FINE TUNING CHATGPT 3.5 TURBO UNTUK MENINGKATKAN AKURASI DAN KEANDALAN RESPON CHATBOT DALAM PEMBELAJARAN MACHINE LEARNING

Tovandy, Varick (2024) FINE TUNING CHATGPT 3.5 TURBO UNTUK MENINGKATKAN AKURASI DAN KEANDALAN RESPON CHATBOT DALAM PEMBELAJARAN MACHINE LEARNING. Other thesis, UPN Veteran Yogyakarta.

	Text Cover_123200104_Varick Tovandy.pdf Download (162kB)
	Text Abstrak_123200104_Varick Tovandy.pdf Download (71kB)
	Text Lembar Pengesahan_123200104_Varick Tovandy.pdf Download (413kB)
	Text Daftar Isi_123200104_Varick Tovandy.pdf Download (80kB)
	Text Daftar Pustaka_123200104_Varick Tovandy.pdf Download (85kB)
	Text Skripsi Fulltext_123200104_Varick Tovandy.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penggunaan chatbot dalam konteks pembelajaran mesin telah menjadi subjek
penelitian yang menarik dalam upaya meningkatkan interaksi antara manusia dan teknologi
dalam pendidikan. Salah satu pendekatan yang menonjol adalah menggunakan model bahasa
generatif seperti ChatGPT 3.5, yang memiliki kemampuan untuk menghasilkan respons
yang lebih alami dan kontekstual. Namun, meskipun kemajuan signifikan dalam
pengembangan model-model ini, chatbot masih memiliki keterbatasan dalam hal akurasi dan
keandalan respons, terutama dalam domain yang spesifik seperti pembelajaran mesin.
Oleh karena itu, penelitian ini bertujuan untuk melakukan fine-tuning terhadap model
ChatGPT 3.5 dengan tujuan meningkatkan kinerja chatbot dalam memberikan respons yang
lebih tepat dan relevan dalam konteks pembelajaran mesin. Metode fine-tuning yang kami
gunakan mencakup penggunaan dataset yang disesuaikan dengan domain, yang melibatkan
kumpulan pertanyaan dan permintaan yang relevan dengan konsep-konsep pembelajaran
mesin. Kami juga menerapkan teknik-teknik seperti augmentasi data untuk memperluas
variasi dalam dataset, serta pembersihan data untuk menghilangkan gangguan atau noise
yang mungkin mengganggu proses fine-tuning.
Selain itu, kami mengoptimalkan parameter-model yang digunakan dalam fine�tuning, seperti ukuran batch, tingkat pembelajaran, dan jumlah iterasi, untuk memastikan
konvergensi yang optimal dan hasil yang konsisten. Evaluasi kinerja chatbot dilakukan
melalui serangkaian uji coba respons terhadap pertanyaan dan permintaan yang sering
muncul dalam pembelajaran mesin. Hasil eksperimen menunjukkan peningkatan yang
signifikan dalam akurasi dan keandalan respons chatbot setelah fine-tuning, dengan tingkat
kepercayaan yang lebih tinggi dari pengguna dalam mendapatkan informasi yang relevan
dan akurat.
Kesimpulannya, penelitian ini memberikan wawasan yang berharga dalam
mengoptimalkan penggunaan model bahasa generatif untuk membangun chatbot yang lebih
efektif dan handal dalam konteks pembelajaran mesin. Diharapkan hasil penelitian ini dapat
memberikan kontribusi dalam pengembangan chatbot yang lebih canggih dan adaptif dalam
mendukung proses pembelajaran dan pengajaran di masa depan.
Kata Kunci : Chatbot, Fine-Tuning, ChatGPT 3.5, Machine learning

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Chatbot, Fine-Tuning, ChatGPT 3.5, Machine learning
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Pambudi
Date Deposited:	25 Oct 2024 01:40
Last Modified:	25 Oct 2024 01:40
URI:	http://eprints.upnyk.ac.id/id/eprint/41486

Actions (login required)

View Item