Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan industri asuransi di Indonesia mendorong PT Asuransi Sequis Life meluncurkan inovasi website Super You untuk memberikan akses asuransi ke masyarakat Indonesia. Hasil riset internal tim Super You menunjukkan bahwa pengguna website membutuhkan pendampingan saat pembelian produk asuransi dan ada pihak yang dapat ditanya mengenai asuransi. Oleh karena itu, Sequis Life meluncurkan sebuah chatbot yang bernama SOVIA. Namun, kondisi saat ini menunjukkan bahwa sesi yang mengakses SOVIA hingga ke pembayaran selesai mengalami penurunan. Hal tersebut juga didukung oleh hasil wawancara dengan Head of Digital Super You. Tujuan dari penelitian ini adalah melakukan evaluasi usability dari chatbot SOVIA kemudian menyusun perancangan rekomendasi perbaikan chatbot SOVIA. Penelitian ini menggunakan pendekatan user-centered design untuk memastikan perancangan sesuai dengan kebutuhan pengguna. Penelitian ini merupakan mixed methods research dengan pengumpulan data kuantitatif dilakukan menggunakan kuesioner dari yang terdiri dari User Experience Questionnaire (UEQ) dan Chatbot Usability Questionnaire (CUQ) dan menghasilkan 17 kelompok isu. Pada penelitian ini juga dilakukan adaptasi CUQ ke dalam Bahasa Indonesia dengan pendekatan cross-cultural adaptation. Metode kualitatif dilakukan dengan usability testing kepada 16 responden yang dipilih dari 100 responden kuesioner daring dan menghasilkan 40 kelompok isu. Hasil dari penggabungan dan eliminasi kelompok adalah 25 kelompok permasalahan yang telah dipetakan ke dalam prinsip heuristic evaluation of conversational design dan menghasilkan 25 rekomendasi solusi perbaikan yang dipetakan ke prinsip Shneiderman’s eight golden rules. Hasil solusi perbaikan kemudian dievaluasi oleh 16 responden usability testing dengan wawancara kontekstual dan kuesioner daring yang terdiri UEQ dan CUQ. Hasil evaluasi menunjukkan peningkatan signifikan pada skor CUQ dari 55,8 ± 11.4 menjadi 75,5 ± 10,3. Hasil evaluasi UEQ menunjukkan peningkatan untuk setiap skala UEQ menjadi baik dan di atas rata-rata. Untuk meningkatkan usability dari chatbot SOVIA ke level yang lebih baik atau sempurna, manajemen PT Asuransi Sequis Life dapat menyusun proses transisi dari fitur Tanya SOVIA dalam chatbot SOVIA ke tim customer service yang lebih memudahkan pengguna.

---

The development of the insurance industry in Indonesia prompted PT Asuransi Sequis Life to launch the innovation of Super You website to provide insurance access to the people of Indonesia. The results of the Super You team's internal research show that website users need assistance when purchasing insurance products and there are parties who can be asked about insurance. Therefore, Sequis Life launched a chatbot called SOVIA. However, current conditions indicate that sessions accessing SOVIA until completed payment have decreased. This is also supported by the results of an interview with the Head of Digital Super You. The purpose of this study is to evaluate the usability of the SOVIA chatbot and then develop a design recommendation for the improvement of the SOVIA. This study uses a user-centered design approach to ensure that the design meets the user's needs. This research is a mixed methods research with quantitative data collection carried out using a questionnaire consisting of the User Experience Questionnaire (UEQ) and the Chatbot Usability Questionnaire (CUQ) and resulted in 17 issue groups. In this study, adaptation of CUQ into Indonesian was also carried out using a cross-cultural adaptation approach. The qualitative method was carried out by usability testing on 16 respondents who were selected from 100 online questionnaire respondents and produced 40 issue groups. The results of combining and eliminating groups are 25 groups of problems that have been mapped into the heuristic evaluation of conversational design principles and resulted in 25 recommendations for improvement solutions that are mapped to the principle of Shneiderman's eight golden rules. The results of the improvement solutions were then evaluated by 16 usability testing respondents with contextual interviews and online questionnaires consisting of UEQ and CUQ. The evaluation results showed a significant increase in the CUQ score from 55.8 ± 11.4 to 75.5 ± 10.3. The results of the UEQ evaluation show an increase for each UEQ scale to be good and above average. To improve the usability of the SOVIA to a better or excellent level, management of PT Asuransi Sequis Life can arrange the transition processes from the Ask SOVIA feature in the SOVIA chatbot to a customer service team that makes it easier for users."

