OTOMATISASI LAYANAN FREQUENTLY ASK QUESTIONS BERBASIS NATURAL LANGUGAE PROCESSING PADA TELEGRAM BOT

Hani Husamuddin, Dessyanto Boedi Prasetyo, Heru Cahya Rustamadji

Abstract


Kitabisa atau kitabisa.com adalah platform untuk menggalang dana dan berdonasi secara online terpopuler di Indonesia. Kitabisa.com menyediakan frequently ask questions (FAQ) untuk membantu visitor mengetahui mengenai Kitabisa.com dan bagaimana menggunakan layanan yang Kitabisa.com sediakan. Pada penelitian ini akan mengusulkan satu solusi untuk memaksimalkan otomatisasi layanan FAQ Kitabisa.com berbasis Natural Language Processing (NLP). Layanan ini dilakukan dengan fitur bot pada messenger Telegram yang dirancang berbasis NLP menggunakan teknologi TensorFlow. Dengan demikian, chatbot ini bertindak sebagai customer service yang akan menjawab pertanyaan-pertanyaan yang diajukan. Hasil dari penelitian ini adalah chatbot dengan menggunakan metode NLP dapat memberikan respon sesuai dengan konteks atas apa yang user tanyakan dengan akurasi 73%.

Keywords


Chatbot, Natural Language Processing, TensorFlow, Telegram

Full Text:

PDF

References


Bar-Yam, Y. (1997). Dynamics of complex systems (Vol. 213). Addison-Wesley Reading, MA.

Bird, S. (2007). Nltk, 69–72.

Goyal, P., Pandey, S., & Jain, K. (2018). Deep Learning for Natural Language Processing Creating Neural Networks with Python Deep Learning for Natural Language Processing: Creating Neural Networks with Python. https://doi.org/10.1007/978-1-4842-3685-7

Hirst, G., Goldberg, Y., Williams, P., Sennrich, R., Post, M., Koehn, P., … Van Zaanen, M. (2015). Synthesis Lectures on Human Language Technologies Editor Neural Network Methods for Natural Language Processing Syntax-based Statistical Machine Translation Domain-Sensitive Temporal Tagging Linked Lexical Knowledge Bases: Foundations and Applications Bay.

Massaro, A., Maritati, V., & Galiano, A. (2018). Automated Self-Learning Chatbot Initially Built as a FAQs Database Information Retrieval System : Multi-level and Intelligent Universal Virtual Front-Office Implementing Neural Network Case study, 42, 515–525.

Meinanda, M. H., Annisa, M., Muhandri, N., & Suryadi, dan K. (2009). Prediksi masa studi sarjana dengan artificial neural network. Internetworking Indonesia Journal, 1(2), 31–35.

Ratniasih, N. L., Sudarma, M., & Gunantara, N. (2017). Penerapan Text Mining dalam Spam Filtering untuk Aplikasi Chat. Majalah Ilmiah Teknologi Elektro, 16(3), 13–18.

Ridwan, F. (2013). Pembangunan Aplikasi Natural Language Procesing Untuk Pembuatan Chat Bot Berbasis Web (Di Universitas Komputer Indonesia). Universitas Komputer Indonesia. Retrieved from https://repository.unikom.ac.id/23032/

Singh, R., Paste, M., Shinde, N., Patel, H., & Mishra, N. (2018). Chatbot using TensorFlow for small Businesses. 2018 Second International Conference on Inventive Communication and Computational Technologies (ICICCT), (Icicct), 1614–1619.

Tang, Y. (2016). TF.Learn: TensorFlow’s High-level Module for Distributed Machine Learning, 1–7. https://doi.org/10.1111/j.1528-1167.2010.02793.x

Tim Pengembang Pedoman Bahasa Indonesia. (2016). Pedoman Umum Ejaan Bahasa Indonesia Edisi Keempat.

Wiranda, D. (2018). Implementasi Natural Language Processing pada Chatbot Peribahasa Indonesia.




DOI: https://doi.org/10.31315/telematika.v1i1.3383

DOI (PDF): https://doi.org/10.31315/telematika.v1i1.3383.g2568

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright of :
TELEMATIKA: Jurnal Informatika dan Teknologi Informasi
ISSN 1829-667X (print); ISSN 2460-9021 (online)


Dipublikasi oleh
Jurusan Teknik Informatika, UPN Veteran Yogyakarta
Jl. Babarsari 2 Yogyakarta 55281 (Kampus Unit II)
Telp: +62 274 485786
email: jurnaltelematika@upnyk.ac.id

 

Jurnal Telematika sudah diindeks oleh beberapa lembaga berikut:
 

 

 

 

 

Status Kunjungan Jurnal Telematika
slot gacor slot gacor hari ini slot gacor 2025 demo slot pg slot gacor slot gacor