<![CDATA[Mahasiswa Universitas Muhammadiyah Sukabumi sering mengalami kesulitan mengakses informasi akademik dan keuangan di luar jam kerja. Penelitian ini mengembangkan chatbot untuk solusi tersebut dengan membandingkan algoritma LSTM dan Transformer. Penelitian sebelumnya, Setiyani (2023) menggunakan SVM mendapatkan akurasi 57%. Silvanie dan Subekti (2022) mencapai akurasi 98.92% dengan LSTM menggunakan 464 data, tetapi LSTM lain hanya mencapai 87.6% dengan 840 data. Penelitian ini menggunakan dataset 2565 data pertanyaan dan metodologi SEMMA: pengambilan sampel, eksplorasi, modifikasi, pembentukan, dan evaluasi model. Hasilnya, model Transformer memiliki akurasi 0.84, presisi 1.00, dan recall 0.84, sementara model LSTM memiliki akurasi 0.82, presisi 0.98, dan recall 0.82. Chatbot diimplementasikan pada website memungkinkan interaksi real-time. Survei menunjukkan penerimaan positif terhadap kemudahan penggunaan dan relevansi informasi. Penelitian ini membuktikan bahwa Transformer lebih unggul dalam mengenali pola data baru, meningkatkan pengalaman pengguna dalam mengakses informasi keuangan dan akademik Universitas Muhammadiyah Sukabumi.]]>
Copyrights © 2024
