IMPLEMENTASI HYBRID RETRIEVAL BM25 DAN FAISS PADA CHATBOT INFORMASI KAMPUS BERBASIS RETRIEVAL-AUGMENTED GENERATION (Studi Kasus: Universitas Amikom Purwokerto)

Penelitian ini dilatarbelakangi oleh kebutuhan akan sistem informasi kampus yang mampu memberikan jawaban relevan meskipun informasi akademik dan berita kampus terus diperbarui setiap semester. Pendekatan Retrieval-Augmented Generation (RAG) dapat meningkatkan kualitas jawaban dengan memanfaatkan dokumen sebagai sumber informasi, namun penggunaan metode retrieval tunggal masih memiliki keterbatasan dalam menangani karakteristik kueri yang beragam. Penelitian ini bertujuan mengimplementasikan Adaptive Hybrid Retrieval yang menggabungkan BM25, FAISS, Query-aware Parameter Selection, dan Time-Based Weighting pada chatbot informasi kampus Universitas Amikom Purwokerto. Penelitian menggunakan data pengumuman akademik, berita kampus, dan informasi umum yang diproses menjadi korpus retrieval, kemudian dievaluasi menggunakan 30 kueri yang terdiri atas kategori leksikal, semantik, dan temporal. Kinerja sistem diukur menggunakan metrik Precision, Recall, Mean Reciprocal Rank (MRR), dan normalized Discounted Cumulative Gain (nDCG). Hasil penelitian menunjukkan bahwa Adaptive Hybrid Retrieval memberikan performa terbaik dibandingkan BM25, FAISS, dan Hybrid Baseline dengan nilai Precision sebesar 0,41, Recall sebesar 0,54, MRR sebesar 0,83, dan nDCG sebesar 0,64. Hasil tersebut menunjukkan bahwa penggabungan pencarian leksikal, pencarian semantik, serta pembobotan adaptif berdasarkan karakteristik kueri dan keterbaruan dokumen mampu meningkatkan kualitas retrieval secara lebih konsisten pada domain informasi kampus. Dengan demikian, Adaptive Hybrid Retrieval dapat diterapkan sebagai mekanisme retrieval yang efektif untuk mendukung chatbot layanan informasi kampus berbasis Retrieval-Augmented Generation.