UMMIBOT sebagai Media Layanan Informasi Penerimaan Mahasiswa Baru Universitas Muhammadiyah Sukabumi

Isi Artikel Utama

M. Rizky Suherlan
Asriyanik
Agung Pambudi

Abstrak

Perkembangan teknologi informasi dan komunikasi yang terus maju telah mengatasi batasan jarak dan meningkatkan kecepatan transfer informasi dan pengetahuan. Teknologi informasi dan komunikasi telah diterapkan dalam berbagai aspek, termasuk meningkatkan pelayanan, mempercepat proses komunikasi, memudahkan akses informasi, dan efektif dalam berbagi informasi. Salah satu inovasi teknologi yang penting adalah chatbot, sebuah teknologi kecerdasan buatan yang memungkinkan komunikasi interaktif. Penerapan chatbot di PMB Universitas Muhammadiyah Sukabumi bertujuan untuk membantu calon mahasiswa dalam mendapatkan layanan informasi seputar pendaftaran mahasiswa baru. Kendala utama yang diatasi adalah keterbatasan jam kerja yang seringkali menghambat calon pendaftar dalam mendapatkan informasi dengan cepat. Penelitian ini menggunakan metode NLP (Natural Language Processing) dalam pengembangan chatbot, yang bertujuan untuk memungkinkan chatbot memahami bahasa alami dan mencari informasi yang diperlukan. Tujuan penelitian ini adalah menciptakan chatbot yang efektif dalam memberikan respon terhadap pertanyaan pengguna di luar jam kerja. Tahapan pengembangan chatbot dengan metode NLP meliputi data collection, text processing, feature engineering, modeling, inference, deployment, dan evaluation. Hasil penelitian menunjukkan bahwa chatbot yang dinamakan UMMIBOT berhasil mencapai tingkat akurasi fungsionalitas sebesar 83,67%, mengatasi masalah keterbatasan jam kerja, dan memberikan respon yang sesuai dengan input pengguna dengan tingkat akurasi yang tinggi.

Unduhan

Data unduhan belum tersedia.

Rincian Artikel

Cara Mengutip
Suherlan, M. R., Asriyanik, & Pambudi, A. (2023). UMMIBOT sebagai Media Layanan Informasi Penerimaan Mahasiswa Baru Universitas Muhammadiyah Sukabumi. Jurnal Informatika Terpadu, 9(2), 82–91. https://doi.org/10.54914/jit.v9i2.893
Bagian
Artikel

Referensi

Z. N. Adesfiana, I. Astuti, and E. Enawaty, “Pengembangan Chatbot Berbasis Web Menggunakan Model Addie,” J. Khatulistiwa Inform., vol. 10, no. 2, pp. 147–152, 2022, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/khatulistiwa/article/view/14050

B. Rusmarasy, B. Priyambadha, and F. Pradana, “Pengembangan Chat Bot pada CoMa untuk Memberikan Motivasi Kepada Pengguna Menggunakan AIML,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 5, pp. 4484–4490, 2019.

A. A. Chandra, V. Nathaniel, and F. R. Satura, “Pengembangan Chatbot Informasi Mahasiswa Berbasis Telegram dengan Metode Natural Language Processing,” vol. 3, no. 1, pp. 20–27, 2022.

H. E. Rosyadi, F. Amrullah, R. D. Marcus, and R. R. Affandi, “Rancang Bangun Chatbot Informasi Lowongan Pekerjaan Berbasis Whatsapp dengan Metode NLP ( Natural Language Processing ),” BRILIANT J. Ris. dan Konseptual, vol. 5, no. 1, pp. 619–626, 2020.

S. Wijanarko, “Analisis Kesesuaian Komentar Mahasiswa Pada Sistem Akademi Online Angket Penilaian Dosen Menggunakan Supervised Model,” J. Tek. Inform., vol. 8, no. 2, pp. 74–84, 2022, doi: 10.51998/jti.v8i2.503.

A. S. B. Aji, “Membangun Chatbot Layanan Helpdesk Perpajakan Kpp Pratama Jakarta Setiabudi Satu,” Sebatik, vol. 26, no. 1, pp. 194–201, 2022, doi: 10.46984/sebatik.v26i1.1916.

E. Mursidah, L. Ambarwati, A. Karima, K. Kunci, : Chatbot, and M. Baru, “Implementasi Chatbot Layanan Informasi Pendaftaran Mahasiswa Baru Program Pascasarjana Departemen Teknik Informatika Its Implementation of Chatbot Information Services for New Student Registration Postgraduate Program Its Information Engineering Departmen,” J. Ilm. NERO, vol. 7, no. 1, p. 2022, 2022.

A. Chen, “NLP Pipeline,” Python Notes For Linguistics, 2020. https://alvinntnu.github.io/python-notes/nlp/nlp-pipeline.html#a-general-nlp-pipeline (accessed Jul. 03, 2023).

P. B. Wintoro, H. Hermawan, M. A. Muda, and Y. Mulyani, “Implementasi Long Short-Term Memory pada Chatbot Informasi Akademik Teknik Informatika Unila,” Expert J. Manaj. Sist. Inf. dan Teknol., vol. 12, no. 1, p. 68, 2022, doi: 10.36448/expert.v12i1.2593.

A. R. W. Rapsanjani and E. Junianto, “Implementasi Probabilistic Neural Network Dan Word Embedding Untuk Analisis Sentimen Vaksin Sinovac,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 2, pp. 233–242, 2021, doi: 10.51977/jti.v3i2.588.

C. M. Sitorus, A. Rizal, and M. Jajuli, “Prediksi Risiko Perjalanan Transportasi Online Dari Data Telematik Menggunakan Algoritma Support Vector Machine,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 254–265, 2020, doi: 10.28932/jutisi.v6i2.2672.

E. Subowo, F. Adi Artanto, I. Putri, and W. Umaedi, “BLTSM untuk analisis sentimen berbasis aspek pada aplikasi belanja online dengan cicilan,” J. Fasilkom, vol. 12, no. 2, pp. 132–140, 2022.

R. Somya, “Perancangan Aplikasi Chatting Berbasis Web di PT. Pura Barutama Kudus menggunakan Socket.IO dan Framework Foundation,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 1, pp. 8–15, 2018, doi: 10.23917/khif.v4i1.5979.

A. P. Putra, F. Andriyanto, K. Karisman, T. D. M. Harti, and W. P. Sari, “Pengujian Aplikasi Point of Sale Menggunakan Blackbox Testing,” J. Bina Komput., vol. 2, no. 1, pp. 74–78, 2020, doi: 10.33557/binakomputer.v2i1.757.