Implementasi Teknik Retrieval Augmented Generation Menggunakan Large Language Model Berbasis Vector Database untuk Chatbot Pajak

Ferdinand, Axel (2025) Implementasi Teknik Retrieval Augmented Generation Menggunakan Large Language Model Berbasis Vector Database untuk Chatbot Pajak. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (589kB)
	PDF BAB_III.pdf Download (353kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (688kB)
	PDF BAB_V.pdf Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Download (207kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (602kB)

Abstract

Banyak masyarakat yang kesulitan untuk memahami regulasi pajak. Dari banyaknya Undang - Undang dan Peraturan Pemerintah sampai dengan kurangnya ahli tenaga kerja seperti konsultan pajak yang dapat membantu masyarakat memahami tentang wajib pajak pribadi. Oleh karena itu, kita perlu memanfaatkan AI seperti Generative AI yang dapat membuat chatbot untuk berinteraksi dengan masyarakat dalam menjawab pertanyaan pajak. Namun, chatbot sendiri tidak cukup karena chatbot masih dapat memberikan jawaban yang halusinasi dan tidak faktual. Oleh karena itu, dibutuhkan teknik Retrieval Augmented Generation yang dapat menggabungkan chatbot dengan pencarian dokumen di vector database. Hasil penelitian menunjukkan bahwa teknik RAG hanya dapat menjawab pertanyaan umum tentang wajib pajak pribadi dengan baik. Pengujian dilakukan dengan wawancara konsultan pajak dan hasil yang didapatkan adalah chatbot dapat menjawab pertanyaan tentang wajib pajak pribadi dengan baik tetapi chatbot tidak dapat sepenuhnya menggantikan konsultan pajak. Pengujian yang lain dilakukan dengan evaluasi G-Eval yaitu LLM menilai input dan output chatbot dan didapatkan score sebesar 71%. Score yang didapatkan menunjukkan chatbot masih dapat dikembangkan lagi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Chatbot, Large Language Model, Pajak, Retrieval Augmented Generation, Vector Database
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	26 Jul 2025 11:04
Last Modified:	26 Jul 2025 11:04
URI:	https://kc.umn.ac.id/id/eprint/39324

Actions (login required)

View Item