Model Chatbot Generatif Berdasarkan Jaringan Saraf Dalam Dengan Optimasi Hiperparameter Untuk Layanan Pelanggan

Abstract

Perkembangan teknologi kecerdasan buatan telah mendorong transformasi layanan pelanggan melalui penerapan chatbot generatif. Namun, tantangan utama dalam pengembangannya adalah memilih arsitektur model yang tepat dan penyetelan hiperparameter untuk mencapai kinerja yang optimal. Penelitian ini bertujuan untuk merancang model chatbot berbasis Deep Neural Network (DNN) dengan optimasi hiperparameter menggunakan teknik Bayesian Optimization. Dengan pendekatan kualitatif, data dikumpulkan melalui wawancara mendalam, dokumentasi teknis, dan observasi implementasi di lima perusahaan teknologi. Hasilnya menunjukkan peningkatan yang signifikan dalam akurasi respons, penurunan latensi, serta kepuasan pengguna yang lebih tinggi setelah model dioptimalkan. Chatbot yang dikembangkan mampu memberikan interaksi yang lebih relevan, responsif, dan efisien dalam konteks layanan pelanggan. Implikasi praktis dari penelitian ini termasuk meningkatkan efektivitas operasional dan kualitas pengalaman pelanggan, serta memberikan panduan teknis bagi pengembang sistem AI serupa. Penelitian ini juga menyoroti pentingnya pendekatan integratif antara teknologi dan evaluasi berbasis pengguna untuk menghasilkan model chatbot adaptif dan strategis.