TY  - THES
Y1  - 2026/05/25/
N2  - Dinas Komunikasi dan Informatika Kabupaten Tegal merupakan instansi 
pemerintah yang bertanggung jawab atas penyelenggaraan layanan komunikasi dan
informatika di wilayah Kabupaten Tegal. Meskipun instansi ini telah menyediakan
berbagai layanan digital seperti portal Segalengko, OpenData, dan aplikasi Lapor
Bupati, belum tersedia antarmuka percakapan otomatis yang dapat memfasilitasi
interaksi masyarakat secara cepat dan responsif. Penerapan chatbot berbasis
kecerdasan buatan berpotensi menjadi solusi efektif untuk menjawab pertanyaan
masyarakat secara otomatis sekaligus mengurangi beban kerja staf layanan[1].
Sistem yang dibangun mengimplementasikan Hybrid Ensemble
Architecture yang menggabungkan model Bidirectional Encoder Representations
from Transformers (BERT) berbasis bahasa Indonesia atau biasa disebut model
IndoBERT dengan model Long Short-Term Memory (LSTM) berbasis TensorFlow,
menggunakan mekanisme confidence-based model selection sebagai penentu
prediksi akhir. Dataset yang digunakan mencakup 53 kelas intent dengan lebih dari
1.200 pola pertanyaan yang diekstrak dari dokumen SOP internal instansi, portal
layanan web resmi pemerintah, dan media sosial resmi pemerintah daerah.
Hasil evaluasi pada 100 sampel pengujian acak dari 53 intent menunjukkan
bahwa sistem hibrida mencapai accuracy 86,52%, precision 89,82%, recall
86,52%, dan F1-score 87,57%. Produk akhir berupa REST API berbasis FastAPI
dan integrasi dengan Telegram Bot API telah berhasil diimplementasikan dalam
versi Beta dan dapat diakses pada alamat https://t.me/pemerintahtegal_bot.
PB  - Universitas AMIKOM Yogyakarta
KW  - Chatbot
KW  -  Intent classification
KW  -  IndoBERT
KW  -  LSTM
KW  -  Hybrid ensemble
KW  - 
Confidence-based model selection
KW  -  Public services
KW  -  Klasifikasi intent
KW  -  Layanan publik.
M1  - diploma
A1  - As?adurrofiq, As?adurrofiq
UR  - https://eprints.amikom.ac.id/id/eprint/33040/
ID  - universitasamikomyogyakarta33040
AV  - restricted
TI  - {JALUR NON REGULER - MAGANG IT} HYBRID ENSEMBLE ARCHITECTURE FOR INTENT
CLASSIFICATION: COMBINING BERT AND LSTM
WITH CONFIDENCE-BASED MODEL
SELECTION
ER  -