Nurlaili, Aisma (2026) IMPLEMENTASI CHATBOT BERBASIS RETRIEVAL-AUGMENTED GENERATION PADA LAYANAN INFORMASI ATURAN AKADEMIK. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (COVER)
COVER.pdf Download (1MB) | Preview |
|
|
Text (BAB 1)
BAB 1.pdf Download (266kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
BAB 2.pdf Restricted to Repository staff only until 22 May 2028. Download (740kB) |
|
|
Text (BAB 3)
BAB 3.pdf Restricted to Repository staff only until 22 May 2028. Download (857kB) |
|
|
Text (BAB 4)
BAB 4.pdf Restricted to Repository staff only until 22 May 2028. Download (1MB) |
|
|
Text (BAB 5)
BAB 5.pdf Download (230kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Download (192kB) | Preview |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Repository staff only Download (187kB) |
Abstract
Perkembangan kecerdasan buatan mendorong transformasi layanan informasi akademik di perguruan tinggi yang masih bergantung pada dokumen statis dan layanan informasi terbatas. Di Universitas Pembangunan Nasional “Veteran” Jawa Timur (UPNVJT), mahasiswa mengalami kesulitan dalam mengakses informasi aturan akademik secara cepat akibat format dokumen PDF yang panjang, kompleks, serta keterbatasan chatbot informasi yang masih berbasis kata kunci dan belum mampu memberikan jawaban kontekstual. Penelitian ini bertujuan untuk mengimplementasikan chatbot berbasis Retrieval-Augmented Generation (RAG) dengan mengintegrasikan Large Language Model (LLM) Gemma 3 berukuran 4B parameter melalui Ollama dan basis pengetahuan yang berasal dari dokumen peraturan akademik UPNVJT untuk menyediakan layanan informasi yang akurat dan responsif. Metode yang digunakan meliputi prapemrosesan dokumen PDF melalui ekstraksi teks, pembersihan dan normalisasi struktur dokumen, proses chunking, pembentukan embedding, penyimpanan basis data vektor menggunakan ChromaDB, serta penerapan mekanisme retrieval dan prompt engineering untuk meningkatkan kualitas jawaban. Hasil evaluasi menunjukkan bahwa konfigurasi terbaik diperoleh pada chunk size 1024, chunk overlap 400, dan top-k 10 dengan nilai Faithfulness sebesar 0.7950, Answer Relevancy sebesar 0.7868, Context Precision sebesar 0.8093, dan Context Recall sebesar 0.8958. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan mampu menghasilkan jawaban yang akurat, relevan, dan sesuai dengan konteks dokumen akademik, sehingga efektif dalam mendukung layanan informasi aturan akademik di lingkungan perguruan tinggi.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA76 Computer software | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Information Systems | ||||||||||||
| Depositing User: | Unnamed user with email 22082010083@student.upnjatim.ac.id | ||||||||||||
| Date Deposited: | 25 May 2026 08:38 | ||||||||||||
| Last Modified: | 25 May 2026 08:38 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/52152 |
Actions (login required)
 |
View Item |