Abstract:
Penelitian ini membahas pengembangan sistem Question Answering (QA)
berbasis teks yang mampu menjawab pertanyaan secara otomatis dengan
mengandalkan konteks yang diberikan oleh pengguna. Sistem dirancang
menggunakan model pretrained BERT (Bidirectional Encoder Representations
from Transformers), yang mampu memahami hubungan antara pertanyaan dan
konteks untuk menentukan jawaban secara tepat. Proses kerja sistem meliputi
tokenisasi, penerapan multi-head self-attention melalui arsitektur Transformer,
serta perhitungan nilai start logit dan end logit untuk menentukan rentang teks
yang paling mungkin sebagai jawaban.
Sistem tidak hanya menampilkan satu jawaban terbaik, tetapi juga menyajikan
sejumlah kemungkinan jawaban lain yang disusun berdasarkan skor akurasi.
Evaluasi dilakukan menggunakan metrik Exact Match (EM) dan F1 Score
untuk mengukur kesesuaian antara jawaban sistem dan jawaban referensi.
Hasil penelitian menunjukkan bahwa pendekatan ini efektif dalam
mengidentifikasi jawaban yang relevan dari konteks panjang dengan efisiensi
dan tingkat ketepatan yang tinggi. Sistem ini berpotensi diterapkan dalam
berbagai kebutuhan pencarian informasi otomatis, seperti layanan bantuan
digital, chatbot, dan aplikasi pendidikan.
