ANALISIS PENGELOMPOKKAN INTENT PERCAKAPAN CHATBOT MENGGUNAKAN METODE TF-IDF DAN ALGORITMA K-MEANS

Abstract

Penggunaan chatbot yang kian masif saat ini menghasilkan lonjakan volume data log percakapan pengguna secara signifikan. Namun, hal ini memunculkan permasalahan berupa kesulitan dalam memetakan maksud (intent) pengguna yang sangat beragam dan tidak terstruktur jika proses evaluasi dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengelompokan intent secara otomatis pada dataset percakapan chatbot multi-turn untuk menemukan pola topik yang dominan. Metode penyelesaian yang digunakan berlandaskan kerangka Knowledge Discovery in Database (KDD), meliputi transformasi teks dengan Term Frequency-Inverse Document Frequency (TF-IDF), pengelompokan data menggunakan algoritma K-Means Clustering, serta validasi cluster dengan Elbow Method dan Silhouette Score. Hasil penelitian menunjukkan pembentukan cluster optimal pada K=54 dengan Silhouette Score tertinggi sebesar 0,5353. Kombinasi metode ini terbukti efektif dan granular dalam memisahkan spektrum kebutuhan pengguna mulai dari edukasi teknis hingga hiburan sehingga dapat menjadi landasan evaluasi bagi pengembang chatbot ke depannya