JITTER- Jurnal Ilmiah Teknologi dan Komputer Vol. 3, No. 1 April 2022

Perancangan Chatbot Hotel dengan Model Natural Language Processing Chatbot dan Button Based Chatbot

I Gede Ryoga Kusnandaa1, I Made Sukarsaa2, Anak Agung Ngurah Hary Susilaa3 aProgram Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana, Bali e-mail: 1[email protected], 2[email protected], 3[email protected]

Abstrak

Teknologi chatbot sudah mulai diterapkan pada berbagai sektor, termasuk sektor hotel. Kehadiran chatbot sangat membantu dalam ketepatan dan ketepatan penyampaian informasi. Namun, chatbot yang diterapkan pada sektor ini fiturnya kurang lengkap dan balasannya hanya dalam bentuk teks. Oleh karena itu, perlu adanya chatbot hotel yang mampu memberikan informasi dalam bentuk media lain yang lebih informatif. Chatbot hotel yang dirancang pada penelitian ini menggunakan tools Dialogflow, dan disematkan pada aplikasi Messenger. Chatbot hotel memiliki fitur informasi, navigasi, telepon, galley slide, card, dan telepon. Button-Based Chatbot dan Natural Language Processing Chatbot adalah dua model yang digunakan pada chatbot, sehingga chatbot dapat menerima dua jenis input. Metode Black-Box testing digunakan pada pengujian ketepatan respon chatbot, dan berdasarkan hasil pengujian tersebut, chatbot mampu merespon semua input dari pengguna dengan benar. Chatbot mampu memberikan jawaban tepat meskipun terdapat typo karena adanya penerapan Natural Language Processing.

Kata kunci: Chatbot, Dialogflow, Hotel, Kecerdasan Buatan, Natural Language Processing

Abstract

Chatbot technology has begun to be applied to various sectors, including the hotel sector. The presence of chatbots is very helpful in presenting fast, precise, and real-time information to users. However, the chatbot implemented in this sector is not fully featured and the reply is only in text form. Therefore, there is have to a hotel chatbot which is able to gives information on other, more informative forms of media. The hotel chatbot designed in this study uses the Dialogflow tools, and is embedded in the Messenger application. The hotel chatbot features information, navigation, telephone, galley slide, card, and telephone. Button-Based Chatbot and Natural Language Processing Chatbot are two models used in chatbots, so chatbots can accept two types of input. Black-Box Testing method used to to test accuracy of chatbot's response, and by the test results, the chatbot was able respond to all input from the tester correctly. Hotel chatbot is able to provide right response even though there are typos because of the implementation of Natural Language Processing.

Keywords: Artificial Intelligence, Chatbot, Dialogflow, Hotel, Natural Language Processing

berbasis teks, padahal chatbot memiliki beragam jenis respon seperti, gambar, carousel card, tombol, dan lain sebagainya [6].

Penerapan model yang digunakan pada chatbot yang banyak ditemui adalah buttonbased chatbot dan natural language processing chatbot. Model button-based chatbot memungkinkan pengguna untuk melakukan input dengan memilih tombol yang tersedia dan selanjutnya akan direspon oleh chatbot [7]. Kelebihan dari model ini ialah meniminalisir terjadi kesalahan input yang diakibatkan oleh typo. Natural language processing chatbot memungkinkan chatbot untuk memproses input dalam bentuk bahasa alami manusia [8]. Chatbot akan menganalisa input dalam bentuk phrases yang nantinya akan melakukan pencocokan setiap kata dengan context pada intent.

