Pembuatan fitur question dan answering PDF dengan Large Language Models (LLM) di Institut Teknologi Perusahaan Listrik Negara bertujuan untuk mengatasi kesulitan akses informasi spesifik dari dokumen akademik. Penelitian ini menggunakan dokumen PDF akademik yang tersedia di lingkungan kampus sebagai sumber data utama. Proses pengembangan chatbot melibatkan beberapa tahap, dimulai dari analisis kebutuhan, pembersihan data, hingga penerapan model language generation Gemini. Pengujian dilakukan dengan mengimplementasikan chatbot untuk menjawab pertanyaan dari tiga dokumen yang berbeda, menghasilkan klasifikasi jawaban berdasarkan akurasi. Dari hasil pengujian, model LLM dengan Gemini menunjukkan akurasi sebesar 94% dalam menjawab pertanyaan yang diberikan. Chatbot ini terbukti efektif dalam meningkatkan aksesibilitas informasi akademik dengan performa yang baik, sekaligus menekankan pentingnya pengaturan hyperparameter yang tepat untuk optimalisasi hasil. Kesimpulan dari penelitian ini adalah bahwa integrasi LLM dengan Gemini memiliki potensi yang signifikan untuk mendukung efisiensi akses informasi di lingkungan akademik.

The creation of a question and answering PDF feature based on Large Language Models (LLM) at the Technology Institute of Perusahaan Listrik Negara aims to overcome the difficulty of accessing specific information from academic documents. This study uses academic PDF documents available on campus as the main data source. The chatbot development process involves several stages, starting from needs analysis, data cleaning, to the application of the Gemini language generation model. Testing was carried out by implementing a chatbot to answer questions from three different documents, producing an answer classification based on accuracy. From the test results, the LLM model with Gemini showed an accuracy of 94% in answering the questions given. This chatbot has proven effective in increasing the accessibility of academic information with good performance, while emphasizing the importance of setting the right hyperparameters to optimize results. The conclusion of this study is that the integration of LLM with Gemini has significant potential to support the efficiency of information access in the academic environment.