IMPLEMENTASI DAN EVALUASI MODEL NATURAL LANGUAGE PROCESSING UNTUK KLASIFIKASI INTENT PADA CHATBOT LAYANAN INFORMASI DAN PENDAFTARAN RSUD SAMUDA

Penelitian ini bertujuan mengimplementasikan dan mengevaluasi model Natural Language Processing (NLP) berbasis Transformer untuk klasifikasi intent pada chatbot layanan informasi dan pendaftaran RSUD Samuda. Penelitian berfokus pada pengembangan dataset, perbandingan performa IndoBERT-Base dan IndoBERT-Lite, serta implementasi model pada prototipe chatbot. Dataset dikembangkan dari sekitar 30 pertanyaan seed hasil wawancara yang diperluas menggunakan Large language model (LLM) melalui pendekatan semantic paraphrasing, sehingga menghasilkan 7.387 data dengan 24 kategori intent yang relatif seimbang. Penelitian menggunakan pendekatan kuantitatif komparatif melalui proses fine-tuning pada kedua model. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. IndoBERT-Base memperoleh performa terbaik dengan accuracy dan F1-score sebesar 99,32%, sedangkan IndoBERT-Lite memperoleh accuracy dan F1-score sebesar 98,78%. Hasil optimasi menunjukkan bahwa kesesuaian antara checkpoint model dan tokenizer berperan penting dalam keberhasilan fine-tuning. IndoBERT-Lite dipilih untuk implementasi chatbot karena memberikan keseimbangan antara performa dan efisiensi komputasi. Chatbot menghasilkan waktu respons rata-rata 0,00223 detik dan mampu memberikan respons yang sesuai dengan intent pengguna melalui pendekatan hybrid intent classification. Hasil penelitian menunjukkan bahwa kedua model efektif digunakan untuk klasifikasi intent pada chatbot layanan kesehatan.