Penerapan dua model chatbot tersebut sudah pernah dirancang pada penelitian sebelumnya. Perancangan chatbot yang dilakukan oleh Ahmad et al, menerapkan model button-based chatbot pada penelitiannya. Penggunaan model button-based memudahkan pengguna dalam mengakses informasi dan meminimlaisir terjadinya kesalahan input [9]. Penelitian oleh V. Naidoo menggunakan model button-based chatbot dengan studi kasus bidang perhotelan. Penggunaan model button-based dinilai lebih efektif dan interaktif pada chatbot hotel [10]. Perancangan chatbot hotel dengan menggunakan model lain juga pernah dilakukan sebelumnya pada penelitian yang dilakukan oleh H. Meidia. Chatbot yang dirancang menggunakan model natural language processing chatbot dengan kemampuan memproses bahasa alami manusia [11]. Penelitian yang dilakukan Sukarsa et al, juga menerapakan teknologi natural language pada chatbot Telegram, sehingga pengalaman pengguna menggunakan chatbot menjadi lebih baik dan dua arah [2].

Penerapan teknologi chatbot pada bidang perhotelan sudah banyak dilakukan, namun respon yang diberikan oleh chatbot pada umumnya hanya dalam bentuk teks [12]. Padahal chatbot memiliki beragam jenis respon lain, seperti gambar, video, card, tombol, quick response, dan lain sebagainya [13]. Potensi chatbot yang memiliki beragam jenis respon dapat dimanfaatkan dan dipadukan untuk menghadirkan fitur lain pada chatbot. Sehingga chatbot tidak hanya difungsikan sebagai pemberi informasi pada ruang obrolan namun juga multifungsi. Sturuktur umum pada chatbot yaitu terdiri dari kalimat pola atau training phrase dan response atau balasan dari chatbot [14]. Dialogflow adalah platform besutan Google yang sering digunakan dalam pembuatan chatbot. Dialogflow melakukan pencocokan kata dari input user yang nantinya akan diolah oleh agent dan akan diberikan respon sesuai dengan training phrases [15].

Penelitian yang akan dilakukan adalah merancang chatbot yang memadukan dua model, yaitu Button-Based Chatbot dan Natural Language Processing Chatbot. Hal ini memungkinkan chatbot untuk menerima input dalam bentuk teks maupun tombol. Selain itu, penerapan NLP juga mampu membuat chatbot menjadi lebih cerdas karena dapat memproses bahasa alami [16]. Chatbot dirancang menggunakan platform Dialogflow dan disematkan pada aplikasi Facebook Messenger. Fitur yang dimiliki oleh chatbot, antara lain text response, gallery slide, carousel card, direct navigation, dan direct call. Basis data chatbot dirancang langsung pada platform Dialogflow.

Pengujian chatbot dilakukan menggunakan metode Black-Box Testing. Terciptanya chatbot yang mampu menerima input dalam bahasa alami dan memiliki fitur fungsional adalah tujuan utama dari penelitian ini.

  • 2.    Metodologi Penelitian

Metodologi penelitian menjelaskan tahapan yang dilakukan dalam perancangan chatbot hotel dengan model natural language processing chatbot dan button based chatbot. Penelitian perancangan chatbot dilakukan sesuai tahapan perancangan. Tahapan ini berbentuk sistematis dari alur penelitian. Tahapana atau metodologi penelitian dapat dijelaskan sebagai berikut.

Gambar 1. Alur Penelitian

Gambar 1 merupakan alur penelitian perancangan chatbot hotel dengan model natural language processing chatbot dan button based chatbot. Proses penelitian dimulai dari analisis permasalahan yang terdapat pada chatbot hotel lalu dilanjutkan dengan perancangan agent, basis pengetahuan termasuk training phrases dan response. Penelitian dilanjutkan dengan perancangan intent dan implementasi chatbot pada aplikasi obrolan. Tahap terakhir penelitian yaitu melakukan pengujian black-box testing.

  • 2.1    Gambaran Umum Sistem

Bagian gambaran umum menjelaskan alur flow dari chatbot hotel. Bisnis proses atau alur sistem dari chatbot menjadi fokus utama pada bagian gambaran umum yang dapat digambarkan pada Gambar 2.

