Local Interpretable Model-agnostic Explanations(LIME) dapat digunakan untuk mengatasi masalah blackbox pada hasil model klasifikasi analisis sentimen. Penelitian ini menggunakan ulasan aplikasi pinjaman online di play store sebagai dataset. Masing-masing model klasifikasi memiliki kelemahan dan dapat ditingkatkan kinerjanya dengan menggunakan stacking ensemble terutama untuk mengatasi permasalahan kelas data yang tidak seimbang. Dataset yang sudah diperoleh, dilakukan pembersihan data, pre-processing serta dirubah menjadi vektor numerik menggunakan TF-IDF. Klasifikasi dilakukan dengan tiga model dasar yaitu random forest, naïve bayes dan support vector machine(SVM). Luaran dari model klasifikasi dasar dijadikan sebagai masukan bagi stacking ensemble logistic regression. Berdasarkan komparasi keempat model, stacking ensemble memiliki kinerja terbaik dengan akurasi 87,05%. Penerapan LIME untuk intrepretasi model klasifikasi dengan sampel data berhasil menjelaskan faktor-faktor yang berpengaruh terhadap keputusan model dengan probabilitas prediksi 95% dan sesuai dengan pengamatan manual. Hasil penelitian ini bisa digunakan sebagai wawasan dan edukasi kepada masyarakat tentang kemudahan pinjol dan bahayanya yang tercermin dari sentimen positif dan negatif pada sebuah ulasan.

Pandemi Covid-19 yang melanda hampir seluruh dunia tanpa terkecuali negara tercinta kita Indonesia, telah mengakibatkan hancur dan runtuhnya ekonomi masyarakat. Bersamaan dengan itu muncul informasi-informasi tentang virus Covid-19 yang masih perlu di pertanyakan keabsahan sumbernya. Dengan berkembangnya teknologi di zaman sekarang memudahkan kita untuk menyaring informasi yang sudah valid sumbernya agar tidak terjadi kesalahpahaman mengenai informasi yang didapat. Sehingga dengan dasar tersebut, penelitian ini bertujuan untuk mengembangkan sebuah model chatbot mengenai virus Covid-19 yang dapat digunakan untuk memberikan respon atau jawaban mengenai Covid-19 dengan relevan dan cepat sesuai dengan pertanyaan dan pernyataan yang dimasukkan. Chatbot sendiri merupakan sebuah program berbasis Artificial Intelligence atau bisa kita sebut dengan asisten digital, yang dapat mensimulasikan percakapan atau obrolan pengguna selayaknya manusia melalui sebuah aplikasi baik berbasis Android ataupun Web. Dengan menggunakan teknologi chatbot, pengguna dapat mendapatkan jawaban yang valid dan relevan yang sudah jelas sumbernya sehingga tidak menimbulkan keresahan dan juga memudahkan pengguna dalam mendapatkan informasi mengenai virus Covid-19.
Kata Kunci : covid-19, teknologi, chatbot, artifical intelligence

Pembinaan pendidikan kejuruan merupakan salah satu upaya pemerintah dalam pemenuhan sumber daya manusia level menengah yang berkualitas yang siap bekerja dalam bidang tertentu. Kecerdasan buatan merupakan fenomena yang menggabungkan teknologi siber dan teknologi otomatisasi, dimana konsep penerapannya berpusat pada konsep otomatisasi yang dilakukan oleh teknologi tanpa memerlukan tenaga kerja manusia dalam proses pengaplikasiannya. Teknologi kecerdasan buatan sangat perlu diperkenalkan pada Sekolah Menengah Kejuruan yang akan menghasilkan sumber daya manusia yang bekerja pada bidang tertentu secara profesional yaitu otomatisasi.
Kegiatan pengabdian bagi siswa SMK Negeri 4 Kendal bertujuan mengenalkan konsep kecerdasan buatan, melakukan pelatihan pembuatan aplikasi yang berbasis kecerdasan buatan dengan menggunakan tool teachable machine. Kegiatan dilakukan secara daring dengan menggunakan google meet.  
Pelaksanaan kegiatan pengabdian terdiri dari 2 tahap. Tahap pertama pengenalan konsep kecerdasan buatan serta contoh-contoh implementasinya di kehidupan sehari-hari dengan menggunakan metode ceramah. Tahapan kedua yaitu pelatihan mengoperasikan pengolahan citra dengan teknologi kecerdasan buatan dengan contoh-contoh yang riil yaitu membedakan gambar beberapa jenis ikan, membedakan gambar seseorang yang bermasker dan yang tidak bermasker dengan menggunakan Teachable Machine (https://teachablemachine.withgoogle.com/). Hasill survey evaluasi kegiatan didapat bahwa 80 % peserta menyatakan materi pelatihan menarik dan sesuai dengan keinginan peserta pelatihan.