Winata, Bayu (2026) IMPLEMENTASI METODE HYBRID RETRIEVAL DAN TOKEN-ORIENTED OBJECT NOTATION PADA CHATBOT AKADEMIK BERBASIS LARGE LANGUAGE MODEL. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (1MB)
	Text ABSTRAK.pdf Download (1MB)
	Text BAB I.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (1MB)
	Text SIDANG SKRIPSI BAYU WINATAA.pdf Restricted to Registered users only Download (1MB)

Abstract

ABSTRAK Layanan informasi akademik di Program Studi Magister Teknologi Informasi Universitas Malikussaleh masih bersifat statis dan tersebar di berbagai halaman website, sehingga mahasiswa kesulitan mengakses data secara cepat dan tepat. Penelitian ini bertujuan mengembangkan chatbot akademik berbasis Large Language Model (LLM) dengan metode hybrid retrieval yang menggabungkan data tidak terstruktur dari dokumen akademik dan data terstruktur dari basis data relasional, serta mengimplementasikan Token-Oriented Object Notation (TOON) untuk efisiensi token. Model LLM yang digunakan adalah meta-llama/llama-4- scout-17b-16e-instruct melalui platform Groq, sedangkan model embedding yang digunakan adalah paraphrase-multilingual-MiniLM-L12-v2. Metode yang diterapkan meliputi pemecahan dokumen menjadi chunk menggunakan semantic/structural chunking, pembuatan embedding, penyimpanan ke ChromaDB, serta pencarian dokumen relevan menggunakan hybrid search berbasis cosine similarity dan keyword matching. Untuk data terstruktur, sistem menggunakan Textto-SQL dan mengonversi hasil query ke format TOON. Kedua jalur diintegrasikan melalui Intent Router berbasis prompt-based classification. Evaluasi kinerja chatbot dilakukan menggunakan metrik ROUGE-1, ROUGE-2, dan ROUGE-L untuk jalur data tidak terstruktur, serta Execution Accuracy dan Token Reduction Rate untuk jalur data terstruktur. Hasil evaluasi menunjukkan chatbot mampu memberikan jawaban relevan sesuai dokumen dan basis data. Pada jalur RAG, sistem memperoleh rata-rata F1-Score sebesar 92,63% (ROUGE-1), 89,59% (ROUGE-2), dan 92,54% (ROUGE-L). Pada jalur data terstruktur, sistem memperoleh Execution Accuracy 100%, sedangkan TOON berhasil menghemat token rata-rata 31,48% dibandingkan JSON. Secara keseluruhan, chatbot akademik berbasis LLM dengan hybrid retrieval dan TOON dinilai efektif membantu mahasiswa memperoleh informasi akademik secara cepat, tepat, kontekstual, dan efisien. Kata Kunci: Chatbot Akademik, Hybrid Retrieval, Large Language Model, RAG, TOON

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Bayu Bayu Bayu
Date Deposited:	04 Sep 2026 02:56
Last Modified:	04 Sep 2026 02:56
URI:	https://rama.unimal.ac.id/id/eprint/22358

Actions (login required)

View Item