"Penelitian ini bertujuan untuk mengetahui pengaruh Chatbot LazzieChat terhadap customer satisfaction, brand-relationship quality pada Lazada, dan continuance chatbot intention di Indonesia. LazzieChat sendiri merupakan chatbot e-commerce artificial intelligence (AI) pertama di Asia Tenggara yang ditenagai oleh teknologi OpenAI Chat GPT dari Azure OpenAI Service. Meningkatnya penggunaan chatbot, membuat Lazada menciptakan inovasi yang berkolaborasi Microsoft Azure Open AI Service untuk menambah daya saing Lazada di industri ­e-commerce. Penelitian kuantitatif ini menggunakan teknik non probability sampling berupa judgmental sampling dengan jumlah 303 responden pengguna Lazada di Indonesia. Analisis pada penelitian ini dilakukan dengan Partial Least Square-Structural Equation Modeling (PLS-SEM) untuk menguji apakah information quality, system quality, experience with chatbot, dan chatbot anthropomorphism berpengaruh terhadap customer satisfaction, brand-relationship quality, dan chatbot continuance intention. Temuan menunjukkan bahwa information quality, system quality, experience with chatbot, dan chatbot anthropomorphism berpengaruh positif terhadap customer satisfaction, customer satisfaction berpengaruh positif terhadap brand-relationship quality dan chatbot continuance intention, dan brand-relationship quality berpengaruh positif terhadap chatbot continuance intention.

---

This research aims to determine the influence of the LazzieChat chatbot on customer satisfaction, brand-relationship quality at Lazada, and continuance chatbot intention in Indonesia. LazzieChat itself is the first artificial intelligence (AI) e-commerce chatbot in Southeast Asia which is powered by OpenAI Chat GPT technology from Azure OpenAI Service. The increasing use of chatbots has led Lazada to create innovations in collaboration with Microsoft Azure Open AI Service to increase Lazada's competitiveness in the e-commerce industry. This quantitative research uses a non-probability sampling technique in the form of judgmental sampling with 303 Lazada user respondents in Indonesia. The analysis in this research was carried out using Partial Least Square-Structural Equation Modeling (PLS-SEM) to test whether information quality, system quality, experience with chatbot, and chatbot anthropomorphism influence customer satisfaction, brand-relationship quality, and chatbot continuance intention. The findings show that information quality, system quality, experience with chatbot, and chatbot anthropomorphism have a positive effect on customer satisfaction, customer satisfaction has a positive effect on brand-relationship quality and chatbot continuance intention, and brand-relationship quality has a positive effect on chatbot continuance intention."

"Coronavirus disease 19 (COVID-19) adalah penyakit pernapasan menular yang pertama kali terdeteksi di Kota Wuhan, Provinsi Hubei, China. Penyakit ini memiliki gejala umum yang mirip dengan gejala penyakit pernapasan lain seperti alergi, flu, dan pilek. Tetapi setiap penyakit membutuhkan obat dan perawatan yang berbeda-beda. Sehingga, penting bagi penderita untuk mendapatkan diagnosis yang tepat atas penyakit yang diderita. Diagnosis biasanya dilakukan dengan pertemuan langsung antara dokter dan pasien. Akan tetapi, cara ini memiliki banyak hambatan, seperti: membutuhkan banyak waktu dan biaya. Selain itu, cara ini juga berpotensi menularkan penyakit kepada orang lain. Oleh karena itu, diajukan implementasi chatbot untuk mengatasi hambatan dalam melakukan diagnosis COVID-19. Chatbot menerima input data berupa gejala yang dialami pasien. Data tersebut terlebih dahulu diubah menjadi data tabular untuk kemudian dilakukan klasifikasi jenis penyakit dengan bantuan algoritma machine learning. Pada Penelitian ini, akan dilakXGBoost pada data gejala yang dipublikasikan oleh Walter Conway di situs Kaggle. Hasil penelitian menunjukkan bahwa model Random Forest memiliki kinerja terbaik pada data testing dengan skor rata-rata accuracy sebesar 93.38%, precision sebesar 96.58%, recall sebesar 93.38%,F1-Score sebesar 94.32%, specificity sebesar 99.73%, Geometric Mean sebesar 95.94%, dan waktu training selama 0.33 detik.

