per domain: 27 Maret - 3 Mei 2023
 Etika Profesi dan Keterampilan perusahaan: 4 Mei - 11 Mei 2023
 Fase Prototyping: 12 Mei - 23 Juni 2023
 Penutupan Program: 30 Juni 2023
I.3 Tujuan
Melalui program ini, peserta mendapatkan kemampuan yang dibutuhkan
dalam pembuatan aplikasi Artificial Intelligence. Selain dibekali hardskill, peserta
dibekali juga dengan softskill yang dapat diterapkan dalam kehidupan sehari –
hari. Secara khusus berikut adalah tujuan dari mengikuti program AI for jobs di
Orbit Future Academy:
 3

1. Memiliki wawasan tentang AI dan perkembangannya.

2. Mampu merancang dan mengimplementasikan AI Project Cycle.
3. Mampu menggunakan bahasa pemrograman Python untuk
mengembangkan aplikasi AI.
4. Mampu mengembangkan salah satu dari 3 domain AI (DS, NLP, dan CV)
hingga tahap deployment.
5. Mampu menggunakan soft skills dan hard skills dalam dunia industri dan
lingkungan perusahaan.
6. Mampu mengaplikasikan kiat-kiat yang dibutuhkan seorang wirausahawan
yang bergerak di bidang start-up dalam mentransformasikan ide ke dalam
bentuk produk/jasa sehingga dapat menciptakan peluang bisnis yang terus
berinovasi, berevolusi, dan berkelanjutan.
 Bab II Orbit Future Academy

II.1 Struktur Organisasi

Gambar 2.1 Logo Orbit Future Academy

Orbit Future Academy (OFA) didirikan pada tahun 2016 dengan tujuan
untuk meningkatkan kualitas hidup melalui inovasi, edukasi, dan pelatihan
keterampilan. Label atau brand Orbit merupakan kelanjutan dari warisan
mendiang Prof. Dr. Ing. B. J. Habibie (presiden Republik Indonesia ke-3) dan
istrinya, Dr. Hasri Ainun Habibie. Mereka berdua telah menjadi penggerak dalam
mendukung perkembangan inovasi dan teknologi pendidikan di Indonesia. OFA
mengkurasi dan melokalkan program/kursus internasional untuk upskilling atau
reskilling pemuda dan tenaga kerja menuju pekerjaan masa depan. Hal ini sesuai
dengan slogan OFA, yakni “Skills-for-Future-Jobs”.

Visi:
Memberikan pembelajaran berbasis keterampilan transformatif terbaik untuk para
pencari kerja & pencipta lapangan kerja.

Misi:
1. Membangun jaringan Orbit Transformation Center (OTC) secara nasional
untuk menyampaikan kurikulum keterampilan masa depan berbasis
sertifikasi melalui Platform Konten Digital.

1
 2

2. Secara proaktif bekerja dengan pemerintah & organisasi dengan mengubah

tenaga kerja mereka agar sesuai dengan perubahan pekerjaan yang terjadi
karena Industri 4.0.
3. Melatih pemuda dengan keterampilan kewirausahaan & mencocokkan
mereka dengan peluang masa depan yang muncul di berbagai industri.
4. Menghubungkan jaringan inkubator dan akselerator yang dikurasi ke
industri, investor, dan ekosistem start-up global.

Struktur organisasi OFA dapat dilihat pada Gambar 2.2.

Gambar 2.2 Struktur Organisasi OFA

II.2 Lingkup Pekerjaan

Seorang fasilitator akan mendampingi kurang lebih 40 peserta MSIB (student)
dalam satu kelas. Terdapat dua jenis fasilitator, yakni:
a. Homeroom Coach
Homeroom coach bertugas menyampaikan materi tentang dasar-dasar AI,
memberikan penilaian pada student, dan mengarahkan student saat
pengerjaan Proyek Akhir (PA).
 3

b. Domain Coach
Domain coach bertugas menyampaikan materi tentang domain AI atau life
skills dan memberikan penilaian pada student.
Lingkup pekerjaan student adalah mengikuti kelas bersama homeroom atau
domain coach, sesuai agenda kelas, hingga program selesai.

II.3 Deskripsi Pekerjaan

Berikut adalah deskripsi pekerjaan student sebelum pengerjaan PA:
a. Mengikuti pre-test.
b. Mengikuti kelas sesi pagi pada pukul 08.00 hingga 11.30 WIB.
c. Mengikuti kelas sesi siang pada pukul 13.00 hingga 16.30 WIB.
d. Mengulang materi yang telah disampaikan di kelas sesi pagi dan siang,
setelah kelas sesi siang, selama 1 jam (self-study).
e. Mengerjakan latihan individu atau kelompok yang diberikan oleh
homeroom atau domain coach saat kelas berlangsung.
f. Mengerjakan tugas yang diberikan homeroom atau domain coach hingga
batas waktu tertentu.
g. Mengerjakan mini project yang diberikan homeroom atau domain coach
hingga batas waktu tertentu
h. Mengikuti post-test.
Student memiliki peran sebagai Modelling, Deployment, dan Desain Website dan
membuat laporan akhir selama pengerjaan PA, dengan deskripsi pekerjaan
sebagai berikut:
Tabel 2.1 Pekerjaan PA
No Deskripsi Pekerjaan
1 Membantu pembuatan isi DataSet berjumlah 200 tag
2 Modelling AI NLP (ChatBot)
3 Membuat Program perhitungan nilai matakuliah dan target IPK saat lulus.
4 Melakukan Deployment Cahtbot ke dalam Website
5 Mendesain tampilan website
 4

1. Membantu pembuatan isi dataset berjumlah 200 tag

Gambar 2.3 Dataset Json

Dalam tahap pembuatan dataset penulis membantu mengumpulkan tags agar
terkumpul 200 tags yang berisi kan berbagai pertanyaan yang mungkin akan
ditanyakan pengguna.

2. Modelling AI NLP (ChatBot)

Melakukan modelling agar chatbot dapat digunakan. Berikut adalah gambar
dari proses modelling chatbot.

Gambar 2.4 Codingan Modelling Chatbot

 5

Pada tahap modelling, menggunakan algoritma LSTM dengan optimizernya

adalah Adam. Output layer menggunakan softmax, dan model di-compile
dengan loss function Sparse Categorical Crossentropy.

Gambar 2.5 Tampilan Model Chatbot

Pada tahap modelling, pelatihan dilakukan dengan menggunakan 32 neuron,
32 batch size, dan 1000 epoch. Dengan konfigurasi ini, model akan
mengalami pelatihan selama 1000 iterasi atau epoch dengan menggunakan
batch size sebesar 32 dan memiliki 32 neuron pada layer tertentu. Tujuan dari
tahap ini adalah untuk mengoptimalkan performa model melalui proses
pembelajaran yang berulang.
3. Membuat program perhitungan untuk menghitung nilai mata kuliah tertentu
dan menghitung target IPK ketika lulus.

