Perkembangan teknologi kecerdasan buatan telah mendorong penerapan sistem chatbot dalam berbagai sektor, termasuk bidang pelayanan perizinan. Namun, banyak chatbot konvensional masih menghasilkan jawaban yang kurang akurat karena tidak terhubung langsung dengan basis data yang relevan. Penelitian ini bertujuan untuk merancang dan menguji sistem chatbot berbasis Retrieval-Augmented Generation (RAG) yang mampu memberikan jawaban akurat dan kontekstual mengenai informasi perizinan. Sistem dikembangkan menggunakan model bahasa besar LLaMA-3 Sahabatai yang diintegrasikan dengan model embedding paraphrase-multilingual-MiniLM-L12-v2 serta basis data vektor ChromaDB. Dataset penelitian terdiri atas pasangan pertanyaan–jawaban (QnA) perizinan yang disusun secara manual dan diverifikasi. Pengujian dilakukan terhadap beberapa pendekatan, yaitu Cendol-LLaMA, Sahabatai LLaMA, dan metode RAG, untuk menilai tingkat akurasi dan konsistensi jawaban. Hasil pengujian menunjukkan bahwa model Cendol-LLaMA diuji dengan 9 pertanyaan menghasilkan akurasi sebesar 33%, sedangkan pendekatan RAG diuji dengan 10 pertanyaan menghasilkan akurasi sebesar 70%. Temuan ini membuktikan bahwa integrasi embedding dan LLM melalui RAG mampu meningkatkan relevansi dan stabilitas jawaban chatbot secara signifikan. Sistem ini diharapkan dapat menjadi dasar pengembangan layanan konsultasi izin usaha yang efisien dan informatif.