Gambar 2. Gambaran Umum Sistem

Gambar 2 merupakan gambaran umum atau alur proses sistem dari chatbot hotel. Proses diawali dari pengguna yang menghubungi chatbot melalui messenger. Chatbot akan meneruskan perintah ke agent yang dilengkapi dengan natural language processing dan diteruskan ke intent. Berikutnya, chatbot akan melakukan matching antara permintaan dengan training phrases yang terdapat pada intent. Setelah menemukan intent yang paling relevan, chatbot akan memberikan respon sesuai dengan intent dan permintaan yang dikirim pengguna.

  • 3.    Kajian Pustaka

Bagian kajian pustaka membahas teori dasar ilmu yang digunakan dalam penelitian chatbot hotel dengan model natural language processing chatbot dan button-based chatbot. Teori didapat berdasarkan hasil studi literatur yang berkaitan dengan pengembangan chatbot. 3.1 Chatbot

Chatbot adalah sebuah teknologi yang memanfaatkan artificial intelligence dalam melakukan dialog dengan manusia [17]. Terdapat beberapa model chatbot yang dapat diimplementasikan, dua di antaranya adalah button-based chatbot dan natural language processing chatbot. Chatbot yang memproses basis input dalam bentuk tombol adalah chatbot dengan model button-based [9]. Model chatbot yang mampu memproses input dalam bentuk phrases atau kalimat bahasa manusia adalah model natural language processing chatbot [18].

  • 3.2    Dialogflow

Terdapat banyak sekali chatbot development platform yang sering digunakan pengembang dalam mengembangkan chatbot, salah satunya adalah Dialogflow. Dialogflow adalah chatbot development platform besutan Google dimana platform ini mampu memproses input atau masukan dalam bentuk teks yang nantinya akan diproses oleh Dialogflow agent dengan kemampuan machine learning lalu memberikan balasan sesuai intent [15].

  • 3.3    Black-Box Testing

Pengujian metode black-box adalah pengujian fokus padafitur fungsionalitas dan kinerja dari aplikasi [19]. Dalam melakukan pengujian, tester atau penguji tidak diharuskan memiliki dasar ilmu mengenai teknologi dari chatbot terkait, penguji hanya perlu fokus pada pengujian fitur dan kinerja chatbot.

  • 3.4    Instant Messaging Application

Aplikasi obrolan atau yang sering dengan aplikasi chatting adalah suatu sistem pertukaran pesan secara cepat melalui media internet antara satu pengguna dengan pengguna lain [20]. Salah satu aplikasi obrolan yang sering digunakan untuk implementasi chatbot adalah Facebook Messenger. Messenger memungkinkan pengembang untuk melakukan implementasi chatbot dengan mudah dan melakukan pengaturan output yang beragam.

  • 4.    Hasil dan Pemabahasan

Hasil dan pembahasan penelitian menjelaskan implementasi chatbot hotel dan pengujian ketepatan respon chatbot. Berikut adalah tampilan dari implementasi chatbot hotel. 4.1. Implementasi Chatbot

Chatbot hotel dirancang menggunakan Dialogflow dan diintegrasikan dengan aplikasi obrolan Facebook Messenger. Berikut adalah tampilan awal chatbot hotel.

Hai ryoga, selamat datang di Hotel The Stones Legian. Nikmati pelayanan dan fasilitas bintang Iima didampingi dengan keindahan suasana pinggir pantai.

Ada yang bisa kami bantu? Informasi apa yang kamu butuhkan ryoga?

ONLINE BOOKING


CONTACT INFO


4 \ HOTEL

4li INFORMATION

^t ROOM TYPE

Informasi Hotel

Information about the Hotel with its facilities and address.

RoomType                       .. OnIineBooking                        Kontak

We have plenty type of comfy r∞ms          ' * -look your room now with three choices of          Want to call Hotel representative? Just

booking platform.                                ch∞se one of the button.

Fasilitas

Suite Pool                             Booking.com                             Telephone

Navigasi

Deluxe Room                            Agoda                         Facebook Messenger

Website

Premium Plunge Pool                          Traveloka                               Whatsapp

Gambar 2. Menu Utama Chatbot Hotel

Gambar 2 adalah tampilan menu utama dari chatbot hotel. Menu utama dari chatbot meliputi informasi hotel, jenis kamar, online booking, dan kontak. Setiap menu berbentuk carousel card yang memuat thumbnail, title, subtitle, dan tiga tombol sub menu yang dapat diakses.