Gambar 2.6 codingan JavaScript untuk Menghitung Nilai Mata Kuliah

 6

Gambar 2.7 codingan JavaScript untuk Menghitung Target IPK Saat Lulus
Pada tahap ini, penulis menggunakan JavaScript untuk membuat program
yang dapat menghitung nilai matakuliah tertentu dan target IPK. Tampilan
program tersebut dibuat menggunakan HTML dan CSS. Dengan program ini,
pengguna dapat menginput nilai-nilai dan mendapatkan hasil perhitungan
nilai serta target IPK yang diinginkan.
4. Melakukan Deployment Chatbot ke dalam Website
Pembuatan pop up untuk chatbot, berikut adalah codingan dan tampilan dari
pop up suskabot.

Gambar 2.8 Codingan app.py untuk deploy chatbot

Pada proses deployment penulis menggunakan pemrograman bahasa python
dan menggunakan framework flask
 7

Gambar 2.9 Tampilan Pop up Chatbot

Pada proses pembuatan pop up chatbot, dibuat di VSCode menggunakan
JavaScript dan tampilannya menggunakan HTML dan CSS. Pada tampilan
Pop up chatbot pengguna dapat memasukkan perintah berupa pertanyaan
yang ingin ditanyakan lalu chatbot akan menjawab pertanyaan dari pengguna.
5. Pembuatan tampilan website

Gambar 3.0 Codingan untuk tampilan Website

Pada proses ini tampilan website dibuat di VSCode menggunakan HTML,
CSS dan JavaScript.
 8

Gambar 3.1 Tampilan Website

Pada tampilan utama website terdapat menu chatbot yang dapat diakses
dengan mengklik logo yang berada di pojok kiri bawah. Selain itu, terdapat
juga navbar menu dengan pilihan seperti profil, fakultas, lokasi, about us, dan
lain-lain.
II.4 Jadwal Kerja
Program ini berlangsung setiap hari kerja (Senin sampai dengan Jumat)
selama 8 jam per harinya, dengan rincian sebagai berikut:
Tabel 2.2 Agenda Kelas
Pukul (WIB) Durasi (jam) Aktivitas
08.00 s.d. 11.30 3.5 Kelas Sesi Pagi
13.00 s.d. 16.30 3.5 Kelas Sesi Siang
16.30 s.d. 17.30 1 Self-Study
Program ini berlangsung dari bulan Februari 2023 sampai dengan bulan Juni
2023.
 Bab III Website Informasi Kampus UIN SUSKA Riau Berbasis
Chatbot

III.1 Latar Belakang Proyek Akhir

Dalam era digital yang terus berkembang pesat, penggunaan teknologi
kecerdasan buatan seperti chatbot telah menjadi salah satu cara yang efektif untuk
meningkatkan pengalaman pengguna dan memberikan solusi instan dalam
berbagai bidang. Universitas Islam Negeri Sultan Syarif Kasim Riau sebagai salah
satu perguruan tinggi di Indonesia juga berupaya memanfaatkan kemajuan
teknologi ini untuk meningkatkan pelayanan kepada mahasiswa, calon
mahasiswa, dan masyarakat umum.
Natural Language Processing (NLP) merupakan salah satu cabang ilmu AI
yang berfokus pada pengolahan bahasa natural. Bahasa natural adalah bahasa
yang secara umum digunakan oleh manusia dalam berkomunikasi satu sama
lain[2]. Chatbot adalah program, perangkat lunak, yang menggunakan bahasa
pemrosesan alami (Natural Language Processing) dalam sebuah pertanyaan dan
sistem jawab. Chatbot merupakan suatu program komputer yang melakukan
percakapan dengan menggunakan metode auditori atau tekstual. Umumnya
program ini dibangun untuk meyakinkan atau mensimulasikan bagaimana
manusia bisa berperilaku sebagai mitra percakapan [3].
Beberapa jurnal terdahulu telah dilakukan dalam pengembangan chatbot
untuk universitas, yang membuktikan manfaatnya dalam meningkatkan interaksi
dengan pengguna yaitu jurnal Puteri yang berjudul "Aplikasi Chatbot untuk
Layanan Informasi Penerimaan Mahasiswa Baru". Jurnal ini menunjukkan bahwa
penggunaan chatbot pada proses penerimaan mahasiswa baru dapat mempercepat
dan mempermudah proses komunikasi antara calon mahasiswa dengan
universitas, serta memberikan informasi yang mudah diakses, akurat dan relevan
[4].
Pada jurnal Chandra meneliti terkait pengembangan chatbot di Coffe Shop
yang dapat melayani pelanggan dalam memberikan informasi dan melakukan

1
 2

transaksi secara otomatis. Chatbot yang dibangun dapat berkomunikasi, menerima

dan menyimpan transaksi dengan pelanggan. Hasil yang diharapkan adalah
system chatbot ini dapat menjadi alternatif yang dapat diimplementasikan pada
berbagai usaha untuk memberikan pelayanan yang lebih baik bagi pelanggan[5].
Jurnal selanjutnya yang dibuat oleh Zulkarnain berkaitan dengan proses
pembelajaran jarak jauh yaitu “Perancangan Aplikasi Chatbot Sebagai Media E-
Learning Bagi Siswa”. Penelitian ini bertujuan untuk menghasilkan suatu aplikasi
chatbot sebagai media pembelajaran jarak jauh yang membantu proses belajar-
mengajar guru dan siswa. Pada penerapannya, penelitian ini menggunakan
telegram sebagai media chatbot, hasil Penelitian ini menghasilkan Aplikasi
Chatbot sebagai Media E-Learning Bagi Siswa yang dapat membantu guru dalam
memberikan pembelajaran jarak jauh kepada siswa/i secara efisien dan mudah[6].
Sebagian besar jurnal menjelaskan dataset di bidang layanan penerimaan
mahasiswa baru, coffe shop dan E-Learning. Dalam penelitian ini penulis
mengembangkan chatbot dalam konteks Universitas Islam Negeri Sultan Syarif
Kasim Riau, dibandingkan penelitian yang lain belum ada penelitian yang secara
khusus membahas penggunaan chatbot. Oleh karena itu, proyek akhir ini
bertujuan untuk mengembangkan dan mengimplementasikan chatbot universitas
yang dapat memberikan solusi instan terkait sistem informasi akademik, akreditasi
kampus, gedung fakultas, registrasi mata kuliah, kegiatan kampus, dan pertanyaan
umum lainnya.
Diharapkan dengan adanya chatbot ini, mahasiswa, calon mahasiswa, dan
masyarakat umum dapat memperoleh informasi yang dibutuhkan dengan lebih
efisien dan cepat. Selain itu, chatbot juga dapat membantu mengurangi beban
kerja staf administrasi universitas dengan memberikan respon instan dan otomatis
kepada pengguna.
Pada proyek akhir studi independent ini, penulis merancang dan
membangun “Website Informasi Kampus UIN SUSKA Riau Berbasis Chatbot”
berbasis Artificial Intelligence (AI) dengan menggunakan teknik Natural
Language Processing (NLP) untuk memungkinkan chatbot memahami dan
merespons pertanyaan dalam bahasa Indonesia dengan baik.
 3

