This thesis discusses the chatbot application of V-Assistant as an information media for lecturing activities at the Computer Laboratory, Advanced STT-PLN using the Cosine Similarity method. The V-Assistant application aims to assist assistants in serving information about lecture reports and schedules. V-Assistant was built using the Messaging API and Cosine Similarity in the information search process. The Messaging API is used for data communication between users and the V-Assistant system. While Cosine Similarity is part of the V-Assistant system for information retrieval by calculating the level of document similarity and combined with if else condition for checking information. The results of this study V-Assistant using the Cosine Similarity method can be used for relevant information media. Based on the test results, precision has a value of 60% and a recall of 100%. This proves that the results obtained by Cosine Similarity are considered quite relevant with precision values of 60% while with a recall of 100% proves that the Cosine Similarity method has a high success rate in categorizing types of questions.

Skripsi ini membahas mengenai aplikasi chatbot V-Assistant sebagai media informasi untuk kegiatan perkuliahan pada Laboratorium Komputer Lanjut STTPLN menggunakan metode Cosine Similarity. Aplikasi V-Assistant bertujuan untuk membantu asisten dalam melayani informasi mengenai laporan dan jadwal perkuliahan. V-Assistant dibangun menggunakan Messaging API dan Cosine Similarity dalam proses pencarian informasi. Messaging API digunakan untuk komunikasi data antara user dengan sistem V-Assistant. Sedangkan Cosine Similarity merupakan bagian dari sistem V-Assistant untuk proses pencarian informasi dengan menghitung tingkat kemiripan dokumen dan dikombinasi dengan if else condition untuk penegecekan informasi. Hasil dari penelitian ini VAssistant dengan menggunakan metode Cosine Similarity dapat digunakan untuk media informasi yang relevan. Berdasarkan hasil pengujian, precision memiliki nilai 60% dan recall sebesar 100%. Hal tersebut membuktikan bahwa hasil yang didapatkan oleh Cosine Similarity dinilai cukup relevan dengan nilai precision sebesar 60% sedangkan dengan recall sebesar 100% membuktikan bahwa metode Cosine Similarity memiliki tingkat keberhasilan yang tinggi dalam mengategorikan jenis pertanyaan.