PENGEMBANGAN CHATBOT BERBASIS RAG FUSION DAN GPT-4 DENGAN OPTIMASI SEMANTIC DEDUPLICATION (SEMDEDUP) UNTUK LAYANAN KONSULTASI KESEHATAN TERNAK DI DINAS KETAHANAN PANGAN, PERTANIAN, DAN PERIKANAN (DKPPP) KABUPATEN TEMANGGUNG

AGRI, MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO (2025) PENGEMBANGAN CHATBOT BERBASIS RAG FUSION DAN GPT-4 DENGAN OPTIMASI SEMANTIC DEDUPLICATION (SEMDEDUP) UNTUK LAYANAN KONSULTASI KESEHATAN TERNAK DI DINAS KETAHANAN PANGAN, PERTANIAN, DAN PERIKANAN (DKPPP) KABUPATEN TEMANGGUNG. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text COVER_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (136kB)
	Text ABSTRAK_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (168kB)
	Text DAFTAR ISI_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (248kB)
	Text DAFTAR PUSTAKA_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (187kB)
	Text HALAMAN PENGESAHAN PEMBIMBING_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (444kB)
	Text HALAMAN PENGESAHAN PENGUJI_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Download (337kB)
	Text SKRIPSI FULLTEXT_123210096_MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI.pdf Restricted to Repository staff only Download (5MB)

Abstract

Sektor peternakan menghadapi tantangan signifikan dari penyakit ternak yang
penanganannya sering kali terhambat oleh keterbatasan sumber daya manusia. Penelitian ini
mengusulkan pengembangan chatbot berbasis Large Language Models (LLM) dengan
pendekatan Retrieval Augmented Generation (RAG) sebagai solusi. Namun, implementasi
model RAG-Fusion sering kali menghadapi masalah redundansi dokumen yang dapat
menurunkan efisiensi dan akurasi. Tujuan dari penelitian ini adalah untuk mengoptimalkan
RAG-Fusion dengan mengurangi redundansi dokumen melalui seleksi dan pemeringkatan
yang lebih ketat, sehingga mampu menyediakan solusi konsultasi kesehatan ternak yang
lebih cepat dan akurat.
Penelitian ini menggunakan metode pengembangan sistem RAG-Fusion yang
berfokus pada penanganan redundansi dokumen hasil pengambilan dengan teknik Semantic
Deduplication (SemDeDup). Data diperoleh dari Dinas Ketahanan Pangan, Pertanian, dan
Perikanan (DKPPP) Kabupaten Temanggung serta LLM generatif Deepseek V3, yang
kemudian dijadikan basis pengetahuan eksternal. Proses pengembangan mencakup
pembuatan kueri alternatif, pencarian chunks relevan, reranking menggunakan Reciprocal
Rank Fusion, serta penerapan SemDeDup dengan klasterisasi k-means dan penghitungan
kesamaan kosinus untuk menghilangkan duplikasi semantik. Respons akhir dihasilkan oleh
model GPT-4 berdasarkan konteks yang telah dideduplikasi.
Implementasi SemDeDup dalam sistem RAG-Fusion terbukti efektif dalam
meningkatkan efisiensi konteks dan mengurangi beban komputasi pada model LLM,
meskipun dengan sedikit peningkatan waktu respons total. Sistem yang dikembangkan
menunjukkan keunggulan dibandingkan ChatGPT dengan memberikan jawaban yang lebih
lokal dan langsung pada inti permasalahan untuk pertanyaan berbasis pengetahuan spesifik
dengan sedikit trade-off pada evaluasi oleh pakar. Kontribusi penelitian ini adalah
memberikan wawasan tentang integrasi RAG dan LLM untuk kesehatan ternak serta
mengoptimalkan RAG melalui pengurangan duplikasi dokumen yang diambil.
Kata Kunci: Chatbot, GPT-4, Large Language Model, Retrieval Augmented Generation,
SemDedup

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	MUHAMMAD ISLAKHA KHOIRUZAMAN TEKNO AGRI (penulis) - 123210096 ; Bagus Muhammad Akbar (pembimbing)
Uncontrolled Keywords:	Chatbot, GPT-4, Large Language Model, Retrieval Augmented Generation, SemDedup
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	21 Oct 2025 06:46
Last Modified:	21 Oct 2025 06:46
URI:	http://eprints.upnyk.ac.id/id/eprint/44680

Actions (login required)

View Item