Winanda, Mirza (2026) RANCANG BANGUN CHATBOT BERBASIS ARTIFICIAL INTELLIGENCE UNTUK ANALISIS KEMIRIPAN DAN REKOMENDASI JUDUL TUGAS AKHIR MENGGUNAKAN RETRIEVAL-AUGMENTED GENERATION (RAG). S1 thesis, Universitas Malikussaleh.

	Text Mirza Winanda_220180009_Cover.pdf Download (328kB)
	Text Mirza Winanda_220180009_Abstrak.pdf Download (424kB)
	Text Mirza Winanda_220180009_Bab I.pdf Download (487kB)
	Text Mirza Winanda_220180009_Daftar Pustaka.pdf Download (346kB)
	Text Mirza Winanda_220180009_Rancang Bangun Chatbot Berbasis Artificial Intelligence Untuk Analisis Kemiripan Dan Rekomendasi Judul Tugas Akhir Menggunakan Retrieval-Augmented Generation (Rag).pdf Restricted to Registered users only Download (6MB)

Abstract

Penentuan judul tugas akhir menjadi salah satu tahapan yang sering mengalami kendala bagi mahasiswa karena proses pencarian dan perbandingan penelitian terdahulu masih banyak dilakukan secara manual atau menggunakan pendekatan berbasis kata kunci. Pendekatan tersebut memiliki keterbatasan dalam memahami hubungan makna antarjudul, sehingga analisis kemiripan topik penelitian belum dapat dilakukan secara optimal. Penelitian ini bertujuan untuk merancang dan membangun TGA-AI, yaitu chatbot berbasis Artificial Intelligence yang dapat membantu mahasiswa dalam melakukan analisis kemiripan serta memberikan rekomendasi judul tugas akhir. Sistem dikembangkan menggunakan metode Prototyping dengan menerapkan pendekatan Retrieval-Augmented Generation (RAG), semantic search, embedding, cosine similarity, dan vector database. Data tugas akhir diperoleh dari repositori RAMA Universitas Malikussaleh melalui protokol OAI-PMH, kemudian diproses menggunakan PostgreSQL sebagai basis data relasional dan ChromaDB sebagai penyimpanan vector embedding. Evaluasi sistem dilakukan melalui pengujian kualitas Retrieval-Augmented Generation menggunakan TruLens, pengujian fungsional menggunakan Katalon Studio, pengujian keamanan menggunakan Burp Suite, serta pengujian kemudahan penggunaan menggunakan System Usability Scale (SUS).Hasil evaluasi TruLens terhadap 31 skenario pengujian menghasilkan nilai Context Relevance sebesar 0,7435, Groundedness sebesar 0,5968, dan Answer Relevance sebesar 0,9874. Pengujian Katalon Studio menunjukkan seluruh fitur utama sistem berjalan sesuai rancangan, sedangkan pengujian Burp Suite tidak menemukan kerentanan dengan tingkat risiko High maupun Medium. Pengujian SUS terhadap 50 mahasiswa memperoleh skor rata-rata sebesar 78,75 yang menunjukkan tingkat penerimaan pengguna yang baik. Berdasarkan hasil penelitian, TGA-AI mampu membantu mahasiswa dalam melakukan pencarian berbasis makna, menganalisis kemiripan judul, memperoleh rekomendasi judul alternatif, serta mendukung proses konsultasi awal dalam menentukan judul tugas akhir. Kata kunci: Artificial Artificial Intelligence, chatbot, Retrieval-Augmented Generation, Analisis kemiripan, rekomendasi judul, TruLens.

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 > 57201 - Jurusan Sistem Informasi
Depositing User:	mirza Winanda
Date Deposited:	21 Sep 2026 07:51
Last Modified:	21 Sep 2026 07:51
URI:	https://rama.unimal.ac.id/id/eprint/23052

Actions (login required)

View Item