Publisher

PLBPLB

Journal TEMATIKTEMATIK Abstract

Penelitian ini mengusulkan sebuah arsitektur hybrid untuk chatbot pengaduan pada layanan publik dengan mengombinasikan pendekatan rule-based, fuzzy matching, dan klasifikasi intent berbasis Support Vector Machine (SVM). Pendekatan rule-based mampu memberikan respons yang cepat dan konsisten, namun gagal menghadapi variasi input bahasa, sedangkan fuzzy matching toleran terhadap kesalahan ketik dan sinonim tetapi tidak memungkinkan pengukuran akurasi. Sementara itu, model NLP seperti SVM dapat memberikan evaluasi kinerja secara kuantitatif, namun tidak menjamin kendali deterministik atas keluaran chatbot pada domain sensitif. Untuk menjembatani keterbatasan tersebut, dirancang sebuah mekanisme fallback yang memprioritaskan aturan deterministik dan fuzzy similarity, kemudian mengaktifkan SVM saat input tidak teridentifikasi. Model dilatih menggunakan 500 entri percakapan teranotasi dan dievaluasi dengan metrik standar, menghasilkan precision, recall, f1-score, dan akurasi sebesar 1.00 untuk kedua kelas intent (FAQ/Permintaan dan Lapor).

Conclusion

Penelitian ini berhasil mengembangkan chatbot layanan publik dengan arsitektur hybrid yang mengintegrasikan rule‑based, fuzzy matching, dan klasifikasi intent berbasis SVM, menghasilkan respons cepat, konsisten, dan toleran terhadap variasi input serta dapat dievaluasi secara kuantitatif dengan precision, recall, f1‑score, dan akurasi 1,00 pada kedua kelas intent.Namun, performa masih dipengaruhi oleh ukuran dan homogenitas dataset terbatas (500 entri), sehingga generalisasi terhadap variasi bahasa belum terverifikasi.Penelitian selanjutnya disarankan memperbesar korpus data, memasukkan bahasa tidak baku serta kosakata lokal, melakukan evaluasi out‑of‑domain, mengembangkan sistem multimodal (speech‑to‑text, text‑to‑speech), serta mengeksplorasi model transformer seperti BERT atau IndoBERT untuk meningkatkan pemahaman konteks dan robustitas.

Future Research

Saran pertama, lakukan studi lapangan yang menguji chatbot pada populasi pengguna yang beragam, termasuk kelompok dengan tingkat literasi digital rendah, untuk menilai efektivitas respons dalam konteks nyata dan mengidentifikasi kebutuhan penyesuaian linguistik. Saran kedua, kembangkan mekanisme pembelajaran adaptif yang memungkinkan model SVM dan transformer memperbarui dirinya secara berkala berdasarkan umpan balik pengguna anonim, sehingga kemampuan generalisasi meningkat tanpa harus mengumpulkan dataset baru secara manual. Saran ketiga, teliti penerapan teknik privasi seperti differential privacy atau federated learning dalam pelatihan chatbot, guna melindungi data sensitif pengaduan sambil tetap menjaga akurasi klasifikasi intent. Selain itu, eksplorasi integrasi modul analisis sentimen berbasis transformer dapat memberikan wawasan emosional pada setiap interaksi, memperkaya respons yang bersifat empatik. Selanjutnya, evaluasi kinerja sistem multimodal (speech‑to‑text dan text‑to‑speech) pada kondisi jaringan terbatas akan membantu memahami ketahanan layanan di daerah dengan infrastruktur kurang optimal. Penelitian-penelitian tersebut diharapkan menghasilkan chatbot yang lebih inklusif, aman, dan adaptif untuk melayani masyarakat secara luas.

References

1. Generate fuzzy string-matching to build self attention on Indonesian medical-chatbot | Suwarningsih |... doi.org/10.11591/ijece.v14i1.pp819-829Generate fuzzy string matching to build self attention on Indonesian medical chatbot Suwarningsih doi 10 11591 ijece v14i1 pp819 829
2. Performance Analysis of Machine Learning and Pattern Matching Techniques for Deep Packet Inspection in... researchsquare.com/article/rs-260788/v1Performance Analysis of Machine Learning and Pattern Matching Techniques for Deep Packet Inspection in researchsquare article rs 260788 v1
3. A Hybrid Fuzzy-Neural Network Approach for Advanced Pattern Recognition and Predictive Analytic | Journal... doi.org/10.52783/jisem.v10i32s.5183A Hybrid Fuzzy Neural Network Approach for Advanced Pattern Recognition and Predictive Analytic Journal doi 10 52783 jisem v10i32s 5183

Metadata

File size	415.7 KB
Pages	7
DMCA	Report