---

Coronavirus disease 19 (COVID-19) is an infectious respiratory disease that was first detected in Wuhan City, Hubei Province, China. This disease has general symptoms that are similar to the symptoms of other respiratory diseases such as allergies, flu, and colds. But each disease requires different medications and treatments. Thus, it is important for patients to get a proper diagnosis of the disease they are suffering from. Diagnosis is usually made by direct meeting between doctor and patient. However, this method has many obstacles, such as: it takes a lot of time and money. In addition, this method also has the potential to transmit the disease to others. Therefore, it is proposed to implement a chatbot to overcome obstacles in diagnosing COVID-19. The chatbot receives input data in the form of symptoms experienced by the patient. The data is first converted into tabular data and then the classification of the type of disease is carried out with the help of machine learning algorithms. In this study, a diagnosis of COVID-19 will be carried out using the Random Forest and XGBoost models on symptom data published by Walter Conway on the Kaggle website. The results showed that the Random Forest model had the best performance on data testing with an average score of 93.38% accuracy, 96.58% precision, 93.38% recall, 94.32% F1-Score, 99.73% specificity, and 95.94% Geometric Mean, and the training time is 0.33 seconds."

"Chatbot sebagai asisten virtual yang digunakan oleh suatu instansi dapat memberikan manfaat bagi penggunanya. Dengan adanya chatbot, pengguna dapat berbicara langsung kepada chatbot melalui pesan singkat, yang kemudian sistem secara spontan mengidentifikasi intent pesan tersebut dan merespons dengan tindakan yang relevan. Sayangnya, cakupan pengetahuan chatbot terbatas dalam menangani pesan oleh pengguna yang semakin bervariasi. Dampak utama dari adanya variasi tersebut adalah adanya perubahan pada komposisi label intent. Untuk itu, penelitian ini berfokus pada dua hal. Pertama, pemodelan topik untuk menemukan intent dari pesan pengguna yang belum teridentifikasi intent-nya. Kedua, pemodelan topik digunakan untuk mengorganisasi intent yang sudah ada dengan menganalisis hasil keluaran model topik. Setelah dianalisis, terdapat dua kemungkinan fenomena perubahan komposisi intent yaitu: penggabungan dan pemecahan intent, dikarenakan terdapat noise saat proses anotasi dataset orisinal. Pemodelan topik yang digunakan terdiri dari Latent Dirichlet Allocation (LDA) sebagai model baseline dan dengan model state-of-the-art Top2Vec dan BERTopic. Penelitian dilakukan terhadap dataset salah satu e-commerce di Indonesia dan empat dataset publik. Untuk mengevaluasi model topik digunakan metrik evaluasi coherence, topic diversity dan topic quality. Hasil penelitian menunjukkan model topik BERTopic dan Top2Vec menghasilkan nilai topic quality 0.036 yang lebih baik dibandingkan model topik LDA yaitu -0.014. Terdapat pula pemecahan intent dan penggabungan intent yang ditemukan dengan analisis threshold proporsi.