III.2 Proses Pelaksanaan Proyek Akhir

Proses kegiatan Studi Independen di Orbit Future Academy dilakukan setiap
minggunya dimana setiap pertemuan membahas materi yang berbeda-beda
diantaranya yaitu, pembahasan mengenai Introduction To Artificial Intelligence,
Python Programming AI Project Cycle, Pemograman Python, Machine Learning,
Domain AI, dan Corporate Life & Entrepreneurship Skill. Pada proyek akhir ini
penulis memilih domain Nautral language Processing yang akan berfokus dalam
pembuatan chatbot.
Alur menyelesaikan proyek akhir, penulis berpacu pada AI projek cycle
yang memiliki 6 tahapan terdiri dari problem scoping, data acquisition data
exploration, modelling, evaluation dan deployment.
 Problem Scoping
Pada tahap ini, penulis menganalisis permasalahan yang terjadi sesuai
dengan ide yang dipilih menggunakan konsep 5Ws: What (Apa), Why
(Mengapa), Who (Siapa), When (Kapan), dan Where (Dimana). Dengan
menggunakan pendekatan ini, penulis dapat memahami secara
komprehensif tentang permasalahan yang dihadapi, termasuk penyebabnya,
pihak yang terlibat, waktu terjadinya, dan lokasi terkait. Hal ini membantu
penulis dalam merumuskan solusi yang relevan dan efektif.
 Data Acquistion
Pada tahap data acquisition, penulis mengumpulkan informasi tentang UIN
SUSKA Riau dalam format file JSON. Informasi ini disusun dalam bentuk
percakapan interaktif yang terdiri dari pertanyaan dan jawaban, mencakup
berbagai topik yang relevan dengan UIN SUSKA Riau. Tujuan dari tahap
ini adalah untuk membangun dataset yang dapat digunakan untuk melatih
model chatbot atau sistem tanya jawab tentang UIN SUSKA Riau.
 Data Exploration
Dalam tahap eksplorasi data, penulis melakukan serangkaian langkah untuk
mempersiapkan data sebelum melatih model. Berikut adalah langkah-
langkah yang dilakukan
 4

1. Menghilangkan tanda baca: Dilakukan penghapusan tanda baca pada

teks. Hal ini bertujuan untuk memastikan konsistensi dan kebersihan
data.
2. Lemmatization: Dilakukan proses lemmatization untuk mengubah kata-
kata dalam teks menjadi bentuk dasar. Ini membantu dalam konsistensi
kata-kata yang digunakan dalam data.
3. Menyortir data kelas tags: Data kelas tags diurutkan untuk memastikan
pengelompokan yang tepat dan memudahkan proses pemrosesan
selanjutnya.
4. Menghitung jumlah keseluruhan data teks: Dilakukan perhitungan
jumlah total data teks yang akan digunakan. Ini membantu dalam
pemantauan ukuran dataset
5. Tokenisasi data: Dilakukan proses tokenisasi untuk membagi teks
menjadi unit-token yang lebih kecil seperti kata atau karakter. Ini adalah
langkah awal dalam mempersiapkan data untuk pemrosesan lebih lanjut
6. Melakukan padding: Dilakukan proses padding untuk memastikan setiap
teks memiliki panjang yang seragam. Ini penting untuk memenuhi
persyaratan masukan model.
7. Encoding label atau tag: Dilakukan encoding untuk mengonversi label
atau tag menjadi format yang sesuai untuk melatih model.
8. Input length: Menentukan panjang masukan (input length) yang
dibutuhkan oleh model. Ini membantu dalam menentukan dimensi
masukan model
9. Define vocabulary: Mendefinisikan kamus kata-kata yang digunakan
dalam data. Ini membantu dalam pengindeksan kata-kata saat melatih
model
10. Output length: Menentukan panjang keluaran (output length) yang
diharapkan dari model. Ini penting untuk mengonfigurasi dimensi
keluaran model.
11. Menyimpan model: Setelah semua persiapan data selesai, model yang
telah dilatih akan disimpan untuk digunakan nanti.
 5

Dengan melalui serangkaian langkah tersebut, penulis dapat mempersiapkan

data dengan baik sebelum melatih model dan memastikan kualitas dan
konsistensi data yang digunakan.
 Modelling
Dalam tahapan pemodelan ini, penulis menggunakan algoritma LSTM
untuk membuat model. Arsitektur model terdiri dari beberapa komponen:
1. Input Layer: Terdapat 1 layer input dengan 10 fitur. Fitur-fitur ini akan
digunakan sebagai input untuk model.
2. Embedding Layer: Digunakan 1 layer embedding dengan dimensi 300.
Layer ini mengubah fitur-fitur input menjadi representasi vektor dalam
ruang 300 dimensi.
3. Hidden Layers: Terdapat 2 hidden layer dalam model. Hidden layer
membantu model untuk mempelajari pola dan hubungan yang kompleks
antara fitur-fitur input.
4. LSTM Layer: Salah satu dari hidden layer yang digunakan adalah
LSTM layer. Digunakan 1 layer LSTM dengan 32 neuron. LSTM layer
sangat berguna dalam memproses data yang memiliki urutan atau
dependensi waktu.
5. Dropout Layer: Setelah LSTM layer, digunakan 1 layer dropout dengan
tingkat dropout sebesar 0.2. Layer dropout membantu mencegah
overfitting dengan secara acak mengabaikan sebagian neuron dalam
proses pelatihan.
6. Output Layer: Output layer menggunakan fungsi aktivasi softmax
karena terdapat banyak kelas pada masalah klasifikasi yang dihadapi.
Selain itu, penulis mengkompilasi model dengan menggunakan loss
function sparse categorical crossentropy, yang cocok untuk masalah
klasifikasi dengan banyak kelas. Batch size sebesar 32 digunakan dan model
dilatih selama 1000 epoch.
 Evaluation
Pada tahap evaluasi, penulis melakukan analisis model dengan
memvisualisasikan plot akurasi dan loss. Hal ini dilakukan untuk
 6

memperoleh pemahaman yang lebih baik tentang kinerja model Neural

Network dengan algoritma pelatihan LSTM. Dengan menggunakan plot
akurasi, penulis dapat melihat bagaimana tingkat akurasi model berkembang
seiring dengan jumlah epoch yang dilakukan. Grafik ini memberikan
wawasan tentang sejauh mana model dapat mengenali pola dan
memprediksi data dengan tepat.
 Deployment
Deployment Merupakan tahapan terakhir dari proses pembuatan program
web. Output yang dihasilkan berupa halamanan website dimana terdapat
fitur AI berupa chatbot untuk membantu mendapatkan informasi.

