Perancangan Basis Data AI Chat Customer Service PMI Kabupaten Klaten Menggunakan PostgreSQL dengan Ekstensi pgvector

⭐ Ilham Kurniawan, Muhammad (2026) Perancangan Basis Data AI Chat Customer Service PMI Kabupaten Klaten Menggunakan PostgreSQL dengan Ekstensi pgvector. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (682kB)
	PDF BAB_I.pdf Download (303kB)
	PDF BAB_II.pdf Download (432kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (727kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (266kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (341kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (749kB)
	Archive (ZIP) 00000066417_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Layanan informasi pada PMI Kabupaten Klaten masih dilakukan secara manual melalui WhatsApp dan media sosial sehingga menyebabkan keterbatasan dalam kecepatan respons, konsistensi informasi, dan pengelolaan knowledge base layanan. Selain itu, pencarian informasi berbasis keyword memiliki keterbatasan dalam memahami variasi bahasa pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan basis data hybrid berbasis PostgreSQL dan pgvector untuk mendukung AI Chat Customer Service PMI Kabupaten Klaten menggunakan pendekatan hybrid semantic retrieval. Penelitian menggunakan metode Database Life Cycle (DBLC) yang meliputi database planning, system definition, requirements collection and analysis, database design, database implementation, serta testing and evaluation. Implementasi sistem menggunakan PostgreSQL, ekstensi pgvector, dan HNSW (Hierarchical Navigable Small World) index untuk mendukung semantic similarity search berbasis embedding vector. Evaluasi dilakukan menggunakan Retrieval Quality under Filtering Conditions, Tail Latency Evaluation, Workload Attributes Evaluation, dan Chunk Size Sensitivity Analysis. Hasil evaluasi menunjukkan bahwa seluruh strategi retrieval berhasil mencapai Hybrid Recall sebesar 1,000 dengan Success Rate 97,5%. Strategi Adaptive Retrieval menghasilkan mean latency terendah (1,4 ms), diikuti ANN Post-filter (1,5 ms) dengan P95 latency terendah (1,8 ms). Sistem juga mampu memahami variasi query pengguna seperti typo ringan, sinonim, query pendek, dan query panjang dengan Vector Recall@5 sebesar 1,000 pada seluruh kategori. Ukuran chunk 1024 karakter terbukti memberikan keseimbangan terbaik antara jumlah embedding, kualitas retrieval, dan performa sistem. Hasil penelitian menunjukkan bahwa kombinasi PostgreSQL, pgvector, dan HNSW mampu mendukung proses semantic search secara cepat, stabil, dan efektif pada AI Chat Customer Service PMI Kabupaten Klaten.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ilham Kurniawan, Muhammad (00000066417)
Contributors:	Faza, Ahmad
Keywords:	Hybrid Retrieval, PostgreSQL, pgvector, Semantic Search, HNSW
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	24 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/48001

Actions (login required)

View Item