Implementasi Artificial Neural Network (ANN) arsitektur DistilBERT pada chatbot pendukung aplikasi penyaluran pupuk subsidi di PT Pupuk Indonesia (Persero)

Febrio, Alif Pandanhi (2024) Implementasi Artificial Neural Network (ANN) arsitektur DistilBERT pada chatbot pendukung aplikasi penyaluran pupuk subsidi di PT Pupuk Indonesia (Persero). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (138kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (247kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (243kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (212kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (555kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (759kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB 5) 8_bab5.pdf Restricted to Registered users only Download (195kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (211kB) | Request a copy
	Text (LAMPIRAN) 10_lampiran.pdf Restricted to Repository staff only Download (246kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengimplementasikan arsitektur DistilBERT dalam pembuatan chatbot sebagai pendukung aplikasi penyalur pupuk subsidi di PT Pupuk Indonesia. Tujuan utama penelitian ini adalah untuk mengetahui tingkat akurasi chatbot yang dibangun menggunakan arsitektur DistilBERT dan mengintegrasikan chatbot tersebut dengan aplikasi penyalur pupuk subsidi agar mempermudah pengguna untuk mendapatkan informasi dan solusi. Arsitektur DistilBERT digunakan dalam pembelajaran chatbot. Proses pada penelitian ini melibatkan beberapa proses seperti pengumpulan dataset, pemeriksaan kualitas data, preprocessing seperti case folding, tokenizing, stopword, stemming, dan encoding. Pelatihan model dilakukan dengan tiga skenario yang berbeda pada parameter hingga menghasilkan akurasi terbaik pada skenario terbaik dengan akurasi pelatihan sebesar 99.81% dan akurasi pengujian sebesar 93.33% dengan menggunakan sebanyak 105 data uji. Model kemudian digunakan untuk membangun chatbot menggunakan framework Flask. Model chatbot dilakukan deployment menggunakan layanan cloud di virtual machine Google Cloud Platform menggunakan Docker. Proses deployment menghasilkan API yang digunakan sebagai jembatan antara aplikasi dengan model sehingga dapat diintegrasikan dengan aplikasi iPubers. Dengan demikian, penelitian ini berhasil memberikan solusi untuk memudahkan pengguna dalam mencari informasi dan solusi atas masalah yang terjadi pada aplikasi iPubers yang lebih cepat, akurat, dan instan melalui chatbot yang dapat diakses langsung pada aplikasi iPubers.

Actions (login required)

View Item