Klasifikasi Teks Berbasis Long Short-Term Memory Untuk Chatbot Konseling Gangguan Kecemasan Sosial

KIKI WIDIANTO

Informasi Umum

Kode

22.04.353

Klasifikasi

621.382 - Artificial intelligence, Big data. Electrical engineering.

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Artificial Intelligence

Informasi Lainnya

Abstraksi

Chatbot adalah suatu teknologi kecerdasan buatan atau Artificial Intelligence (AI) yang dapat melakukan percakapan seperti manusia baik melalui teks atau suara. Sistem yang dimiliki oleh chatbot berupa tanya jawab yang dapat membantu kegiatan manusia, konsultasi terhadap suatu masalah bahkan menawarkan solusi untuk masalah medis. Setiap manusia memiliki tingkat kecemasan masing-masing, kecemasan yang berlebihan hingga menjadi gangguan kecemasan sosial dapat mengganggu aktivitas. Oleh karena itu, chatbot dapat menjadikan solusi seseorang untuk menjadi pendengar dari sebuah masalah.

Berdasarkan permasalahan diatas, penelitian pada Tugas Akhir ini dilakukan klasifikasi teks untuk konseling chatbot. Klasifikasi teks tersebut menggunakan Long Short-Term Memory (LSTM). Pemodelan teks pre-processing dengan menggunakan modifikasi dataset ISEAR serta tanggapan dari beberapa orang. Metode LSTM yang diusulkan pada teks klasifikasi ini digunakan untuk memetakan jawaban pengguna dari chatbot berdasarkan kategori label yang sudah dibuat.

Sistem Tugas Akhir ini dilatih menggunakan dataset berupa teks. Dataset yang dibuat berupa jawaban dari pengguna yang diberi label positif dan negatif dengan 70 training data. Dari hasil penelitian ini, model dengan jumlah epoch 4 memiliki konfigurasi terbaik yaitu RMSprop pada learning rate 0,001 dengan test accuracy 85,71%. Demikian juga pada model dengan jumlah epoch 6 memiliki konfigurasi terbaik yaitu RMSprop pada learning rate 0,01 dengan test accuracy 89,29%. Selain itu, parameter performansi pada epoch 4 dengan rata-rata precision 97%, recall 97%, dan f1-score 97%. Kemudian parameter performansi pada epoch 6 dengan rata-rata precision 97%, recall 97%, dan f1-score 97%.