APLIKASI CHATBOT BERBASIS NLP UNTUK LAYANAN AKADEMIK STUDI KASUS FAKULTAS HUKUM UNISBA

Abstract

Fakultas Hukum Universitas Islam Bandung (Unisba), melayani ratusan mahasiswa aktif dengan kebutuhan informasi akademik yang beragam. Saat ini, layanan akademik masih bergantung pada interaksi langsung maupun melalui media sosial menggunakan aplikasi WhatsApp untuk mahasiswa bisa mendapatkan informasi seputar akademik. Layanan menggunakan apliasi Whatsapp ini memiliki keterbatasan, antara lain layanan tidak tersedia 24 jam dan hanya dikelola oleh satu orang operator yang bertugas sesuai jam kerja kantor, sehingga sering menimbulkan keterlambatan respons. Kondisi ini berpotensi menghambat mahasiswa dalam memperoleh informasi penting dengan tepat waktu. Sebagai solusi, pemanfaatan chatbot berbasis Natural Language Processing (NLP) dapat menghadirkan layanan akademik yang lebih cepat, responsif, dan otomatis. Chatbot mampu memahami serta merespons pertanyaan mahasiswa secara real-time dengan tingkat akurasi tertentu, bergantung pada algoritma klasifikasi teks yang digunakan. Salah satu algoritma yang umum digunakan dalam klasifikasi teks adalah Naive Bayes Classifier karena kesederhanaan, efisiensi, dan performanya yang cukup baik pada data berskala kecil hingga menengah. Penelitian ini bertujuan untuk menganalisis performa algoritma Naive Bayes dalam mendukung chatbot layanan akademik di Fakultas Hukum Universitas Islam Bandung (Unisba). Dataset yang digunakan berupa kumpulan pertanyaan, jawaban serta intent seputar informasi akademik yang telah melalui proses praposes teks, meliputi tokenization, stopword removal, stemming, serta representasi fitur dengan TF-IDF. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan intent pertanyaan pengguna dan menghasilkan respons jawaban yang sesuai melalui chatbot. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan tingkat akurasi yang cukup baik yaitu 85% dengan rincian nilai macro average untuk precision mencapai 0.86, recall 0.88, dan f1-score 0.81. Sementara itu, weighted average precision sebesar 0.89, recall 0.85, dan f1-score 0.82, sehingga kinerja model relatif stabil pada berbagai kelas.Dengan demikian, algoritma Naive Bayes Classifier dapat digunakan pada chatbot layanan akademik fakultas Hukum Unisba.