<![CDATA[Di era digital, teknologi terus berkembang untuk mempermudah akses informasi dan layanan. Untuk mendukung hal ini, Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) mengimplementasikan helpdesk bernama HaloFilkom. HaloFilkom melayani pertanyaan dan keluhan dari komunitas akademik FILKOM. Namun, waktu operasional yang terbatas membuat pengguna harus menunggu untuk mendapat jawaban. Masalah ini diatasi dengan chatbot yang mampu berinteraksi secara online 24 jam, sehingga pengguna bisa mendapat jawaban dengan cepat. Chatbot dibuat menggunakan model Bidirectional Long Short-Term Memory (BiLSTM) agar dapat memahami konteks percakapan lebih akurat. Selain itu, word embedding juga digunakan untuk memahami hubungan makna antar kata. Dataset yang digunakan bersifat closed domain dan berisi pasangan pertanyaan dan jawaban terkait FILKOM. Proses implementasi meliputi studi literatur, eksplorasi data, persiapan dan pemrosesan data, embedding, perancangan model, eksperimen, dan evaluasi. Kombinasi hyperparameter terbaik yang dihasilkan dari hyperparameter tuning adalah hidden size 64, batch size 8, learning rate 0,001, epoch 30, dan dropout 0,3. Model terbaik adalah BiLSTM dengan arsitektur Seq2Seq dan embedding GloVe, dengan rata-rata validation loss 3,641. Model ini juga meraih BLEU Score tinggi dengan skor BLEU 1-gram 0,6373, BLEU 2-gram 0,5563, BLEU 3-gram 0,5153, dan BLEU 4-gram 0,4433 pada data latih. Pengujian prompt testing memperoleh skor rata-rata BLEU 0,3310. Kata kunci: chatbot, Seq2Seq, Bi-LSTM, word embedding, hyperparameter tuning]]>
Copyrights © 2025
