Perancangan Chatbot Informasi PPDB Menggunakan Algoritma Multinomial Naive Bayes di TK Delima

Ismail Hasan; Ari  Nurul Alfian

doi:10.58602/chain.v4i4.403

Ismail Hasan ^{(Corresponding Author)} Universitas Bina insani
Ari Nurul Alfian Universitas Bina Insani

DOI: https://doi.org/10.58602/chain.v4i4.403

Keywords: Chatbot, Klasifikasi Intent, Laplace Smoothing, Multinomial Naive Bayes, Natural Language Processing, PPDB

Abstract

Abstrak: TK Delima masih menyampaikan informasi Penerimaan Peserta Didik Baru (PPDB) melalui brosur fisik, komunikasi tatap muka, dan pesan WhatsApp sehingga akses informasi bergantung pada jam operasional dan ketersediaan staf administrasi. Penelitian ini bertujuan merancang chatbot informasi PPDB berbasis website yang mampu mengklasifikasikan intent pertanyaan wali calon peserta didik serta memberikan respons berdasarkan basis pengetahuan yang tersedia. Pengembangan sistem menggunakan Rapid Application Development (RAD) dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Masukan pengguna diproses menggunakan Natural Language Processing melalui enam tahap, yaitu case folding, punctuation removal, tokenization, normalisasi kata berbasis kamus, suffix stripping, dan stopword removal. Klasifikasi intent menerapkan Multinomial Naive Bayes yang dikombinasikan dengan Laplace Smoothing untuk mengatasi zero probability dan confidence check untuk menangani masukan di luar domain. Sistem diimplementasikan secara native menggunakan PHP, CodeIgniter 3, dan MySQL tanpa library machine learning eksternal. Data latih terdiri atas 85 kalimat pada tujuh kategori intent. Evaluasi menggunakan 40 kalimat uji menghasilkan accuracy 92,50%, macro-average precision 93,30%, macro-average recall 92,50%, dan macro-average F1-score 92,36%. Seluruh 11 skenario black-box testing berhasil, sedangkan kuesioner terhadap 11 responden memperoleh nilai rata-rata 4,01 atau tingkat persetujuan 80,1% dengan kategori Setuju. Hasil tersebut menunjukkan bahwa chatbot dapat membantu menyediakan informasi PPDB secara terprogram melalui website, meskipun kemampuan mengenali pertanyaan di luar domain masih perlu ditingkatkan.

Abstract: TK Delima still disseminates New Student Admission (PPDB) information through printed brochures, face-to-face communication, and WhatsApp messages, making access dependent on school operating hours and administrative staff availability. This study aims to design a website-based PPDB information chatbot capable of classifying the intent of prospective students’ parents’ questions and returning responses from a predefined knowledge base. The system was developed using Rapid Application Development (RAD), while data were collected through observation, interviews, and literature review. User input is processed using Natural Language Processing through six stages: case folding, punctuation removal, tokenization, dictionary-based normalization, suffix stripping, and stopword removal. Intent classification applies Multinomial Naive Bayes combined with Laplace Smoothing to address zero probability and a confidence-check mechanism to handle out-of-domain input. The system was implemented natively using PHP, CodeIgniter 3, and MySQL without external machine-learning libraries. The training dataset contains 85 sentences distributed across seven intent categories. Evaluation on 40 test sentences produced 92.50% accuracy, 93.30% macro-average precision, 92.50% macro-average recall, and 92.36% macro-average F1-score. All 11 black-box testing scenarios were successful, while a questionnaire involving 11 respondents achieved an average score of 4.01 or an 80.1% agreement level, categorized as Agree. The results indicate that the chatbot can support programmed delivery of PPDB information through the website, although its ability to recognize out-of-domain questions still requires improvement.

References

E. Rahmi, E. Yumami, and N. Hidayasari, “Analisis Metode Pengembangan Sistem Informasi Berbasis Website: Systematic Literature Review,” REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 7, pp. 821–834, 2023.

N. R. Fahmi and D. F. Viandhana, “Pusat Pelayanan Wifi Berbasis Chatbot Untuk Layanan Pelanggan,” in Prosiding Seminar Nasional Teknologi dan Sains, vol. 5, pp. 379–386, 2026.

A. Dwiyono, Abdiansah, and M. Fachrurrozi, “Analisis Perbandingan Klasifikasi Intent Chatbot Menggunakan Deep Learning BERT, RoBERTa, dan IndoBERT,” Journal of Information System Research (JOSH), vol. 6, pp. 595–606, 2024.