Fasilitas



Berikut adalah fasilitas dan layanan yang kami sediakan ryoga:

  • -    Semua area publik bebas rokok

  • -    Penyewaan Mobil

  • -    Ruang game

  • -    Video games

  • -    Ruang minum kopi

  • -    Penitipan anak

  • -    Buffet breakfast

  • -    Cash machine/ATM

  • -    Penukaran Valas

  • -    Housekeeping

  • -    Laundry

  • -    Kamaryang mudah diakses

  • -    Layanan koran

  • -    Koran di lobby

  • -    Room service

  • -    Room service, 24-hour

  • -    Laci atau brankas

  • -    Dry Cleaning


Berikut adalah galeri foto dari kami ryoga



Gambar 3. Menu Fasilitas Hotel


Gambar 3 adalah tampilan dari menu fasilitas hotel yang merupakan bagian dari menu utama informasi hotel. Menu ini memuat informasi fasilitas hotel dan gallery slide serta tiga tombol yang dapat diakses untuk ke menu chatbot lainnya.



Menu informasi hotel juga memiliki fitur navigasi langsung ke lokasi hotel. Pengguna hanya perlu memilih tombol navigasi dan memilih salah satu platform, lalu chatbot akan meneruskan request ke aplikasi navigasi bersangkutan tanpa harus melakukan input nama lokasi.

Fasilitas

Navigasi

Website

Gambar 5. Menu Website


HOTEL INFORMATION


Informasi Hotel

Information about the Hotel with its facilities and address.

Menu website yang disematkan pada chatbot hotel memudahkan pengguna dalam mengakses laman resmi hotel tanpa harus membuka browser dan input link website hotel yang dituju.

Slay in a deluxe guest room and take advantage of the Bose iPod docking station as well as a 42-inch LED TV and complimentary internet access Refreshywrselfkiour marble bathrooms featuring rainforest shower and all the premium amenities you need for a comfortable stay.

Gambar 6. Menu Jenis Kamar


Beach, our luxury hotel offers pool-view rooms with free WiFi and marble bathrooms with rainforest showers.


Here are the room facilities::

  • -    1 King Bed

  • -    Room service, 24-Hour

  • -    Bottled water, complimentary

  • -    Coffee maker ∕ tea service

  • -    Mini-bar

  • -    Mini-refrigerator

-Chair

  • ■    Alarm Clock

  • ■    Safe, in room

  • -    Desk, writing ∕ work,



Menu jenis kamar atau room type adalah salah satu menu utama dari chatbot hotel yang menyajikan informasi kamar, fasilitas, dan foto galeri dari kamar yang dipilih. Terdapat tiga tombol menu yang juga dapat diakses pada menu tersebut, yaitu navigasi, booking online, dan menu utama hotel.

Gambar 7. Menu Online Booking



Gambar 7 adalah tampilan dari salah satu menu utama chatbot hotel yaitu online booking. Menu ini memudahkan pengguna dalam mengakses layanan online booking ke berbagai platform tanpa harus melakukan input nama hotel. Setelah pengguna memilih tombol, chatbot akan meneruskan perintah ke aplikasi online booking terkait dan menampilkan laman hotel yang dituju.



Gambar 8. Menu Contact Info

Menu kontak atau contact info memungkinkan pengguna untuk menghubungi pihak hotel tanpa harus melakukan input pada aplikasi panggilan ataupun menyimpan nomor telepon dari hotel. Pengguna hanya perlu memilih menu kontak pada chatbot dan memilih salah satu tombol. Chatbot akan meneruskan perintah ke aplikasi panggilan dan langsung menghubungi pihak hotel.

  • 4.2.    Pengujian Chatbot

Metode black-box testing digunakan dalam pengujian kinerja chatbot hotel ini. Pengujian dilakukan terhadap seluruh menu dari chatbot hotel dengan melakukan input dalam bentuk phrases dan tombol. Berikut adalah tabel skenario hasil pengujian data respon dari chatbot hotel.

