PENGEMBANGAN PROTOTIPE CHATBOT HYBRID UNTUK INFORMASI DAN PEMESANAN TRANSAKSI PENUKARAN VALUTA ASING

  • Ika Susanti Universitas Budi Luhur
  • Ferdiansyah Universitas Budi LUur
Keywords: chatbot, RASA Framework, Natural Language Prcessing, Perkayaan data latih, Penukanaran Valuta Asing

Abstract

Layanan penukaran valuta asing masih bergantung pada interaksi langsung dengan petugas sehingga pelanggan tidak memperoleh kepastian kurs, ketersediaan mata uang, dan jadwal layanan sebelum datang ke lokasi, sementara chatbot yang ada umumnya berhenti pada penyediaan informasi statis. Penelitian ini bertujuan mengembangkan prototipe chatbot hybrid berbasis kerangka kerja RASA yang menyatukan klasifikasi intent, knowledge base terkurasi, alur pemesanan berbasis aturan, dan integrasi data kurs serta stok mata uang secara dinamis, dilengkapi mekanisme fallback ke model bahasa cloud ketika keyakinan klasifikasi berada di bawah ambang 0,65; ujaran yang memicu fallback dikurasi melalui dasbor admin dan dijadikan data latih baru secara iteratif. Pengembangan mengikuti tahapan analisis kebutuhan, perancangan, implementasi, dan verifikasi fungsional. Penelitian menghasilkan rancangan arsitektur hybrid; rancangan intent dan alur pemesanan bertahap yang memisahkan pengisian data pribadi dari kanal percakapan melalui formulir bertoken rahasia; dasbor kurasi untuk siklus perkayaan data latih; serta prototipe yang terverifikasi mampu menjalankan skenario informasi kurs, pengecekan ketersediaan, dan pemesanan transaksi beli/jual valas sesuai alur yang dirancang, dengan laju fallback yang menurun antariterasi. Hasil ini menunjukkan chatbot dapat berperan sebagai antarmuka layanan transaksional yang terkendali, terlindungi privasinya, dan mampu memperbaiki diri secara berkelanjutan; evaluasi performa menyeluruh menjadi tahapan penelitian selanjutnya.

References

[1] Adamopoulou, E., & Moussiades, L. (2020). An overview of chatbot technology. Dalam I. Maglogiannis, L. Iliadis, & E. Pimenidis (Eds.), Artificial Intelligence Applications and Innovations. AIAI 2020 (hlm. 373–383). Cham: Springer. https://doi.org/10.1007/978-3-030-49186-4_31
[2] Al Farisi, F. A., Perdana, R. S., & Adikara, P. P. (2024). Klasifikasi intensi dengan metode Long Short-Term Memory pada chatbot Bahasa Indonesia. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(5), 1051–1058. https://doi.org/10.25126/jtiik.2024118000
[3] Dhaman, Anggai, S., & Waskita, A. A. (2025). Optimasi akurasi jawaban aplikasi chatbot layanan pelanggan dengan metode RAG Retrieval-Augmented Generation. Journal of Information System Research, 6(4), 2120–2128. https://doi.org/10.47065/josh.v6i4.8048
[4] Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., dkk. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002
[5] Dwiyono, A., Abdiansah, & Fachrurrozi, M. (2024). Analisis perbandingan klasifikasi intent chatbot menggunakan deep learning BERT, RoBERTa, dan IndoBERT. Journal of Information System Research, 6(1), 595–606. https://doi.org/10.47065/josh.v6i1.6051
[6] Følstad, A., & Brandtzæg, P. B. (2020). Users' experiences with chatbots: Findings from a questionnaire study. Quality and User Experience, 5, 3. https://doi.org/10.1007/s41233-020-00033-2
[7] Husain, Afandi, R., Sensuse, D. I., Lusa, S., Safitri, N., & Elisabeth, D. (2024). Designing a knowledge-based chatbot to elevate business licensing services in Indonesia. Jurnal RESTI, 8(5), 681–689. https://doi.org/10.29207/resti.v8i5.6069
[8] Kasilingam, D. L. (2020). Understanding the attitude and intention to use smartphone chatbots for shopping. Technology in Society, 62, 101280. https://doi.org/10.1016/j.techsoc.2020.101280
[9] Pradana, Z. H., Nafi'ah, H., & Rochmanto, R. A. (2022). Chatbot-based information service using RASA open-source framework in Prambanan Temple tourism object. Jurnal RESTI, 6(4), 656–662. https://doi.org/10.29207/resti.v6i4.3913
[10] Sasmita, W. M. H., Sumpeno, S., & Rachmadi, R. F. (2025). Improving government helpdesk service with an AI-powered chatbot built on the Rasa Framework. Jurnal RESTI, 9(2), 393–403. https://doi.org/10.29207/resti.v9i2.6293
Published
2026-07-31