Chatbot Generative AI Berbasis Hybrid RAG dengan Integrasi RIASEC untuk Rekomendasi Jurusan
DOI:
https://doi.org/10.52060/juptik.v4i1.4373Abstrak
Ketidaksesuaian antara minat siswa dan jurusan yang dipilih masih menjadi permasalahan yang dapat memengaruhi keberhasilan akademik serta perencanaan karier. Di sisi lain, keterbatasan layanan bimbingan karier menyebabkan tidak semua siswa memperoleh konsultasi yang sesuai dengan kebutuhan mereka. Penelitian ini bertujuan merancang dan mengimplementasikan chatbot rekomendasi jurusan berbasis Hybrid Retrieval Augmented Generation (Hybrid RAG) yang terintegrasi dengan model kepribadian RIASEC. Arsitektur yang diusulkan menggunakan Query Router untuk memisahkan pemrosesan data terstruktur dan tidak terstruktur ke dalam dua jalur, yaitu jalur relasional berbasis MySQL untuk pengolahan hasil asesmen RIASEC dan jalur semantik berbasis FAISS untuk pencarian informasi dari knowledge base. Sistem dikembangkan dengan memanfaatkan Large Language Model yang dipadukan dengan mekanisme retrieval untuk menghasilkan respons yang kontekstual dan personal. Evaluasi sistem dilakukan menggunakan Black-Box Testing, BERTScore, dan RAGAS. Hasil pengujian menunjukkan bahwa arsitektur Hybrid RAG memperoleh nilai Precision rata-rata sebesar 0,769, Recall sebesar 0,778, dan F1-Score sebesar 0,774, lebih tinggi dibandingkan arsitektur RAG standar yang memperoleh F1-Score sebesar 0,728. Evaluasi menggunakan RAGAS juga menunjukkan kualitas retrieval dan faithfulness yang tinggi. Hasil penelitian menunjukkan bahwa integrasi Hybrid RAG dan RIASEC mampu meningkatkan kualitas rekomendasi jurusan yang lebih personal serta mendukung layanan konsultasi akademik berbasis kecerdasan buatan.
Referensi
[1] M. Ibrahim, N. Izza, A. H. Aslam, and R. R. Muhammad, “Jurnal Didactical Mathematics Fenomena Salah Jurusan Terhadap Studi Mahasiswa pada Prodi Pendidikan Matematika Universitas Islam Negeri Raden Intan Lampung,” vol. 7, pp. 224–240, 2025. https://doi.org/10.31949/dm.v7i2.12231
[2] K. Guru and J. Peminatan, “Risalah Kebijakan Urgensi Penguatan Pemahaman Terkait Penghapusan,” no. September, 2022.
[3] M. F. Choiri, Daharnis, and Ifdil, “Relevansi Teori Holland Terhadap Pemilihan Karir Peserta Didik Di Era Modern: Kajian Literatur,” J. Bimbing. Konseling dan Dakwah, vol. 6, no. 1, 2025. https://doi.org/10.55380/taqorrub.v6i01.1102
[4] G. H. Martins et al., “18REST-2 : A Revised Measure of the RIASEC Model for Large-Scale Assessment With Students,” vol. 0, no. 0, pp. 1–20, 2024, https://doi.org/10.1177/10690727241256289
[5] F. L. D. Cahyanti and R. D. Andika Raya, “Perancangan Sistem Informasi Chatbot Retrieval Augmented Generation Berbasis Website pada PT. Revolusi Cita Edukasi,” Indones. J. Comput. Sci., 2025, https://doi.org/10.31294/m75d4782
[6] S. Elysia and Herianto, “Chatbot Berbasis Retrieval Augmented Generation (RAG) untuk Peningkatan Layanan Informasi Sekolah,” J. Technol. Inf. Data Anal., 2024, https://doi.org/10.70491/tifda.v1i2.52
[7] Murtiyoso, I. Tahyudin, and Berlilana, “A Systematic Review of Retrieval-Augmented Generation for Enhancing Domain-Specific Knowledge in Large Language Models,” Sink. J. dan Penelit. Tek. Inform., 2025, https://doi.org/10.33395/sinkron.v9i2.14824.
[8] A. Nugroho, A. Pramudito, and S. Lestari, “Hybrid Retrieval-Augmented Generation untuk Sistem Question Answering Berbasis Dokumen Akademik,” J. Teknol. Inf. dan Ilmu Komput., 2024, doi: 10.25126/jtiik.202484512.
