LANES ASSISTANT

& CHATTING BOT

LANESBOT
 KELOMPOK 2-INFINITY
Nilam Kumallah Anggreani Binti Fitriani
UPN ‘Veteran’ Jawa Timur Universitas Jember
Model AI + Backend Handling Data + Desain UI/UX

I. Viandra Arie Pramata Atrides Rahmat Suhada

Universitas Teknologi Yogyakarta Universitas Negeri Semarang
Model AI + Backend Handling Data + Frontend

Widya Sekar Arum

Politeknik Negeri Madiun
Handling Data + Frontend
 01 Latar Belakang
$
02 Rumusan Masalah

TABLE OF 03 Introduction Lanesbot

CONTENTS 04 AI Project Cycle
05 Analisis SWOT
06 User Interface
07 Kesimpulan
 Latar $

01 Belakang
 Latar Belakang
Pelayanan akademik merupakan layanan pendidikan yang berkaitan
langsung kepada pelanggan primer (mahasiswa) dari perguruan tinggi
yang meliputi kurikulum, silabus, rancangan mutu perkuliahan, satuan
materi sajian, penyajian materi, evaluasi, praktikum, dan pembimbingan.
Kualitas pelayanan akademik menurut menurut Marthalina dalam buku
Lupiyoadi (2013: 163) adalah nilai yang diberikan oleh pelanggan
sejauh mana layanan akademik yang diberikan. Pelanggan, dalam hal ini
mahasiswa, akan mengatakan pelayanan akademik berkualitas apabila
sesuai dengan spesifikasi mereka.
 Rumusan $

02 Masalah
 Rumusan Masalah

Universitas harus dapat untuk memenuhi kebutuhan dan harapan

mahasiswa dan tanpa memandang tingkat sosial ekonominya,
perguruan tinggi yang merupakan salah satu bentuk organisasi
yang berorientasi pada pelayanan wajib memberikan layanan
akademik dan non akademik yang berkualitas.
 $

03
Introduction
Lanesbot
 Lanesbot
Aplikasi ini bernama Lanes Assistant and Chatting Bot.
Lanes merupakan singkatan dari Layanan Akademik
Universitas Negeri Semarang dan assistant berarti bisa
menjadi asisten pribadi user yang bisa membantu
permasalahan user.

Sedangkan chatting bot disini berarti bahwa aplikasi ini

dapat menjawab pertanyaan-pertanyaan user terkait
informasi seputar Universitas Negeri Semarang. Chatting bot
pada aplikasi ini biasa kami sebut Lanes Chatting Bot dan
disingkat menjadi Lanesbot.
Aplikasi ini dapat digunakan untuk
memprediksi kelulusan calon
mahasiswa baru di Universitas Negeri
Semarang. Melalui aplikasi ini siswa
sekolah menengah atas dapat melihat
peluang mereka untuk lolos di
program studi yang mereka impikan di
Universitas Negeri Semarang.
Selain dapat digunakan untuk
memprediksi SNMPTN, aplikasi ini
juga menyediakan fitur prediksi
SBMPTN yang juga dapat digunakan
oleh camaba dalam menentukan
program studi mana yang memiliki
peluang lolos lebih besar.
Lanesbot
digunakan
untuk
SIAPA ??
1. Calon mahasiswa baru di Universitas
Negeri Semarang;
2. Mahasiswa yang sedang menempuh
pendidikan di Universitas Negeri
Semarang
 04
AI Project Cycle
 Problem Scoping
WHO
Calon mahasiswa baru dari siswa
sekolah menengah atas yang ingin
melanjutkan pendidikannya di
Universitas Negeri Semarang serta
mahasiswa dari Universitas Negeri
Semarang yang ingin mengetahui
informasi tentang Universitas Negeri
Semarang.
WHAT
Permasalahan yang diangkat dalam
pembuatan aplikasi ini yaitu banyaknya
calon mahasiswa yang kesulitan
mencari informasi terkait jurusan yang
tersedia di Universitas Negeri
Semarang, serta mahasiswa yang
hendak mencari informasi terkait
layanan akademik Universitas Negeri
Semarang.
 Konsep 4W
WHERE
Permasalahan ini terjadi pada
mahasiswa dari Universitas Negeri
Semarang yang ingin mengetahui
informasi seputar Universitas Negeri
Semarang dan calon mahasiswa (siswa
sekolah menengah atas) yang ingin
mengecek peluang kelulusan mereka di
pilihan yang mereka impikan.
WHY
Adapun manfaat yang dapat diambil
dari penggunaan aplikasi ini yaitu
memudahkan mahasiswa dalam
memperoleh informasi secara cepat
mengenai Universitas Negeri Semarang
serta memudahkan calon mahasiswa
dalam menentukan program studi apa
yang diambil dengan berdasarkan nilai
raport ataupun skor UTBK yang
dimiliki.
 Data Acquisition
Dalam proses pembuatan aplikasi ini dibutuhkan beberapa
data yang digunakan untuk data chatbot dan data sistem
prediksi. Adapun beberapa data yang dibutuhkan untuk
chatbot yaitu sejarah Universitas Negeri Semarang,
informasi penerimaan mahasiswa baru di Universitas
Negeri Semarang, data fakultas dan program studi di
Universitas Negeri Semarang, dan data akreditasi setiap
program studi di Universitas Negeri Semarang. Sedangkan
data yang dibutuhkan untuk sistem prediksi yaitu data skor
UTBK untuk prediksi SBMPTN dan data nilai raport
untuk prediksi SNMPTN.
 Data Exploration
Data yang kami gunakan dalam pembuatan aplikasi ini terdiri
dari beberapa baris yang berjumlah minimal 150 baris data.
Adapun jumlah data SBMPTN sebanyak 664 baris data dan 3
kolom atau class data. Sedangkan pada data SNMPTN
berjumlah 130 baris data dengan jumlah kolom atau class
datanya sebanyak 8 kolom.
 Modelling