Tabel 1. Data Respon Menu Utama

Skenario pengujian

Input

Ekspektasi output

Hasil output

Mengakses menu

Phrases

Pesan pembuka dan

Pesan pembuka dan

utama

“Hai”/”Hello”/”Hey”

menu utama

menu utama (valid)

Tabel 1 merupakan pengujian data respon pada pesan pembuka dari chatbot hotel. Pengguna melakukan input dalam bentuk phrases “hai” dan output yang dihasilkan adalah pesan pembuka, pengujian menu utama bernilai valid.

Tabel 2. Data Respon Menu Fasilitas

Skenario pengujian

Input

Ekspektasi output

Hasil output

Mengakses menu fasilitas

Klik tombol “fasilitas”

Phrases “aku ingin lihat fasilitas hotel”

Fasilitas hotel, galeri foto hotel, tiga tombol

Fasilitas hotel, galeri foto hotel, tiga tombol (valid)

Phrases “ak ingin tau fasilitas hotl” (typo)

Data respon chatbot hotel pada menu fasilitas terdapat pada Tabel 2. Berlandaskan hasil pengujian, menu fasilitas hotel berfungsi dengan baik dan dapat diakses menggunakan tombol atau phrases.

Tabel 3. Data Respon Menu Navigasi

Skenario pengujian

Input          Ekspektasi output       Hasil output

Mengakses menu navigasi

Klik tombol “navigasi” Navigasi ke lokasi      Navigasi ke lokasi

hotel                 hotel (valid)

Phrases “dimana

lokasi hotel?”

Phrases “dmn lokasi

hotel?” (typo)

Pengujian juga dilakukan pada menu navigasi chatbot hotel yang dapat dilihat pada Tabel 3. Pengguna dapat melakukan input dalam bentuk phrases atau tombol dan chatbot dapat merespon dengan baik.

Tabel 4. Data Respon Menu Jenis Kamar

Skenario pengujian

Input          Ekspektasi output       Hasil output

Mengakses menu jenis kamar

Klik tombol salah satu Fasilitas dan galeri      Fasilitas dan galeri

jenis kamar            kamar hotel         kamar hotel (valid)

Tabel 4 adalah data pengujian respon dari menu jenis kamar. Akses menu jenis kamar dapat dilakukan dengan tombol dan berdasarkan pengujian, chatbot dapat memberikan respon yang sesuai.

Tabel 5. Data Respon Menu Online booking

Skenario pengujian

Input          Ekspektasi output       Hasil output

Mengakses menu online booking

Klik tombol salah satu     Meneruskan ke        Meneruskan ke

platform booking         platform online          platform online

online                 booking             booking (valid)

Pengujian menu online booking dapat dilihat pada Tabel 5. Pengguna mengakses menu online booking dengan memilih salah satu tombol platform dan direspon dengan baik oleh chatbot sesuai intent.

Tabel 6. Data Respon Menu Kontak

Skenario pengujian

Input          Ekspektasi output       Hasil output

Mengakses menu kontak

Klik tombol salah satu   Menghubungi hotel     Menghubungi hotel

pilihan kontak              melalui                  melalui

telepon/messenger    telepon/messenger

Phrases “telepon          /whatsapp          /whatsapp (valid)

hotel”

Phrases “telepon hotel dong” (pola acak)

Data pengujian menu kontak dari chatbot hotel dapat dilihat pada Tabel 6. Akses menu kontak berfungsi dengan baik sesuai dengan intent dan dapat diakses menggunakan tombol atau phrases.

Berasaskan pengujian menggunakan metode pengujian black-box, keluaran hasil respon dari chatbot hotel bernilai bernilai valid untuk semua menu. Chatbot mampu memberikan respon dengan tepat sejumlah 12 dari 12 permintaan yang dimasukkan menggunakan dua jenis input yang berbeda, meskipun pengguna melakukan input dengan pola acak ataupun terdapat typo, chatbot masih mampu untuk memberikan respon yang sesuai

dengan intent. Hal ini dapat terjadi karena kehadiran teknologi natural language processing pada chatbot.

