Penggunaan teknologi chatbot semakin meluas dalam berbagai aplikasi mulai dari layanan pelanggan hingga pendidikan dan e-commerce. Peningkatan yang signifikan dalam penggunaan chatbot mendorong pengembangan metode yang lebih canggih untuk meningkatkan interaksi dan pemahaman chatbot terhadap pengguna. Dalam menghadapi kebutuhan akan interaksi yang semakin canggih dan intuitif antara manusia dan mesin, penelitian ini memfokuskan pada pengembangan chatbot yang memanfaatkan dua komponen utama, yaitu Long Short-Term Memory (LSTM) dan FastText. Penelitian ini bertujuan untuk menguji akurasi metode deep learning LSTM menggunakan word embedding FastText serta menguji pengaruh hyperparameter terhadap akurasi chatbot. Terdapat tiga indikator dalam penelitian ini yaitu jumlah unit, learning rate, dan epoch. Model dilatih dan diuji menggunakan private dataset berisi 200 data teks pertanyaan dan respon yang dibuat oleh penulis. Dataset akan melewati proses preprocessing sebelum digunakan untuk melatih model. Kinerja model diukur menggunakan akurasi respon yang dihasilkan oleh chatbot. Berdasarkan pengujian jumlah unit, learning rate, dan epoch, akurasi terbaik yang berhasil diperoleh chatbot berdasarkan prediksi model adalah sebesar 52.5% dengan nilai hyperparameter jumlah unit 256, learning rate 0.01, dan epoch 50.