Implementasi Retrieval Augmented Generation untuk Chatbot Kebugaran dan Nutrisi.

Prasetya, Gavin (2026) Implementasi Retrieval Augmented Generation untuk Chatbot Kebugaran dan Nutrisi. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_I.pdf Download (253kB)
	PDF BAB_II.pdf Download (470kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (212kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (220kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000068873_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Industri kebugaran modern membutuhkan akses informasi latihan fisik dan nutrisi yang akurat dan terpercaya, namun Large Language Model (LLM) generik rentan terhadap fenomena halusinasi sehingga menghasilkan informasi yang tidak sesuai dengan pedoman ilmiah terverifikasi. Penelitian ini mengimplementasikan sistem chatbot berbasis Retrieval-Augmented Generation (RAG) menggunakan model Mistral-7B yang dijalankan secara lokal melalui platform Ollama, dengan ChromaDB sebagai basis data vektor, model embedding LaBSE (Language- Agnostic BERT Sentence Embedding), dan framework LangChain sebagai pipeline RAG. Evaluasi dilakukan menggunakan framework RAGAS dengan tiga metrik reference-free yaitu faithfulness, response relevancy, dan context precision terhadap lima belas kombinasi konfigurasi parameter chunk size, chunk overlap, dan top- k retrieval menggunakan 50 pertanyaan evaluasi. Hasil eksperimen menunjukkan bahwa konfigurasi terbaik dicapai pada chunk size 512 token, chunk overlap 100 token (20%), dan top-k 10, dengan nilai faithfulness 0.8422, response relevancy 0.6924, dan context precision 1.0000, menghasilkan rata-rata skor RAGAS sebesar 0.8449.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Prasetya, Gavin (00000068873)
Contributors:	Gunawan, Dennis
Keywords:	chatbot, ChromaDB, LaBSE, nutrisi, Retrieval-Augmented Generation
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 12:00
URI:	https://kc.umn.ac.id/id/eprint/48249

Actions (login required)

View Item