<![CDATA[Penelitian ini mengembangkan prototipe chatbot akademik berbasis Natural Language Processing (NLP) yang terintegrasi dengan Sistem Informasi Akademik (SIA) STEI Ar-Risalah untuk meningkatkan efektivitas, interaktivitas, dan responsivitas komunikasi akademik. Metode Research and Development (R&D) dengan pendekatan iteratif digunakan, memanfaatkan IndoBERT untuk klasifikasi intent dan BiLSTM-CRF untuk ekstraksi entitas. Hasil menunjukkan akurasi klasifikasi intent 92,8% dan F1-score ekstraksi entitas 90%. Integrasi API GraphQL memungkinkan akses informasi akademik real-time, meningkatkan efisiensi layanan, serta mengurangi beban administrasi. Chatbot ini juga berpotensi menjadi media promosi interaktif, dengan rekomendasi pengembangan untuk memperluas fitur dan meningkatkan adaptabilitas bahasa.]]>
Copyrights © 2025