Hambatan dan solusi untuk menyelesaikan permasalahan projek akhir antara

lain yaitu:
1. Di awal pengerjaan, penulis mengalami kesulitan dalam mencari tag
yang sesuai. Namun, penulis berhasil mengatasi masalah ini dengan
mencari referensi di Kaggle dan GitHub. Referensi tersebut membantu
penulis dalam menemukan tag yang relevan untuk penelitiannya.
2. Pada tahap deployment, awalnya penulis berencana menggunakan
layanan hosting gratis Heroku. Namun, penulis mengalami perubahan
rencana karena layanan gratis Heroku tidak lagi tersedia. Sebagai
alternatif, penulis memutuskan untuk melakukan deployment
menggunakan Flask secara lokal pada localhost. Hal ini memungkinkan
penulis untuk melanjutkan proses deployment tanpa perlu menggunakan
layanan pihak ketiga.
III.3 Hasil Proyek Akhir
Proyek akhir pembuatan Website Informasi Kampus UIN SUSKA Riau
Berbasis Chatbot berhasil menghasilkan sebuah aplikasi yang memungkinkan
pengguna untuk mengirimkan pesan sebagai input, kemudian chatbot secara
otomatis memberikan respons berdasarkan dataset yang telah di-training. Dalam
proyek ini, website tersebut berhasil menciptakan sebuah chatbot yang responsif
dan informatif, memberikan solusi bagi pengguna untuk mendapatkan informasi
 7

tentang kampus UIN SUSKA Riau dengan mudah dan cepat. Berikyt adalah hasil
dari proyek akhir
1. Dalam pembuatan dataset, penulis menggunakan aplikasi Visual Studio Code.
Dataset ini dibuat dalam format JSON dan terdiri dari tiga elemen utama,
yaitu Patterns, Tags, dan Responses.

Gambar 3.1 Intent.json

2. Algoritma yang penulis gunakan adalah algoritma LSTM. Algoritma LSTM
adalah algoritma deep learning yang popular dan cocok digunakan untuk
membuat prediksi dan klasifikasi yang berhubungan dengan data teks,
contohnya seperti chatbot. Berikut aalah codingan dari algoritma LSTM:

Gamabr 3.2 Algoritma LSTM

 8

3. Berikut adalah pengujian menggunakan 3 variasi ukuran epoch yang berbeda.

a. 500 Epoch
Pada pengujian dengan 500 epoch, terlihat bahwa akurasi mulai stabil
pada epoch ke-250, sementara loss mulai stabil pada epoch ke-260.

Gambar 3.3 500 Epoch

b. 750 Epoch
Pada pengujian dengan 750 epoch, terlihat bahwa akurasi mulai stabil
pada epoch ke-270, sementara loss mulai stabil pada epoch ke-250.

Gambar 3.4 750 Epoch

 9

c. 1000 Epoch
Pada pengujian dengan 1000 epoch, terlihat bahwa akurasi mulai stabil
pada epoch ke-121, sementara loss mulai stabil pada epoch ke-208.

Gambar 3.5 1000 Epoch

Dari pengujian menggunakan tiga epoch yang berbeda, penulis
menyimpulkan bahwa penggunaan 1000 epoch menghasilkan akurasi dan loss
terbaik dibandingkan dengan dua epoch lainnya.
4. Uji Blackbox
penulis melakukan pengujian blackbox dengan memberikan 5 pertanyaan
pada chatbot.
Tabel 3.1 Uji Blackbox
Deskripsi Hasil yang Diharapkan Status
Memasukkan Sistem menjawab sesuai
pertanyaan “Apa itu dengan pertanyaan yang
suskabot?” diberikan yaitu
“SuskaBot itu adalah Berhasil
teman informasi kamu
tentang Kampus UIN
Suska Riau!”
Memasukkan Sistem menjawab sesuai
pertanyaan “Alamat dengan pertanyaan yang
UIN SUSKA Riau?” diberikan yaitu “Alamat
UIN Suska Riau ada di
Berhasil
Panam, Jalan. HR.
Soebrantas No.Km. 15,
RW.15, Simpang Baru,
Kota Pekanbaru, Riau”
 10

Memasukkan Sistem menjawab sesuai

pertanyaan “Fakultas dengan pertanyaan yang
yang ada di UIN diberikan yaitu “Fakultas
SUSKA” di UIN Suska Riau yaitu
: Tarbiyah dan
Keguruan, Ushuludin,
Psikologi, Ekonomi dan
Berhasil
Ilmu Sosial,
Pascasarjana, Syariah
dan Ilmu Hukum,
Dakwah dan Ilmu
Komunikasi, Sains dan
Teknologi, dan Pertanian
dan Pertenakan”
penulis memasukkan Sistem menjawab sesuai
pertanyaan yang ada dengan pertanyaan yang
kesalahan kata diberikan yaitu “UIN
dipertanyaannya seperti Suska Riau atau disebut
“Apa itu UIN SUKA juga Universitas Islam
Berhasil
Riau” Negeri Sultan Syarif
Kasim Riau merupakan
satu-satunya kampus
islam negeri yang meraih
akreditas B di Riau”
penulis memasukkan Sistem menjawab sesuai
pertanyaan yang ada dengan pertanyaan yang
kesalahan kata diberikan yaitu “Rektor
dipertanyaannya seperti UIN Suska Riau Berhasil
“Retor UIN SUSKA Sekarang adalah Prof.
sekarang” Dr. Khairunas Rajab,
M.Ag (2021-2025)”
Pada perhitungan nilai Sistem menjawab sesuai
mata kuliah penulis dengan nilai yang di
memasukan bobot nilai input dengan hasil nilai
tugas 15%, bobot nilai angka 86.90 dan nilai
kuis 15%, bobot nilai huruf A
UTS 30% dan bobot Berhasil
nilai UAS 40%.
Kemudian untuk nilai
tugas sebesar 98, nilai
kuis 90, nilai UTS 89
dan nilai UAS 80
Pada perhitungan target Sistem menjawab sesuai
IPK saat lulus penulis dengan perintah yang
Berhasil
memasukan nama: dimasukkan “Halo
Yanto, semester anda Yanto, IPK anda
 11

sekarang: 6, Nilai IPK sekarang 3.7 dengan

anda semester target IPK: 3.74 anda
sekarang:3.7, Target harus mendapatkan IP:
semester lulus: 8 dan 3.86 di setiap semester
target IPK anda saat yang tersisa, Semangat”
lulus: 3.74

Dari pengujian blackbox testing di atas, dapat disimpulkan bahwa model

chatbot pada website ini mampu memberikan respons yang tepat terhadap
pertanyaan pengguna, bahkan ketika terdapat kesalahan dalam formulasi
pertanyaan. Meskipun demikian, chatbot tetap mampu memberikan jawaban
yang benar dan relevan.

