<![CDATA[ABSTRAKPenelitian ini bertujuan untuk mengembangkan model klasifikasi intensi dalam bentuk chatbot layanan pelanggan Bahasa Indonesia menggunakan algoritma Long Short-Term Memory (LSTM). Permasalahan utama yang diangkat dalam penelitian ini adalah belum adanya teknologi yang dapat menanggapi pertanyaan pelanggan secara otomatis dan realtime di PT Sampul Kreatif Teknologi. Dataset yang digunakan realcase yang diperoleh dari komentar atau pertanyaan pengguna media sosial yang dikategorikan ke dalam berbagai label/tag intensi, seperti layanan-web, keamanan-aplikasi, harga, kontak, dan tag lainnya. Proses pelatihan model melibatkan beberapa tahapan preprocessing seperti lowercasing, punctual removal, tokenization, slang normalization menggunakan combined_slang_words.txt, word indexing, padding sequences, serta penggunaan word embedding id.vec untuk vektorisasi 300 dimensi. Setelah proses vektorisasi, model dilatih menggunakan jaringan LSTM dengan fungsi aktivasi softmax, optimizer adam, menggunakan learning rate 0.001 dan batch size 16 selama 100 epoch. Hasil pelatihan menunjukkan bahwa model memiliki kemampuan klasifikasi yang cukup baik, dengan akurasi evaluasi akhir sebesar 57,53% terhadap data uji. Meskipun masih perlu banyak peningkatan pada pemahaman konteks, namun akurasi tersebut sudah cukup baik karena menggunakan dataset realcase media sosial yang pada umumnya tidak berpola.]]>
Copyrights © 2026