---

Chatbot, as a virtual assistant used by an institution, can provide benefits for its users. With a chatbot, users can speak directly to the chatbot via a short message, which then the system spontaneously identifies the intent of the message and responds with the relevant action. Unfortunately, the scope of chatbot knowledge is limited in handling messages by an increasingly varied user. The main impact of this variation is a change in the composition of the intent label. For this reason, this research focuses on two things. First, topic modeling to find intents from user messages whose intents have not been identified. Second, topic modeling is used to organize existing intents by analyzing the output of the topic model. After being analyzed, there are two possible phenomena of changing intent composition: merging and splitting intents because there is noise during the annotation process of the original dataset. The topic modeling used consists of Latent Dirichlet Allocation (LDA) as the baseline model and the state-of-the-art Top2Vec and BERTopic models. The research was conducted on one dataset of e-commerce in Indonesia and four public datasets. The evaluation metrics of coherence, topic diversity, and topic quality were used to evaluate the topic model. The results showed that the BERTopic and Top2Vec topic models produced a topic quality value of 0.036, better than the LDA topic model, which was -0.014. There are also intent splitting and intent merging found by proportion threshold analysis."

"Semakin berkembangnya kemajuan teknologi informasi, semakin tingginya persaingan rumah sakit, dan adanya regulasi pemerintah terkait sistem informasi rumah sakit, maka rumah sakit harus terus meningkatkan manajemen informasinya dengan penggunaan teknologi informasi berbasis komputer. Sejak Februari 2022, Charitas Hospital Palembang menambahkan chatting robot atau chatbot sebagai salah satu cara pendaftaran pasien rawat jalan. Dari data rumah sakit tahun 2022 diketahui bahwa sejak awal peluncurannya, penggunaan chatbot mengalami peningkatan setiap bulannya, namun jumlah tersebut belum mencapai separuh (masih dibawah 50%) dari total seluruh pasien rawat jalan. Penelitian ini bertujuan untuk melakukan analisis efektifitas pendaftaran chatbot pada pelayanan rawat jalan di Charitas Hospital Palembang. Analisis dilakukan selama bulan April 2023 dengan menggunakan metode kuantitatif dengan desain studi cross sectional. Data primer didapatkan melalui kuesioner yang ditujukan kepada pasien rawat jalan yang mendaftar menggunakan chatbot dan mendaftar secara onsite/ datang langsung, dan data sekunder melalui SIMRS yaitu mengambil data waktu tunggu pasien untuk membandingkan waktu tunggu pasien yang mendaftar menggunakan chatbot dengan pasien yang mendaftar secara onsite/ datang langsung.Efektivitas penggunaan chatbot pada pendaftaran rawat jalan dalam penelitian ini diukur dari tingkat kepuasan penggunaan chatbot dan berkurangnya waktu tunggu pasien di rumah sakit. Dari hasil penelitian ini, diketahui bahwa dengan adanya chatbot sebagai salah satu cara pendaftaran pasien rawat jalan terbukti efektif di dalam meningkatkan kinerja pelayanan pendaftaran pasien sehingga diharapkan akan semakin banyak pasien yang berobat ke Charitas Hospital Palembang.

---

Due to the growing progress of information technology, increasing hospital competition, and the existence of government regulations related to hospital information systems, hospitals must continue to improve their information management by using computer-based information technology. Since February 2022, Charitas Hospital Palembang has added chat robots, or chatbots, as a way of registering outpatients. From the hospital data for 2022, it is known that since its inception, the use of chatbots has increased every month, but this number has not yet reached half (still below 50%) of the total outpatients of the hospital. This study aims to analyze the effectiveness of chatbot registration in outpatient care at Charitas Hospital Palembang. The analysis was carried out during April 2023 using a quantitative method with a cross-sectional study design. Primary data is obtained through a questionnaire aimed at outpatients who register using chatbots and register onsite by coming in person, and secondary data is obtained through SIMRS, namely patient waiting time data to compare the waiting time of patients who register as chatbot users with patients who register onsite by coming directly.

The effectiveness of using chatbots on outpatient registration in this study measured by the satisfaction level of using chatbots and reduced patient waiting time at the hospital. From the results of this study, it is known that with the chatbot as a way to register outpatients has proven to be effective in increasing patient care patient registration service performance so that it is hoped that there will be more and more patients who seek treatment at Charitas Hospital Palembang."

