Perkembangan teknologi kecerdasan buatan telah menghadirkan model bahasa besar (Large Language Model/LLM) seperti GPT, yang mampu memahami konteks dan menghasilkan jawaban dalam bahasa alami. Salah satu penerapannya adalah pada sistem tanya jawab berbasis teks. Namun, LLM memiliki keterbatasan dalam menjawab pertanyaan yang memerlukan pengetahuan spesifik, seperti topik filsafat Islam, karena j…
Di era perkembangan kecerdasan buatan, penggunaan Retrieval-Augmented Generation (RAG) baik berbasis vector maupun graph semakin banyak diterapkan di kalangan akademisi maupun industri. Hal ini disebabkan oleh kemampuannya dalam menghasilkan jawaban yang lebih akurat dengan memanfaatkan informasi eksternal sebagai dasar pengetahuan. RAG berbasis vectorstore cukup efektif menemukan informasi yan…
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 dal…
Penelitian ini menganalisis performa model Large Language Model (LLM), yaitu T5 dan Llama 3.2, dalam tugas extractive summarization untuk teks berbahasa Indonesia. Latar belakang penelitian ini didasarkan pada meningkatnya volume informasi digital yang menyebabkan kesulitan dalam memahami teks secara efektif. Extractive summarization menjadi solusi untuk menyaring informasi penting dengan menge…