IMPLEMENTASI MODEL TEXT-TO-TEXT TRANSFER TRANSFORMER UNTUK PERINGKASAN ABSTRAKTIF DOKUMEN SKRIPSI DAN LAPORAN MAGANG PADA WEB SMART REPOSITORY

Pengelolaan dokumen akademik secara manual pada repositori konvensional seringkali
menimbulkan inefisiensi, seperti keterbatasan pencarian yang hanya bertumpu pada
metadata, lamanya proses verifikasi watermark, serta kesulitan mahasiswa dalam
memahami intisari dokumen panjang secara cepat. Penelitian ini bertujuan untuk
merancang dan membangun sistem Smart Repository berbasis web yang
mengintegrasikan kecerdasan buatan guna mengotomatisasi peringkasan abstraktif,
pencarian teks penuh (full-text search), dan verifikasi watermark. Pengembangan
perangkat lunak menggunakan metode Waterfall dengan kerangka kerja Next.js pada
sisi antarmuka dan FastAPI pada sisi peladen, sementara pemodelan datanya
mengadopsi standar CRISP-DM. Fungsionalitas peringkasan teks diimplementasikan
dengan melakukan fine-tuning pada model turunan Transformer, yaitu IndoT5,
menggunakan 246 pasangan dataset dokumen orisinal skripsi dan laporan magang
mahasiswa Jurusan TIK PNJ. Fitur interaksi tanya-jawab (chatbot) ditenagai oleh
arsitektur Retrieval-Augmented Generation (RAG) yang mengombinasikan basis data
vektor Qdrant dan Elasticsearch. Hasil eksperimen pemodelan menunjukkan bahwa
varian IndoT5-Base dengan optimasi hyperparameter progresif memberikan performa
paling optimal, mencatatkan skor ROUGE-L sebesar 0,2365, BERTScore F1 sebesar
0,7196, dan Akurasi Semantik mencapai 72,60%. Pengujian fungsionalitas antarmuka
menggunakan Black Box Testing memvalidasi tingkat keberhasilan eksekusi sebesar
100%. Pada tahap evaluasi akhir, sistem meraih skor System Usability Scale (SUS)
sebesar 86,75 dengan predikat Excellent, serta Net Promoter Score (NPS) sebesar +70.
Dapat disimpulkan bahwa implementasi Smart Repository terbukti andal dalam
mentransformasi efisiensi administrasi dan memberikan pengalaman interaksi
pencarian literatur yang sangat memuaskan bagi pengguna.