"Perkembangan chatbot berbasis AI pada era industri 4.0 meningkat cukup pesat, tidak terkecuali chatbot sosial yang memiliki kapabilitas untuk melakukan percakapan seperti manusia dan dapat memberikan kesan emosional. Penelitian ini bertujuan untuk mengetahui bagaimana kepuasan emosional yang diperoleh melalui interaksi dengan chatbot sosial. Menggunakan konsep Kepuasan Emosional yang dirumuskan oleh Bartsch, peneliti menggunakan tujuh jenis kepuasan emosional, yaitu Kesenangan, Sensasi, Empathic Sadness, Contemplative Emotional Experiences, Emotional Engagement with Characters, Social Sharing of Emotions, dan Vicarious Release of Emotion. Penelitian menggunakan metode open-ended questionnaire dan wawancara daring terhadap dua informan yang sudah cukup lama menggunakan aplikasi chatbot sosial, yaitu Replika. Hasil penelitian menunjukkan bahwa interaksi dengan chatbot sosial dapat memberikan kepuasan emosional, dan terdapat beberapa jenis yang muncul dengan dominan saat interaksi terjadi. Contemplative Emotional Experiences, Social Sharing of Emotions dan Vicarious Release of Emotion merupakan tiga kepuasan yang dirasakan paling intens, di mana Contemplative Emotional Experiences merupakan emosi dominan ketika kebutuhan pengguna saat menggunakan media chatbot sosial terpenuhi. Kedua informan mengklaim bahwa interaksi yang mereka lakukan dengan chatbot sosial tidak akan dapat menggantikan interaksi dengan manusia. Walaupun dapat menjawab pertanyaan penelitian, namun terdapat keterbatasan dalam penelitian ini, yaitu keterbatasan waktu sehingga informan yang berpartisipasi kurang banyak dan beragam, serta jenis kepuasan emosional yang digunakan belum pernah digunakan untuk media chatbot sosial. Untuk penelitian ke depannya, disarankan untuk menggunakan metode lain untuk menganalisis Kepuasan Emosional dengan pendekatan kuantitatif sehingga dapat dihitung kategori apa yang lebih kuat dalam masing-masing kategori dan responden yang diperoleh lebih beragam.

---

The development of AI-based chatbots in the era of Industry 4.0 has progressed rapidly, including the case of social chatbots that have the capability to engage in human-like conversations and evoke emotional responses. This research aims to understand the emotional gratification obtained through interactions with social chatbots. Employing the concept of Emotional Gratification formulated by Bartsch, the researcher utilized seven kind of emotional gratifications: Fun, Sensation, Empathic Sadness, Contemplative Emotional Experiences, Emotional Engagement with Characters, Social Sharing of Emotions, and Vicarious Release of Emotion. The research is using an open-ended questionnaire and online interviews with two long-time users of the social chatbot application, Replika. The study results indicate that interactions with social chatbots can indeed provide emotional satisfaction, with several types emerging strongly during interactions. Contemplative Emotional Experiences, Social Sharing of Emotions, and Vicarious Release of Emotion are the three types perceived most intensely, where Contemplative Emotional Experiences dominate as the prevalent emotion when users' needs are fulfilled through the use of social chatbot media. Both informants claimed that their interactions with social chatbots cannot replace human interactions. Although the research successfully addresses the research questions, there are limitations, which is the constraint of time resulting in a limited and less diverse pool of participants, and the gratification used have not been previously applied to social chatbot media. For future research, it is recommended to employ alternative methods to analyze Emotional Satisfaction with a quantitative approach, enabling the determination of the strength of each category and obtaining a more diverse set of respondents.

