{JALUR NON REGULER - LOMBA} IMPLEMENTASI OPEN AI UNTUK MANAJEMEN KEUANGAN MAHASISWA: OCR, CHATBOT, DAN FINANCIAL ADVISOR PADA APLIKASI SEIMBANG.IN

Dewa, Rama Syailana (2026) {JALUR NON REGULER - LOMBA} IMPLEMENTASI OPEN AI UNTUK MANAJEMEN KEUANGAN MAHASISWA: OCR, CHATBOT, DAN FINANCIAL ADVISOR PADA APLIKASI SEIMBANG.IN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (2MB)
	Text (BAB I) BAB I.pdf - Published Version Download (135kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (204kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf - Published Version Download (79kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (293kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5017.zip Restricted to Repository staff only Download (4MB)

Abstract

Literasi keuangan merupakan tantangan krusial bagi generasi muda dan mahasiswa, yang sering kali terkendala oleh keengganan melakukan pencatatan transaksi manual serta kurangnya akses terhadap saran finansial yang personal. Laporan ini membahas pengembangan sisi server (backend) pada aplikasi Seimbang.in, sebuah platform manajemen keuangan yang mengintegrasikan kecerdasan buatan (Artificial Intelligence) untuk mengotomatisasi dan mempersonalisasi pengalaman pengguna. Penelitian ini berfokus pada implementasi arsitektur REST API yang memanfaatkan kapabilitas model OpenAI. Fitur Optical Character Recognition (OCR) dikembangkan menggunakan model GPT-4o Vision untuk mengekstraksi data dari gambar struk belanja menjadi format JSON yang terstruktur. Fitur Chatbot cerdas dibangun menggunakan model GPT-4o dengan mekanisme Context Injection untuk menciptakan interaksi yang relevan dengan riwayat pengguna. Selain itu, fitur Financial Advisor menerapkan pendekatan Logika Hibrida (Hybrid Logic), yang menggabungkan kalkulasi matematis deterministik pada server dengan kemampuan narasi model GPT-4o-mini, guna memitigasi risiko halusinasi data. Hasil pengujian menunjukkan bahwa sistem backend mampu memproses input visual struk secara akurat dan memberikan rekomendasi keuangan yang presisi serta kontekstual. Implementasi ini membuktikan bahwa integrasi Large Language Models (LLM) pada arsitektur backend dapat secara signifikan meningkatkan efisiensi pencatatan dan kualitas edukasi finansial pengguna.

Actions (login required)

View Item