N. P. A. Noviyanti and I. G. N. A. C. Putra, “Penerapan Multinomial Naïve Bayes dan Chi-Square pada Analisis Sentimen Makan Bergizi Gratis,” Jurnal Nasional Teknologi Informasi dan Aplikasinya (JNATIA), vol. 3, pp. 785–794, 2025.

Y. A. Rizky, A. Aziz, and W. Harianto, “Implementasi Naive Bayes dengan Menggunakan Metode Laplace Smoothing,” RAINSTEK: Jurnal Terapan Sains dan Teknologi, vol. 6, no. 3, pp. 164–172, 2024.

Sondang, “Penerapan Metode RAD dalam Pengembangan Sistem Informasi Pemesanan Jasa Percetakan Berbasis Web pada Percetakan Karya Sehati Jaya,” E-Jurnal Manaj. Inform. Komput., vol. 8, pp. 871–881, 2024.

D. Apriliani, S. F. Handayani, and I. T. Saputra, “Implementasi Natural Language Processing (NLP) dalam Pengembangan Aplikasi Chatbot pada SMK YPE Nusantara Slawi,” Techno.COM, vol. 22, pp. 1037–1047, 2023.

N. Mamuriyah, Haeruddin, and Hero, “Pembangunan Chatbot Interaktif dengan Menggunakan Algoritma Naive Bayes,” Informatika: Jurnal Teknik Informatika dan Multimedia, vol. 4, pp. 82–94, 2024.

B. Santoso, Jefi, B. A. Wahid, F. E. Schaduw, and D. R. Zain, “Perancangan Program Chatbot Berbasis Website dalam Sistem Informasi dan Pelayanan PPDB pada SMK Al-Bahri Bekasi,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, pp. 11260–11268, 2024.

D. H. Gardhitatama, H. Yuana, and F. Febrinita, “Rancang Bangun Aplikasi Pembelajaran Bahasa Inggris Berbasis Chatbot (Studi Kasus: TK PKK Kartini Sidodadi),” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 6, pp. 829–834, 2022.

R. R. Rafi, A. Setiawan, A. A. Rosadi, and A. Sanjaya, “Chatbot Penerimaan Peserta Didik Baru di SMK Intensif Baitussalam Menggunakan NLP,” in Prosiding Seminar Nasional Teknologi dan Sains, vol. 4, pp. 130–135, 2025.

A. Muhidin, M. Danny, and E. Rilvani, “Algoritme Multinomial Naïve Bayes pada Aplikasi Chatbot Layanan Informasi Berbasis Teks,” J. Ilm. Komput., vol. 19, pp. 71–80, 2023.

F. Sinlae, I. Maulana, F. Setiyansyah, and M. Ihsan, “Pengenalan Pemrograman Web: Pembuatan Aplikasi Web Sederhana dengan PHP dan MySQL,” Jurnal Siber Multi Disiplin (JSMD), vol. 2, pp. 68–82, 2024.

P. Kustianto, S. Auliana, B. Rakhim, S. Permana, A. Rohman, and A. Munawir, “Penerapan Framework CodeIgniter 3 pada Aplikasi Penjualan di Toko Kue Kering Miya Jaya Serang,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, pp. 831–836, 2025.

N. W. Rhomadhona, M. A. Muhammad, P. B. Wintoro, and Y. Mulyani, “Rapid Application Development untuk Sistem Informasi Event,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 13, no. 1, 2025.

R. Chandra and E. M. Sipayung, “Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Menggunakan Algoritma Naive Bayes Classifier,” TEKNOSI: Jurnal Nasional Teknologi dan Sistem Informasi, vol. 10, no. 3, pp. 156–164, 2024.

R. Indransyah, Y. H. Chrisnanto, and P. N. Sabrina, “Klasifikasi Sentimen Pergelaran MotoGP di Indonesia Menggunakan Algoritma Correlated Naïve Bayes Classifier,” INFOTECH Journal, vol. 8, no. 2, pp. 60–66, 2022.

B. Huberta and A. B. Wijaya, “Perancangan Chatbot Website Program Studi Framework,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 11, 2023.

I. Amirulloh, M. W. Pertiwi, and T. Wibisono, “Whatsapp Menggunakan Node JS dan Model Natural Language Processing untuk Layanan PPDB,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 12, 2024.