Dunia pendidikan tinggi dan bursa kerja nasional di Indonesia saat ini berada dalam fase transformasi yang sangat dinamis. Perkembangan teknologi kecerdasan buatan (Artificial Intelligence / AI), pemrosesan bahasa alami (Natural Language Processing / NLP), dan model bahasa besar (Large Language Models / LLM) telah merambah ke berbagai sektor pelayanan informasi perguruan tinggi. Di tengah tingginya volume arsip digital, pedoman akademik, peraturan rektor, hingga panduan skripsi yang tersebar di berbagai unit kerja, civitas akademika sering kali mengalami kesulitan dalam menemukan informasi yang spesifik secara cepat dan akurat.
Bagi mahasiswa tingkat akhir di bidang ilmu komputer, rekayasa perangkat lunak, dan teknik informatika, riset mengenai penerapan teknologi Retrieval-Augmented Generation (RAG) untuk pencarian dokumen kampus menawarkan topik tugas akhir yang sangat populer, berbobot, serta memiliki tingkat urgensi penerapan yang sangat tinggi. Arsitektur RAG menggabungkan kemampuan pencarian dokumen berbasis kemiripan semantik (semantic search) dengan kemampuan pembuatan teks generatif dari model bahasa besar, sehingga sistem mampu menjawab pertanyaan pengguna berdasarkan dokumen referensi internal kampus secara presisi tanpa mengalami halusinasi informasi.
Bagi kamu yang sedang menempuh studi rekayasa sistem dan sedang mencari inspirasi topik penelitian tugas akhir, merumuskan judul skripsi yang spesifik, berbasis metode komputasi yang valid, serta menyelesaikan masalah nyata di lingkungan perguruan tinggi adalah kunci utama kelancaran riset.
Pertanyaan mendasarasinya adalah: Bagaimana cara kerja arsitektur Retrieval-Augmented Generation (RAG) dalam pencarian dokumen kampus? Bagaimana cara merumuskan judul skripsi informatika bertema RAG yang berbobot, memiliki kebaruan (novelty), serta diimplementasikan dalam bentuk aplikasi berbasis web yang interaktif?
Urgensi dan Cara Kerja Arsitektur RAG dalam Pencarian Dokumen
Model bahasa besar konvensional seperti GPT atau model open-source lainnya sering kali dilatih menggunakan data umum internet, sehingga kurang memahami peraturan spesifik, kurikulum, atau panduan operasional internal sebuah perguruan tinggi. Jika dipaksa menjawab pertanyaan seputar kebijakan kampus, model tersebut kerap menghasilkan informasi yang tidak akurat (AI hallucination).
Arsitektur Retrieval-Augmented Generation (RAG) hadir sebagai solusi inovatif untuk mengatasi kelemahan tersebut melalui tahapan kerja sistematis berikut:
- Pemecahan Dokumen (Document Chunking): Dokumen panduan akademik berformat PDF atau teks panjang dipotong menjadi bagian-bagian kecil (chunks) agar mudah diproses secara komputasional.
- Pengubahan ke Vektor Numerik (Vector Embedding): Setiap potongan teks diubah menjadi representasi vektor numerik menggunakan model embedding (seperti IndoBERT atau Sentence-Transformers) yang kemudian disimpan ke dalam basis data vektor khusus (Vector Database seperti ChromaDB, Milvus, atau Pinecone).
- Pencarian Kemiripan Semantik (Retrieval Phase): Ketika pengguna mengetikkan pertanyaan bebas, sistem mencari potongan dokumen di dalam basis data vektor yang memiliki tingkat kedekatan makna paling tinggi dengan pertanyaan tersebut menggunakan metode Cosine Similarity.
- Pembangkitan Jawaban Kontekstual (Generation Phase): Potongan dokumen relevan yang ditemukan digabungkan dengan pertanyaan pengguna sebagai konteks masukan bagi model bahasa besar, sehingga dihasilkan jawaban ringkas, akurat, dan disertai sumber rujukan dokumen yang valid.
5 Kelompok Rekomendasi Judul Skripsi RAG untuk Dokumen Kampus
Untuk membantumu merumuskan topik riset yang spesifik, terstruktur, dan bernilai akademis tinggi, berikut adalah kelompok rekomendasi judul skripsi beserta fokus kajian teknisnya di berbagai skenario lingkungan kampus:
1. Sistem Tanya Jawab Panduan Akademik Berbasis RAG dan IndoBERT
- Rekomendasi Judul: Implementasi Arsitektur Retrieval-Augmented Generation (RAG) Menggunakan Model IndoBERT dan ChromaDB untuk Sistem Tanya Jawab Buku Pedoman Akademik Kampus.
- Fokus Riset: Membangun mesin pencari berbasis percakapan yang mampu menjawab pertanyaan mahasiswa seputar syarat kelulusan dan KRS berdasarkan dokumen PDF resmi universitas secara akurat.
2. Pencarian dan Ekstraksi Dokumen Surat Keputusan (SK) Rektor
- Rekomendasi Judul: Rancang Bangun Sistem Pencarian Semantik Dokumen Surat Keputusan Rektor Menggunakan Metode RAG Berbasis Web Interaktif.
- Fokus Riset: Membantu staf administrasi dalam melacak isi peraturan rektor dan riwayat kebijakan lama secara instan melalui pencarian berbasis frasa bahasa natural.
