Penerapan Model Transformer Dalam Pengembangan Chatbot Layanan Informasi Kampus
Abstract
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.
References
S. E. Prasetyo, V. A. Puteri, and S. Sabariman, “IMPLEMENTASI CHATBOT AI DAN WHATSAPP UNTUK MENDUKUNG PENJUALAN DAN KONSULTASI RAKITAN KOMPUTER DI TOKO MICRO BATAM,” Journal of Information System Management (JOISM), vol. 7, no. 1, pp. 120–126, Jun. 2025, doi: 10.24076/JOISM.2025V7I1.2098.
A. Yulianto, E. Lau, and S. Sabariman, “Development of an Integrated Chatbot on the Website Using IBM Watson Assistant,” INTEGER: Journal of Information Technology, vol. 9, no. 2, p. 217, Sep. 2024, Accessed: Feb. 15, 2025. [Online]. Available: https://ejurnal.itats.ac.id/integer/article/view/6525
K. Kartini, M. Malabay, and R. Widayanti, “Pemanfaatan Artificial Intelligence Dalam Implementasi Chatbot Helpdesk untuk Mendukung Layanan TIK Publik pada Instansi Pemerintahan,” Bulletin of Computer Science Research, vol. 5, no. 5, pp. 1235–1248, Aug. 2025, doi: 10.47065/BULLETINCSR.V5I5.769.
D. Apriliani, S. Febbi Handayani, I. Triadi Saputra, T. Informatika, and P. Harapan Bersama, “Implementasi Natural Language Processing (NLP) Dalam Pengembangan Aplikasi Chatbot Pada SMK YPE Nusantara Slawi,” Techno.Com, vol. 22, no. 4, pp. 1037–1047, Nov. 2023, doi: 10.33633/TC.V22I4.9155.
J. Khatib Sulaiman, M. Abid Nadzif, and U. Stikubank Semarang, “Penggunaan Teknologi Natural Language Processing dalam Sistem Chatbot untuk Peningkatan Layanan Informasi Administrasi Publik,” The Indonesian Journal of Computer Science, vol. 13, no. 1, pp. 2024–1227, Feb. 2024, doi: 10.33022/IJCS.V13I1.3645.
M. E. Fauzi, A. Jalan, J. Ahmad, Y. No, P. Palembang, and S. Selatan, “PublicTalk : Sistem Chatbot Pintar Berbasis Natural Language Processing untuk Layanan Pemerintahan Digital,” vol. 3, no. 2, pp. 426–433, 2025.
S. Sabina, B. Thahir, I. Husni, and A. Amin, “Optimalisasi Layanan Informasi Pulau Buru Melalui Chatbot Berbasis NLP dan NLU,” Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK, vol. 9, no. 1, pp. 209–222, 2024, doi: 10.30645/jurasik.v9i1.728.
A. S. Nur Azizah, T. Ratu Eugene, and E. Nurhayati, “Tantangan Linguistik dalam Pengimplementasian Big Data Berbahasa Indonesia pada Robot Humanoid: Tinjauan dan Rekomendasi,” 2025. doi: 0.47134/jpbsi.v1i1.1278.
S. A. S. V. I. S. Jansen Wiratama, “RANCANG BANGUN FITUR CHATBOT CUSTOMER SERVICE MENGGUNAKAN DIALOGFLOW”, doi: 0.33751/komputasi.v19i1.4474.
G. Tsakiris, C. Papadopoulos, G. Patrikalos, K.-F. Kollias, N. Asimopoulos, and G. F. Fragulis, “The development of a chatbot using Convolutional Neural Networks,” SHS Web of Conferences, vol. 139, p. 03009, 2022, doi: 10.1051/shsconf/202213903009.
H. Meng, X. Lu, and J. Xu, “The Impact of Chatbot Response Strategies and Emojis Usage on Customers’ Purchase Intention: The Mediating Roles of Psychological Distance and Performance Expectancy,” Behavioral Sciences, vol. 15, no. 2, Feb. 2025, doi: 10.3390/bs15020117.
Rival Haikal Hafizh, “PENGEMBANGAN CHATBOT BERBASIS JARINGAN SARAF TRANSFORMER UNTUK LAYANAN INFORMASI AKADEMIK DAN KEUANGAN MAHASISWA DI UNIVERSITAS MUHAMMADIYAH SUKABUMI,” formatika dan Teknik Elektro Terapan (JITET), vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.5002.
J. T. Informatika, D. Komputer, M. H. Thamrin, Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” Jurnal Teknologi Informatika dan Komputer, vol. 6, no. 2, pp. 12–20, Sep. 2020, doi: 10.37012/JTIK.V6I2.299.
K. P. Kania, J. Hutahaean, and S. R. Wulan, “Deteksi Intensi Chatbot Berbahasa Indonesia dengan Menggunakan Metode Capsule Network,” vol. 3, no. 4, pp. 590–596, 2022, doi: 10.47065/josh.v3i4.1821.
A. F. Zulhilmi, R. S. Perdana, U. Brawijaya, and P. Korespondensi, “PENGENALAN ENTITAS BERNAMA MENGGUNAKAN BI-LSTM PADA NAMED ENTITY RECOGNITION USING BI-LSTM IN INDONESIAN LANGUAGE,” vol. 11, no. 5, pp. 965–970, 2024, doi: 10.25126/jtiik.2024117968.
D. Hutabarat and L. Tanti, “Perancangan Model Chatbot Cerdas Dengan Pendekatan Deep Learning Untuk Layanan Pelanggan,” no. 1, pp. 260–273, 2024.
N. Rohim and E. Zuliarso, “PENERAPAN ALGORITMA DEEP LEARNING UNTUK KONSULTASI DAN PENGENALAN TENTANG VIRUS,” vol. 15, no. 2, pp. 267–278, 2022.
J. Zhang, Y. J. Oh, P. Lange, Z. Yu, and Y. Fukuoka, “Artificial intelligence chatbot behavior change model for designing artificial intelligence chatbots to promote physical activity and a healthy diet: Viewpoint,” Sep. 30, 2020, JMIR Publications Inc. doi: 10.2196/22845.
