Aplikasi Chatbot Rule-based Menggunakan NLP dan Framework Flask Untuk Layanan Informasi Publik BRMP Penerapan

Abstract

Layanan informasi publik di BRMP Penerapan saat ini memiliki keterbatasan jam operasional dan penanganan manual. Penelitian ini bertujuan mengembangkan aplikasi chatbot sebagai solusi otomatisasi layanan yang responsif dan beroperasi 24 jam. Sistem dibangun menggunakan pendekatan Natural Language Processing dengan arsitektur hibrida, yaitu mengombinasikan algoritma Deep Learning untuk klasifikasi intent pengguna dan rule-based untuk pengendalian respons akhir. Pengembangan menggunakan Python, framework Flask, serta metode Waterfall. Evaluasi sistem meliputi tiga tahap pengujian. Pertama, pengujian Black Box mencapai tingkat keberhasilan 100%. Kedua, evaluasi performa model Deep Learning dalam mengklasifikasikan intent membuktikan keandalan sistem dengan tingkat akurasi sebesar 94,59%. Ketiga, Business Acceptance Testing mengonfirmasi bahwa aplikasi chatbot ini telah diterima dan sukses memenuhi kebutuhan operasional bisnis instansi.

Public information services at BRMP Penerapan currently encounter constraints regarding operational hours and manual handling. This research aims to develop a chatbot application as a responsive automation solution operating 24 hours. The system is built using a Natural Language Processing approach with a hybrid architecture, combining a Deep Learning algorithm for user intent classification and a rule-based method for final response control. The development utilizes Python, the Flask framework, and the Waterfall method. The system evaluation comprises three testing phases. First, Black Box testing achieves a 100% success rate. Second, performance evaluation of the Deep Learning model in classifying intents demonstrates system reliability with an accuracy rate of 94.59%. Third, Business Acceptance Testing confirms that the chatbot application is well accepted and successfully meets the agency's operational business needs.