PERANCANGAN CHATBOT PADA E-COMMERCE JERSEY

Pada blog kali ini masih melanjutkan pembahasan dari blog sebelumnya. Blog sebelumnya bisa dilihat disini JERBOT

Desain Aplikasi

Aplikasi yang akan dirancang merupakan sebuah aplikasi chatbot yang membahas mengenai informasi pemesanan jersey. Aplikasi ini diterapkan pada facebook messenger, sehingga user dengan mudah menggunakannya sama seperti aplikasi chatting lainnya. Perancangan aplikasi ini, melalui secara bertahap dimana tahapan pertama dimulai ketika user memasukkan kalimat atau pertanyaan. Setelah user memasukkan kalimat atau pertanyaan maka akan masuk ke tahap berikutnya yaitu preprocessing. Preprocessing adalah suatu tahapan awal ketika mengelola data input sebelum memasuki pada proses utamanya. Dalam preprocessing itu sendiri terdiri dari case folding, tokenizing, dan stemming. Setelah preprocessing selesai, maka chatbot akan masuk ketahap berikutnya yaitu training. Pada tahap training chatbot, sebelumnya ada tahap yang harus dilakukan terlebih dahulu salah satunya mengubah kata menjadi angka tensor dengan menggunakan tensorflow, hal ini disebabkan karena pada proses tersebut tidak bisa memahami data struktur kata. Setelah proses training maka proses selanjutnya ke tahap testing dimana chatbot akan dilakukan beberapa kali percobaan untuk mendapatkan jawaban dari pertanyaan user. Pada proses ini akan memberikan jawaban kepada user dan jawabannya itu adalah yang mirip atau hampir mendekati.

Desain Proses

Sesuai dengan pembahasan pada desain aplikasi maka didapatkan suatu alur proses dari pembuatan aplikasi chatbot, seperti diuraikan pada gambar berikut.

Gambar 1. Flowchart Chatbot

• Input Kalimat
  Kalimat yang bisa digunakan untuk melakukan obrolan atau percakapan dengan chatbot ini adalah kalimat EYD. Perkalimat akan diproses lebih lanjut berguna untuk bisa mendapatkan hasil yang maksimal melalui proses preprocessing agar bisa mendapatkan jawaban yang sesuai dari pertanyaan yang sudah diajukan oleh user.
  

• Preprocessing
  Setelah chatbot menerima pertanyaan dari user, maka masuk ketahap berikutnya yaitu proses preprocessing. Preprocessing itu sendiri, memiliki alur proses seperti pada gambar 2.
  
  
  
  
  Gambar 2. Tahap Preprocessing
  
  Proses case folding bertujuan untuk mengubah semua huruf dalam dokumen menjadi huruf kecil. Huruf yang bisa diterima hanya huruf  ‘a’ sampai ‘z’, selain dari karakter huruf maka dianggap delimiter. Proses ini menggunakan fungsi lower case. Alur dari proses case folding,seperti gambar berikut :
  
  
  
  
  
  Gambar 3. Proses Case Folding
  
  Selanjutnya masuk pada proses pemisahan teks menjadi komponen-komponen yang lebih kecil yang disebut sebagai tokenizing. Kata,angka,simbol,tanda baca dan entitas penting lainnya membiarkan didalamnya disebut sebagai token. Alur dari proses tokenizing, seperti gambar berikut :
  
  
  
  Gambar 4. Proses Tokenizing
  
  Setelah proses tokenizing, maka masuk ke proses menghilangkan infleksi kata ke bentuk dasarnya,namun bentuk dasar tersebut tidak berarti sama dengan akar kata (root word) yang disebut stemming. Alur dari proses stemming, seperti gambar berikut :
  
  
  
  
  
  Gambar 5. Proses Stemming
  
  

• Training Data
  Training  yang dimaksud adalah suatu proses untuk mengelola bagaimana suatu pertanyaan bisa mendapatkan jawaban yang sesuai. Training pada chatbot berguna untuk bisa memberikan jawaban yang sesuai ketika user mengajukan pertanyaan. Alur dari proses  training, seperti gambar berikut :
  
  
  

Gambar 6. Proses Training Data

Output

Output merupakan tahap terakhir dari semua proses, dimana bisa memberikan jawaban yang sesuai berdasarkan pertanyaan yang diajukan oleh user. Jawaban yang diberikan oleh chatbot adalah berdasarkan rangking tertinggi atau tingkat akurasi yang tinggi sehingga dapat dijadikan jawaban dari pertanyaan user. Berdasarkan hasil pengujian yang sudah dilakukan, ada beberapa faktor yang bisa mempengaruhi akurasi diantaranya ada kemiripan kata, bahasa yang berbeda, dan juga pertanyaan yang diajukan kurang lengkap. Walaupun memiliki kata yang berbeda tetapi memiliki makna yang sama, hal tersebut masih bisa dikenali sebagai kemiripan dan masih mempunyai tingkat akurasi yang baik. Ketika ada pertanyaan dari user tidak bisa dijawab itu disebabkan mungkin karena pertanyaan kurang lengkap atau memang tidak tersedia, sehingga pertanyaan tersebut disimpan untuk bisa dilakukan pengujian lagi berikutnya.

Terima Kasih.
Salam,

#PYN