Kehadiran teknologi natural language processing (NLP) memberikan pengaruh besar pada kinerja dan ketepatan respon chatbot. Teknologi NLP yang disematkan pada Dialogflow juga dilengkapi dengan kemampuan machine learning, sehingga saat terjadi kesalahan input berupa typo atau pola masukan yang diberikan dalam bentuk acak, chatbot masih dapat mengerti perintah yang diberikan selama masih dalam context intent.

  • 5.    Kesimpulan

Perancangan dan implementasi chatbot hotel dengan model natural language processing dan button-based chatbot memberikan hasil yang baik. Berasaskan hasil pengujian pengujian black-box, dari pengujian terlihat bahwa chatbot hotel mampu memproses seluruh input meskipun terdapat typo atau pola kalimat acak selama masih sesuai context dari intent yang terdaftar pada agent. Semakin banyak data latih training phrases yang didaftarkan, semakin tinggi pula kemungkinan chatbot untuk menemukan intent yang tepat. Kemampuan chatbot ini tidak terlepas dari teknologi natural language processing dan machine learning. Selain itu, chatbot juga memiliki respon yang beragam seperti gambar, card, tombol, hingga beberapa fitur fungsional lainnya. Namun, perlu adanya pengembangan lebih lanjut mengenai sistem basis data chatbot eksternal agar lebih dinamis dalam pengolahan data.

References

  • [1]    I. N. S. Paliwahet, I. M. Sukarsa, and I. K. Gede Darma Putra, “Pencarian Informasi Wisata Daerah Bali Menggunakan Teknologi Chatbot,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 8, no. 3, p. 144, 2017, doi: 10.24843/lkjiti.2017.v08.i03.p01.

  • [2]    D. Gentia, I. M. Sukarsa, and K. S. Wibawa, “Rancang Bangun Chatbot Sebagai Penghubung Komunikasi Antara Aplikasi Line Messenger Dengan Telegram Messenger,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 8, no. 3, pp. 156–167, 2020.

  • [3]    I. K. P. Pinajeng, I. M. Sukarsa, and I. M. S. Putra, “Perbaikan Kata pada Sistem Chatbot dengan Metode Jaro Winkler,” JITTER J. Ilm. Teknol. dan Komput., vol. 1, no. 2, pp. 86–95, 2020, [Online]. Available: https://ojs.unud.ac.id/index.php/jitter/article/view/66062.

  • [4]    S. Ivanov, “The impact of automation on tourism and hospitality jobs,” Inf. Technol. Tour., vol. 22, no. 2, pp. 205–215, 2020, doi: 10.1007/s40558-020-00175-1.

  • [5]    D. C. Ukpabi, B. Aslam, and H. Karjaluoto, “Chatbot adoption in tourism services: A conceptual exploration,” Robot. Artif. Intell. Serv. Autom. Travel. Tour. Hosp., pp. 105– 121, 2019, doi: 10.1108/978-1-78756-687-320191006.

  • [6]    A. Argal, S. Gupta, A. Modi, P. Pandey, S. Shim, and C. Choo, “Intelligent travel chatbot for predictive recommendation in echo platform,” 2018 IEEE 8th Annu. Comput. Commun. Work. Conf. CCWC 2018, vol. 2018-Janua, pp. 176–183, 2018, doi: 10.1109/CCWC.2018.8301732.

  • [7]    M. Facta, Institute of Electrical and Electronics Engineers. Indonesia Section, Universitas Diponegoro. Department of Electrical Engineering, and Institute of Electrical and Electronics Engineers., “2018 5th International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE 2018) : proceedings : September 2628th, 2018, Semarang, Indonesia,” 2018 5th Int. Conf. Inf. Technol. Comput. Electr. Eng., pp. 131–136, 2018.

