Chatbot Pendaftaran Mahasiswa Berbasis Hybrid Intelligence: Rule-Based, GNN, dan Vector Retrieval

Abstract

Sistem informasi pendaftaran mahasiswa baru di Universitas Teknologi Bandung (UTB) saat ini masih menghadapi berbagai kendala dalam menyediakan informasi yang akurat, terkini, dan mudah diakses oleh calon mahasiswa. Banyak calon mahasiswa yang kebingungan mencari informasi pendaftaran karena data yang tersebar dan tidak terstruktur dengan baik. Untuk mengatasi permasalahan tersebut, kami mengembangkan chatbot akademik UTB dengan pendekatan hybrid intelligence yang inovatif. Sistem ini menggabungkan tiga metode utama: Rule-Based Reasoning untuk menangani prosedur pendaftaran yang bersifat terstruktur, Graph Neural Network untuk memetakan hubungan kompleks antar entitas pendaftaran, dan Vector Retrieval untuk pencarian informasi semantik yang lebih natural. Data diperoleh melalui dua sumber utama, yaitu web scraping otomatis dari website resmi UTB (utb-univ.ac.id) dan dokumen-dokumen resmi yang diunggah secara berkala oleh bagian admission. Hasil evaluasi sistem menunjukkan performa yang sangat baik dengan tingkat akurasi mencapai 86,7% dan F1-Score sebesar 0,865, jauh lebih unggul dibandingkan metode tunggal lainnya. Penelitian ini memberikan kontribusi signifikan dalam pengembangan chatbot akademik modern yang memanfaatkan data real-time dari scraping web dan integrasi dokumen terstruktur untuk meningkatkan kualitas layanan informasi pendaftaran mahasiswa baru.