Skripsi

Implementasi Natural Language Processing Dalam Chatbot Aplikasi Penasehat Akademik Virtual Menggunakan Algoritma Radial Basis Function Neural Network

---

ABSTRAK

HAJRATUL ASWAD, 2026. Implementasi Natural Language Processing Dalam Chatbot Sebagai Aplikasi Penasehat Akademik Virtual Menggunakan Algoritma Radial Basis Function Neural Network (dibimbing oleh Andi Yulia Muniar dan A. Sumardin).

Permasalahan yang terjadi adalah konsultasi akademik di Universitas Teknologi Akba Makassar masih terkendala oleh ketidakcocokan waktu antaramahasiswa dan dosen penasehat akademik, sehingga komunikasi menjadi kurang efektif dan mahasiswa kesulitan memperoleh informasi akademik secara cepat. Sistem Informasi Akademik (SIAKAD) memang telah menyediakan informasi seperti jadwal kuliah dan nilai, tetapi belum mampu menjawab pertanyaan mahasiswa secara interaktif. Sebagai solusi atas permasalahan tersebut, peneliti mengembangkan chatbot penasehat akademik virtual berbasis Natural Language Processing (NLP) yang dapat diakses kapan saja dan dimana saja serta berpotensi mengurangi beban kerja dosen. Penelitian ini bertujuan untuk mengukur tingkat akurasi algoritma Radial Basis Function Neural Network (RBFNN) dalam mengklasifikasikan intent pertanyaan mahasiswa dan mengukur waktu respons caharbot dalam menjawab pertanyaan pengguna. Data ini diperoleh melalui studi pustaka dan observasi. Metode analisis data yang digunakan adalah preprocessing teks (cleaning, case folding, tokenizing, dan stopword removal), pembobotan TF-IDF, dan klasifikasi intent menggunakan RBFNN yang diimplementasikan melalui kombinasi RBFSampler dan SGDClassifier dengan pembagian data latih dan data uji sebesar 80:20. Hasil penelitian ini menunjukkan bahwa chatbot yang mampu mengklasifikasikan intent pertanyaan mahasiswa dengan akurasi sebesar 78,68% (203 dari 258 data uji) dan rata-rata F1-score (macro) sebesar 0,74 serta akurasi jawaban end-to-end rata-rata sebesar 85,71% dari tiga kali pengujian terhadap 63 skenario. Chatbot juga mampu menjawab pertanyaan pengguna dengan waktu respons rata-rata 46,49 milidetik. Sebagian kesalahan klasifikasi terjadi pada kelas informasi dosen yang maknanya berdekatan. Dengan demikian, chatbot berbasis RBFNN diharapkan dapat menjadi alternatif layanan konsultasi akademik yang responsif dan dapat diakses tanpa terkendala jadwal dosen.

Kata Kunci: Chatbot, Natural Language Processing (NLP), Radial Basis Function Neural Network (RBFNN), Penasehat Akademik, Akurasi.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR HAJ i

Penerbit

Makassar : UNITAMA., 2026

Deskripsi Fisik

xviii + 58 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF HAJ i

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Andi Yulia Muniar Dan Pembimbing II: A. Sumardin Penguji: Pasnur, Nurzaenab, dan Tamra

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar