Di era digital, aplikasi pesan telah menjadi bagian penting dalam kehidupan sehari-hari. Salah satu fitur yang semakin populer adalah Smart Reply atau balasan cerdas, yang memungkinkan pengguna merespons pesan dengan cepat tanpa perlu mengetik. Namun, fitur ini menghadapi tantangan ketika balasan yang dihasilkan cenderung repetitif atau terlalu serupa, sehingga kurang memberikan variasi yang bermakna. Dalam konteks Bahasa Indonesia, tantangan ini menjadi lebih kompleks karena perbedaan tata bahasa dan nuansa budaya yang tidak selalu dapat ditangkap oleh teknologi yang awalnya dirancang untuk bahasa lain.
Penelitian terbaru kami menawarkan solusi dengan metode inovatif untuk meningkatkan keberagaman balasan cerdas dalam Bahasa Indonesia. Metode ini mengombinasikan klasifikasi teks dengan post-processing untuk menghasilkan balasan yang lebih variatif dan relevan. Salah satu keunggulan utama pendekatan ini adalah kemampuannya menangani tantangan unik Bahasa Indonesia, termasuk pengelolaan informasi sensitif seperti nomor telepon dan alamat.
Metode yang dikembangkan menggunakan pendekatan dua langkah. Langkah pertama adalah menghasilkan balasan awal dengan model Long Short-Term Memory (LSTM), yang bekerja dengan menganalisis pesan masuk dan memprediksi balasan yang paling relevan. Namun, karena balasan awal sering kali seragam, langkah kedua menjadi penting. Pada langkah ini, sistem memproses ulang balasan tersebut menggunakan teknik Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengidentifikasi kata-kata kunci, serta algoritma K-means clustering untuk mengelompokkan balasan berdasarkan maknanya. Dari setiap kelompok, hanya balasan terbaik yang dipilih, sehingga menghasilkan opsi yang lebih bervariasi.
Selain itu, metode ini juga mencakup langkah penghapusan informasi sensitif. Jika balasan mengandung nomor telepon atau alamat, sistem secara otomatis menghapus balasan tersebut dan menggantinya dengan opsi yang lebih aman. Langkah ini tidak hanya meningkatkan relevansi, tetapi juga memastikan privasi pengguna tetap terjaga.
Hasil pengujian menunjukkan bahwa metode ini secara signifikan meningkatkan keberagaman balasan cerdas untuk percakapan nyata dalam Bahasa Indonesia. Sebagai contoh, untuk pesan seperti “sudah di depan rumah,” metode konvensional cenderung menghasilkan balasan serupa, seperti “saya segera ke sana.” Sebaliknya, sistem kami mampu menawarkan balasan yang lebih variatif, seperti “sebentar ya” atau “di mana tepatnya?” Pendekatan ini juga efektif dalam menangani balasan umum seperti “terima kasih,” di mana hanya satu variasi terbaik yang dipilih untuk mencegah repetisi.
Penelitian ini juga memiliki dampak yang lebih luas dalam mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG nomor 9 (Industri, Inovasi, dan Infrastruktur) dengan menyediakan teknologi yang lebih inklusif dan cerdas.
Kata Kunci: Era Digital, LSTM, Bahasa Indonesia
Referensi:
Haidar, M.A., Bahar, S., Susyanto, N. (2024). Enhancing the diversity of Smart Reply suggestions: A novel approach combining text classification and post-processing techniques for real conversations in Bahasa Indonesia. Mathematical Modelling of Engineering Problems, Vol. 11, No. 9, pp. 2566-2572. https://doi.org/10.18280/mmep.110927
Penulis: Nanang Susyanto