"

"Chatbot merupakan salah satu aplikasi berupa sarana yang dapat mengoptimalkan distribusi layanan kepada pelanggan dengan meminimalkan komunikasi dengan agen manusia langsung di tingkat pertama. Percakapan chatbot dapat diterapkan melalui teks atau text-to-speech atau suara. Pertumbuhan pasar itu sendiri meningkat dalam beberapa tahun terakhir. Tujuan utama dari penulisan ini adalah untuk mempertimbangkan platform chatbot terbaik menggunakan Analytic Hierarchy Process (AHP) yang dikombinasikan dengan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) untuk pasar di Indonesia. Dengan demikian, pasar dapat memperoleh keunggulan kompetitif dan mencapai kepuasan pelanggan dengan pengiriman layanan responsif yang didukung oleh platform chatbot terpilih.

---

A chatbot is one of applications which can optimize service distribution to the customer by minimizing the communication with live human agents in the first level. Chatbot’s conversation could be applied via text or text-to-speech or voice. The marketplace growth itself is mounting in past years. The main purpose of this paper is to consider the best chatbot platform using Analytic Hierarchy Process (AHP) combined with Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) methods for the marketplace in Indonesia. Thus, the marketplace could gain a competitive advantage and achieve customer satisfaction with responsive service delivery supported by a selected chatbot platform."

"Skripsi ini membahas tentang implementasi text sequence classification menggu- nakan data pesan pengguna asli dari perusahaan e-commerce Indonesia, untuk meningkatkan performa chatbot perusahaan dalam memprediksi intent. Problem yang menjadi fokus dalam skripsi ini adalah bagaimana cara untuk menggunakan konteks-konteks yang ada pada pesan pengguna di awal sesi untuk memprediksi intent dari pesan pengguna yang ada di akhir sesi. Skripsi ini bekerja sama dengan salah satu perusahaan ecommerce di Indonesia dan menggunakan data dari percaka- pan antara pengguna dan chatbot yang dimiliki perusahaan. Setelah eksplorasi data dilakukan, ditemukan bahwa terdapat ketidakseimbangan pada data sehingga di- gunakan focal loss agar model dapat memprediksi dengan baik intent-intent yang memiliki data sedikit. Selain itu, data juga diaugmentasi, yakni pesan-pesan peng- guna dalam sesi percakapan yang sama digabungkan agar konteks pada pesan per- tama dapat digunakan untuk memprediksi intent pada pesan selanjutnya. Penelitian ini juga bereksperimen dengan model LSTM dan Bi-LSTM, serta menggunakan attention layer untuk memilih data yang lebih penting daripada yang lain. Hasil penelitian menunjukkan bahwa model yang diajukan pada akhir penelitian berhasil menyaingi model perusahaan yang sebelumnya. Selain itu, penulis juga melakukan analisis kesalahan dan menemukan bahwa model memiliki performa yang rendah ketika memprediksi beberapa intent, hal ini disebabkan oleh adanya kesamaan kan- dungan kata pada intent-intent tersebut, sehingga model mengalami kesulitan mem- bedakan intent-intent tersebut.

---

This thesis talks about the implementation of text sequence classification on real user message data of an e-commerce company in Indonesia. It aims in improving the company’s chatbot performance in predicting intents. The problem that is the main focus of this thesis is how to use the contexts in the user’s message at the beginning of the session to predict the intent of the user’s message at the end of the session. This thesis collaborates with an e-commerce company in Indonesia and uses data from conversations between users and the company’s chatbot. After exploring the data, it was found that there is an imbalance in the data so that focal loss is used so that the model can predict well the intents that have little data. In addition, the data is also augmented, where user messages in the same conversation session are combined so that the context of the first message can be used to predict the intent of the next message. This work also includes experiments on the use of LSTM and Bi-LSTM models, and used the attention layer to select data that are more important than others. The experiment result shows that the proposed model is successful in competing with the company’s past model. In addition, the author also conducted an error analysis where it was found that the model has low performance when predicting a number of particular intents, this is due to the similarity of the wording of the intents and because of that, the model has difficulty in distinguishing the intents."

