Implementasi Chatbot Berbasis Transformer Dan Pemindaian QR Code Pada Website Inventaris
Abstrak
Abstrak — Belum adanya transformasi digital pengolahan data inventaris pada PT Berlian Jasa Terminal Indonesia menyebabkan rawan kesalahan seperti data yang tidak akurat, akses informasi yang lambat, dan pelacakan aset yang tidak efisien akibat proses manual. Metode konvensional berbasis spreadsheet yang lambat dan rawan kesalahan mendorong perlunya solusi teknologi modern untuk meningkatkan efisiensi dan kemudahan akses informasi. Penelitian ini berhasil mengembangkan dan mengimplementasikan sistem inventaris berbasis website yang mengintegrasikan pemindaian QR Code untuk pelacakan aset fisik dan chatbot berbasis model Transformer (IndoBERT) untuk akses informasi melalui Natural Language Processing (NLP). Proses pengembangan mencakup perancangan arsitektur, pelatihan model, dan pengujian sistem secara menyeluruh. Hasil pelatihan model menunjukkan bahwa konfigurasi hyperparameter optimal (Skenario 3) mampu mencapai akurasi 91% untuk klasifikasi intent dan performa nyaris sempurna untuk Named Entity Recognition (NER) pada data uji awal. Namun, pengujian lanjutan menggunakan 100 sampel data uji yang menantang mengungkap bahwa model memiliki keterbatasan dalam menangani permintaan di luar cakupan (intent unknown), di mana banyak di antaranya keliru diklasifikasikan sebagai cari_perangkat. Sistem ini terbukti fungsional dan mampu meningkatkan efisiensi dibandingkan metode manual, dengan chatbot yang berhasil merespons permintaan pengguna secara akurat untuk fungsionalitas inti.
Kata kunci— Manajemen Inventaris IT, Pemindaian QR Code, Chatbot dengan Model Transformer, Pemrosesan Bahasa Alami (NLP)
Unduhan
Referensi
[1] R. Dwi Putri et al., “RANCANG BANGUN SISTEM INFORMASI INVENTARIS BARANG PADA SMP NEGERI 01 RUNJUNG AGUNG BERBASIS WEBSITE.”
[2] Y. Sansena and S. Samsudin, “Aplikasi Perhitungan Penyusutan Inventaris Barang menggunakan Decreasing Charge Method Berbasis Website,” Edumatic: Jurnal Pendidikan Informatika, vol. 7, no. 1, pp. 169–177, Jun. 2023, doi: 10.29408/edumatic.v7i1.17572.
[3] Hery, J. Renaldo Luih, C. Alencia Haryani, and A. E. Widjaja, “Penerapan Teknologi Qr Code Berbasis Web pada Sistem Manajemen Inventaris di Gudang PT XYZ,” Technomedia Journal, vol. 7, no. 2, pp. 202–215, Aug. 2022, doi: 10.33050/tmj.v7i2.1903.
[4] A. Chen, Z. Yu, X. Yang, Y. Guo, J. Bian, and Y. Wu, “Contextualized medication information extraction using Transformer-based deep learning architectures,” J Biomed Inform, vol. 142, Jun. 2023, doi: 10.1016/j.jbi.2023.104370.
[5] W. T. Kim et al., “Medication Extraction and Drug Interaction Chatbot: Generative Pretrained Transformer-Powered Chatbot for Drug-Drug Interaction,” Mayo Clinic Proceedings: Digital Health, vol. 2, no. 4, pp. 611–619, Dec. 2024, doi: 10.1016/j.mcpdig.2024.09.001.
[6] I. Benito-Altamirano, D. Martínez-Carpena, H. Lizarzaburu-Aguilar, C. Fàbrega, and J. D. Prades, “Reading QR Codes on challenging surfaces using thin-plate splines,” Pattern Recognit Lett, vol. 184, pp. 37–43, Aug. 2024, doi: 10.1016/j.patrec.2024.06.004.
[7] D. T. A. Victoire and M. Vasuki, “Smart Inventory Management System Using Chatbot,” 2024.
[8] M. S. Azad, S. I. Leeon, R. Khan, N. Mohammed, and S. Momen, “SAD: Self-assessment of depression for Bangladeshi university students using machine learning and NLP,” Array, vol. 25, Mar. 2025, doi: 10.1016/j.array.2024.100372.
[9] T. T. Aurpa et al., “Deep transformer-based architecture for the recognition of mathematical equations from real-world math problems,” Heliyon, vol. 10, no. 20, Oct. 2024, doi: 10.1016/j.heliyon.2024.e39089.
[10] “Transformer Based Bengali Chatbot Using General Knowledge Dataset.”
[11] S. Nerella et al., “Transformers and large language models in healthcare: A review,” Aug. 01, 2024, Elsevier B.V. doi: 10.1016/j.artmed.2024.102900.
[12] A. Babu and S. B. Boddu, “BERT-Based Medical 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.
[13] “Transformer Based Bengali Chatbot Using General Knowledge Dataset.”
[14] M. R. Azizi, W. Hayuhardhika, N. Putra, and I. Arwani, “Ekstraksi Informasi pada Data Logbook KKN Mahasiswa Fakultas Ilmu Komputer Universitas Brawijaya Malang menggunakan Metode NER (Named Entity Recognition),” 2023. [Online]. Available: http://j-ptiik.ub.ac.id
[15] J. Shin, E. Jo, Y. Yoon, and J. Jung, “A System for Interviewing and Collecting Statements Based on Intent Classification and Named Entity Recognition Using Augmentation,” Applied Sciences (Switzerland), vol. 13, no. 20, Oct. 2023, doi: 10.3390/app132011545.