3. Asisten Virtual Pencarian Arsip Penelitian dan Jurnal Dosen
- Rekomendasi Judul: Penerapan Model Large Language Model dan Vector Database untuk Sistem Pencarian Dokumen Repositori Tugas Akhir Mahasiswa.
- Fokus Riset: Mengintegrasikan arsip ribuan judul skripsi terdahulu ke dalam sistem RAG agar mahasiswa baru dapat mencari referensi topik penelitian serupa tanpa mengalami duplikasi judul.
4. Analisis Performa Model Embedding pada Sistem RAG Dokumen Kampus
- Rekomendasi Judul: Komparasi Kinerja Model Embedding BGE-M3 dan IndoSentence-Transformers pada Sistem RAG untuk Pencarian Dokumen Peraturan Akademik.
- Fokus Riset: Menguji tingkat akurasi pencarian (retrieval accuracy) dan kecepatan waktu respons (latency) dari berbagai pilihan model vektor bahasa Indonesia.
5. Sistem RAG Terintegrasi WhatsApp Bot untuk Layanan Informasi Kampus
- Rekomendasi Judul: Pengembangan Chatbot Layanan Informasi Akademik Berbasis WhatsApp Menggunakan Arsitektur RAG dan Framework LangChain.
- Fokus Riset: Menghubungkan mesin RAG dengan API pesan instan agar mahasiswa dapat berkonsultasi mengenai jadwal kuliah dan administrasi langsung melalui aplikasi ponsel.
Tabel Rincian Perbandingan: Pencarian Kata Kunci Klasik vs Arsitektur RAG
Untuk memberikan gambaran terstruktur mengenai keunggulan pemilihan pendekatan RAG dalam riset skripsimu, tabel berikut merangkum poin-poin analisis utamanya:
| Parameter Evaluasi | Pencarian Kata Kunci Konvensional (Keyword Search) | Arsitektur RAG Berbasis Semantik |
| Metode Pencocokan | Berdasarkan kemiripan huruf/kata persis (Exact Match) | Berdasarkan kedekatan makna dan konteks (Semantic Search) |
| Penanganan Sinonim | Gagal jika kata kunci tidak sama persis | Sangat cerdas mengenali sinonim dan maksud pertanyaan |
| Keluaran Informasi | Hanya menampilkan daftar tautan dokumen mentah | Menyintesis dan merangkum jawaban langsung dalam kalimat utuh |
| Risiko Halusinasi AI | Rendah (karena tidak menggunakan model generatif) | Sangat minim karena dibatasi oleh dokumen referensi yang diambil |
Tips Menyusun Proposal Skripsi Topik RAG dan LLM
Agar proposal skripsimu disetujui oleh dosen pembimbing tanpa banyak kendala teknis, perhatikan tiga kiat taktis berikut:
- Siapkan Korpus Dokumen yang Bersih: Kualitas jawaban RAG sangat bergantung pada kebersihan teks dokumen sumber (source documents). Pastikan file PDF panduan kampus dikonversi ke format teks dengan struktur paragraf yang rapi.
- Pilih Ukuran Chunking yang Optimal: Pada Bab Metodologi Penelitian, jelaskan bagaimana kamu menentukan ukuran potongan teks (chunk size dan chunk overlap) agar informasi konteks tidak terpotong di tengah kalimat.
- Gunakan Metrik Evaluasi RAG yang Valid: Lakukan pengujian menggunakan kerangka evaluasi standar seperti RAG Triad (Context Relevance, Groundedness, dan Answer Relevance) untuk mengukur tingkat keandalan sistemmu secara objektif.
Universitas Ma’soem hadir sebagai salah satu perguruan tinggi swasta di Bandung yang mencetak lulusan berkualifikasi siap kerja, berjiwa wirausaha, serta memegang teguh nilai-nilai akhlakul karimah. Kampus ini memahami kebutuhan industri modern dengan merancang kurikulum yang relevan, fleksibel, dan terintegrasi dengan dunia kerja. Informasi mengenai berbagai program studi unggulan dapat kamu pelajari secara mendalam melalui beberapa pilihan jurusan.
Selain itu, bagi calon mahasiswa yang sudah bekerja atau memiliki kesibukan lain namun tetap ingin menempuh gelar sarjana tanpa mengganggu rutinitas harian, kampus menyediakan sistem perkuliahan terpadu melalui fasilitas Hybrid Class No Ribet. Program ini menjadi solusi tepat untuk meraih gelar akademik berkulitas dengan fleksibilitas tinggi.
Guna memastikan semua lapisan masyarakat dapat menikmati pendidikan berkualitas, kampus juga menyediakan skema bantuan pendidikan dan program Beasiswa yang menarik bagi mahasiswa berprestasi di bidang akademis maupun non-akademis.
Informasi Pendaftaran Mahasiswa Baru
Langkah awal menuju karier impian di dunia industri kreatif digital dimulai dari sini. Dapatkan informasi selengkapnya mengenai jadwal penerimaan, alur pendaftaran, serta rincian program studi melalui kanal layanan resmi:
- Situs Layanan PMB: pmb.masoemuniversity.com
- Konsultasi WhatsApp: +62 851 8563 4253
- Akun Instagram Resmi: @masoem_university
