<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="142499">
 <titleInfo>
  <title>PENGEMBANGAN LARGE LANGUAGE MODEL UNTUK MENJAWAB PERTANYAAN TERKAIT AKADEMIK DI UNIVERSITAS SYIAH KUALA DENGAN METODE FINE-TUNING DAN RETRIEVAL-AUGMENTED GENERATION</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Hary Rachmat</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Informatika Magister Kecerdasan Buatan</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Selama ini, informasi terkait akademik di Universitas Syiah Kuala (USK), selain di informasikan dalam bentuk website juga dirangkum dalam bentuk Frequently Asked Question (FAQ). Informasi dalam bentuk website dan FAQ tidak interaktif sehingga informasi tertentu harus dicari dalam berita web atau daftar FAQ tersebut. Oleh karena itu, dibutuhkan alternatif cara penyampaian informasi yang lebih interaktif menggunakan chatbot. Chatbot dapat dibangun dengan menggunakan Large Language Model (LLM) seperti Mistral 7B. Mistral 7B adalah model bahasa besar yang dapat diterapkan untuk menjawab pertanyaan seperti informasi akademik menggunakan data yang dikumpulkan dari universitas. Metode fine-tuning dengan Teknik QLoRA dan RAG dapat digunakan untuk melatih model dan mengambil informasi yang relevan dari sumber dokumen eksternal. Hasilnya kemudian dievaluasi menggunakan skor ROUGE. Jawaban dari model USK Mistral 7B memberikan hasil dengan skor &gt;0,5 dengan 15 dari 56 pertanyaan menggunakan metode RAG dan metode fine-tuning diuji pada 20 pertanyaan menghasilkan nilai dengan skor &gt;0,5. Pengujian juga dilakukan dengan pertanyaan yang berbeda tetapi memiliki makna yang sama dan didapatkan hasil tanggapan dengan skor ROUGE 0,4-0,5 dari pertanyaan yang diajukan. Dengan adanya model USK Mistral 7B ditemukan suatu cara yang dapat digunakan untuk membantu pengguna dalam memberikan informasi terkait akademik di USK secara interaktif. &#13;
&#13;
Kata kunci: Large Language Model, Fine-tuning, RAG</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ARTIFICIAL INTELLIGENCE</topic>
 </subject>
 <classification>006.3</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>142499</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-12-12 21:29:35</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-12-13 10:11:43</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>