<![CDATA[Layanan informasi Penerimaan Peserta Didik Baru (PPDB) di SMP Sejahtera 2 Cileungsi masih dilakukan secara manual sehingga menyebabkan keterlambatan respons dan penumpukan pertanyaan dari calon pendaftar. Penelitian ini bertujuan merancang dan mengembangkan sistem chatbot berbasis web yang mengimplementasikan pipeline Natural Language Processing (NLP) secara penuh, mencakup Text Preprocessing, pembobotan Term Frequency–Inverse Document Frequency (TF-IDF), dan pencocokan intent menggunakan Cosine Similarity. Tahapan Text Preprocessing meliputi case folding, cleansing, tokenization, normalisasi sinonim, stopword removal, stemming, dan ekstraksi bigram. Knowledge base disusun dari 32 intent, 655 pola pertanyaan, dan 46 jawaban yang diperoleh melalui wawancara dan observasi di SMP Sejahtera 2. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD) dengan arsitektur serverless berbasis Firebase Firestore dan Vanilla JavaScript sehingga seluruh komputasi TF-IDF dan Cosine Similarity dijalankan pada sisi klien tanpa backend khusus. Adaptive threshold diterapkan secara dinamis berdasarkan keberadaan kata kunci domain PPDB untuk meningkatkan relevansi jawaban. Evaluasi akurasi model dilakukan terhadap 35 sampel pertanyaan uji yang dibagi dalam tiga kategori: in-pattern, out-of-pattern, dan out-of-domain, menghasilkan akurasi keseluruhan sebesar 82,9%. Pengujian fungsional menggunakan Black Box Testing terhadap 8 skenario seluruhnya dinyatakan valid. Evaluasi latensi menunjukkan rata-rata waktu respons chatbot sebesar 1,05 detik. User Acceptance Test (UAT) terhadap 25 responden memperoleh rata-rata kepuasan 87,4% dengan kategori Sangat Baik. Hasil penelitian membuktikan bahwa implementasi pipeline NLP berbasis TF-IDF dan Cosine Similarity mampu meningkatkan kualitas layanan informasi PPDB secara otomatis, cepat, dan dapat diakses kapan saja.]]>
