PENDAHULUAN
Dalam dunia bisnis dan lapangan kerja yang terus berkembang, proses
wawancara pekerjaan menjadi salah satu tahapan kritis dalam seleksi karyawan
yang tidak bisa diabaikan. Wawancara tidak hanya berfungsi sebagai metode
calon karyawan.
Wawancara pekerjaan merupakan salah satu fase yang dihadapi oleh para
pencari pekerjaan atau biasa disebut dengan istilah Job Seeker ketika mereka
momen ini menjadi sangat penting dan krusial di antara ke dua belah pihak. Bagi
para pencari pekerjaan, wawancara menjadi ajang bagi mereka untuk menunjukkan
apa kontribusi yang bisa mereka lakukan demi kemajuan perusahaan. Sedangkan
bagi perusahaan, wawancara menjadi ajang untuk melihat kandidat yang potensial
mencapai tujuannya.
Bagi kebanyakan orang yang bekerja di SPBU Aek Nabara, hal yang paling
ditakutkan saat melamar pekerjaan adalah wawancara dan tidak mudah untuk
1
Namun dengan memanfaatkan teknologi semua itu akan lebih mudah, seperti
Dengan memanfaatkan internet saat ini, chatbot juga bukan hanya tersedia
dari sosial media seperti Whatsaap, Telegram dan lainnya. Namun bagi kebanyakan
Maka dari itu, berangkat dari permasalahan ini, penulis membuat inovasi
menghadapi wawancara pekerjaan. Dan akan dijadikan sebagai tugas akhir yang
2
2. Bagaimana perancangan pembuatan chatbot menggunakan metode neural
Nabara ?
1. Data yang digunakan sebagai dataset projek adalah dari penyedia data di
Sesuai dengan latar belakang, rumusan masalah dan ruang lingkup masalah,
3
1.4.2. Manfaat Penelitian
pekerjaan.
Hulu, Kab. Labuhanbatu, Sumatera Utara. SPBU ini diresmikan oleh Bupati
Labuhanbatu Bapak HT. Milwan pada tanggal 26 Maret 2009 yang didirikan oleh
beroperasi selama 14 tahun ini memiliki fasilitas seperti Toilet, Mushola, Mesin
4
1.6. Sistematika Penulisan
BAB I : PENDAHULUAN
Penulisan.
diperoleh, dan interpretasi apa yang dapat diambil dari temuan tersebut.
BAB V : KESIMPULAN
diajukan pada Bab 1. Penulis menyajikan secara singkat, tetapi padat, hasil
5
BAB II
LANDASAN TEORI
2.1.1. Perancangan
2.1.2. Chatbot
pengguna lain layaknya manusia melalui aplikasi pesan, situs web, aplikasi seluler,
untuk interaksi manusia dengan manusia lainnya. Komputer melakukan ini dengan
bantuan intervensi bahasa alami. Model komputasi ini dapat berguna untuk
Salah satu kegunaan dari aplikasi pengolah bahasa alami ini adalah chatbot. [2]
satu atau lebih pengguna menggunakan teks. Chatbot dapat digunakan pada
6
percakapan yang berskala kecil atau dapat juga pada percakapan yang berskala
sedang tergantung pada pertanyaan nya. Chatbot adalah salah contoh dari Artificial
tidak terbalas karena keterbatasan waktu pelayanan dapat dibantu dengan peran
mesin melalui teknologi AI yang dapat merespon pertanyaan pengguna secara real
time dan tersedia setiap saat. Namun chatbot juga memerlukan pengujian pengujian
untuk memenuhi standar kualitas agar layak digunakan dan terhindar dari kesalahan
pengguna.[4]
bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan
pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pada awal
7
kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung,
lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan
Sejarah kecerdasan buatan dimulai pada tahun 1950-an ketika Alan Turing
mengusulkan uji Turing untuk menentukan kecerdasan mesin. Pada tahun yang
permainan catur oleh IBM pada tahun 1950-an dan sistem kecerdasan buatan
memperluas aplikasi kecerdasan buatan, dari jaringan saraf buatan pada tahun
1980-an hingga booming machine learning dan deep learning pada abad ke-21.
