Optimalisasi Retrieval-Augmented Generation melalui Ekosistem Agentic RAG Berbasis Fine-Tuned BERT Cross Encoder dan GPT-4

Ilone Hadinata, Faustine (2025) Optimalisasi Retrieval-Augmented Generation melalui Ekosistem Agentic RAG Berbasis Fine-Tuned BERT Cross Encoder dan GPT-4. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF ARTIKEL.pdf Download (921kB)
	PDF TURNITIN.pdf Download (102kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LETTER_OF_ACCEPTANCE.pdf Download (328kB)

Abstract

Pendidikan memainkan peran mendasar dalam pertumbuhan pribadi dan profesional, namun banyak siswa berjuang dengan memilih jurusan yang tepat karena bimbingan yang tidak memadai, yang mengarah pada ketidakpuasan dalam jalur akademis dan karier mereka. Untuk mengatasi hal ini, kami mengusulkan sistem Agentic Retrieval- Augmented Generation (RAG) yang meningkatkan saran akademis berbasis chatbot dengan mengintegrasikan agen berbasis BERT untuk menyaring dan memvalidasi informasi yang diambil, memastikan respons yang relevan secara kontekstual dan akurat secara faktual. Selain itu, GPT-4 digunakan sebagai komponen Natural Language Generation (NLG) untuk menghasilkan jawaban yang lancar dan terstruktur. Hasil eksperimen menunjukkan bahwa menggabungkan agen secara signifikan meningkatkan akurasi dan relevansi respons, di mana dari 11 jurusan Skor METEOR menghasilkan 74,33%, kesamaan Jaccard pada 58,77%, dan kesamaan Cosinus pada 94,13%, meningkat masing-masing sebesar 6,54%, 5,57%, dan 3,57%. Skor Relevansi BERT tetap tinggi secara konsisten pada 96,91%. Penerapan menggunakan Django juga diterapkan untuk memungkinkan skenario penggunaan nyata. Meskipun menjanjikan, disarankan agar penelitian berikutnya melibatkan kumpulan data yang lebih besar yang terdiri dari puluhan ribu baris jika memungkinkan untuk mengurangi bias dan memungkinkan agen yang lebih baik.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Agen, AI, BERT, Chatbot, GPT-4, Retrieval-Augmented Generation
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	02 Jul 2025 11:19
Last Modified:	02 Jul 2025 11:19
URI:	https://kc.umn.ac.id/id/eprint/37627

Actions (login required)

View Item