Utomo, Galih Waskito (2024) PENGEMBANGAN CHATBOT TANYA JAWAB UNTUK DOKUMEN MENGGUNAKAN FRAMEWORK LANGCHAIN DAN OPENAI API. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (2MB) |
|
Text (BAB I)
BAB I.pdf Download (271kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (190kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (37kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (405kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 19.11.3232.zip Restricted to Repository staff only Download (100kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Penelitian ini mengembangkan sistem chatbot penjawab pertanyaan berbasis dokumen menggunakan LangChain, vektor embedding, dan API OpenAI. Sistem ini memungkinkan pengguna mengunggah dokumen dalam berbagai format (PDF, DOCX, TXT). Konten dokumen diproses, dipecah menjadi bagian kecil, dan disematkan ke dalam vektor berdimensi tinggi dengan model Embeddings OpenAI. Vektor ini disimpan dalam basis data vektor, seperti Pinecone, untuk pencarian semantik yang efisien. Saat pengguna mengajukan pertanyaan terkait dokumen, sistem mencari bagian teks relevan berdasarkan kemiripan vektor dengan embedding pertanyaan. Bagian relevan ini kemudian diteruskan ke model penjawab pertanyaan berbasis GPT-3.5-turbo dari OpenAI untuk menghasilkan jawaban kontekstual. LangChain digunakan untuk menyusun berbagai komponen sistem, sementara API OpenAI mengakses model bahasa dan embedding terbaru. Eksperimen menunjukkan sistem mampu menjawab pertanyaan faktual dengan akurat terkait konten dokumen. Desain modularnya memudahkan integrasi dan penggantian komponen, memungkinkan eksperimen dan peningkatan lebih lanjut. Penelitian ini menunjukkan potensi kombinasi embedding vektor dan model bahasa besar dalam mengembangkan sistem penjawab pertanyaan berbasis dokumen yang efisien.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Penjawab Pertanyaan Berbasis Dokumen, Chatbot, Langchain, Vektor Embedding, API Openai, Pencarian Semantik, Model Bahasa | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 13 Nov 2024 03:33 | ||
| Last Modified: | 13 Nov 2024 03:33 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/27995 |
Actions (login required)
 |
View Item |