CHATBOT PANDUAN FITUR APLIKASI WAKTOO MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE
Keywords:
Chatbot, HRM, TF-IDF, SVMAbstract
Efisiensi layanan karyawan merupakan aspek penting dalam manajemen sumber daya manusia. Namun, keterbatasan jumlah personel sering menghambat penyampaian informasi dan panduan penggunaan aplikasi perusahaan kepada karyawan baru, khususnya mahasiswa magang. Penelitian ini bertujuan mengembangkan chatbot sebagai media pendamping dalam memberikan informasi terkait penggunaan aplikasi Waktoo HRM, meliputi presensi, manajemen tugas, dan kebijakan perusahaan. Dataset yang digunakan terdiri atas pattern, response, dan label intent yang disimpan pada database MongoDB. Sistem chatbot dibangun menggunakan Streamlit dengan pendekatan Natural Language
Processing (NLP), memanfaatkan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) melalui implementasi LinearSVC pada pustaka Scikit-Learn sebagai algoritma klasifikasi intent. Evaluasi model dilakukan menggunakan train-test split 80:20 serta Stratified 5-Fold Cross Validation pada data latih untuk mengukur konsistensi dan kemampuan generalisasi model. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan accuracy sebesar 84,44%, precision 85,69%, recall 84,44%, dan F1-score 84,01%. Selain itu, cross-validation menghasilkan rata-rata F1-score sebesar 0,87 dengan standar deviasi 0,02 yang menunjukkan performa model yang konsisten. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam mengklasifikasikan intent pengguna pada chatbot Waktoo HRM.
References
Albin Pranata, R., Azmi Verdikha, N., Muhammdiyah Kalimantan Timur, U., & Ir Juanda, J. H.
(2024). METODE PEMBOBOTAN TF-IDF UNTUK KLASIFIKASI TEKS QUICK COUNT
PEMILIHAN WAKIL PRESIDEN INDONESIA 2024 PADA X TWITTER DENGAN
METODE SVM. JURNAL TEKNOLOGI INFORMASI, 18(2), 126. https://doi.org/10.47111/JTI
Anwar, G., & Abdullah, N. N. (2021). The impact of Human resource management practice on
Organizational performance. International Journal of Engineering, Business and Management
(IJEBM), 5(1), 2456–8678. https://doi.org/10.22161/ijebm.5.1
Aslam, F. (2023). The Impact of Artificial Intelligence on Chatbot Technology: A Study on the
Current Advancements and Leading Innovations. European Journal of Technology, 7(3), 62–72.
https://doi.org/10.47672/ejt.1561
Eldo, H., Ayuliana, A., Suryadi, D., Chrisnawati, G., & Judijanto, L. (2024). Penggunaan Algoritma
Support Vector Machine (SVM) Untuk Deteksi Penipuan pada Transaksi Online. Jurnal Minfo
Polgan, 13(2), 1627–1632. https://doi.org/10.33395/jmp.v13i2.14186
Fajar Al Fath, M., & Arhami, M. (2024). Rancang Bangun Aplikasi Chatbot Untuk Deteksi Pecandu Pornografi Menggunakan Metode Support Vector Machine (SVM). JAISE : Journal of Artificial Intelligence and Software Engineering.
Jadhav, V., Wanjale, K., Dongre, Y., Deshmukh, A., Deshmukh, S., & Dolas, D. (2024). MindIntent:
A Chatbot Using SVM for Identifying Mental Health Intervention Intentions. In Journal of
Information Systems Engineering and Management (Vol. 2025, Number 4s). https://www.jisem
journal.com/ Junifer Pangaribuan, J., & Putra Barus, O. (2023). IMPLEMENTASI ALGORITMA TF-IDF DAN SUPPORT VECTOR MACHINE TERHADAP ANALISIS PENDETEKSI KOMENTAR
CYBERBULLYING DI MEDIA SOSIAL TIKTOK. JURNAL DEVICE, 13(1), 124–134.
Maulana, M. S., Anshori, Y., Azhar, R., Laila, R., & Lapatta, N. T. (2025).
IMPLEMENTASI PEMBOBOTAN TF-IDF PADA CHATBOT TELEGRAM UNTUK SISTEM LAYANAN
INFORMASI. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika).
Septiani, D., & Isabela, I. (2022).
ANALISIS TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS. SINTESIA: Jurnal Sistem Dan Teknologi Informasi Indonesia.
Setiawan, G. H., Made, I., & Adnyana, B. (2023). Improving Helpdesk Chatbot Performance with
Term Frequency-Inverse Document Frequency (TF-IDF) and Cosine Similarity Models. In
Journal of Applied Informatics and Computing (JAIC) (Vol. 7, Number 2). http://jurnal.polibatam.ac.id/index.php/JAIC
Sugiannur, A., & Riyadi, S. (2020). RESOLUSI : Rekayasa Teknik Informatika dan Informasi
Pengembangan Teknologi ERP Untuk Modul Human Resource Management Studi Kasus PT
Sumber Kahayan Kharisma. Media Online), 1(2), 62–67. https://djournals.com/resolusi
Suryani, S., Rindaningsih, I., & Hidayatulloh. (2023). PELATIHAN DAN PENGEMBANGAN
SUMBER DAYA MANUSIA. PERISAI: Jurnal Pendidikan Dan Riset Ilmu Sains, 2(3), 363
http://ejurnal.ulbi.ac.id/index.php/competitive | 36
https://doi.org/10.32672/perisai.v2i3.154
Teknika, J., Anggraeni, S., Muzaiyin, A., & Nur, M. (2021). Jakarta Timur, 021-28534236 2
Universitas Bina Sarana Informatika. Jalan Jatiwaringin, x, No.x(2), 4.
Yutika, C. H., Adiwijaya, A., & Faraby, S. Al. (2021). Analisis Sentimen Berbasis Aspek pada
Review Female Daily Menggunakan TF-IDF dan Naïve Bayes. JURNAL MEDIA
INFORMATIKA BUDIDARMA, 5(2), 422. https://doi.org/10.30865/mib.v5i2.2845
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Competitive
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
