KAJIAN SISTEMATIS PERKEMBANGAN NLP PADA ASISTEN VIRTUAL DI ERA TEKNOLOGI DIGITAL

Abstract

Penelitian ini mengkaji perkembangan riset Natural Language Processing (NLP) pada sistem asisten virtual periode 2019–2024 melalui pendekatan Systematic Literature Review (SLR) dengan kerangka scoping review berbasis protokol PRISMA-ScR. Sebanyak 50 publikasi ilmiah yang bersumber dari Google Scholar, IEEE Xplore, Springer Nature Link, dan portal Sinta dianalisis secara sistematis. Hasil kajian menunjukkan peningkatan publikasi yang konsisten sepanjang periode kajian, dengan lonjakan signifikan pada 2023–2024 seiring adopsi luas arsitektur berbasis Transformer seperti BERT dan IndoBERT. Metode deep learning, khususnya model berbasis BERT (32%) dan arsitektur LSTM/Bi-LSTM (28%), mendominasi pengembangan NLP pada asisten virtual dengan akurasi mencapai 88–97% untuk tugas klasifikasi teks bahasa Indonesia. Sektor pendidikan menjadi domain penerapan yang paling banyak dikaji (38%), diikuti layanan pelanggan (26%), kesehatan (14%), layanan publik (12%), dan e-commerce (10%). Tiga tantangan utama yang secara konsisten teridentifikasi meliputi keterbatasan ketersediaan dataset bahasa Indonesia berkualitas, kesulitan penanganan variasi bahasa informal dan code-switching, serta minimnya riset yang membahas dimensi etika dalam penerapan asisten virtual. Sintesis temuan juga mengungkapkan bahwa keberhasilan pengembangan asisten virtual berbasis NLP dipengaruhi oleh kematangan teknologi, ketersediaan dataset, spesifisitas domain, dan kualitas desain interaksi. Dengan demikian, penelitian ini merekomendasikan perluasan pengembangan korpus bahasa Indonesia, eksplorasi transfer learning lintas bahasa, serta penelitian yang lebih luas mengenai pengalaman pengguna dan etika AI untuk mendukung implementasi asisten virtual yang efektif, adaptif, dan bertanggung jawab di era digital.