<![CDATA[Chatbot adalah teknologi kecerdasan buatan yang dapat melakukan percakapan seperti manusia melalui teks atau suara. Sistem chatbot berupa tanya jawab dapat membantu kegiatan manusia, konsultasi terhadap suatu masalah bahkan menawarkan solusi untuk masalah medis. Setiap manusia memiliki tingkat kecemasan. Kecemasan yang berlebihan hingga gangguan kecemasan sosial dapat mengganggu aktivitas. Oleh karena itu, chatbot dapat menjadikan solusi menjadi pendengar dari sebuah masalah. Berdasarkan permasalahan diatas, pada penelitian ini dilakukan klasifikasi teks untuk konseling chatbot. Klasifikasi teks menggunakan Long Short-Term Memory (LSTM). Pemodelan teks pre-processing menggunakan modifikasi dataset ISEAR serta tanggapan dari beberapa orang. Metode LSTM yang diusulkan yaitu memetakan jawaban pengguna dari chatbot berdasarkan kategori label. Sistem dilatih menggunakan dataset berupa teks. Dataset dibuat berupa jawaban dari pengguna diberi label positif dan negatif dengan 70 training data. Hasil penelitian ini, model epoch 4 memiliki konfigurasi terbaik yaitu RMSprop learning rate 0,001 dengan test accuracy 85,71%. Sedangkan pada model epoch 6 memiliki konfigurasi terbaik yaitu RMSprop learning rate 0,01 dengan test accuracy 89,29%. Selain itu, parameter performansi pada epoch 4 rata-rata precision 97%, recall 97%, dan f1-score 97%. Kemudian parameter performansi pada epoch 6 rata-rata precision 97%, recall 97%, dan f1-score 97%.Kata Kunci: chatbot, gangguan kecemasan sosial, long short-term memory.]]>
Copyrights © 2023
