Pusat Pelayanan Wifi Berbasis Chatbot untuk Layanan Pelanggan
DOI:
https://doi.org/10.29407/sqs7fg17Keywords:
Chatbot, Machine Learning, Multinomial Naive Bayes, TF-IDF, Wi-FiAbstract
Perkembangan teknologi kecerdasan buatan mendorong pemanfaatan chatbot sebagai solusi pelayanan digital yang lebih cepat, responsif, dan efisien, khususnya dalam menangani permasalahan terkait jaringan Wi-Fi. Penelitian ini bertujuan mengembangkan chatbot layanan Wi-Fi berbasis machine learning yang mampu mengenali maksud percakapan pengguna secara akurat melalui pemodelan intent. Pada tahap pengolahan data, dataset pertanyaan pelanggan dipraproses menggunakan teknik pembersihan teks dan stemming, kemudian direpresentasikan menggunakan TF-IDF. Algoritma Multinomial Naïve Bayes digunakan sebagai metode klasifikasi untuk memetakan intent pengguna berdasarkan pola kata dalam data pelatihan. Sistem chatbot diintegrasikan dengan basis data MySQL sehingga mampu menampilkan informasi pelanggan secara dinamis, seperti paket layanan, status pembayaran, dan harga pemasangan. Implementasi framework Flask dengan session state memungkinkan alur percakapan berlangsung secara bertahap dan kontekstual. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi 92,3% dan memberikan respons yang relevan terhadap variasi pertanyaan, termasuk data noise. Secara keseluruhan, chatbot yang dikembangkan dapat berfungsi sebagai layanan pelanggan digital yang cerdas, adaptif, dan mampu membantu penyelesaian gangguan Wi-Fi secara lebih efektif.
Downloads
References
[1] I. W. Hasdiansa, H. Dewantara, A. Ramadhan, A. A. Kautsar, and A. Maududi Bahmar, “Analisis Pengetahuan Mahasiswa tentang Penggunaan Chatbot Berbasis AI Pada Proses Pembelajaran”, [Online]. Available: https://journal.diginus.id/index.php/JUPITER/index
[2] C. C. Lin, A. Y. Q. Huang, and S. J. H. Yang, “A Review of AI-Driven Conversational Chatbots Implementation Methodologies and Challenges (1999–2022),” Mar. 01, 2023, MDPI. doi: 10.3390/su15054012.
[3] L. Hartimar, Y. Manza, and K. Putriani Siregar, “Text Classification Using TF-IDF and Naïve Bayes: Case Study of MyXL App User Review Data,” Journal of Technology and Computer (JOTECHCOM), vol. 2, no. 2, pp. 100–108, 2025.
[4] M. Annela, “Exploring the Power of MySQL: A Comprehensive Guide,” Dec. 2022.
[5] R. Adrian, Musaddam, M. Ikhsan, and M. B, “Detection of Hoax News Using TF-IDF Vectorizer and Multinomial Naïve Bayes and Passive Aggressive,” Media Journal of General Computer Science, vol. 1, pp. 54–61, Jun. 2024, doi: 10.62205/mjgcs.v1i2.24.
[6] M. T. H. Bunga et al., “MULTINOMIAL NAIVE BAYES UNTUK KLASIFIKASI STATUS KREDIT MITRA BINAAN DI PT. ANGKASA PURA I PROGRAM KEMITRAAN,” J-ICON, vol. 6, no. 2, pp. 30–34, 2018.
[7] Muh Faizal Anshori and Masiyah Kholmi, “Implementasi Creating Shared Value (CSV) Untuk Membangun Bisnis Berkelanjutan di Indonesia,” Jurnal Bintang Manajemen, vol. 2, no. 2, pp. 94–99, Jun. 2024, doi: 10.55606/jubima.v2i2.3064.
[8] F. Alghifari and D. Juardi, “Fauzan Alghifari Penerapan Data Mining Pada Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes.”
[9] A. Teixeira, S. Brito-Costa, M. Antunes, and S. Espada, Behavioral Differences And Impact Of Lowercase And Uppercase Letters On Reading Performance. 2023. doi: 10.11159/mhci23.110.
[10] D. Nur Fadhillah and A. Rachman, “IMPLEMENTASI REGEX PADA PEMBERIAN KOMENTAR KODE PROGRAM HTML,” Jar’s, vol. 2, no. 1, [Online]. Available: https://www.ejournalwiraraja.com/index.php/JARS
[11] J. Pendidikan and D. Konseling, “Analisis Sentimen terhadap Perpanjangan Masa Jabatan Presiden Indonesia Menggunakan Algoritma Naïve Bayes Universitas Pahlawan Tuanku Tambusai,” vol. 4.
[12] R. Rinandyaswara, Y. A. Sari, and M. T. Furqon, “PEMBENTUKAN DAFTAR STOPWORD MENGGUNAKAN TERM BASED RANDOM SAMPLING PADA ANALISIS SENTIMEN DENGAN METODE NAÏVE BAYES (STUDI KASUS: KULIAH DARING DI MASA PANDEMI),” vol. 9, no. 4, 2022, doi: 10.25126/jtiik.202294707.
[13] D. Rifaldi, A. Fadlil, and Herman, “Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet ‘Mental Health,’” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 3, pp. 161–171, Apr. 2023, doi: 10.51454/decode.v3i2.131.
[14] A. Sabrani, I. W. Gede Putu Wirarama Wedashwara, and F. Bimantoro, “METODE MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI ARTIKEL ONLINE TENTANG GEMPA DI INDONESIA (Multinomial Naïve Bayes Method for Classification of Online Article About Earthquake in Indonesia).” [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
[15] H. Rahadian, M. R. Wahid, and Z. Arifin, “Analisis Komputasi Paralel pada Image Encoding Framework untuk Konversi Citra Data Deret Waktu Sistem Kontrol Industri,” Majalah Ilmiah Teknologi Elektro, vol. 22, no. 2, p. 193, Dec. 2023, doi: 10.24843/mite.2023.v22i02.p06.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Danendra Fausta Viandhana, Nowaf Rijal Fahmi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
