Haikhal, Moh Wildan (2025) PENGEMBANGAN CHATBOT AI BERBASIS LARGE LANGUAGE MODEL (LLM) LANGCHAIN DENGAN RETRIEVAL-AUGMENTED GENERATION (RAG) PADA CUSTOMER SERVICE DI PT. TELEMEDIA PRIMA NUSANTARA. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (COVER)
COVER.pdf - Published Version Download (1MB) | Preview |
|
|
Text (ABSTRAK)
ABSTRAK.pdf - Published Version Download (115kB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB I.pdf Restricted to Repository staff only Download (209kB) |
|
|
Text (BAB II)
BAB II.pdf Restricted to Repository staff only Download (405kB) |
|
|
Text (BAB III)
BAB III.pdf Restricted to Repository staff only Download (640kB) |
|
|
Text (BAB IV)
BAB IV.pdf Restricted to Repository staff only Download (517kB) |
|
|
Text (BAB V)
BAB V.pdf Restricted to Repository staff only Download (192kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (479kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Repository staff only Download (10MB) |
|
|
Text (FULLTEKS)
FULLTEKS.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Penelitian ini bertujuan mengembangkan chatbot AI berbasis Large Language Model (LLM) dengan integrasi LangChain dan Retrieval-Augmented Generation (RAG) untuk meningkatkan layanan pelanggan di PT Telemedia Prima Nusantara. Metode pengembangan menggunakan CRISP-DM, meliputi tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Metode pengumpulan data dilakukan melalui observasi proses layanan, wawancara dengan tim internal, analisis dokumen FAQ, dokumentasi alur pengiriman invoice dan status pembayaran dari sistem Mixradius, riwayat percakapan pelanggan di WhatsApp, serta dokumen teknis internal lainnya. Data tambahan dikumpulkan melalui feedback pengguna internal saat evaluasi sistem dan eksperimen chatbot berbasis interaksi langsung, menggunakan metrik BLEU, ROUGE, dan waktu respons untuk pengukuran performa. Metode pemecahan masalah menggunakan pendekatan Retrieval-Augmented Generation (RAG) yang diorkestrasi dengan framework LangChain. Informasi dikumpulkan dari basis data vektor menggunakan FAISS, kemudian diolah oleh GPT-3.5 Turbo untuk menghasilkan jawaban. Komponen Skill Router diterapkan untuk klasifikasi intensi dan pengaturan jalur pemrosesan. Hasil evaluasi menunjukkan chatbot mampu memberikan jawaban dengan akurasi 93,33%, BLEU-2 sebesar 0,518, ROUGE-L sebesar 0,683, dan waktu respons rata-rata 1,55 detik. Hasil penelitian ini menunjukan sistem terbukti efektif dalam menjawab pertanyaan pelanggan secara otomatis, efisien, dan kontekstual. Rekomendasi pengembangan selanjutnya mencakup perluasan basis pengetahuan, deteksi intensi otomatis, eskalasi ke agen manusia, integrasi monitoring, serta optimalisasi embedding dan vector store alternatif. Kata Kunci: Chatbot AI, Large Language Model (LLM), LangChain, Retrieval-Augmented Generation (RAG), Costumer Service, CRISP-DM.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Kata Kunci: Chatbot AI, Large Language Model (LLM), LangChain, Retrieval- Augmented Generation (RAG), Costumer Service, CRISP-DM. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Informatics Management > Journal |
| Depositing User: | Pustaka Manajemen Informatika |
| Date Deposited: | 16 Apr 2026 04:18 |
| Last Modified: | 16 Apr 2026 04:18 |
| URI: | http://eprints.polsri.ac.id/id/eprint/22649 |
Actions (login required)
 |
View Item |
