Gazali, M Jumli
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Deep Feed-Forward Neural Network pada Perancangan Chatbot Berbasis Web Di UPPIK RSUD M. YUNUS Faurina, Ruvita; Gazali, M Jumli; Herani, Icha Dwi Aprilia
Jurnal Linguistik Komputasional Vol 6 No 2 (2023): Vol. 6, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i2.123

Abstract

UPPIK (Unit Pengaduan Pelanggan Informasi dan Konseling) pada RSUD M. Yunus memiliki peran penting dalam melayani pengunjung yang datang. Akan tetapi, tidak jarang dari pengunjung mengeluh dengan pelayanan dari UPPIK karena terbatasnya jam operasional kerja menyebabkan tidak ditemukannya staf/petugas yang berjaga sehingga membuat para pengunjung kebingungan dalam mencari informasi terkait RSUD M. Yunus. Selain itu, pandemi Covid-19 yang belum mereda mengharuskan masyarakat untuk menjaga jarak dan mengurangi interaksi antar individu. Sebagai tindaklanjut dari permasalahan ini dikembangkanlah sebuah automatic chatbot yang dapat melayani pengunjung seolah-olah berbicara langsung dengan staf/petugas tanpa adanya batasan waktu. Pada penelitian ini menggunakan algoritma Deep Feed-Forward Neural Network sebagai intent classifier untuk mengklasifikasi maksud dari pertanyaan yang diajukan oleh user. Deep Feed-Forward Neural Network adalah salah satu jenis Neural Network yang koneksi antar node tidak membentuk looping. Dataset yang digunakan adalah kumpulan data pasangan antara pertanyaan dan jawaban yang dikumpulkan melalui observasi langsung ke UPPIK RSUD M. Yunus dengan jumlah sebanyak 1464 pasangan data. Pengujian dilakukan memakai parameter pembagian dataset, jumlah epoch, dan batch size yang digunakan.  Akurasi terbaik didapatkan dengan membagi dataset menjadi 80% data training sebanyak 1057 data, 10% data testing sebanyak 147 data, dan 10% validation sebanyak 132 data menggunakan epoch 300 dan mendapatkan hasil performa akurasi sebesar 91.98%. Sedangkan hasil evaluasi precision sebesar 0.99, recall sebesar 0.98 dan f1-score sebesar 0.99.