<![CDATA[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.]]>
Copyrights © 2026
