PENERAPAN METODE TRANSFORMER PADA QUESTION ANSWERING SYSTEM UNTUK PANDUAN PENGENALAN KAMPUS (Studi Kasus : Universitas Bengkulu)

Penelitian ini bertujuan untuk mengimplementasikan metode transformer
pada Question Answering System (QAS) sebagai panduan pengenalan kampus,
menggunakan dataset yang dibangun berdasarkan Buku Panduan Akademik
Universitas Bengkulu. Proses pengenalan kampus adalah proses di mana
mahasiswa baru memperoleh informasi terkait kampus melalui serangkaian
kegiatan kampus serta dari mahasiswa lama. Namun, penyampaian informasi
terkait pengenalan kampus di Universitas Bengkulu masih terbatas dan terpisah�pisah, menyebabkan mahasiswa tidak mengetahui secara rinci informasi yang
dibutuhkan dalam serangkaian proses perkuliahan di kampus. Sebagai solusi,
sebuah sistem deep learning dengan basis pengetahuan diperlukan. Penelitian ini
membandingkan dua arsitektur transformer, yaitu RoBERTa dan IndoBERT,
menggunakan dataset yang dibangun dengan format SQuAD dataset berbahasa
Indonesia yang sudah dianotasi sebanyak 5046 data. Hasil perbandingan
menunjukkan bahwa IndoBERT lebih baik, dengan nilai Exact Match (EM) sebesar
81,17 dan F1-Score sebesar 91,32, sedangkan RoBERTa memiliki nilai EM dan
F1-Score berturut-turut sebesar 79,53 dan 90,18.Hasil penelitian ini menghasilkan
Question Answering System (QAS) dengan model IndoBERT yang telah diuji
secara fungsional menggunakan Black Box dan White Box. Sistem ini dibangun
menggunakan bahasa pemrograman python dan framework Django.
Kata Kunci : Question Answering, NLP, Transformer, IndoBERT, RoBERTa