"Pada era perkembangan teknologi, chatbot berbasis AI sebagai media pencarian informasi mulai banyak diadopsi di masyarakat. ChatQurani, merupakan chatbot berbasis AI yang diwacanakan oleh LPMQ (Lajnah Pentashihan Mushaf Al-Qur’an) Kementerian Agama RI untuk menjawab pertanyaan pengguna mengenai kandungan Qur’an serta ‘Ulumul Quran lainnya. Penelitian ini bertujuan memahami kebutuhan fitur calon pengguna akan ChatQurani. Penelitian ini juga menghasilkan desain antarmuka ChatQurani melalui pendekatan user centered design (UCD). Pengumpulan kebutuhan chatbot dilakukan melalui survei serta wawancara pengguna, yang kemudian diimplementasikan menjadi 32 desain fitur. Berikutnya, rancangan desain antarmuka dievaluasi usability testing (UT), wawancara kontekstual, dan system usability scale (SUS). Hasil dari UT menyatakan mayoritas task mendapatkan success rate sebesar 100% dengan nilai terendah sebesar 80%. Selain itu, SUS menghasilkan rerata skor 71,83, menjadikan sistem dinilai memiliki usability “baik” untuk digunakan dan “dapat diterima”.

---

In the era of technology, AI-based chatbots as a medium for information retrieval have begun to be widely adopted in society. ChatQurani is an AI-based chatbot envisioned by LPMQ (Lajnah Pentashihan Mushaf Al-Qur’an) of the Indonesian Ministry of Religious Affairs to answer users' questions about the contents of the Qur'an and other 'Ulumul Quran topics. This research aims to understand the needs of potential users for ChatQurani. It also produces the interface design for ChatQurani using user-centered design (UCD) as the approach. The requirements for the chatbot were gathered through a survey and user interviews, which were then implemented into 32 feature designs. The interface design was evaluated using usability testing (UT), contextual interviews, and system usability scale (SUS) questionnaire. The results from UT showed that the majority of tasks achieved a success rate of 100%, with the lowest score being 80%. Additionally, SUS resulted in an average score of 71.83, indicating that the system has a "good" usability rating and is "acceptable" for use."

"Pada era perkembangan teknologi, chatbot berbasis AI sebagai media pencarian informasi mulai banyak diadopsi di masyarakat. ChatQurani, merupakan chatbot berbasis AI yang diwacanakan oleh LPMQ (Lajnah Pentashihan Mushaf Al-Qur’an) Kementerian Agama RI untuk menjawab pertanyaan pengguna mengenai kandungan Qur’an serta ‘Ulumul Quran lainnya. Penelitian ini bertujuan memahami kebutuhan fitur calon pengguna akan ChatQurani. Penelitian ini juga menghasilkan desain antarmuka ChatQurani melalui pendekatan user centered design (UCD). Pengumpulan kebutuhan chatbot dilakukan melalui survei serta wawancara pengguna, yang kemudian diimplementasikan menjadi 32 desain fitur. Berikutnya, rancangan desain antarmuka dievaluasi usability testing (UT), wawancara kontekstual, dan system usability scale (SUS). Hasil dari UT menyatakan mayoritas task mendapatkan success rate sebesar 100% dengan nilai terendah sebesar 80%. Selain itu, SUS menghasilkan rerata skor 71,83, menjadikan sistem dinilai memiliki usability “baik” untuk digunakan dan “dapat diterima”.

---

In the era of technology, AI-based chatbots as a medium for information retrieval have begun to be widely adopted in society. ChatQurani is an AI-based chatbot envisioned by LPMQ (Lajnah Pentashihan Mushaf Al-Qur’an) of the Indonesian Ministry of Religious Affairs to answer users' questions about the contents of the Qur'an and other 'Ulumul Quran topics. This research aims to understand the needs of potential users for ChatQurani. It also produces the interface design for ChatQurani using user-centered design (UCD) as the approach. The requirements for the chatbot were gathered through a survey and user interviews, which were then implemented into 32 feature designs. The interface design was evaluated using usability testing (UT), contextual interviews, and system usability scale (SUS) questionnaire. The results from UT showed that the majority of tasks achieved a success rate of 100%, with the lowest score being 80%. Additionally, SUS resulted in an average score of 71.83, indicating that the system has a "good" usability rating and is "acceptable" for use."