Penerapan Model Transformer Dalam Pengembangan Chatbot Layanan Informasi Kampus
Jurnal Tekno Kompak · 30.12.2025 · 20 (1) · 335-347
DOI: 10.33365/jtk.v20i1.1144 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Tekno Kompak, online erschienen am 30.12.2025. Verfasst von Elvin Lee und 2 weiteren Autor:innen.
Abstract (Originalsprache)
Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) mendorong peningkatan kebutuhan layanan informasi digital yang cepat, akurat, dan responsif, khususnya di lingkungan pendidikan tinggi. Universitas Internasional Batam (UIB) menjadi salah satu institusi yang memiliki volume pertanyaan tinggi dari mahasiswa dan calon mahasiswa terkait program studi, akademik, administrasi, serta layanan kampus. Sistem informasi konvensional yang masih mengandalkan antarmuka statis dan layanan manual seringkali tidak mampu menangani kebutuhan tersebut secara optimal. Di sisi lain, penelitian sebelumnya mengenai implementasi chatbot pada sektor publik umumnya menggunakan metode rule-based atau platform seperti Dialogflow, namun memiliki keterbatasan dalam memahami bahasa natural dan variasi pertanyaan pengguna. Berdasarkan gap tersebut, penelitian ini bertujuan untuk mengembangkan dan menerapkan chatbot layanan informasi kampus berbasis model Transformer yang mampu memahami konteks percakapan dan memberikan respons otomatis secara lebih semantik. Metode yang digunakan meliputi pengumpulan dataset FAQ UIB, pembangunan sistem Question Answering System (QAS) berbasis Transformer, integrasi backend menggunakan Django, serta penerapan antarmuka web interaktif menggunakan React. Evaluasi performa dilakukan melalui 20 pertanyaan natural yang menyerupai percakapan sehari-hari, dengan mengukur metrik Response Time, Similarity (Cosine Similarity), ROUGE-1, ROUGE-2, ROUGE-L, serta BERTScore F1. Hasil pengujian menunjukkan rata-rata response time 0,01792 detik yang menandakan tingkat responsivitas sangat tinggi. Nilai similarity mencapai 0,7415 yang menggambarkan kemampuan model dalam mengenali makna pertanyaan. Meski nilai ROUGE-L relatif rendah (0,0986) yang menandakan struktur kalimat tidak serupa dengan jawaban referensi, BERTScore F1 berada pada kisaran 0,5913, menunjukkan kesesuaian makna yang cukup baik. Temuan ini menegaskan bahwa chatbot berbasis Transformer mampu memberikan jawaban relevan secara semantik meskipun tidak meniru struktur kalimat secara leksikal. Secara keseluruhan, penelitian ini menunjukkan bahwa integrasi Transformer dalam sistem layanan informasi kampus dapat meningkatkan efektivitas, responsivitas, serta kualitas interaksi pengguna dengan layanan akademik digital.
Zitieren
APA
Lee, E., Yulianto, A., & Christian, Y. (2025). Penerapan Model Transformer Dalam Pengembangan Chatbot Layanan Informasi Kampus. Jurnal Tekno Kompak, 20(1), 335-347. https://doi.org/10.33365/jtk.v20i1.1144
Vancouver
Lee E, Yulianto A, Christian Y. Penerapan Model Transformer Dalam Pengembangan Chatbot Layanan Informasi Kampus. Jurnal Tekno Kompak. 2025;20(1):335-347. doi:10.33365/jtk.v20i1.1144
BibTeX
@article{Lee2025,
author = {Lee, Elvin and Yulianto, Andik and Christian, Yefta},
title = {Penerapan Model Transformer Dalam Pengembangan Chatbot Layanan Informasi Kampus},
journal = {Jurnal Tekno Kompak},
year = {2025},
volume = {20},
number = {1},
pages = {335--347},
doi = {10.33365/jtk.v20i1.1144}
}
EUVIMED