Abdiutama, I Gede Gelgel (2025) PENGEMBANGAN VIRTUAL ASSISTANT DENGAN TEKNIK ADAPTIVE-RAG PADA SISTEM PENERIMAAN MAHASISWA BARU UNIVERSITAS PENDIDIKAN GANESHA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2115101014-COVER.pdf Download (2MB) |
|
Text (ABSTRAK)
2115101014-ABSTRAK.pdf Download (203kB) |
|
Text (BAB 1 PENDAHULUAN)
2115101014-BAB 1 PENDAHULUAN.pdf Download (119kB) |
|
Text (BAB 2 KAJIAN TEORI)
2115101014-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (878kB) | Request a copy |
|
Text (BAB 3 METODOLOGI PENELITIAN)
2115101014-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (791kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2115101014-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2115101014-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (112kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2115101014-DAFTAR PUSTAKA.pdf Download (105kB) |
|
Text (LAMPIRAN)
2115101014-LAMPIRAN.pdf Download (4MB) |
Abstract
Teknologi kecerdasan buatan telah mengubah berbagai aspek kehidupan. Salah satunya di bidang pendidikan telah menerapkan virtual assistant yang mempermudah mahasiswa memperoleh informasi akademik dan administrasi. Universitas Pendidikan Ganesha (Undiksha) menghadapi tantangan dalam memberikan informasi pendaftaran mahasiswa baru yang cepat dan akurat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan Virtual Assistant dengan teknik Adaptive Retrieval Augmented Generation (RAG). Metode penelitian ini menggunakan LLM dari OpenAI seperti ChatGPT yang dapat memahami teks, akan tetapi masih memiliki keterbatasan dalam pengetahuan yang dimiliki. RAG digunakan untuk menambahkan informasi relevan dalam mengatasi keterbatasan pengetahuan tersebut. Model dapat menggabungkan pertanyaan dengan konteks yang diambil dari sumber data sehingga menghasilkan jawaban yang tepat. Teknik Adaptive-RAG memungkinkan penyesuaian informasi berdasarkan konteks, sehingga menghasilkan jawaban lebih akurat dan mengurangi risiko kesalahan atau informasi tidak tepat oleh model LLM. Hasil penelitian menunjukkan pengembangan virtual assistant berhasil dilakukan dengan sangat baik. Pembuatannya menggunakan bahasa pemrograman python dengan framework langchain dan langgraph. Data dari 23 dokumen dikumpulkan dengan teknik scrapping manual dan diolah menjadi vector database menggunakan FAISS. Empat agent utama dan beberapa agent pendukung dibuat untuk menjawab pertanyaan pengguna dengan kemampuan RAG. Model diintegrasikan pada prototipe web menggunakan framework Streamlit. Evaluasi dengan metrik RAGAS menunjukkan hasil yang sangat baik dengan skor rata-rata 0,87 atau 87%. Selain itu, penilaian User Experience Questionnaire (UEQ) yang melibatkan responden dari siswa SMKN 3 Singaraja dan mahasiswa baru semester satu Undiksha mendapat hasil “Excellent” pada skala daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Virtual Assistant, PMB, LLM, RAG, Adaptive-RAG |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | I GEDE GELGEL ABDIUTAMA |
| Date Deposited: | 30 Jan 2025 06:37 |
| Last Modified: | 30 Jan 2025 06:37 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22923 |
Actions (login required)
 |
View Item |