Hasna Salsabila, 4111418033 (2023) Pengembangan Sistem Percakapan pada Chatbot Menggunakan Knowledge Graph dan Named Entity Recognition. Under Graduates thesis, UNNES.

	PDF - Published Version Download (795kB)
	PDF - Published Version Restricted to Repository staff only Download (5MB) | Request a copy
	PDF - Published Version Download (237kB)
	PDF - Published Version Download (200kB)
	PDF - Published Version Download (176kB)
	PDF - Published Version Restricted to Repository staff only Download (930kB) | Request a copy

Abstract

Pandemi Covid-19 memberikan dampak bagi aktivitas kehidupan manusia di Indonesia. Salah satu dampak dari Pandemi Covid-19 di Indonesia adalah pembelajaran dilakukan secara daring. Matematika menjadi salah satu pelajaran yang sulit untuk dipelajari selama pembelajaran daring berlangsung. Oleh karena itu, agar pembelajaran matematika menjadi interaktif diperlukan media pembelajaran yang efektif salah satunya yaitu chatbot. Knowledge graph merupakan metode yang digunakan untuk mengembangkan graph database sebagai sumber informasi data untuk chatbot. Tujuan peneltiain ini adalah (1) Mengetahui pengembangan chatbot menggunakan knowledge graph dengan integrasi Rasa framework, (2) Mengetahui implemtasi ektraksi informasi entitas-entitas dari teks menggunakan Named Entity Recognition, (3) Mengetahui model knowledge graph untuk merepresentasikan entitas-entitas pada materi pelajaran matematika. Metode yang digunakan pada penelitian ini adalah knowledge graph yang mana digunakan untuk merepresentasikan entitas-entitas terkait materi pelajaran matematika sebagai knowledge base dari chatbot matematika. Pendekatan metode Named Entity Recognition digunakan dalam mengekstrak entitas-entitas yang ada pada titik (node) dari knowledge graph tersebut. Menggunakan bantuan Rasa framework untuk membuat kerangka dari sistem chatbot, penelitian ini juga menggunakan Neo4j untuk menyimpan dan memvisualisasikan knowledge graph dan menguhubungkannya ke dalam Rasa. Library spaCy digunakan pada penelitian ini untuk membantu pembuatan model Named Entity Recognition yang dapat mengekstrak entitas-entitas terkait materi pelajaran matematika. Hasil yang diperoleh pada penelitian ini adalah model knowledge graph matematika dengan entitas terkait seperti bangun datar, bangun ruang, bilangan bulat, pecahan, statistika, operasi bilangan, skala, dan perbandingan. Entitas tersebut diperoleh menggunakan NER spaCy custom model dengan menggunakan model Bahasa Indonesia, entitas tersebut termasuk ke dalam kategori kelompok kata atau jenis label MATH. Sistem chatbot yang menggunakan Rasa framework juga berhasil diintegrasikan dengan Neo4j dan Facebook Messanger untuk menampilkan percakapan sederhana antara bot dengan user secara online. Pada Penelitian ini, terdapat beberapa kekurangan pada sistem chatbot yang dibuat diantaranya durasi bot dalam merespon pesan dari user terbilang cukup lama dan bot belum mampu merespon pertanyaan dengan entitas terkait materi pelajaran matematika secara cepat dan akurat. Oleh karena itu, sistem chatbot pada penelitian ini perlu dilakukan perbaikan dan pengembangan lebih lanjut pada bagian integrasi knowledge base dengan Neo4j dan Rasa. Dengan demikian, chatbot matematika tersebut dapat diguakan dengan lebih efektif.

Actions (login required)

View Item