FATCHA, IBKA ANHAR (2026) CHATBOT INTERNAL MULTI-DIVISI BERBASIS RETRIEVAL-AUGMENTED GENERATION MENGGUNAKAN HYBRID RETRIEVER BM25 DAN APPROXIMATE NEAREST NEIGHBOR. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
Cover.pdf Download (936kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
Bab 1.pdf Restricted to Registered users only Download (134kB) |
|
|
Text (BAB II)
Bab 2.pdf Restricted to Registered users only Download (234kB) |
|
|
Text (BAB III)
Bab 3.pdf Restricted to Registered users only Download (323kB) |
|
|
Text (BAB IV)
Bab 4.pdf Restricted to Registered users only Download (581kB) |
|
|
Text (BAB V)
Bab 5.pdf Restricted to Registered users only Download (130kB) |
|
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (132kB) |
|
|
Text (LAMPIRAN)
Lampiran.pdf Restricted to Registered users only Download (1MB) |
Abstract
Companies or organizations with multiple divisions often have internal documents separated by division. Frequently, this information and documentation are not well integrated, leading to delays and difficulties in finding relevant information across divisions. This issue slows down the internal knowledge dissemination process. Therefore, this study designs and develops a Multi-Division Internal Chatbot based on RAG (Retrieval-Augmented Generation) capable of answering user queries according to the internal documents available in each division. The Hybrid Retrieval method (BM25 and ANN) is implemented in the system as a search engine to improve the relevance of responses generated by the LLM. The all-MiniLM-L6- v2 model is used as the embedder to produce vector representations of internal documents and user queries. The application is web-based, with a backend structure managing data and retrieval processes, as well as a user interface for conversational interaction and document management. The system evaluation was conducted using the RAGAS framework to measure the quality of retrieval results and chatbot responses, as well as system latency measurements to assess backend performance. The expected outcome is an initial chatbot design that can enhance efficiency in information retrieval and support more connected document management across divisions. Keywords: Chatbot, Multi-Divisi, RAG, Hybrid Retrieval, LLM Perusahaan ataupun organisasi yang memiliki banyak divisi pastinya memiliki dokumen internal yang terbagi setiap divisi, seringkali informasi dan dokumen internal ini belum terintegrasi dengan baik, sehingga menyebabkan kelambatan dan juga kesulitan dalam mencari informasi yang relevan antar divisi. Permasalahan ini memperlambat proses penyebaran pengetahuan di lingkungan internal. Oleh sebab itu, penelitian ini merancang dan mengembangkan Chatbot Internal Multi-Divisi berbasis RAG (Retrieval-Augmented Generation) yang dapat menjawab pertanyaan pengguna sesuai dengan dokumen internal yang tersedia setiap divisi. Mekanisme Hybrid Retrieval (BM25 dan ANN) diimplementasikan dalam sistem sebagai mesin pencarian, dengan harapan meningkatkan relevansi jawaban yang dihasilkan LLM. Model all-MiniLM-L6-v2 digunakan sebagai embedder untuk menghasilkan representasi vektor dari dokumen internal dan pertanyaan pengguna. Aplikasi yang dibuat berbasis web dengan struktur backend yang mengatur data dan proses pencarian, serta antarmuka pengguna untuk interaksi percakapan dan pengelolaan dokumen. Evaluasi sistem dilakukan menggunakan framework RAGAS untuk mengukur kualitas hasil retrieval dan respons chatbot, serta pengukuran latensi sistem untuk menilai kinerja backend. Hasil yang diharapkan dari penelitian ini adalah rancangan awal chatbot internal yang dapat meningkatkan efisiensi dalam mencari informasi dan mendukung pengelolaan dokumen antar divisi secara lebih terhubung. Kata kunci: Chatbot, Multi-Divisi, RAG, Hybrid Retrieval, LLM
Actions (login required)
 |
View Item |
