PERANCANGAN MODEL KLASIFIKASI TEKS MULTILABEL PADA CHATBOT ADMINISTRASI KEPEGAWAIAN UNTUK AKSELERASI RESPON HELPDESK INRENBANG

RAMADHANI, DINDA AHYA (2026) PERANCANGAN MODEL KLASIFIKASI TEKS MULTILABEL PADA CHATBOT ADMINISTRASI KEPEGAWAIAN UNTUK AKSELERASI RESPON HELPDESK INRENBANG. Diploma thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (699kB)
	Text BAB I.pdf Download (739kB)
	Text BAB II.pdf Download (514kB)
	Text BAB III.pdf Download (591kB)
	Text BAB IV.pdf Download (577kB)
	Text BAB V.pdf Download (416kB)
	Text LAMPIRAN.pdf Download (14MB)
	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (725kB)
	Text BAB II.pdf Download (802kB)
	Text BAB III.pdf Download (453kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (478kB)
	Text LAMPIRAN.pdf Download (854kB)

Abstract

Perkembangan teknologi informasi telah mendorong digitalisasi layanan administrasi
kepegawaian, termasuk kebutuhan percepatan respon pada layanan helpdesk. Unit Helpdesk
INRENBANG (Informasi, Perencanaan, dan Pengembangan) menghadapi tingginya volume
pertanyaan pegawai terkait administrasi kepegawaian, yang berdampak pada keterlambatan
respon dan meningkatnya beban petugas. Sebagian besar chatbot yang digunakan pada instansi
pemerintah masih berbasis rule-based sehingga tidak mampu memahami variasi pertanyaan
pengguna, terutama pertanyaan yang mengandung lebih dari satu konteks (multi-intent). Untuk
mengatasi permasalahan tersebut, penelitian ini merancang dan mengimplementasikan model
klasifikasi teks multi-label berbasis IndoBERT guna meningkatkan akurasi pemahaman
konteks pertanyaan serta mengakselerasi respon helpdesk.
Penelitian dilakukan melalui tahapan data understanding, preprocessing, pelabelan multi-label,
pelatihan model IndoBERT, evaluasi performa, hingga implementasi dalam chatbot berbasis
Express.js dan React.js. Dataset penelitian terdiri dari kumpulan Frequently Asked Questions
(FAQ) kepegawaian yang dikategorikan ke dalam beberapa layanan, yaitu Kemlu Go (Absen),
Payroll (Tunjangan Kinerja), E-Layanan Cacah Jiwa, E-Layanan Cuti, dan E-Layanan Tugas
Belajar. Model IndoBERT dilatih menggunakan pendekatan binary cross-entropy loss dan
sigmoid activation untuk memprediksi lebih dari satu label dalam satu input teks.
Hasil evaluasi menunjukkan bahwa model IndoBERT mampu mengenali beberapa konteks
administratif dalam satu pertanyaan dengan performa yang baik berdasarkan metrik accuracy,
precision, recall, dan F1-score. Implementasi model ke dalam chatbot berhasil meningkatkan
kecepatan respon helpdesk dan mengurangi beban kerja petugas dalam menjawab pertanyaan
berulang. Dengan demikian, penelitian ini berkontribusi dalam pengembangan sistem layanan
kepegawaian yang lebih cerdas, adaptif, serta mendukung implementasi Sistem Pemerintahan
Berbasis Elektronik (SPBE) melalui pemanfaatan kecerdasan buatan pada instansi pemerintah.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	13 Jul 2026 07:54
Last Modified:	13 Jul 2026 07:57
URI:	https://repository.unas.ac.id/id/eprint/17007

Actions (login required)

View Item