5. Tahap terakhir adalah tahap deployment, di mana tujuannya adalah untuk

mempublikasikan aplikasi atau website yang telah dibuat. Pada projek ini,
kami memilih untuk menggunakan Flask sebagai framework web dan
melakukan deployment secara lokal menggunakan localhost. Berikut ini
adalah tampilan dari website Informasi Kampus UIN SUSKA Riau:

Gambar 3.6 Tampilan Website

 12

Gambar 3.7 Tampilan Menghitung Nilai Mata Kuliah

Gambar 3.8 Tampilan Menghitung Target IPK Saat Lulus

Aplikasi Website Informasi Kampus UIN SUSKA Riau Berbasis Chatbot

ini memiliki kelebihan dan kekurangan. Kelebihan Website Informasi Kampus
UIN SUSKA Riau Berbasis Chatbot ini yaitu dapat menjawab pertanyaan calon
mahasiswa, mahasiswa, atau masyarakat umum yang memerlukan bantuan untuk
mengetahui beberapa informasi universitas, informasi fakultas dan kejurusan.
Kekurangan Website Informasi Kampus UIN SUSKA Riau Berbasis Chatbot ini
yaitu membutuhkan koneksi internet, serta kurangnya dataset sehingga bisa saja
ada pertanyaan terkait informasi yang tidak bisa dijawab oleh chatbot.
 13

Rencana pengembangan Website Informasi Kampus UIN SUSKA Riau

Berbasis Chatbot lebih lanjut adalah penambahan dataset sehingga program bisa
menjawab bukan hanya fasilitas, tapi juga terkait keseluruhan
informasi universitas, dan penulis juga berharap website universitas bisa
menambahkan proyek chatbot kedalam website UIN SUSKA Riau
 Bab IV Penutup

IV.1 Kesimpulan
Dengan demikian, dapat disimpulkan bahwa program AI For Jobs yang
diselenggarakan oleh PT. Orbit Future Academy memberikan kesempatan
bagi mahasiswa untuk mempelajari konsep dan aplikasi kecerdasan buatan
(AI) serta meningkatkan pengetahuan mereka dalam bidang teknologi
melalui pembelajaran pemrograman. Program ini fokus pada tiga domain
utama, yaitu Data Science, Computer Vision, dan Natural Language
Processing, yang dapat diterapkan dalam berbagai aspek kehidupan,
termasuk mencari pekerjaan dan menciptakan peluang kerja baru. Salah
satunya yaitu adanya fitur chatbot dalam website kampus yang
menggunakan teknologi Natural Language Processing (NLP) juga
memberikan kemudahan bagi pengguna untuk mendapatkan informasi
tentang kampus UIN SUSKA Riau dalam bahasa Indonesia. Dengan
mengikuti siklus proyek kecerdasan buatan (AI) yang terdiri dari enam
tahap utama, proyek akhir ini dapat mencapai hasil yang optimal dalam
menghadirkan fitur chatbot dan menerapkan NLP dalam konteks kampus.

IV.2 Saran
Adapun saran bagi program MSIB AI for jobs di Orbit Future Academic
sebagai berikut:
• Diharapkan PT. Orbit Future Academy terlebih utama bagi para domain
coach untuk lebih tegas kepada mahasiswa yang kurang aktif di dalam
room agar suasana kelas menjadi lebih hidup.
• Diharapkan setiap domain coach untuk memberi tahu kepada para
mahasiswa nilai yang didapatkan setelah selesai pertemuan di domain
tersebut agar para mahasiswa dapat memperbaiki cara belajar
kedepannya.

1
 Bab V Referensi

[1] Sopiansyah, D., Masruroh, S., Zaqiah, Q. Y., & Erihadiana, M. (2022).
Konsep dan Implementasi Kurikulum MBKM (Merdeka Belajar Kampus
Merdeka). Reslaj: Religion Education Social Laa Roiba Journal, 4(1), 34-41.
[2] Rohman, A. N., Utami, E., & Raharjo, S. (2019). Deteksi Kondisi Emosi pada
Media Sosial Menggunakan Pendekatan Leksikon dan Natural Language
Processing. Jurnal Eksplora Informatika, 9(1), 70-76.
[3] Amalia, E. L., & Wibowo, D. W. (2019). Rancang Bangun Chatbot Untuk
Meningkatkan Performa Bisnis. Jurnal Ilmiah Teknologi Informasi Asia,
13(2), 137-142.
[4] Puteri, A. N., Tamrin, F., Nasir, K. R., Anggraeni, D. W., & Arafah, M.
(2023, February). Aplikasi Chatbot untuk Layanan Informasi Penerimaan
Mahasiswa Baru. In Seminar Nasional Teknik Elektro dan Informatika
(SNTEI) (Vol. 8, No. 1, pp. 168-174).
[5] Chandra, A. Y., Kurniawan, D., & Musa, R. (2020). Perancangan Chatbot
Menggunakan Dialogflow Natural Language Processing (Studi Kasus: Sistem
Pemesanan pada Coffee Shop). Jurnal Media Informatika Budidarma, 4(1),
208-215.
[6] Zulkarnain, M. A., Raharjo, M. F., & Olivya, M. (2020). Perancangan
Aplikasi Chatbot Sebagai Media E-Learning Bagi Siswa. Elektron: Jurnal
Ilmiah, 88-95.

1
 Bab VI Lampiran A. TOR

TERM OF REFERENCE (TOR)

STUDI INDEPENDEN BERSERTIFIKAT
AI FOR JOBS
DI ORBIT FUTURE ACADEMY

A. Rincian Program
AI for Jobs adalah program pelatihan Artificial Intelligence (AI) daring
yang bertujuan untuk memperkenalkan teknologi dan perangkat AI kepada
pelajar, sehingga diharapkan mereka dapat mengembangkan produk AI yang
memiliki dampak sosial. Program ini berfokus pada komponen utama AI,
seperti Data Science (DS), Natural Language Processing (NLP), dan
Computer Vision (CV). Selain keterampilan AI, pelajar juga akan mendapat
life skills yang bermanfaat untuk mencari atau menciptakan lapangan kerja.