  • [8]    F. Colace, M. De Santo, M. Lombardi, F. Pascale, A. Pietrosanto, and S. Lemma, “Chatbot for e-learning: A case of study,” Int. J. Mech. Eng. Robot. Res., vol. 7, no. 5, pp. 528–533, 2018, doi: 10.18178/ijmerr.7.5.528-533.

  • [9]    N. A. Ahmad, M. Hafiz, C. Hamid, A. Zainal, and Z. Baharum, “UNISEL Bot: Designing Simple Chatbot System for University FAQs,” Int. J. Innov. Technol. Explor. Eng., vol. 9, no. 2, pp. 4689–4693, 2019, doi: 10.35940/ijitee.b9067.129219.

  • [10]    R. Roy and V. Naidoo, “Enhancing chatbot effectiveness: The role of anthropomorphic conversational styles and time orientation,” J. Bus. Res., vol. 126, no. October 2019, pp.

23–34, 2021, doi: 10.1016/j.jbusres.2020.12.051.

  • [11]    D. Gunawan, F. P. Putri, and H. Meidia, “Bershca: Bringing chatbot into hotel industry in Indonesia,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 18, no. 2, pp. 839–845, 2020, doi: 10.12928/TELKOMNIKA.V18I2.14841.

  • [12]    S. Parmar, M. Meshram, P. Parmar, M. Patel, and P. Desai, “Smart Hotel Using Intelligent Chatbot : A Review,” Int. J. Sci. Res. Comput. Sci. Eng. Inf. Technol., vol. 5, no. 2, pp. 823–829, 2019, doi: 10.32628/cseit11952246.

  • [13]    M. Sarosa, M. Kusumawardani, A. Suyono, and M. H. Wijaya, “Developing a social media-based Chatbot for English learning,” IOP Conf. Ser. Mater. Sci. Eng., vol. 732, no. 1, 2020, doi: 10.1088/1757-899X/732/1/012074.

  • [14]    A. F. Muhammad, D. Susanto, A. Alimudin, F. Adila, M. H. Assidiqi, and S. Nabhan, “Developing English Conversation Chatbot Using Dialogflow,” IES 2020 - Int. Electron. Symp. Role Auton. Intell. Syst. Hum. Life Comf., pp. 468–475, 2020, doi: 10.1109/IES50839.2020.9231659.

  • [15]    A. Y. Chandra, D. Kurniawan, and R. Musa, “Perancangan Chatbot Menggunakan Dialogflow Natural Language Processing (Studi Kasus: Sistem Pemesanan pada Coffee Shop),” J. Media Inform. Budidarma, vol. 4, no. 1, p. 208, 2020, doi: 10.30865/mib.v4i1.1505.

  • [16]    P. Alto and M. Wroczynski, “(12) Patent Application Publication (10) Pub. No.: US 2017/0017635 A1,” vol. 1, no. 19, 2017.

  • [17]    Ananda Dwi, F. Imamah, Y. M. Andre, and Ardiansyah, “Aplikasi Chatbot (Milki Bot) Yang Terintegrasi Dengan Web CMS Untuk Customer Service Pada UKM MINSU,” J. Cendikia, vol. XVI, pp. 100–106, 2018.

  • [18]    A. Jiao, “An Intelligent Chatbot System Based on Entity Extraction Using RASA NLU and Neural Network,” J. Phys. Conf. Ser., vol. 1487, no. 1, 2020, doi: 10.1088/17426596/1487/1/012014.

  • [19]    T. S. Jaya, “Pengujian Aplikasi Dengan Metode Blackbox Testing Boundary Value Analysis (Studi Kasus: Kantor Digital Politeknik Negeri Lampung),” J. Inform. J. Pengemb. IT, vol. 3, no. 2, pp. 45–48, 2018.

  • [20]    C. H. Yuan and Y. J. Wu, “Mobile instant messaging or face-to-face? Group interactions in cooperative simulations,” Comput. Human Behav., vol. 113, no. November 2018, p. 106508, 2020, doi: 10.1016/j.chb.2020.106508.