Penerapan model IndoBERT pada pengembangan Chatbot Klasifikasi baku lapangan usaha Indonesia untuk sertifikasi halal

Al-Hikam, Zuhad Harkasy (2025) Penerapan model IndoBERT pada pengembangan Chatbot Klasifikasi baku lapangan usaha Indonesia untuk sertifikasi halal. Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (41kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (89kB) | Preview
Preview	Text (BEBAS PLAGIASI) 3_skbebasplagiarism.pdf Download (4MB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (53kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (137kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (371kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (206kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (973kB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (90kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (162kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Rendahnya pemahaman peserta KKN Tematik Halal terhadap klasifikasi KBLI produk makanan dan minuman dapat menjadi kendala dalam proses pengajuan sertifikasi halal jalur self-declare. Masalah ini terlihat dari volume pertanyaan berulang di grup WhatsApp, yang menunjukkan kebutuhan akan sistem informasi yang responsif dan terstruktur. Penelitian ini mengembangkan chatbot berbasis WhatsApp yang memanfaatkan arsitektur Transformer, yaitu IndoBERT, untuk dua model utama yakni Named Entity Recognition (NER) dan KBLI Classifier. Tujuan penelitian ini adalah mengembangkan chatbot yang mampu membantu pengguna dalam menentukan kode KBLI suatu produk secara cepat dan tepat melalui interaksi berbasis chat. Metodologi yang digunakan mengacu pada CRISP-DM, dimulai dari pemahaman bisnis hingga tahap deployment. Dataset dikonstruksi dari histori percakapan WhatsApp grup KKN selama tahun 20232025, serta data KBLI produk dari sumber resmi. Model NER dilatih menggunakan format BIO tagging dan mencapai F1-score sebesar 0,93, sedangkan KBLI Classifier menunjukkan performa terbaik pada konfigurasi hyperparameter tertentu dengan F1-score 0,866. Kedua model diintegrasikan dalam backend Flask dan dihubungkan ke WhatsApp melalui Twilio, memungkinkan chatbot beroperasi secara interaktif dan real-time. Pengujian sistem menunjukkan bahwa chatbot dapat memahami pertanyaan pengguna serta memberikan respons sesuai konteks KBLI.

Actions (login required)

View Item