<![CDATA[Dalam kegiatan perkuliahan khususnya untuk mendapatkan informasi akademik, teknologi komputer saat ini sudah bisa memfasilitasi hal ini untuk dilakukan secara online. Tetapi jika ada pertanyaan dari mahasiswa maka peran karyawan masih diperlukan sebagai dukungan kustomer. Jika dilihat dari kemajuan dalam teknologi kecerdasan buatan khususnya pembelajaran mesin sangat dimungkinkan untuk membuat aplikasi cerdas yang dapat menjawab pertanyaan-pertanyaan secara otomatis tanpa bantuan manusia. Penelitian ini bertujuan membuat, melatih dan mengimplementasikan aplikasi FAQ chatterbot cerdas yang bisa memahami maksud dari kalimat kemudian menjawabnya. Algoritma yang digunakan adalah jaringan syaraf tiruan Long Short Term Memory (LSTM) dengan bantuan penyisipan kata menggunakan vektor kata yang sudah terlatih dalam model Continuous Bag Of Word (CBOW). Model JST dilatih dengan jumlah epochs 10, 20, 30, 40, 50, 60, 70, 80, 90 dan 100. Model dikompilasi dengan tiga jenis pengoptimal Adaptive Moment (adam), Root Mean Square Propagation (RMSprop) dan Stochastic Gradient Descent (SGD). Fungsi kerugian menggunakan categorical crossentropy dan metrik validasi akurasi. Nilai akurasi tertinggi berdasarkan pengoptimalnya adalah 99.20% untuk adam dan RMSprop sedangkan dengan pengoptimal SGD hanya sampai 12.90%. Ini membuktikan untuk model ini pengoptimal adam dan RMSprop lebih baik digunakan daripada dengan pengoptimal SGD. Implementasi dibangun dalam arsitektur client-server. Di sisi client dibangun aplikasi telepon gengam berbasis Android dengan bahasa pemrograman kotlin. Aplikasi ini digunakan pengguna akhir untuk bertanya mengenai masalah akademik. Di sisi server dibangun aplikasi dengan kerangka web Flask sebagai aplikasi python yang menjalankan input-proses-ouput menggunakan model JST. Aplikasi ini juga berfungsi memilih pasangan jawaban yang tepat dan kemudian mengirimkannya ke aplikasi pengguna akhir.]]>
Copyrights © 2022
