Mahasiswa mengalami kesulitan memahami materi yang kompleks karena tidak menyisakan banyak waktu bertanya di kelas atau sering kali terlalu malu untuk bertanya. Terutama pada mata kuliah Artificial Intelligence and Machine Learning (AIML), hal ini merupakan halangan yang signifikan dalam ruang pembelajaran. Penelitian ini membuktikan sistem chatbot pembelajaran berbasis Retrieval-Augmented Generation (RAG) untuk menjawab pertanyaan mahasiswa. Sistem menggunakan hybrid retrieval dengan pendekatan BM25 dan ChromaDB, pemeringkatan ulang menggunakan bge-reranker-base, dan LLM Nusantara-0.8b-Indo-Chat dalam menghasilkan jawaban kontekstual berbahasa Indonesia. Sistem dilakuan pengujian dalam dua tahap. Pertama adalah evaluasi performa lima ukuran chunk dokumen yang menerapkan metrik cosine similarity, retrieval time, dan Normalized Discounted Cumulative Gain (NDCG). Kedua adalah uji coba kualitatif oleh 16 mahasiswa melalui presentasi langsung pada chatbot. Hasil menunjukkan bahwa, chunk terbaik (5000 karakter) memiliki performa NDCG 0.8975, cosine similarity 0.6332,dan retrieval time 8,65 detik. Sementara itu, chatbot di nilai oleh mahasiswa dalam hal relevansi jawaban 4.06, kesesuaian jawaban dengan pertanyaan 4.25, dan kemanfaatan jawaban dalam memahami materi 3.88. Hasil research menunjukkan bahwa strategi filtering konteks, penyesuaian prompt, dan preprocessing berhasil mengurangi kebablasan jawaban dan meningkatkan kualitas jawaban. Chatbot memiliki performa teknis yang layak dan umpan balik pengguna yang positif dinilai layak digunakan dan dapat digunakan pada materi lain.