B. Tujuan Program
Tujuan yang diharapkan setelah peserta mengikuti program ini:
7. Memiliki wawasan tentang AI dan perkembangannya.
8. Mampu merancang dan mengimplementasikan AI Project Cycle.
9. Mampu menggunakan bahasa pemrograman Python untuk
mengembangkan aplikasi AI.
10. Mampu mengembangkan salah satu dari 3 domain AI (DS, NLP, dan CV)
hingga tahap deployment.
11. Mampu menggunakan soft skills dan hard skills dalam dunia industri dan
lingkungan perusahaan.
12. Mampu mengaplikasikan kiat-kiat yang dibutuhkan seorang wirausahawan
yang bergerak di bidang start-up dalam mentransformasikan ide ke dalam
bentuk produk/jasa sehingga dapat menciptakan peluang bisnis yang terus
berinovasi, berevolusi, dan berkelanjutan.

A-1
 2

C. Jadwal dan Tempat Pelaksanaan

Jadwal pelaksanaan tertera dalam tabel berikut:
Tabel 6.1 Jadwal Pelaksanaan
Pukul (WIB) Durasi (jam) Aktivitas
08.00 s.d. 11.30 3.5 Kelas Sesi Pagi
13.00 s.d. 16.30 3.5 Kelas Sesi Siang
16.30 s.d. 17.30 1 Self-Study

Kelas akan diselenggarakan secara daring melalui aplikasi video conference.

D. Peserta
Peserta program ini adalah mahasiswa yang berasal dari Perguruan Tinggi di
bawah Kementerian Agama Republik Indonesia.

E. Uraian Tugas Peserta

Selama mengikuti program ini, peserta diharuskan:
1. Mengikuti program dari awal hingga selesai.
2. Mematuhi aturan program.
3. Mematuhi aturan kelas yang dibuat bersama homeroom atau domain
coach.
4. Mengikuti kelas dengan presensi minimal 85%.
5. Membuat laporan harian dan mingguan di website Kampus Merdeka.
6. Menyelesaikan Proyek Akhir (PA) beserta laporannya.

Pekanbaru, 12 Juni 2023

Homeroom Coach, Peserta Program,

M.Ikhsan Candralika Difa Sena

NIK: 2201046 NIM: 12050410382
Bab VII Lampiran B. Log Activity

Tabel 7.1 Log Activity

Minggu/Tg Kegiatan Hasil
l
Ke-1/08  Pembentukan tim Tim dibentuk oleh coach
Mei-12 Mei  Pembuatan nama kelompok, dengan nama kelompok
2023 menentukan ide projek FasTar, ide projek yang
 Menentukan problem scoping diangkat adalah

 Mencari 5 projek terdahulu yang pembuatan chatbot UIN

mirip Suska Riau yang dapat

 membuat bab 1 dan 2 serta membantu pada calon

melakukan bimbingan mingguan mahasiswa dan

bersama homeroom coach mahasiswa untuk

mencari informasi
seputar UIN Suska Riau,
Proplem scoping juga
telah ditentukan yang
berisi 4WS. penulis
mencari 4 contoh projek
NLP ChatBot terdahulu
dan penulis juga telah
membuat bab 1 dan 2
pada laporan.
Ke-2/15  Membantu pembuatan dataset Dataset yang terkumpul
Mei-19 Mei  Modelling sebanyak 83 tag berhasil
2023 dimodelkan dengan
akurasi mencapai 98
persen.
Ke-3/22  Memabantu menambah dataset Dataset yang terkumpul

B-1
 2

Mei-26 Mei menjadi 200 tag sebanyak 200 tag telah

2023  Melakukan modeling ulang dengan berhasil digunakan dalam
dataset terupdate proses modelling ulang,
 Melakukan deployment serta dan hasilnya
membuat desain dari website menghasilkan akurasi
suskabot sebesar 98 persen. Selain
itu, tahap deployment
juga telah berhasil
dilakukan dengan sukses.
Ke-4/29  Membuat program untuk Penulis membuat
Mei-2 Juni menghitung nilai mata kuliah dan program menggunakan
2023 terget IPK ketika lulus JavaScript untuk
 Mendesain tampilan website menghitung nilai mata
kuliah dan Target IPK.
Tampilan website
Suskabot didesain
menggunakan VSCode,
HTML, CSS, dan
JavaScript. Program ini
memungkinkan
pengguna memasukkan
nilai mata kuliah dan
bobotnya, serta
menghasilkan nilai akhir.
Selain itu, program juga
dapat menghitung Target
IPK berdasarkan input
semester, nilai IPK saat
ini, target semester lulus,
dan target IPK saat lulus.
 3

Ke-5/5 juni  Finishing untuk tampilan website  Tampilan website

- 9 juni  Membuat laporan pada bab 2 telah ditingkatkan
2023 bagian jobdesk dan bab 8 bagian menjadi lebih
log activity menarik, responsif,
dan mudah untuk
dinavigasi.
Bab VIII Lampiran C. Dokumen Teknik

1. AI Project Cycle
a. Problem Scoping
Chatbot adalah sebuah program komputer yang dirancang untuk
berinteraksi dengan manusia melalui percakapan atau chat. Tujuan utama dari
chatbot adalah untuk memberikan respons yang relevan dan berguna kepada
pengguna, seolah-olah mereka sedang berkomunikasi dengan manusia.
Chatbot dapat digunakan dalam berbagai platform seperti situs web, aplikasi
pesan, atau perangkat cerdas. Dengan dibuatnya chatbot UIN SUSKA ini
diharapkan dapat membantu para calon mahasiswa maupun mahasiswa dalam
mencari berbagai informasi seputar UIN SUSKA Riau seperti bertanya
mengenai akreditasi dari berbagai jurusan yang ada di UIN SUSKA Riau
maka chatbot yang diberi nama suskabot ini akan menjawab pertanyaan
tersebut dengan tepat sesuai dengan yang diminta.
What:
Dikarenakan Kesulitan mahasiswa baru maupun mahasiswa dalam
mencari informasi secara cepat mengenai kampus UIN SUSKA Riau serta
sering terjadinya eror sistem pada website UIN SUSKA Riau yang
menyebabkan terkendalanya calon mahasiswa baru dan mahasiswa dalam
mencari informasi. Dengan adanya suskabot ini diharapkan dapat membantu
para mahasiswa baru dan mahasiswa dalam mencari informasi yang ada
seputar UIN SUSKA Riau.
Who:
Pihak yang membutuhkan chatbot ini adalah calon mahasiswa baru dan
mahasiswa yang ingin mencari informasi mengenai kampus UIN SUSKA
Riau. Selain itu bagian akademik dari kampus UIN SUSKA Riau juga terlibat
dalam hal ini karena chatbot ini dapat membantu memberikan berbagai
informasi akademik kampus.

C-1
 2

Where:
Chatbot ini di implementasikan sebagai penunjang sumber informasi di
UIN SUSKA Riau selain dari website resmi UIN SUSKA Riau dikarenakan
website dari kampus sering mengalami kendala.
Why:
Karena banyaknya calon mahasiswa baru dan mahasiswa yang sulit
menemukan informasi sehingga dengan adanya website UIN SUSKA Riau
yang memiliki fitur chatbot ini dapat membantu dalam mengatasi masalah
tersebut. Dengan adanya chatbot yang dapat memberikan berbagai informasi
mengenai UIN SUSKA Riau mulai dari tingkat Universitas hingga ke jurusan
diharapkan dapat meningkatkan sistem layanan informasi di UIN SUSKA
Riau.
b. Data Acquisition
Pada tahap data acquisition seluruh sumber data mencakup tentang
informasi yang ada di UIN SUSKA Riau dengan membuat berbagai
pertanyaan dan jawaban seperti percakapan yang saling berinteraksi di dalam
file json. Dalam pembuatan dataset ini penulis membuat sendiri sehingga data
yang terkumpul meliputi berbagai informasi yang ada di UIN SUSKA Riau.

Gambar 8.1 Dataset

 3

c. Data Exploration
Tahap eksplorasi data yang dilakukan adalah menghilangkan punktuasi,
lemmatization , menyortir data kelas tags, mencari jumlah keseluruhan data
teks, tokenisasi data, melakukan padding, encoding label atau tag, input
length, define vocabulary, output length, dan simpan model.

Gambar 8.2 Menghilangkan Punktasi

Gambar 8.3 Lemmatization

Gambar 8.4 Menyortir Data Kelas Tags

Gambar 8.5 Mencari Jumlah Keseluruhan Data Tags

 4

Gambar 8.6 Tokenisasi Data

Gambar 8.7 Melakukan Padding

Gambar 8.8 Encoding Label atau Tag

 5

Gambar 8.9 Input Length, Define Vocabulary dan Output Length

Gambar 8.10 Simpan Model Words dan Classes

Gambar 8.11 Simpan Model Label dan Tokenizer

d. Modelling
Dalam tahapan pemodelan ini, penulis menggunakan algoritma LSTM
untuk membuat model. Arsitektur model terdiri dari beberapa komponen:
1. Input Layer: Terdapat 1 layer input dengan 10 fitur. Fitur-fitur ini
akan digunakan sebagai input untuk model.
 6

2. Embedding Layer: Digunakan 1 layer embedding dengan dimensi

300. Layer ini mengubah fitur-fitur input menjadi representasi vektor
dalam ruang 300 dimensi.
3. Hidden Layers: Terdapat 2 hidden layer dalam model. Hidden layer
membantu model untuk mempelajari pola dan hubungan yang
kompleks antara fitur-fitur input.
4. LSTM Layer: Salah satu dari hidden layer yang digunakan adalah
LSTM layer. Digunakan 1 layer LSTM dengan 32 neuron. LSTM
layer sangat berguna dalam memproses data yang memiliki urutan
atau dependensi waktu.
5. Dropout Layer: Setelah LSTM layer, digunakan 1 layer dropout
dengan tingkat dropout sebesar 0.2. Layer dropout membantu
mencegah overfitting dengan secara acak mengabaikan sebagian
neuron dalam proses pelatihan.
6. Output Layer: Output layer menggunakan fungsi aktivasi softmax
karena terdapat banyak kelas pada masalah klasifikasi yang
dihadapi.
Selain itu, penulis mengkompilasi model dengan menggunakan loss
function sparse categorical crossentropy, yang cocok untuk masalah
klasifikasi dengan banyak kelas. Batch size sebesar 32 digunakan dan model
dilatih selama 1000 epoch.

Gambar 8.12 Model LSTM

 7

Gambar 8.13 Tampilan Model LSTM

e. Evaluation
Tahap selanjutnya adalah evaluation, dimana pada tahap ini kita
melakukan analisa dari model yang telah dibuat dengan melihat tingkat
akurasi dan loss nya dengan LSTM, dimana disini melakukan training data
berjumlah 1000 epoch.

Gambar 8.14 Proses Training

 8

Gambar 8.15 Hasil Evaluasi

Dalam analisis tersebut, dapat diamati bahwa tingkat akurasi model mulai
meningkat dan mencapai tingkat stabil yang baik sekitar epoch ke-130. Selain
itu, nilai loss mulai stabil pada epoch ke-200. Hasil ini menunjukkan bahwa
model yang menggunakan algoritma Neural Network + LSTM tidak
mengalami masalah overfitting maupun underfitting, dan dapat dianggap
sebagai model yang baik dan dapat diandalkan.

f. Deployment
Dalam tahap deployment, penulis menggunakan Flask sebagai framework
untuk mempublikasikan aplikasi atau website yang telah dibuat. Proses
deployment dilakukan secara lokal (localhost). Berikut adalah langkah-
langkah yang dilakukan dalam deployment:
1. Membuat folder baru dengan nama "SuskaBot - FasTar".
2. Membuat subfolder dengan nama "dataset", "model", "static", dan
"templates". Pada subfolder "dataset", terdapat file dataset yang digunakan
dalam projek ini. Pada subfolder "model", terdapat hasil dari proses
modelling seperti tokenizer.pkl, le.pkl, dan suskabot.h5. Subfolder "static"
berisikan file-file pendukung seperti CSS, JavaScript, gambar (image), dan
fontawesome. Subfolder "templates" berisikan file-file HTML yang
 9

digunakan untuk membuat tampilan website seperti index, about, team,

dan lokasi.
3. Membuat file pemrograman Python dengan nama app.py dan process.py.
File app.py berfungsi sebagai file utama yang mengatur logika aplikasi
Flask, sedangkan file process.py berisi fungsi-fungsi pemrosesan data.
4. Membuat file requirements.txt yang berisi daftar paket dan versi yang
dibutuhkan dalam aplikasi ini.
Dengan melakukan langkah-langkah di atas, aplikasi atau website
SuskaBot-FasTar siap untuk dijalankan framework Flask secara localhost.

