Mengoptimalkan Large Language Models dengan Graph Retrieval-Augmented Generation untuk Menjawab Pertanyaan Hukum dalam Hukum Perdata Indonesia

---

Penelitian ini mengkaji penerapan Graph Retrieval-Augmented Generation (Graph RAG) yang terintegrasi dengan sistem Legal Question Answering untuk KUH Perdata Indonesia menggunakan Neo4jLabs. Pendekatan ini dirancang untuk meningkatkan presisi dan relevansi jawaban hukum dalam tugas domain khusus, karena sistem RAG tradisional sering kali gagal menangkap kompleksitas hierarkis dan relasional dalam teks hukum. Graph RAG memanfaatkan struktur grafik untuk menyajikan konteks hukum yang lebih akurat, memungkinkan pengambilan pengetahuan yang relevan serta referensi hukum yang lebih terpercaya. Evaluasi dilakukan menggunakan metrik RAGA seperti faithfulness, answer relevancy, dan context entity recall, serta diuji pada berbagai model bahasa besar termasuk Gemma3-27B, Llama3.3-70B, Phi3-14B, Phi4-14B, Qwen2.5-32B, Llama4-Scout, dan Llama4-Maverick. Hasilnya menunjukkan bahwa Llama4-Maverick menunjukkan performa mengejutkan, melampaui GPT-4o dalam skor faithfulness (0.81 vs 0.76) dan context entity recall (0.38 vs 0.36). Temuan ini menyoroti potensi sistem Graph RAG dalam merevolusi Legal Question Answering serta membuka ruang bagi model open-source untuk bersaing dengan model komersial dalam konteks pemrosesan teks hukum.

---

Availability

Detail Information

Call Number

-

Language

NPM

213510633

Publisher

Teknik Informatika : Universitas Islam Riau., 2025

Keyword(s)

Kata kunci: Large language models, graph retrieval

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment