<![CDATA[Proses akreditasi program studi melibatkan dokumen regulasi yang kompleks dan berjumlah besar, sehingga menyulitkan pengelola dalam mencari informasi secara cepat dan tepat. Penelitian ini bertujuan merancang dan membangun sistem Question-Answering (QA) berbasis Retrieval-Augmented Generation (RAG) untuk manajemen dokumentasi akreditasi Program Studi Ilmu Informatika di Universitas Katolik Darma Cendika (UKDC). Sistem mengintegrasikan 84 dokumen regulasi yang diekstraksi menggunakan PyMuPDF menjadi 4.613 potongan teks (chunk) dan diindeks ke dalam basis data vektor ChromaDB. Arsitektur RAG memanfaatkan model embedding BGE-M3 yang di-fine-tuning dengan metode sme-embeddings berbasis contrastive learning (MultipleNegativesRankingLoss) untuk mengoptimalkan pencarian dokumen spesifik domain, serta model bahasa besar (LLM) GPT-4o-mini sebagai generator jawaban akhir, dengan GLM-4.7-Flash sebagai model pembanding. Evaluasi modul retrieval menunjukkan peningkatan signifikan setelah fine-tuning, dengan Recall@1 naik dari 0,8100 menjadi 0,9300, NDCG@1 dari 0,8100 menjadi 0,9300, dan MRR@10 dari 0,8757 menjadi 0,9603. Evaluasi kualitas jawaban menggunakan BERTScore menunjukkan F1-Score GPT-4o-mini meningkat dari 72,85% menjadi 73,35%, unggul dibandingkan GLM-4.7-Flash yang hanya mencapai 63,85%. Pengujian usability dengan Nielsen's Heuristics oleh tiga dosen penguji memperoleh rata-rata skor 4,64 dari skala 5,00. Hasil ini mengonfirmasi bahwa sistem RAG yang dikembangkan layak dan efektif digunakan sebagai alat bantu administratif dalam proses akreditasi program studi.]]>
