Implementasi Chatbot AI Berbasis n8n untuk Layanan Informasi Administrasi Akademik Departemen Teknik Elektro dan Informatika
DOI:
https://doi.org/10.26418/jp.v11i3.101635Keywords:
Chatbot, n8n, Layanan Informasi, Large Language Model, Retrieval Augmented GenerationAbstract
Aksesibilitas informasi administratif menjadi tantangan utama bagi mahasiswa di Departemen Teknik Elektro dan Informatika, Universitas Negeri Malang. Survei awal mengindikasikan bahwa mayoritas mahasiswa (72%) merasa kesulitan memahami alur birokrasi, sementara 58% lainnya mendapatkan data yang kurang valid mengenai prosedur akademik, khususnya terkait skripsi dan praktik industri. Penelitian ini bertujuan untuk mengatasi kendala tersebut dengan mengembangkan sistem layanan informasi otomatis berupa chatbot berbasis Artificial Intelligence (AI). Melalui pendekatan Penelitian dan Pengembangan (R&D), studi ini mengembangkan chatbot yang menggabungkan otomatisasi alur kerja via n8n. Sistem ini diperkuat dengan teknologi Retrieval Augmented Generation (RAG) serta Large Language Model (LLM) berbasis Google Gemini untuk meningkatkan akurasi layanan. Arsitektur sistem dirancang untuk menghubungkan antarmuka Telegram dengan basis data internal yang dikelola melalui Google Sheets, memungkinkan chatbot memberikan respon yang relevan secara kontekstual tanpa memerlukan proses pengkodean yang rumit. Pendekatan ini membatasi halusinasi AI dengan memastikan jawaban bersumber langsung dari data institusi yang akurat. Hasil pengujian menunjukkan performa sistem yang sangat memuaskan. Validasi yang dilakukan oleh ahli memberikan skor rata-rata 4,5 dari skala 5, yang menunjukkan bahwa kelayakan teknis dan fungsional yang tinggi dan pengujian pengalaman pengguna menggunakan instrumen System Usability Scale (SUS) menghasilkan skor 90,8, yang menunjukkan tingkat kegunaan sistem dalam kategori sangat baik. Penelitian ini menyimpulkan bahwa integrasi teknologi low-code n8n, RAG, dan LLM terbukti efektif meningkatkan kecepatan dan akurasi layanan informasi, serta mampu mengurangi beban kerja staf administrasi secara signifikan.References
A. Lubis and I. Sumartono, ‘Implementasi Layanan Akademik Berbasis Chatbot untuk Meningkatkan Interaksi Mahasiswa’, Media Online, vol. 3, no. 5, 2023, [Online]. Available: https://djournals.com/resolusi
L. R. Hidayat, G. Pasek, S. Wijaya, and R. Dwiyansaputra, ‘Optimalisasi Layanan Sistem Informasi Mahasiswa dengan Integrasi Telegram : Chatbot Retrieval-Augmented-Generation berbasis Large Language Model (Optimization of Student Information System Services with Telegram Integration : Chatbot Retrieval-Augmented Generation based on Large Language Model)’, 2025. [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
S. Elysia and Herianto, ‘Chatbot Berbasis Retrieval Augmented Generation (RAG) untuk Peningkatan Layanan Informasi Sekolah’, Journal TIFDA (Technology Information and Data Analytic), vol. 1, no. 2, pp. 52–58, Dec. 2024, doi: 10.70491/tifda.v1i2.52.
H. I. Syarof and I. Rasal, ‘Aplikasi Chatbot sebagai Layanan Informasi Virtual pada Website Infinite Learning’, Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, pp. 56–64, Jun. 2024, doi: 10.29408/edumatic.v8i1.25215.
