Abstract:
Perkembangan layanan informasi digital di perguruan tinggi mendorong
pemanfaatan chatbot untuk membantu mahasiswa memperoleh informasi secara
cepat dan mandiri. Namun, variasi pertanyaan pengguna dapat menyebabkan
kesalahan dalam klasifikasi intent sehingga respons yang diberikan menjadi tidak
sesuai. Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural
Network (CNN) berbasis Word2Vec untuk klasifikasi pertanyaan pada chatbot
FIKTI UMSU. Dataset yang digunakan terdiri dari 619 pertanyaan yang
dikelompokkan ke dalam enam intent, yaitu dekan, dosen, fakultas, kaprodi,
sapaan, dan UKT. Data diproses melalui tahap case folding, tokenizing, word
indexing, dan padding, sedangkan Word2Vec digunakan sebagai representasi kata
dan bobot awal pada Embedding Layer yang bersifat trainable. Dataset dibagi
menjadi 495 data training dan 124 data testing. Hasil evaluasi model memperoleh
accuracy sebesar 99,19%, dengan 123 data berhasil diklasifikasikan dengan benar
dan satu data mengalami kesalahan klasifikasi dari intent kaprodi menjadi dekan.
Pengujian sistem dilakukan menggunakan 30 pertanyaan dengan berbagai bentuk
dan susunan kata.
