PENGEMBANGAN VIRTUAL ASSISTANT PADA WEBSITE PROGRAM STUDI SISTEM INFORMASI BERBASIS RETRIEVAL AUGMENTED GENERATION (RAG)

Putra, I Putu Wira Pratama (2025) PENGEMBANGAN VIRTUAL ASSISTANT PADA WEBSITE PROGRAM STUDI SISTEM INFORMASI BERBASIS RETRIEVAL AUGMENTED GENERATION (RAG). Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115091033-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
2115091033-ABSTRAK.pdf
Download (262kB)
[img] Text (BAB 1 PENDAHULUAN)
2115091033-BAB 1.pdf
Download (513kB)
[img] Text (BAB 2 KAJIAN TEORI)
2115091033-BAB 2.pdf
Restricted to Repository staff only
Download (398kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2115091033-BAB 3.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115091033-BAB 4.pdf
Restricted to Repository staff only
Download (19MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115091033-BAB 5.pdf
Restricted to Repository staff only
Download (233kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115091033-DAFTAR PUSTAKA.pdf
Download (210kB)
[img] Text (LAMPIRAN)
2115091033-LAMPIRAN.pdf
Download (8MB)

Abstract

Mahasiswa Program Studi Sistem Informasi Universitas Pendidikan Ganesha sering kesulitan mengakses informasi akademik spesifik dan terkini, menyebabkan ketergantungan komunikasi informal. Penelitian ini merancang, mengembangkan, dan mengevaluasi virtual assistant berbasis Retrieval-Augmented Generation (RAG) untuk akses informasi efisien dan akurat. Sistem dikembangkan dengan model Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data dikumpulkan otomatis via scraping dari website prodi dan RSS feed untuk memastikan informasi mutakhir. Arsitektur RAG diimplementasikan dengan LangChain, database vektor ChromaDB, dan Large Language Model GPT-3.5 Turbo. Efektivitas sistem dievaluasi dengan 25 pertanyaan uji menggunakan RAGAS, sedangkan pengalaman pengguna dinilai 222 responden via User Experience Questionnaire (UEQ). Hasil RAGAS menunjukkan kinerja sangat baik: Context Precision 0,85, Context Recall 0,87, Faithfulness 0,86, Response Relevancy 0,88. Hasil UEQ mengonfirmasi pengalaman pengguna positif, dengan Dependability, Stimulation, dan Novelty dinilai Excellent. Penelitian ini membuktikan virtual assistant RAG efektif mengatasi kesenjangan informasi dan meningkatkan layanan akademik.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Retrieval-Augmented Generation, Large Language Models, virtual assistant, layanan informasi, pengalaman pengguna
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: I Putu Wira Pratama Putra
Date Deposited: 25 Jul 2025 02:52
Last Modified: 25 Jul 2025 02:52
URI: http://repo.undiksha.ac.id/id/eprint/25975

Actions (login required)

View Item View Item