OTOMATISASI LAYANAN FREQUENTLY ASK QUESTIONS SAMSAT SLEMAN DENGAN ALGORITMA K-NEAREST NEIGHBOR DAN JARO-WINKLER MELALUI TELEGRAM BOT

AMALIYAH, KHOIRUN (2022) OTOMATISASI LAYANAN FREQUENTLY ASK QUESTIONS SAMSAT SLEMAN DENGAN ALGORITMA K-NEAREST NEIGHBOR DAN JARO-WINKLER MELALUI TELEGRAM BOT. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (3MB)
	Text ABSTRAK.pdf Download (3MB)
	Text DAFTAR ISI.pdf Download (3MB)
	Text DAFTAR ISI.pdf Download (3MB)
	Text DAFTAR PUSTAKA.pdf Download (3MB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (260kB)
	Text LAPORAN TA_KHOIRUN AMALIYAH_123160138.pdf Restricted to Repository staff only Download (3MB)

Abstract

Chatbot merupakan mesin penjawab otomatis yang dapat memiliki kemampuan
untuk berinteraksi layaknya seperti manusia. Chatbot tidak memiliki keterbatasan waktu dan
dapat melayani user kapan saja, oleh karena itu layanan chatbot akan sangat bermanfaat bagi
perusahaan atau intuisi yang bergerak di bidang layanan publik. Chatbot disini akan
digunakan untuk menjawab pertanyaan user dengan klasifikasi jawaban dan mengoreksi
pertanyaan dari user untuk mengurangi kesalahan penulisan kata sehingga dapat
memberikan jawaban yang terbaik bagi user.
Klasifikasi jawaban biasanya dilakukan menggunakan metode machine learning,
salah satunya algoritma K-Nearest Neighbor (KNN). Namun KNN sering kali memberikan
akurasi yang kurang baik karena terdapat kesalahan penulisan kata yang di inputkan user,
oleh karena itu untuk membantu meningkatkan hasil klasifikasi jawaban oleh KNN
diperlukan metode tambahan untuk koreksi kesalahan kata menggunakan algortima Jaro
Winkler. Terdapat tiga pengujian yang dilakukan pada penelitian ini untuk mencari Nilai K
dengan koreksi kata dan tanpa koreksi kata serta menghitung akurasi dari algoritma Jaro
Winkler.
Berdasarkan pengujian yang telah dilakukan Metode KNN dengan Jaro Winkler
dapat mengenali intent pertanyaan berdasarkan karakteristik topik informasi di
SAMSAT Sleman dan melakukan klasifikasi pertanyaan dengan hasil pengujian sebesar
50% untuk nilai k=2, k=3 dan k=4. Metode Jaro winkler mengurangi kesalahan pengetikan
sehingga klasifikasi pertanyaan menjadi lebih baik dengan pengujian 30 kata yang
memberikan nilai akurasi sebesar 63.33%. Perbaikan kata yang digunakan pada chatbot
juga telah terbukti mempengaruhi hasil presentasi nilai KNN pada data yang diujikan yaitu
menjadi 40% untuk nilai k=2, k=3 dan k=4.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	11 Jan 2023 08:01
Last Modified:	11 Jan 2023 08:01
URI:	http://eprints.upnyk.ac.id/id/eprint/32330

Actions (login required)

View Item