Modelling SBMPTN Modelling Chatbot

Menggunakan model Menggunakan Neural
Decision Tree dengan Network Model dengan
hyperparameter terbaik. algoritma LSTM (Long
Short Term Memory).

Modelling SNMPTN
Menggunakan model Decision
Tree dan model hyperparameter
terbaik.
 Evaluation
Metrics yang digunakan untuk melakukan evaluasi pada sistem
prediksi yaitu metrics classification report. Sedangkan metrics yang
digunakan untuk evaluasi pada chatbot yaitu Visualisasi Plot
Arsitektur Model.
 Gambar & Grafik Hasil Evaluasi Ketiga Model
SBMPTN Prediction

Lanesbot

SNMPTN Prediction
Analisis SWOT 05
06 User Interface
Frame 1
Halaman awal tampilan aplikasi. Terdapat
informasi berupa judul aplikasi “Lanes
Assistant & Chatting Bot (LanesBot)” dan
satu button untuk memulai aplikasi.
Frame 2
Halaman kedua aplikasi. Terdapat penjelasan
mengenai apa aplikasi “Lanes Assistant &
Chatting Bot (LanesBot)” itu dan terdapat
satu button next untuk ke halaman selanjutnya.
Frame 3
Halaman ketiga aplikasi yang berisi menu fitur.
Terdapat tiga menu pada aplikasi “Lanes
Assistant & Chatting Bot (LanesBot)” yakni,
fitur SBMPTN prediction, fitur SNMPTN
prediction, dan fitur Chatting Bot (LanesBot).
Frame 4 /Fitur SBMPTN Prediction

Fitur yang dapat digunakan oleh user untuk

memprediksi skor UTBK, apakah skor UTBK
yang dimiliki bisa lolos di program studi yang
diimpikan atau tidak.
Frame 5 /Fitur SNMPTN Prediction

Fitur yang dapat digunakan oleh user untuk

memprediksi nilai rapor, apakah nilai yang
dimiliki bisa lolos di program studi yang
diimpikan atau tidak.
Frame 6 /Fitur Chatting Bot

Fitur yang dapat digunakan oleh user untuk

mengetahui informasi seputar Universitas
Negeri Semarang.
 07
Kesimpulan
Aplikasi ini diberi nama “Lanes Assistant &
Chatting Bot” adalah aplikasi berbasis website
yang memiliki tiga fitur. Aplikasi ini membantu
calon mahasiswa dan juga mahasiswa dari
UNNES dalam memperoleh informasi terkait
UNNES melalui fitur chatting bot dan dapat
membantu para calon mahasiswa dalam
memprediksi kelulusan yang berdasarkan pada
nilai SBMPTN dan SNMPTN.
Pada fitur chatting bot menggunakan model
Neural Network Model dengan algoritma
yang digunakan yaitu algoritma LSTM
(Long Short Term Memory). Sedangkan
untuk fitur sistem prediksi SBMPTN dan
SNMPTN menggunakan model Decision
Tree dengan hyperparameter terbaik.
THANKS!