Universitas Kristen Petra memiliki layanan khusus untuk menangani pertanyaan terkait proses admisi. Namun, dalam operasionalnya proses penanganan masih dilakukan secara manual oleh admin Student Recruitment, meskipun telah tersedia bot sederhana yang belum dimanfaatkan secara optimal. Selain itu, telah dikembangkannya chatbot dengan model machine learning konvensional dari penelitian-penelitian sebelumnya juga terlihat masih belum mampu memahami konteks terutama pada pertanyaan yang sedang dan panjang. Oleh karena itu, melalui penelitian ini dicoba dikembangkan chatbot berbasis Large Language Model (LLM) dengan bantuan metode Retrieval Augmented Generation (RAG) untuk memberikan konteks relevan kepada model LLM Metode RAG yang dikembangkan menggunakan pendekatan hybrid dengan menggabungkan Vector Retrieval dan Keyword Retrieval untuk menyediakan konteks yang relevan untuk base model LLM. Dataset yang digunakan berupa pasangan pertanyaan-jawaban terkait admisi dari penelitian sebelumnya serta data percakapan dari akun Whatsapp admin Student Recruitment. Penelitian ini bertujuan menemukan kombinasi retrieval paling optimal yang dapat menghasilkan respons yang akurat dan sesuai yang nantinya akan dievaluasi menggunakan metrik Correctness dan Relevance serta validasi tambahan melalui penilaian manual oleh tim admisi Universitas Kristen Petra. Hasil akhir pengujian menunjukkan bahwa metode Hybrid RAG berhasil meraih nilai Correctness sebesar 0,95 dan Relevance sebesar 0,88. Selain itu, evaluasi metrik seperti Precision, Recall dan F1-score pada pertanyaan sedang dan panjang masing-masing menunjukkan nilai di atas 0,85. Penilaian manual oleh tim admisi juga mendukung efektivitas chatbot dengan mayoritas 56% memberikan nilai Correctness sebesar 3 dan mayoritas 78% memberikan nilai Relevance sebesar 4 (skala 1-5).