Kini, kecerdasan buatan terus berkembang, memainkan peran kunci dalam berbagai
Machine Learning (ML) adalah suatu cabang dari kecerdasan buatan yang
fokus pada pengembangan sistem yang dapat mempelajari pola atau informasi dari
8
2.1.5. Pemrosesan Bahasa Alami / Natural Languange Processing
cabang dari kecerdasan buatan yang berkaitan dengan interaksi antara komputer
dan bahasa manusia. Tujuan utama dari NLP adalah memungkinkan komputer
untuk memahami, memproses, dan merespons bahasa manusia dengan cara yang
Bahasa Alami baik yang ditulis maupun diucapkan dan menghasilkan sebuah
NLG adalah salah satu bagian dari NLP, NLG sering juga disebut text
generation. [7]
NLP. Bahasa Indonesia, sebagai bahasa resmi di negara dengan jumlah penduduk
terbesar keempat di dunia, menjadi subjek yang penting dalam penelitian NLP. [8]
neural networks (jaringan saraf) yang lebih besar dan lebih kompleks untuk
9
memodelkan dan mengekstraksi pola dari data. Deep learning dikenal dengan
istilah "deep" karena jaringan saraf yang digunakan memiliki banyak lapisan atau
layer. Pada umumnya, deep learning dapat memahami representasi tingkat tinggi
dari data secara otomatis dan mendeteksi fitur yang lebih kompleks.
2.1.7. Website
Website adalah kumpulan halaman web yang terkait satu sama lain dan dapat
diakses melalui internet. Setiap halaman web dalam sebuah website dapat berisi
atau menyajikan konten hiburan. Websites juga dapat memiliki berbagai jenis,
termasuk blog pribadi, situs berita, toko online, forum komunitas, dan banyak lagi,
2.2. Metode
yang terdiri dari pengolahan sederhana unit, yang mana juga memiliki
membuatnya tersedia untuk digunakan. Jaringan Syaraf Tiruan bekerja meniru kerja
10
1. Pengetahuan yang diperoleh network dari lingkungan, melalui suatu proses
pembelajaran.
2. Kekuatan koneksi antar unit yang disebut synaptic weight, berfungsi untuk
1. Lapisan Input
2. Lapisan Tersembunyi
3. Lapisan Output
output dari lapisan ini merupakan output jaringan syaraf tiruan terhadap
suatu permasalahan.[9]
2.3. Algoritma
2.3.1. Dataset
Dataset adalah sebuah kumpulan data yang berasal dari informasi informasi
pada masa lalu dan siap untuk dikelola menjadi sebuah informasi baru.[10]
11
2.3.2. Lematization (Lematisasi)
sesuai (lemma), sehingga dapat dikelompokkan dengan kata lain yang sama. Tujuan
dari lematisasi adalah mengubah infinite tense dan noun menjadi sebuah kata dalam
dimana urutan teks dipecah men- jadi bagian-bagian yang lebih kecil atau token dan
(NLP), atau proses model yang lebih kompleks seperti menerapkan penge- tahuan
dunia Deep Learning (DL). Tokenisasi akan lebih rumit ketika berhadapan dengan
kasus semua kata dikelompokkan menjadi satu token atau tanpa pemisah dan
Jaringan Syaraf Tiruan atau Artificial Neural Network (NN) adalah teknik
dalam Machine Learning yang menirukan syaraf manusia yang merupakan bagian
fundamental dari otak. Neural Network terdiri atas lapis masukan (input layer) dan
lapis keluaran (output layer). Setiap lapis terdiri atas satu atau beberapa unit neuron
yang mempunyai sebuah fungsi aktivasi yang menentukan kelu- aran dari unit
tersebut.[13]
12
2.3.5. Long Short Term Memory (LSTM)
memori dengan elemen kunci yaitu kondisi sel, yang dikendalikan oleh 3 gate yang
berbeda yaitu forget gate, input gate, dan output gate. Memutuskan informasi mana
dari kondisi sel sebelumnya yang diingat atau dilupakan maka digunakan forget
gate, sedangkan input gate, yaitu memutuskan nilai status sel mana yang diperbarui
oleh sinyal input. Kemudian, output gate, mengondisikan keadaan sel memiliki atau
Training model pada chatbot wajib dilakukan karena training data bertujuan
response sesuai dengan apa yang ditanyakan. Dalam training model terdapat
parameter loss dan accuracy. Training model bisa dilakukan berhasil jika loss
memiliki value yang rendah dan accuracy memiliki value yang tinggi.[15]
Visual Studio Code merupakan sebuah aplikasi editor code open source yang
dikembangkan oleh Microsoft untuk sistem operasi Windows, Linux, dan MacOS.
Visual Code memudahkan dalam penulisan code yang mendukung beberapa jenis
pemrograman, seperti C++, C#, Java, Python, PHP, GO. Visual Code memiliki
dan memberi variasi warna sesuai dengan fungsi dalam rangkaian code tersebut.
