SKRIPSI IF

IMPLEMENTASI RETRIEVAL-AUGMENTED GENERATION (RAG) DALAM PENGEMBANGAN AI AGENT UNTUK KONSULTASI BEASISWA DENGAN PERSONALISASI BERBASIS PENGGUNA

---

ABSTRAK

Kemajuan kecerdasan buatan telah memungkinkan pengembangan sistem konsultasi yang lebih interaktif dan personal. Penelitian ini bertujuan untuk mengimplementasikan teknologi Retrieval-Augmented Generation (RAG) dalam pengembangan AI Agent untuk konsultasi beasiswa dengan personalisasi berbasis pengguna. Sistem ini dirancang untuk memberikan rekomendasi beasiswa yang sesuai dengan latar belakang, minat, dan preferensi pengguna dengan menggabungkan pemrosesan bahasa alami NLP dan pencarian informasi yang relevan dari berbagai sumber terpercaya.

Metode yang digunakan dalam penelitian ini meliputi pengumpulan data beasiswa, pemodelan AI menggunakan RAG, serta evaluasi kinerja sistem berdasarkan akurasi rekomendasi dan kepuasan pengguna. Output dari penelitian ini berupa prototipe sistem chatbot beasiswa yang memiliki beberapa fitur utama, antara lain: antarmuka percakapan interaktif, personalisasi rekomendasi berdasarkan profil pengguna, penyajian informasi beasiswa terkini dari sumber resmi, halaman komunitas untuk diskusi, serta fitur profil pengguna untuk mengatur preferensi studi.

Hasil penelitian menunjukkan bahwa penerapan RAG meningkatkan relevansi informasi yang diberikan oleh chatbot, serta meningkatkan pengalaman pengguna dalam mencari informasi beasiswa. Penelitian ini diharapkan dapat menjadi solusi inovatif dalam membantu calon mahasiswa mendapatkan informasi beasiswa secara lebih cepat, akurat, dan sesuai dengan kebutuhan individu mereka.

Kata Kunci: Chatbot, Retrieval-Augmented Generation (RAG), AI Agent, Personalisasi, Beasiswa.


ABSTRACT

The advancement of artificial intelligence has enabled the development of more interactive and personalized consultation Systems. This research aims to implement Retrieval-Augmented Generation (RAG) technology in developing an AI Agent for scholarship consultation with user-based personalization. The System is designed to provide scholarship recommendations that match the users’ background, interests, and preferences by combining Natural language processing (NLP) with information retrieval from trusted sources.

The methodology applied in this research includes scholarship data collection, AI modeling using RAG, and System performance evaluation based on recommendation accuracy and user satisfaction. The output of this research is a prototype of a scholarship chatbot System with several main features, including: an interactive conversational interface, personalized recommendations based on user profiles, presentation of up-to-date scholarship information from official sources, a community page for discussions, and a user profile page for managing study preferences.

The results indicate that the application of RAG improves the relevance of information provided by the chatbot and enhances the overall user experience in searching for scholarship opportunities. This research is expected to serve as an innovative solution to help prospective students access scholarship information more quickly, accurately, and in alignment with their individual needs.

Keywords: Chatbot, Retrieval-Augmented Generation (RAG), AI Agent, Personalization, Scholarship.

---

Ketersediaan

S251003009

607.2 ADR i

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 ADR 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