Gambar 8.16 Folder SuskaBot – FasTar

 10

Gambar 8.17 File app.py

Gambar 8.18 File process.py (1)

 11

8.19 file process.py (2)

Setelah pembuatan folder, subfolder, dan file selesai, langkah selanjutnya
dalam proses deployment adalah membuat environment. Dalam projek ini,
environment dibuat menggunakan aplikasi Anaconda, dengan nama
environment "SuskaBot". Setelah environment dibuat, buka terminal
Anaconda, yaitu Anaconda Prompt.
Ketikkan perintah berikut di terminal Anaconda Prompt:
``’conda activate SuskaBot
```
Perintah tersebut akan mengaktifkan environment "SuskaBot" yang telah
dibuat sebelumnya.
Selanjutnya, ketik perintah berikut di terminal Anaconda Prompt:
```pip install -r requirements.txt
```
Perintah tersebut akan menginstall semua requirement atau library yang
dibutuhkan oleh aplikasi.
Setelah proses instalasi selesai, ketik perintah berikut di terminal
Anaconda Prompt:
```python app.py
```
 12

Perintah tersebut akan menjalankan proses deployment dan aplikasi atau

website yang telah dibuat dapat diakses melalui link http://127.0.0.1:5000/.
Jika berhasil, maka akan muncul tampilan website yang telah dibuat. Dengan
demikian, proses deployment aplikasi atau website SuskaBot telah selesai dan
dapat diakses melalui link yang disebutkan.

8.20 Tampilan Website Setelah di Deploy

2. Profil Tim dan Deskripsi Pembagian Tugas
Berikut pembagian tugas dari setiap anggota kelompok:
1. Candralika Difa Sena berperan sebagai ketua kelompok yang bertugas
sebagai Modelling, Deployment, dan Desain Tampilan Website.
2. Auli Nurrahman berperan sebagai Data Exploration yang memproses data
sehingga data siap untuk digunakan.
3. Febria Rahmanika berperan sebagai pembuat laporan projek akhir.
4. Muhammad Ramadhan berperan sebagai Evaluation yaitu melakukan
evaluasi dari model.
5. Syafridho berperan sebagai Data Acquisition yaitu berperan dalam
membuat dataset yang akan digunakan untuk memodelkan chatbot.
3. Deskripsi Aplikasi
a. Nama dan Fungsi Aplikasi
Aplikasi yang dibuat bernama Suskabot. Aplikasi ini dapat memberikan
informasi seputar kampus UIN SUSKA Riau yang dibutuhkan oleh calon
 13

mahasiswa maupun mahasiswa di kampus. Tujuan dibuatnya aplikasi ini

adalah untuk mempermudah calon mahasiswa maupun mahasiswa untuk
memperoleh informasi secara cepat dan mudah mengenai kampus UIN
SUSKA Riau. Didalam tampilan website suska bot menampilkan banyak
informasi mengenai kampus UIN SUSKA Riau dan yang terpenting adalah
fitur utama yaitu chatbot. Untuk menggunakan fitur chatbot tersebut
pengguna dapat menginput pertanyaan apa saja yang ingin dicari, kemudian
setelah menginput pertanyaan maka suskabot akan memahami dan
memproses pertanyaan tersebut menggunakan NLP, dan akhirnya
mengeluarkan output berupa jawaban sesuai dengan pertanyaan yang di input
oleh pengguna.
b. Jenis Aplikasi dan Specific Requirement
Aplikasi ini merupakan sebuah website berbasis Flask yang dapat di-
deploy secara lokal (localhost) dan hanya dapat diakses di laptop yang
melakukan proses deployment. Untuk pembuatan tampilan website,
menggunakan HTML, CSS, dan JavaScript sebagai dasar pembuatan halaman
web. Selain itu, juga digunakan beberapa framework seperti Bootstrap untuk
mengatur tata letak dan gaya tampilan, framework Owl untuk membuat
tampilan slider, serta font awesome untuk menambahkan ikon-ikon yang
menarik.
Dengan menggunakan kombinasi tersebut, tampilan website dapat di-
desain dengan lebih interaktif dan menarik. Hal ini memungkinkan pengguna
untuk menjelajahi konten yang disajikan dengan lebih mudah dan
menyenangkan. Meskipun aplikasi ini hanya dapat diakses di laptop yang
melakukan deployment, namun dengan tampilan yang menarik dan
fungsionalitas yang baik, pengguna tetap dapat menikmati pengalaman
interaktif saat menggunakan website SuskaBot.
c. User Interface
UI yang ditampilkan dalam website local server SuskaBot menampilkan
tampilan web UIN SUSKA Riau yang informatif dan user-friendly. Website
ini menyajikan berbagai informasi penting yang biasanya dicari oleh
 14

mahasiswa, seperti halaman beranda dengan ringkasan informasi kampus,

profil kampus yang menjelaskan sejarah dan visi misi universitas, fakultas-
fakultas yang ada, unit pelaksana teknik yang mendukung kegiatan kampus,
sistem informasi yang berisi informasi akademik dan administrasi, kalender
akademik untuk mengetahui jadwal penting, serta informasi lokasi kampus
UIN SUSKA Riau.
Selain itu, website ini juga dilengkapi dengan fitur chatbot yang
memungkinkan pengguna untuk berinteraksi langsung dengan sistem
otomatis. Chatbot dapat membantu pengguna dalam memberikan informasi
dan menjawab pertanyaan-pertanyaan yang mungkin mereka miliki seputar
kampus UIN SUSKA Riau. Dengan adanya chatbot, pengguna dapat
memperoleh informasi dengan cepat dan mudah tanpa harus mencari-cari
sendiri di halaman-halaman website.
Dengan tampilan UI yang informatif dan fitur chatbot yang interaktif,
website SuskaBot memberikan pengalaman yang lebih baik bagi pengguna
dalam mendapatkan informasi mengenai kampus UIN SUSKA Riau.

8.21 Tampilan Website Profile Kampus dengan Chatbot

d. Keterangan Lainnya
Kelebihan:
 15

Website SuskaBot memiliki tampilan yang menarik dan informatif, serta

dilengkapi dengan chatbot yang responsif. Pengguna dapat dengan mudah
menemukan informasi penting tentang kampus UIN SUSKA Riau dan
berinteraksi dengan chatbot untuk mendapatkan jawaban langsung atas
pertanyaan mereka. Kelebihan ini meningkatkan pengalaman pengguna
dalam mencari informasi dan mempermudah akses ke informasi kampus.
Kekurangan:
Website SuskaBot memiliki kekurangan yaitu kurangnya data informasi
yang komprehensif mengenai UIN SUSKA Riau. Perlu penambahan
informasi yang lebih lengkap dan detail tentang kampus tersebut untuk
memenuhi kebutuhan pengguna yang ingin mencari informasi lebih
mendalam. Dengan penambahan informasi yang lebih komprehensif, website
ini dapat menjadi sumber informasi yang lebih kaya dan bermanfaat bagi
pengguna.