13
Visual Studio Code juga telah terintegrasi ke Github. Selain itu fitur lainnya adalah
ekstensi untuk menambah fitur yang tidak ada di Visual Studio Code.[16]
memungkinkan siapa saja menulis dan mengeksekusi kode python arbitrer melalui
browser, dan sangat cocok untuk Machine Learning, analisis data, serta pendidikan.
Secara lebih teknis, Colab merupakan layanan notebook Jupyter yang di hosting
dan dapat digunakan tanpa penyiapan, serta menyediakan akses gratis ke resource
komputasi termasuk GPU. Resource Colab tidak dijamin dan sifatnya terbatas, serta
batas penggunaannya terkadang berfluktuasi. Hal ini diperlukan agar Colab dapat
14
Gambar 2 Google Colaboratory
Sumber : www.wikipedia.org
perangkat lunak yang bebas untuk digunakan dan terhubung ke layanan interaktif
pengembangan interaktif yang berbasis web untuk kode program, data, dan catatan
kerja dalam bidang sains data, komputasi ilmiah, dan pembelajaran mesin.[18]
15
Gambar 3 Anaconda Navigator
Sumber : www.wikipedia.org
2.4.4. NGrok
yang menjembatani untuk menerobos sistem firewall yang ada pada jaringan yang
merubah Internet Protocol (IP) lokal menjadi IP Publik, dimana IP lokal diubah
menjadi sebuah alamat web yang dapat diakses melalui internet. NGrok dibuat oleh
Alan Shreve pada tahun 2013, adapun beberapa fungsi dari NGrok adalah NGrok
bisa mendemokan website dan aplikasi yang berbasis web tanpa upload ke hosting,
sharing file-file, membuat remote desktop, dan ada juga yang mengkombinasikan
NGrok dengan webcam sehingga menghasilkan sebuah project cctv sederhana yang
16
Gambar 4 NGrok
Sumber : www.curity.io
Refrensi 1
Tahun 2023
17
masih dapat memberikan respon berdasarkan
Refrensi 2
Processing
Tahun 2022
Refrensi 3
Bangka Belitung
18
Tahun 2023
dengan baik.
panduan yang jelas selama seluruh proses penelitian dan memberikan dasar yang
19
Gambar 5 Kerangka Kerja Penelitian
20
BAB III
METODE PENELITIAN
Pada penelitian ini penulis menggunakan alat dan bahan sebagai pendukung
Tentunya agar aplikasi berjalan dengan baik, struktur perangkat keras harus
dibutuhkan
2. RAM : 4GB
3. Hardisk : 1TB
4. Framework : NGrok
21
3.2. Tahapan Penelitian
dari pengerjaan proyek akhir yang berjudul Cartech (Career Talk Technology).
mereka lamar.
dan yang relevan dengan proyek AI yang sedang dibangun. Semakin banyak data
yang terkumpul maka semakin baik, hal itu akan membantu model mempelajari
data pada proses training data untuk mendapatkan hasil akurasi yang baik.
22
Terdapat berbagai macam metode yang dapat digunakan untuk mencari dan
mengumpulkan data yang akan dijadikan dataset, namun pada proyek akhir penulis
ini, penulis hanya menggunakan metode pengambilan data dari penyedia data yaitu
Kaggle.
Gambar 6 Kaggle
Sumber : www. Wikipedia.com
untuk mendapatkan dijadikan bahan untuk permodelan. Akan tetapi data tersebut
mesti melewati proses penyaringan dan pembersihan agar didapatkan data yang
benar-benar cocok dan sesuai dengan model aplikasi yang akan dijalankan atau
1. Remove Punctuation
Pada tahapan ini, data yang ada di proses untuk menghilangkan tanda baca
seperti special character yaitu ‘!’ (tanda seru), ‘,’ (tanda koma), ‘.’ (tanda
2. Lemmatization (Lematisasi)
23
inflectional endings only atau mengembalikan kata-kata ke bahasa kamus
3. Tokenization (Tokenisasi)
4. Padding
Setelah data telah melalui tahap tokenisasi, data tersebut dilanjutkan melalui
memiliki panjang yang sama. Pada padding, setiap sequence dibuat sama
5. Encoding Text
digunakan. Pada proses ini, encoding mengubah data teks pada kolom data
tags menjadi data numerik dengan bahasa biner komputer yaitu 0 dan 1.
