<![CDATA[ABSTRAK Perkembangan teknologi informasi mendorong akan kebutuhan mahasiswa dan lembaga pendidikan untuk memahami berbagai macam data akademik, seperti nilai ujian, tingkat kehadiran, dan kinerja belajar. Namun, penyajian data di dalam bentuk tabel atau grafik seringkali dapat sulit dipahami, terutama oleh pengguna yang tidak familiar dengan analisis statistik. Penelitian ini bertujuan untuk mengembangkan sebuah chatbot yang melakukan analisis data mahasiswa, berbasis teknologi Natural Language Processing (NLP) dan Machine Learning, supaya informasi akademik dapat diakses dengan cepat, mudah, dan interaktif. Metode yang digunakan dalam penelitian ini adalah metode Term Frequency – Inverse Document Frequency (TF-IDF) untuk mengubah teks pertanyaan pengguna menjadi vektor numerik dan metode Logistic Regression untuk mengklasifikasikan intent. Dataset yang dipakai berisi data akademik sebanyak 5.000 mahasiswa dan model dilatih dengan metode supervised learning dengan menggunakan pembagian data sebanyak 80% untuk training / pelatihan dan sebanyak 20% untuk testing / pengujian. Hasil evaluasi chatbot menunjukkan akurasi sebesar 83% dengan nilai precision 0,86, recall 0,83, dan F1-score 0,82. Chatbot dapat menjawab berbagai pertanyaan seperti jumlah mahasiswa, nilai tertinggi, hingga rata-rata kehadiran. Kesimpulannya, dapat terlihat bahwa integrasi Natural Language Processing, Term Frequency – Inverse Document Frequency, dan Logistic Regression terbukti dapat efisien dalam melakukan analisis data akademik dan dukungan pengambilan keputusan di dalam lingkungan pendidikan.]]>
Copyrights © 2026
