PENGEMBANGAN CHATBOT BERBASIS AGENTIC RETRIEVAL-AUGMENTED GENERATION PADA APLIKASI PENCATATAN KALORI

Permasalahan berat badan berlebih dan obesitas menunjukkan perlunya pemantauan asupan kalori harian yang lebih mudah dan konsisten. Penelitian ini bertujuan mengembangkan chatbot berbasis Agentic Retrieval-Augmented Generation (RAG) pada aplikasi NutriVision agar pengguna dapat memperoleh informasi gizi dan mencatat makanan melalui bahasa alami. Metode yang digunakan adalah pengembangan sistem dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Chatbot dikembangkan menggunakan LangChain Agent, model LLM GPT-OSS-120B melalui Groq, Flask API, RDBMS PostgreSQL, dan aplikasi Android berbasis Kotlin. Sistem dilengkapi tools untuk mencari makanan, mengambil data porsi, mencatat, mengubah, menghapus food log, serta mengambil dan memperbarui profil pengguna. Evaluasi dilakukan menggunakan 100 skenario LLM-as-a-Judge, 20 test case Black Box Testing, serta pengujian usability melalui System Usability Scale (SUS) dan Net Promoter Score (NPS) yang melibatkan 16 responden berusia 20–25 tahun. Hasil menunjukkan skor rata-rata LLM-as-a-Judge sebesar 0,90 dengan pass rate 95%, Black Box Testing mencapai tingkat keberhasilan 100%, skor SUS sebesar 80,63 (kategori Acceptable, grade B), serta NPS sebesar 62,5 dengan 62,5% promoter dan 37,5% passive tanpa detractor (kategori Excellent). Hasil tersebut menunjukkan bahwa chatbot NutriVision mampu mendukung pencatatan makanan dan pemantauan kalori secara lebih mudah, fungsional, dan diterima dengan baik oleh pengguna.