Pembuatan Chatbot pada Website Persatuan Gizi Kabupaten Karawang menggunakan IndoBERT
Abstract
PERSAGI (Persatuan Gizi) Kabupaten Karawang memiliki website yang digunakan sebagai layanan informasi kesehatan gizi. Namun, penyebaran informasi kurang efektif karena permintaan informasi yang banyak dan kompleks. Permasalahan seperti ini dapat diselesaikan salah satunya menggunakan chatbot. Tujuannya untuk mengembangkan chatbot berbasis metode Bidirectional Encoder Representations from Transformers (BERT) untuk mendukung penyebaran informasi di website PERSAGI Kabupaten Karawang secara lebih efektif, dan fleksibel. Dalam proses pembangunan chatbot peneliti menggunakan metode Bidirectional Encoder Representations from Transformers (BERT) khususnya IndoBERT. BERT merupakan model besar dari kumpulan data atau corpus Bahasa Indonesia yang diambil dari Wikipedia, dan sumber informasi lainya. Dalam proses pengembangan, dataset yang digunakan berjumlah 1.864 data yang dikumpulkan melalui wawancara, observasi, studi literatur, dan tinjauan pustaka. Hasil penelitian menunjukkan bahwa chatbot yang dikembangkan mampu mencapai performa yang baik dengan validation loss sebesar 0,57, akurasi 87,67%, f1-score 84,64%, presisi 85,35%, dan recall 86,30%. Hasil ini menunjukkan bahwa metode IndoBERT efektif dalam membangun chatbot yang dapat memenuhi kebutuhan informasi pengunjung website secara cepat dan akurat. Kata kunci— Chatbot, Natural Language Processing, Bidirectional Encoder Representations from Transformers
Downloads
References
[1] M. Siahaan, C. Harsana Jasa, K. Anderson, M. V.
Rosiana, S. Lim, and W. Yudianto,
Artificial Intelligence (AI) Terhadap Seorang
Penyandang Disabilitas Tunanetra,= 2020.
[2] Z. Liang, Z. Liang, Y. Zheng, B. Liang, and L.
Zheng,
design for batteries using flask-based python web
service,= World Electric Vehicle Journal, vol. 12, no.
4, Dec. 2021, doi: 10.3390/wevj12040187.
[3] A. Babu and S. B. Boddu,
Chatbot: Enhancing Healthcare Communication
through Natural Language Understanding,=
Exploratory Research in Clinical and Social
Pharmacy, vol. 13, Mar. 2024, doi:
10.1016/j.rcsop.2024.100419.
[4] T. A. Zuraiyah, D. K. Utami, and D. Herlambang,
Baru Menggunakan Recurrent Neural Network,=
Jurnal Ilmiah Teknologi dan Rekayasa, vol. 24, no.
2, pp. 91–101, 2019, doi:
10.35760/tr.2019.v24i2.2388.
[5] Nuzul Hikmah, Dyah Ariyanti, and Ferry Agus
Pratama,
Assistant di Universitas Panca Marga Probolinggo
menggunakan Metode TF-IDF,= JTIM : Jurnal
Teknologi Informasi dan Multimedia, vol. 4, no. 2,
pp. 133–148, Aug. 2022, doi:
10.35746/jtim.v4i2.225.
[6]
Dalam Aplikasi Chatbot Sebagai Media Pencarian
Informasi Dengan Menggunakan React (Studi
Kasus_ Institut Bisnis Dan Informatika Kwik Kian
Gie)=.
[7] M. Rizky Suherlan and A. Pambudi,
Informatika Terpadu Ummibot Sebagai Media
Layanan Informasi Penerimaan Mahasiswa Baru
Universitas Muhammadiyah Sukabumi,= Jurnal
Informatika Terpadu, vol. 9, no. 2, pp. 82–91, 2023,
[Online]. Available:
https://journal.nurulfikri.ac.id/index.php/JIT
[8] R. Sudheesh et al.,
ChatGPT Using Novel BERT: A Machine Learning
Approach,= Information (Switzerland), vol. 14, no. 9,
Sep. 2023, doi: 10.3390/info14090474.
[9] D. E. Taşar et al.,
Based Multi-Domain Multilingual Chatbot
Architectures,= Journal of Artificial Intelligence and
Data Science (JAIDA), vol. 1, no. 2, pp. 144–149,
2021, [Online]. Available: https://jaida.ikcu.edu.tr
[10] M. N. Hidayat and R. Pramudita,
Terhadap Pembelajaran Secara Daring Pasca
Pandemi Covid-19 Menggunakan Metode
IndoBERT,= Information Management for Educators
and Professionals, vol. 8, no. 2, pp. 161–170, 2023.
[11]
Akademik Dengan Algoritma Bert Implementation
Of NLP On Academic Service Chatbot With
Bertalgorithm.=



