Mahasiswa terkadang membutuhkan informasi mengenai administrasi tentang akademiknya. Ke kampus untuk menanyakan kepada staf akademik tentu membutuhkan waktu yang tidak sebentar, apalagi jikalau ternyata ada berkas yang perlu di ambil dari rumah dan kos.
Salah satu cara mendapatkan informasi akademik tentu saja dengan mengakses website departemen. Sayangnya, website departemen hanyalah informasi satu arah. Model komunikasi dua arah yang umum dilakukan pada website adalah menggunakan chatbot. Chatbot memberikan informasi sembari komunikasi dua arah kepada mahasiswa sebagai pengguna.

Maka disusunlah penelitian untuk membuat sebuah chatbot untuk membantu mahasiswa untuk mendapatkan informasi akademik. Selain itu, chatbot juga ditambahkan kemampuan untuk membaca emosi berdasarkan pembicaraan yang dilakukan.

Teknologi saat ini sangat memungkinkan untuk membuat chatbot dengan tambahan kemampuan emosi yang dilatih. Untuk menerapkan itu, digunakan LUIS atau Language Understanding Intelligent Service. LUIS merupakan sebuah layanan API berbasis cloud yang menerapkan kecerdasan pembelajaran mesin khusus untuk teks bahasa alami percakapan pengguna. LUIS digunakan sebagai otak yang dilatih untuk memproses percakapan dan mengetahui maknanya secara keseluruhan.

Selain itu, digunakan pula Bot Framework, Azure Cognitive Service dan QnA Maker. Bot Framework merupakan teknologi berbasis cloud yang memungkinkan pembangunan bot yang disederhanakan dengan komponen dan layanan siap pakai yang bertanggung jawab untuk konektivitas, intelijen dan integrasi. Bot framework ini berfungsi sebagai antarmuka antara pengguna dengan bot.

Azure Cognitive Service merupakan layanan dari Azure untuk menyediakan layanan kognitif seperti algoritma machine learning yang dikembangkan Microsoft untuk menyelesaikan permasalahan ddi bidang kecerdasan buatan. Layanan kognitif ini dapat diakses melalui API dan tersedia SDK-nya untuk membantu pengembang membangun aplikasi berbasis Kecerdasan Buatan.

QnA Maker merupakan layanan API berbasis cloud yang menciptakan lapisan percakapan, tanya jawab suatu data. QnA Maker memungkinkan untuk membuat basis pengetahuan dari konten yang semi-terstruktur seperti URL Frequently Asked Question (FAQ), manual produk, dokumen pendukung, serta pertanyaan dan jawaban khusus.

Selain peralatan di atas, chatbot ini menggunakan dataset yang beragam. Ada empat dataset yang perlu disediakan.

• Data FAQ Akademik. Digunakan sebagai sumber untuk menjawab pertanyaan seputar informasi akademik.
• Personality Chat Dataset. Dataset percakapan diperoleh dari Microsoft dataset, berisi 6898 pertanyaan-jawaban yang mencakup kurang lebih 100 skenario percakapan dalam Bahasa Inggris.
• DialogFlow Smalltalk Dataset. Smalltalk dataset ini diperoleh dari DialogFlow, berisi 86 intens yang mewakili setiap topik percakapan berbeda dengan total kurang lebih 700 utterance berupa pertanyaan atau peryataan dalam Bahasa Indonesia.

Dari diagram alir tersebut dapat dijelaskan sebagai berikut:

1. Aplikasi menampilkan welcome message sebagai pesan pembuka untuk memulai percakapan
2. Input dari pengguna merupakan ucapan yang dikirimkan ke LUIS endpoint sebagai HTTP Request.
3. LUIS mempelajari ucapan kemudian dibedakan apakah itu akademis atau yang lainnya.
4. Jika maksud ucapan berupa pertanyaan akademis, maka LUIS akan memanggil jawaban dari QnA Maker.
5. Jika maksud berupa percakapan biasa, akan diambilkan dari data percakapan.
6. Response paling tepat akan dikembalikan untuk membalas percakapan.

Pengembangan aplikasi chatbot mendapatkan hasil penerapan seperti gambar di bawah ini:

Berdasarkan hasil pengembangan chatbot, dapat disimpulkan sebagai berikut:

1.  LUIS dapat diterapkan pada pengembangan chatbot dan menjadikannya lebih cerdas dalam memahami bahasa alami pengguna.
2. Aplikasi chatbot dapat menanggapi input pengguna terkait topik percakapan sehari-hari, selain pertanyaan akademik