[9] M. R. Rachman, M. Rosidin, and W. Y. Sulistyo, “Implementation of Augmented Generation Retrieval Method in Chatbot for Contract Customer Service Automation,” Insect J. Tek. Inform., 2025, https://doi.org/10.33506/insect.v11i2.4992
[10] D. Rothman, RAG-Driven Generative AI. Packt Publishing Ltd.
[11] C. Cohn, S. Rayala, C. Snyder, and et al., “Personalizing Student-Agent Interactions Using Log-Contextualized Retrieval Augmented Generation (RAG),” arXiv, 2025, [Online]. Available: https://arxiv.org/abs/2505.17238
[12] I. Fanani, “Implementasi Retrieval Augmented Generation untuk Evaluasi Proposal Tugas Akhir Mahasiswa,” J. Teknol. Komput. dan Inform., 2025, https://doi.org/10.59820/tekomin.v3i2.336
[13] I. I. R. Pratama and B. Sisephaputra, “Pengembangan Sistem Helpdesk Menggunakan Chatbot dengan Metode Retrieval-Augmented Generation (RAG),” J. Informatics Comput. Sci., 2025, https://doi.org/10.26740/jinacs.v6n03.p696-710
[14] I. Pujiono, I. M. Agtyaputra, and Y. Ruldeviyani, “Implementing Retrieval-Augmented Generation And Vector Databases For Chatbots In Public Services Agencies Context,” vol. 10, no. 1, pp. 216–223, 2024, https://doi.org/10.33480/jitk.v10i1.5572
[15] M. F. Siregar, D. Putra, and A. Kurniawan, “Penerapan Retrieval-Augmented Generation pada Chatbot Layanan Informasi Pemerintahan,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), 2024, doi: 10.29207/resti.v8i4.5123.
[16] H. Tohir, N. Merlina, and M. Haris, “Utilizing Retrieval-Augmented Generation in Large Language Models to Enhance Indonesian Language NLP,” J. Ilmu Pengetah. dan Teknol. Komput., 2024, https://doi.org/10.33480/jitk.v10i2.5916
[17] S. M. Yasmin and D. H. Fudholi, “Pengembangan Chatbot Informasi Hukum Layanan Publik Berbasis Retrieval- Augmented Generation Menggunakan LangChain dan OpenAI di Ombudsman DIY Development of a Legal Information Chatbot for Public Services Using RAG , LangChain , and OpenAI at Ombudsman D,” vol. 5, no. 9, pp. 2548–2565, 2025. https://doi.org/10.52436/1.jpti.995
[18] A. Marsadualan, H. Harmastuti, and J. Triyono, “Rancang Bangun Aplikasi Tanya Jawab Mengenai Ist Akprind Yogyakarta Berbasis Mobile Menggunakan Algoritma Boyer Moore,” Semin. Nas. Inov. Sains Teknol. Inf. Komput., vol. 1, no. 1, pp. 226–238, 2023.
[19] S. Q. Kharina and A. Yulianto, “Perancangan online test untuk mengukur minat calon mahasiswa Universitas Pembangunan Jaya,” J. Psikol. Media Ilm. Psikol., vol. 19, no. 1, pp. 1–8, 2021.
[20] R. Kalra et al., “HyPA-RAG: A Hybrid Parameter Adaptive Retrieval-Augmented Generation System for AI Legal and Policy Applications,” 2023. https://doi.org/10.18653/v1/2024.customnlp4u-1.18
[21] S. Engineering, R. Ahadi, N. S. Harahap, M. Fikry, F. Kurnia, and I. Artikel, “Retrieval-Augmented Generation in a Web-Based Question Answering System for Fiqh Books,” vol. 5, no. 2, pp. 626–635, 2025, doi: 10.30811/jaise.v5i2.7005.
[22] Y. Tribber and M. Asfi, “Implementasi Retrieval Augmented Generation untuk Layanan Informasi Kampus dengan Chatbot Berbasis AI,” pp. 594–600.
| Keywords | : |
Kata Kunci:
chatbot, hybrid rag, riasec, rekomendasi jurusan, large language model
|
| Galleys | : | |
| Diterbitkan | : |
2026-06-01
|
| Terbitan | : |
Hak Cipta (c) 2026 Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
