Metode XLM-RoBERTa dalam Pengembangan Sistem Tanya Jawab untuk Instalasi Pemantauan Panduan AQI [AJG]

Abstract

Internet of Things (IoT) telah menjadi produk yang tersebar luas di masyarakat, salah satunya adalah pemantauan Air Quality Index (AQI) atau indeks kualitas udara. Namun, beberapa studi menyoroti bahwa IoT adalah teknologi yang kompleks, sementara yang lain melaporkan bahwa keluhan pengguna dapat menghambat penyebarannya. Penelitian kami mengusulkan sistem Question Answering (QA) berbasis Natural Language Processing (NLP) sebagai panduan untuk instalasi pemantauan AQI. Kami mengusulkan representasi encoder dua arah yang dioptimalkan secara robustness of cross-language language models (XLM RoBERTa) sebagai metode QA, kemudian membandingkannya dengan metode QA lain, yaitu BERT versi Indonesia (IndoBERT). Kami menggunakan tiga metrik untuk membandingkan keduanya: metrik untuk mengevaluasi keluaran terjemahan mesin (METEOR), bilingual evaluation understudy (BLEU), dan recall oriented understudy for query evaluation-longest common sequence (ROUGE-L). METEOR dapat mengukur semantik prediksi, dan BLEU adalah metrik yang mengukur presisi kata dalam kalimat yang diprediksi. Terakhir, ROUGE-L mengukur kelancaran prediksi. Hasil pengujian menunjukkan bahwa XLMRoBERTa mengungguli IndoBERT untuk METEOR, BLEU-1, dan ROUGE L, dengan nilai masing-masing 0,54, 0,42, dan 0,62. Hasil ini menunjukkan bahwa XLM-RoBERTA menunjukkan kelancaran dan semantik yang baik, menunjukkan sinonim yang efektif. Kontribusi penelitian kami menyajikan sistem QA baru untuk panduan instalasi pemantauan AQI, yang memanfaatkan model yang dioptimalkan, yaitu XLM-RoBERTa.