Universitas Kristen petra mempunyai infrastruktur jaringan kompleks dan banyak website yang digunakan untuk aktivitas kemahasiswaan, sehingga menjaga keamanan data dari serangan siber sangatlah penting. Universitas Kristen Petra telah menerapkan firewall untuk mendeteksi dan mencegah serangan siber, akan tetapi volume data yang sangat banyak dari banyak server menyebabkan tim keamanan kesulitan untuk melakukan analisa dan merespons ancaman dengan cepat. Oleh karena itu, dibutuhkan sistem alert atau notifikasi untuk memberikan peringatan kepada masing-masing korban bahwa servernya mengalami serangan. Selain itu, Setiap minggunya, firewall memberikan laporan keamanan yang merupakan hasil analisa server yang memberikan informasi tentang server yang paling banyak diserang dan server yang rentan. Data ini dapat dimanfaatkan untuk analisa dan memperoleh informasi mendalam seperti mengidentifikasi ip sumber yang sama, metode serangan, serta kerentanan yang dimiliki server agar dapat segera diatasi untuk mencegah terjadinya serangan. Maka dari itu dibuat sistem chatbot dengan llama3.2-vision:11b-instruct-q4_K_M dan metode Retrieval Augemented Generation (RAG) untuk mempercepat analisa dan pengambilan informasi serta membantu admin dalam memberikan laporan pdf kepada pengelola server dan memberikan batasan sesuai dengan server yang dikelolanya. Hasil penelitian menunjukan bahwa model llama3.2-vision:11b-instruct-q4_K_M dengan RAG dapat memberikan respons yang akurat dan sesuai menggunakan gabungan pencarian bm25, semantic search, dan pembagian chunks berdasarkan heading. Model menghasilkan nilai presisi 0.74, recall 0.74 dan F1 score 0.729 dan untuk akurasi contextnya adalah 0.766. Selain itu, sistem alert juga meningkatkan efisiensi dengan mendeteksi log dan memberikan notifikasi atas terjadinya serangan secara real-time tanpa harus melakukan analisa manual.