Y. Irawan, F. B. Suryani, S. Wanabuliandari, and S. Muzid, ‘System Usability Scale (SUS) Model in Evaluating Internal Quality Audit Systems for Accreditation Process Optimization’, 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
S. N. Mustafina, N. K. Khan, M. N. Islam, F. S. Nusrat, and M. Akhtaruzzaman, ‘System Usability and Design Evaluation of AI Chatbots: A Comparative Analysis of ChatGPT, Google Bard, and Bing Chat’, MIST INTERNATIONAL JOURNAL OF SCIENCE AND TECHNOLOGY, vol. 13, pp. 83–97, Jun. 2025, doi: 10.47981/j.mijst.13(01)2025.522(83-97).
A. Alabbas and K. Alomar, ‘A Weighted Composite Metric for Evaluating User Experience in Educational Chatbots: Balancing Usability, Engagement, and Effectiveness’, Future Internet, vol. 17, no. 2, Feb. 2025, doi: 10.3390/fi17020064.
J. Swacha and M. Gracel, ‘Retrieval-Augmented Generation (RAG) Chatbots for Education: A Survey of Applications’, Apr. 01, 2025, Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/app15084234.
Z. Li, Z. Wang, W. Wang, K. Hung, H. Xie, and F. L. Wang, ‘Retrieval-augmented generation for educational application: A systematic survey’, Jun. 01, 2025, Elsevier B.V. doi: 10.1016/j.caeai.2025.100417.
D. Baur, J. Ansorg, C.-E. Heyde, and A. Voelker, ‘Development and Evaluation of a Retrieval-augmented Generation Chatbot for Orthopedic and Trauma Surgery Patient Education: A Mixed-methods Study (Preprint)’, JMIR AI, Oct. 2025, doi: 10.2196/75262.
G. Lang, T. Gürpinar, J. Hanson, and B. Taylor, ‘In this issue: 4. AI-Powered Learning Support: A Study of Retrieval-Augmented Generation (RAG) Chatbot Effectiveness in an Online Course The Use of Competency-based Statements in Assessing Student Knowledge, Skills, and Abilities: A study in a Network Security Class’, 2025. [Online]. Available: https://isedj.org
D. Cabezas, R. Fonseca-Delgado, I. Reyes-Chacón, P. Vizcaino-Imacaña, and M. Morocho-Cayamcela, ‘Integrating a LLaMa-based Chatbot with Augmented Retrieval Generation as a Complementary Educational Tool for High School and College Students’, INSTICC, Jul. 2024, pp. 395–402. doi: 10.5220/0012763000003753.
A. Isma, F. N. Arifah, A. Zikry, M. Bitrayoga, and E. Mardiani, ‘Optimizing Academic Information Delivery: A Hybrid AI Chatbot Model’, vol. 7, no. 1, 2024.
A. Eka, W. Djawa, and F. Almu’iini Ahda, ‘Design of an Academic Services Chatbot at Asia Institute Malang’, 2024.
I. Pujiono, I. M. Agtyaputra, and Y. Ruldeviyani, ‘IMPLEMENTING RETRIEVAL-AUGMENTED GENERATION AND VECTOR DATABASES FOR CHATBOTS IN PUBLIC SERVICES AGENCIES CONTEXT’, JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), vol. 10, no. 1, pp. 216–223, Aug. 2024, doi: 10.33480/jitk.v10i1.5572.
I. Suasnawa, I. Wiratama, I. Sudiartha, I. Caturbawa, A. Sapteka, and I. Indrayana, ‘Chatbot-Based Student Information Service in Indonesian Language’, INSTICC, Dec. 2023, pp. 223–227. doi: 10.5220/0011753800003575.
J. Song et al., ‘RAG-HAT: A Hallucination-Aware Tuning Pipeline for LLM in Retrieval-Augmented Generation’.
B. Pampel, S. Martin, and U. Padó, ‘Regaining Control: Enabling Educators to Build Specialized AI Chat Bots with Retrieval Augmented Generation’, in International Conference on Computer Supported Education, CSEDU - Proceedings, Science and Technology Publications, Lda, 2025, pp. 371–378. doi: 10.5220/0013425500003932.
