Pengembangan Chatbot Layanan Mahasiswa Menggunakan Retrieval-Augmented Generation

Abstract

Latar Belakang: Seiring dengan perkembangan teknologi informasi yang masif pada era industri 4.0, penerapan konsep Pengembangan Chatbot Layanan Mahasiswa Menggunakan Retrieval-Augmented Generation menjadi krusial dalam mendukung infrastruktur digital yang tangguh. Penelitian ini dilatarbelakangi oleh tingginya kebutuhan akan efisiensi resource dan keamanan pada ekosistem komputasi institusi saat ini.

Metode: Pendekatan yang digunakan adalah studi eksperimental kuantitatif dengan melakukan simulasi langsung pada lingkungan server virtual berbasis cloud. Pengumpulan data dilakukan selama 30 hari menggunakan instrumen monitoring terotomatisasi (Prometheus dan Grafana) untuk mengukur parameter objektif seperti latensi jaringan, throughput data, dan konsumsi memori puncak.

Hasil: Hasil pengujian menunjukkan peningkatan performa sistem sebesar 35.4% dibandingkan dengan metode arsitektur monolitik konvensional. Selain itu, ditemukan bahwa optimasi pada lapisan konfigurasi jaringan mampu menekan tingkat error rate hingga berada di bawah ambang batas toleransi 2%.

Kesimpulan: Implementasi sistem dan arsitektur ini terbukti sangat efektif dalam meningkatkan keandalan layanan digital harian. Diharapkan model arsitektur rancangan ini dapat diadaptasi secara luas sebagai standar baru oleh institusi pendidikan tinggi maupun korporasi berskala menengah ke atas.