SKRIPSI IF

IMPLEMENTASI AI UNTUK ANALISIS DAN VISUALISASI TABEL MENJADI GAMBAR DARI FILE DOKUMEN MENGGUNAKAN OLLAMA (QWEN2.5VL)

---

ABSTRAK

Penelitian ini membahas implementasi kecerdasan buatan (Artificial Intelligence/AI) dengan pendekatan (RAG) menggunakan model Qwen 2.5VL melalui platform Ollama untuk analisis dan visualisasi data dari file dokumen digital (PDF, Word, dan ODT). Sistem yang dikembangkan berfungsi sebagai chatbot lokal yang mampu melakukan ekstraksi teks maupun tabel, menyimpan embedding ke dalam ChromaDB, serta menghasilkan jawaban berbasis konteks dari pertanyaan pengguna. Selain itu, sistem dapat memvisualisasikan data tabel dalam bentuk grafik menggunakan Pandas dan Matplotlib.

Metodologi penelitian meliputi studi literatur, implementasi sistem, pengujian, serta analisis hasil. Pengujian dilakukan untuk mengevaluasi fungsionalitas dan menggunakan metrik ROUGE (ROUGE-1, ROUGE-2, ROUGE-L) guna mengukur akurasi jawaban, dengan perbandingan dua model yaitu Qwen 2.5VL 3B dan Qwen 2.5VL 7B. Hasil penelitian menunjukkan bahwa sistem mampu menangani dokumen dengan efisien, menghasilkan jawaban kontekstual, serta menyajikan visualisasi data interaktif. Evaluasi performa memperlihatkan bahwa ROUGE-1 memberikan hasil terbaik, dengan nilai F1 rata-rata sebesar 59,35% pada model 3B dan meningkat menjadi 64,13% pada model 7B. Dari sisi resource, model 3B lebih efisien dalam penggunaan VRAM (±7,3 GB) dan waktu eksekusi, sedangkan model 7B membutuhkan VRAM lebih besar (±9,5 GB) namun memberikan hasil lebih stabil dengan performa yang lebih baik.

Kesimpulannya, sistem ini mampu memberikan solusi dalam pencarian, analisis, dan penyajian data dokumen secara otomatis dan efisien. Model 3B cocok digunakan pada perangkat dengan keterbatasan sumber daya, sedangkan model 7B lebih sesuai
untuk perangkat dengan kapasitas GPU besar karena menghasilkan jawaban yang lebih akurat dan konsisten.

Kata kunci: Ollama, Qwen 2.5VL 3B, Qwen 2.5VL 7B, ChromaDB, Visualisasi Data.

ABSTRACT

This research discusses the implementation of Artificial Intelligence (AI) using a Retrieval-Augmented Generation (RAG) approach with the Qwen 2.5VL model through the Ollama platform for the analysis and visualization of data from digital document files (PDF, Word, and ODT). The developed system functions as a local AI capable of extracting both text and tables, storing embeddings in ChromaDB, and generating context-based answers to user queries. In addition, the system can visualize numerical data in graphical form using Pandas and Matplotlib.

The research methodology includes a literature review, system implementation, testing, and result analysis. Testing was conducted to evaluate functionality and employed ROUGE metrics (ROUGE-1, ROUGE-2, ROUGE-L) to measure the accuracy of responses, comparing two models: Qwen 2.5VL 3B and Qwen 2.5VL 7B. The findings indicate that the system is capable of handling documents efficiently, producing contextual responses, and presenting interactive data visualizations. Performance evaluation shows that ROUGE-1 achieved the best results, with an average F1-score of 59.35% on the 3B model, which increased to 64.13% on the 7B model. In terms of resources, the 3B model is more efficient in VRAM usage (±7.3 GB) and execution time, whereas the 7B model requires more VRAM (±9.5 GB) but provides more stable results with better performance.

In conclusion, this system offers an effective solution for automated document retrieval, analysis, and presentation. The 3B model is suitable for devices with limited resources, while the 7B model is more appropriate for high-capacity GPU devices as it delivers more accurate and consistent responses.

Keywords: Ollama, Qwen 2.5VL 3B, Qwen 2.5VL 7B, ChromaDB, Data Visualization.

---

Ketersediaan

S250925001

607.2 DAV i

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 DAV i

Penerbit

: ., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

-

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment