Chatbot Informasi Penerimaan Mahasiswa Baru Menggunakan Metode FastText dan LSTM
I will put the dimension here
Abstract
New Student Admission (PMB) is an important stage in the continuity of education in an educational institution. The Faculty of Science and Informatics (FSI) at Jenderal Achmad Yani University (UNJANI) provides information services about PMB to prospective students and parents/guardians of prospective students but is still inefficient, so it is necessary to improve PMB information services by using Chatbots as a solution that is able to serve questions effectively and consistent. This study aims to develop a PMB information Chatbot system for FSI using the FastText and Long Short-Term Memory (LSTM) methods. Several methods have been used in Chatbot development research, such as Term Frequency–Inverse Document Frequency (TF-IDF), Bag of Words (BoW), and Convolutional Neural Networks (CNN). However, these studies still have certain limitations, such as the inability to grasp the meaning of words and difficulties in handling certain inputs. In this study, the text classification model uses the FastText method as the stage for representing words in vector form, then combined with several pre-processing methods (Tokenization & Casefolding) and LSTM for the classification stage. Then put it into the Chatbot component according to the architecture that was made. In testing, the Black Box Testing method is used to ensure the functionality of the Chatbot system. The test results show that the Chatbot system is able to understand the topic of questions asked by users properly. The interaction between users and Chatbots also runs smoothly, resulting in appropriate and informative responses. The results of this study are expected to be an effective and consistent solution for providing information about PMB to prospective students and parents/guardians of prospective students at FSI.
Downloads
References
E. Adamopoulou and L. Moussiades, An Overview of Chatbot Technology An Overview of Chatbot Technology, no. June. Springer International Publishing, 2020. doi: 10.1007/978-3-030-49186-4.
D. W. Wibowo and J. D. Kristanto, “Penerapan Metode TF-IDF Untuk Chatbot Pada Sistem Informasi Pelayanan Percetakan Online,” 2020.
M. Mittal et al., “Web-based chatbot for Frequently Asked Queries ( FAQ ) in Hospitals,” J Taibah Univ Med Sci, vol. 16, no. 5, pp. 740–746, 2021, doi: 10.1016/j.jtumed.2021.06.002.
P. Song, C. Geng, and Z. Li, “Research on Text Classification Based on Convolutional Neural Network,” 2019 International Conference on Computer Network, Electronic and Automation (ICCNEA), pp. 229–232, 2019, doi: 10.1109/ICCNEA.2019.00052.
S. Data et al., “Clustering Berita Menggunakan Algoritma Tf-Idf Dan K-Means Dengan Memanfaatkan Sumber Data Crawling Pada Situs Detik.Com,” vol. 3, no. 1, 2022.
S. Symeonidis, D. Effrosynidis, and A. Arampatzis, “A comparative evaluation of pre-processing techniques and their interactions for twitter sentiment analysis,” Expert Syst Appl, vol. 110, pp. 298–310, 2018, doi: 10.1016/j.eswa.2018.06.022.
T. Yao, “Text Classification Model Based on fastText,” pp. 154–157, 2020.
Y. Yu, X. Si, C. Hu, and J. Zhang, “A Review of Recurrent Neural Networks : LSTM Cells and Network Architectures,” vol. 1270, pp. 1235–1270, 2019, doi: 10.1162/neco.
A. Ait-Mlouk and L. Jiang, “KBot: A Knowledge Graph Based ChatBot for Natural Language Understanding over Linked Data,” IEEE Access, vol. 8, pp. 149220–149230, 2020, doi: 10.1109/ACCESS.2020.3016142.
K. Kumar, N. Nikhil, K. Singh, and V. Shivshanker, A survey on providing customer and public administration based services using AI : chatbot. Springer US, 2022. doi: 10.1007/s11042-021-11458-y.
A. Gatt, “Survey of the State of the Art in Natural Language Generation : Core tasks , applications and evaluation,” vol. 61, pp. 65–170, 2018.
Copyright (c) 2024 Fahmi Yusron Fiddin, Agus Komarudin, Melina Melina
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pernyataan Hak Cipta dan Lisensi
Dengan mengirimkan manuskrip ke Journal of Applied Computer Science and Technology (JACOST), penulis setuju dengan kebijakan ini. Tidak diperlukan persetujuan dokumen khusus.
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mempertahankan semua hak mereka atas karya yang diterbitkan, tak terbatas pada hak-hak yang diatur dalam laman ini.
- Penulis mengakui bahwa Journal of Applied Computer Science and Technology (JACOST) sebagai yang pertama kali mempublikasikan dengan lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Journal of Applied Computer Science and Technology (JACOST);
- Penulis menjamin bahwa artikel asli, ditulis oleh penulis yang disebutkan, belum pernah dipublikasikan sebelumnya, tidak mengandung pernyataan yang melanggar hukum, tidak melanggar hak orang lain, tunduk pada hak cipta yang secara eksklusif dipegang oleh penulis.
- Jika artikel dipersiapkan bersama oleh lebih dari satu penulis, setiap penulis yang mengirimkan naskah menjamin bahwa dia telah diberi wewenang oleh semua penulis bersama untuk menyetujui hak cipta dan pemberitahuan lisensi (perjanjian) atas nama mereka, dan setuju untuk memberi tahu rekan penulis persyaratan kebijakan ini. Journal of Applied Computer Science and Technology (JACOST) tidak akan dimintai pertanggungjawaban atas apa pun yang mungkin timbul karena perselisihan internal penulis.
Lisensi :
Journal of Applied Computer Science and Technology (JACOST) diterbitkan berdasarkan ketentuan Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA). Lisensi ini mengizinkan setiap orang untuk :.
- Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
- Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun.
Lisensi :
-
Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
-
BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
