🎯 Tujuan 🤖 Tipe & Desain Bot 💬 Intent & Fallback 🎮 School FAQ Bot Studio 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Koding Kreatif Lanjutan / 04. Chatbot AI
🤖 KKA · Unit 07 · Modul 04

Arsitektur & Pembuatan Chatbot Cerdas Berbasis AI

Ciptakan asisten virtual interaktifmu sendiri! Pelajari spektrum teknologi agen percakapan: mulai dari Rule-based Chatbot berbasis kamus kata kunci dan percabangan if-else, perancangan Intent & Fallback respon, integrasi antarmuka web HTML/JS, hingga pemanfaatan REST API LLM (Gemini / OpenAI).

⏱️ Waktu: 45 Menit 🤖 Fokus: Rule-based, Intent & LLM API 📝 Evaluasi: 20 Soal (4 Bagian)
🎯

Tujuan Pembelajaran

Kompetensi yang akan kamu kuasai setelah menyelesaikan modul ini

01.
Membedakan 3 Jenis Chatbot

Menjelaskan perbedaan Chatbot Berbasis Aturan (Rule-based), Berbasis Machine Learning, dan Generative LLM-based API.

02.
Menerapkan Desain Percakapan (Conversation Design)

Menyusun alur sapaan pembuka (Greeting), deteksi maksud pengguna (Intent), respon aman darurat (Fallback), dan persona karakter.

03.
Membangun Chatbot Skenario Nyata di Sekolah

Memprogram bot informasi FAQ sekolah (jadwal seragam, jadwal ujian, ekstrakurikuler) menggunakan kamus respon Python.

04.
Memahami Konsep System Prompt API LLM

Mengetahui cara membatasi cakupan topik dan mengatur nada bahasa bot saat memanggil API AI.

1

Evolusi Spektrum Teknologi Chatbot

Dari pencocokan kata kunci sederhana hingga model bahasa generatif tingkat lanjut

📋

1. Rule-Based Chatbot

if "jadwal" in user_input:
    return "Jadwal masuk jam 07.00 WIB"

Cepat, ringan, 100% terkontrol, cocok untuk FAQ instan.

🎯

2. ML Intent-Based Bot

model.predict_intent("Mau tanya biaya SPP dong")
# Mengembalikan Intent: 'TAGIHAN_BIAYA'

Mampu memahami sinonim kalimat berbeda dengan maksud sama.

✨

3. LLM API-Based Bot

response = client.generate_content(
    system_instruction="Tutor Sains Ramah",
    prompt=user_text)

Kaya nalar, fleksibel, mampu berdialog panjang kontekstual.

2

4 Komponen Inti Desain Percakapan (Bot UX)

Menciptakan pengalaman komunikasi yang ramah, jelas, dan solutif

1. Greeting (Sapaan Awal)

Menjelaskan identitas bot dan menu bantuan apa saja yang bisa ditanyakan.

2. Intent Recognition

Mendeteksi tujuan kata kunci pokok yang dimaksud oleh pengguna.

3. Fallback Response

Respon sopan saat bot tidak paham: "Maaf, coba gunakan kata kunci lain ya".

4. Persona & Tone

Gaya kepribadian bot (formal profesional, santai bersahabat, atau edukatif ceria).

🎮

Interactive School FAQ Chatbot Studio

Coba tanyakan seputar 'seragam', 'ujian', 'ekskul', atau 'kantin' kepada Bot Sekolah!

Chatbot Engine
💬 Kirim Pesan ke Bot Sekolah:
💡 Ide Pertanyaan yang Bisa Kamu Coba:
BOT SPENDULA v1.0 ONLINE
🤖 Bot: Halo! Aku asisten virtual SMPN 2 Lamongan. Ada yang bisa kubantu seputar seragam, ujian, atau ekskul?
Logika Bot: Keyword Matching Dictionary & Fallback Guard.
📝

Evaluasi Formatif: Chatbot AI

Uji pemahaman jenis chatbot, Intent & Fallback handling, serta arsitektur dialog (Total Skor: 100)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal · Bobot: 25 Poin)

1. Respon standar yang otomatis dikeluarkan oleh chatbot ketika pengguna menanyakan kalimat di luar pengetahuan basis data bot disebut...

2. Struktur data Python yang paling praktis digunakan untuk menyimpan pasangan kata kunci dan jawaban respon pada bot Rule-based sederhana adalah...

3. Maksud dari 'Intent' dalam arsitektur chatbot modern adalah...

4. Peran instruksi System Prompt saat memprogram chatbot menggunakan API AI (seperti Gemini API) adalah...

5. Contoh penerapan chatbot AI yang sangat membantu efisiensi layanan informasi administrasi di sekolah adalah...

Bagian B

Benar atau Salah (5 Soal · Bobot: 25 Poin)

1. Chatbot Rule-based hanya dapat menjawab pertanyaan jika pengguna mengetikkan kata kunci yang cocok persis dengan aturan kamusnya.
2. Menyertakan pesan sapaan awal (Greeting) membantu pengguna memahami topik apa saja yang bisa ditanyakan kepada bot.
3. Chatbot medis atau kesehatan mental berbasis AI boleh menggantikan peran dokter spesialis secara mutlak tanpa disclaimer.
4. JavaScript Fetch API dapat digunakan untuk mengirim pesan obrolan pengguna dari antarmuka web ke server backend AI.
5. Chatbot yang baik harus selalu menjawab pertanyaan pengguna dengan kalimat kasar dan tidak ramah.
Bagian C

Menjodohkan Konsep Bot & Implementasinya (5 Pasangan · Bobot: 25 Poin)

Bagian D

Urutan Tahap Membangun Chatbot Web Sekolah (Bobot: 25 Poin)

Urutkan proses perancangan chatbot dari identifikasi kebutuhan hingga live demo:

A. Mengumpulkan daftar 20+ pertanyaan yang paling sering ditanyakan siswa ke ruang TU
B. Merancang diagram alir percakapan (Conversation Flow) dan respon fallback
C. Menulis logika pencocokan kata kunci (keyword matching) di backend Python / JavaScript
D. Membangun antarmuka tampilan obrolan (Chat UI) yang responsif dengan HTML dan CSS
E. Melakukan uji coba percakapan interaktif bersama teman dan memperbaiki respon yang salah
✨

Rangkuman Materi & Refleksi Belajar

Tuliskan pemahaman dan pengalaman belajarmu pada materi ini

1. Interaksi Alami: Chatbot mengubah interaksi kaku dengan sistem komputer menjadi dialog percakapan yang ramah.

2. Sentuhan Desain UX: Pastikan bot memiliki pesan sapaan yang jelas dan penanganan fallback yang sopan.

3. Solusi Nyata Sekolah: Otomasi informasi FAQ menghemat waktu guru dan staf tata usaha secara signifikan.