24
3.2.4. Modelling
Proses yang dilakukan pada tahap ini adalah pembuatan dan kompilasi
model serta training model. Model yang dipakai adalah Neural Network Model.
3.2.5. Evaluation
membandingkan hasil antara akurasi dan loss dengan visualisasi plot yang
3.2.6. Deployment
tahapan evaluation model untuk menjadi sebuah aplikasi pada platform tertentu
sesuai kebutuhannya.
25
Pada gambar Website Cartech di atas, merupakan tampilan Home untuk
menyapa para pengguna, di mana terdapat tiga button pada navbar yang dapat
diakses oleh pengguna. Pertama, yaitu button welcome, yang berfungsi untuk
muncul halaman seperti ini. Pada halaman ini, pengguna mendapatkan informasi
seputar persiapan sebelum melakukan wawancara pekerjaan dan juga diberikan link
Youtube channel mengenai tips and trick sukses menghadapi wawancara pekerjaan,
26
3.5. Perancangan Tampilan Desain Chatbot
Cartech. Button tersebut dapat digunakan oleh para pengguna untuk bertanya
kepada chatbot yang telah di desain dapat menjawab pertanyaan seputar wawancara
27
3.6. Perancangan Tampilan Desain Tentang
tampilan halaman seperti ini. Pada halaman ini, pengguna akan mengetahui
28
DAFTAR PUSTAKA
29
[11] D. Sebastian, “Implementasi Algoritma K-Nearest Neighbor untuk
Melakukan Klasifikasi Produk dari beberapa E-marketplace,” Jurnal Teknik
Informatika dan Sistem Informasi, vol. 5, no. 1, pp. 51–61, 2019, doi:
10.28932/jutisi.v5i1.1581.
[12] T. Jamaluddin, M. Arif Bijaksana, and I. Asror, “Perbandingan Algoritma
Sentencepiece BPE dan Unigram Pada Tokenisasi Artikel Bahasa
Indonesia,” e-Proceeding of Engineering, vol. 7, no. 2, pp. 8323–8331, 2020.
[13] A. Ahmad Hania, “Mengenal Artificial Intelligence, Machine Learning, &
Deep Learning,” Jurnal Teknologi Indonesia, vol. 1, no. June, pp. 1–6, 2017,
[Online]. Available: https://amt-it.com/mengenal-perbedaan-artificial-
inteligence-machine-learning-deep-learning/
[14] S. Jurnalis Pipin and H. Kurniawan, “Analisis Sentimen Kebijakan MBKM
Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM,” Jurnal
SIFO Mikroskil, vol. 23, no. 2, pp. 197–208, 2022, doi:
10.55601/jsm.v23i2.900.
[15] N. Rohim and E. Zuliarso, “Penerapan Algoritma Deep Learning Untuk
Konsultasi Dan Pengenalan Tentang Virus,” vol. 15, no. 2, pp. 267–278,
2022.
[16] N. A. Ramdhan and D. A. Nufriana, “Rancang Bangun Dan Implementasi
Sistem Informasi Skripsi Oline Berbasis WEB,” Jurnal Ilmiah Intech :
Information Technology Journal of UMUS, vol. 1, no. 02, pp. 1–12, 2019,
doi: 10.46772/intech.v1i02.75.
[17] G. I. E. Soen, Marlina, and Renny, “Implementasi Cloud Computing dengan
Google Colaboratory Pada Aplikasi Pengolah Data Zoom Participants,”
Journal Informatic Technology And Communication, vol. 6, no. 1, pp. 24–
30, 2022.
[18] I. M. Sukayana, I. A. U. Dewi, and ..., “Penerapan SPK dengan Metode SAW
Terhadap Pemilihan Calon Karyawan LPD Desa Adat Sidakarya dengan
Bahasa Pemrograman Python,” RESI: Jurnal Riset Sistem …, 2023, [Online].
Available:
https://ejournal.unhi.ac.id/index.php/resi/article/view/4264%0Ahttps://ejour
nal.unhi.ac.id/index.php/resi/article/download/4264/2194
[19] A. Widyanto, Y. Aprizal, A. Wardani, and A. Kegiatan, “Prosiding Seminar
Nasional CORISINDO 2021 Pengabdian Kepada Masyarakat Pengenalan
dan Pengaplikasian Tunelling (ngrok.com) Bagi Siswa SMA Guna
Mengakses Aplikasi Berbasis Web,” pp. 240–245, 2021, [Online]. Available:
https://www.ngrok.com.
30