Dalam era informasi yang serba cepat, mahasiswa di perguruan tinggi sering mengalami kesulitan dalam mengakses informasi akademik yang mereka butuhkan. Penelitian ini bertujuan mengembangkan chatbot berbasis IndoBERT dengan arsitektur transformer untuk menyediakan informasi akademik secara tepat waktu dan kontekstual. Model IndoBERT dipilih karena kemampuannya memahami konteks percakapan berbahasa Indonesia dengan lebih baik. Analisis dilakukan terhadap variasi batch size dan jumlah epoch selama pelatihan untuk menemukan konfigurasi optimal yang seimbang antara akurasi dan waktu pelatihan. Hasil menunjukkan bahwa batch size 128 dan jumlah epoch 125 memberikan keseimbangan terbaik. Meskipun demikian, pengujian hasil prediksi menunjukkan adanya kesulitan dalam menangani pertanyaan dengan kata kunci yang terdapat pada beberapa label, yang disebabkan oleh ketidakkonsistenan dalam pembuatan patterns pada dataset. Penelitian ini menyarankan perbaikan dan penambahan variasi patterns untuk meningkatkan akurasi dalam menangani pertanyaan yang lebih kompleks dan ambigu.