PENERAPAN RETRIEVAL AUGMENTED GENERATION (RAG) DENGAN LARGE LANGUAGE MODEL (LLM) UNTUK SISTEM QUESTION ANSWERING UNDANG-UNDANG KETENAGAKERJAAN DI INDONESIA

MUKTI, PUTRA JADI (2025) PENERAPAN RETRIEVAL AUGMENTED GENERATION (RAG) DENGAN LARGE LANGUAGE MODEL (LLM) UNTUK SISTEM QUESTION ANSWERING UNDANG-UNDANG KETENAGAKERJAAN DI INDONESIA. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text Cover_123210041_Putra Jadi Mukti.pdf Download (218kB)
	Text Pengesahan Pembimbing_123210041_Putra Jadi Mukti.pdf Download (307kB)
	Text Pengesahan Penguji_123210041_Putra Jadi Mukti.pdf Download (313kB)
	Text Abstrak_123210041_Putra Jadi Mukti.pdf Download (251kB)
	Text Daftar Isi_123210041_Putra Jadi Mukti.pdf Download (231kB)
	Text Daftar Pustaka_123210041_Putra Jadi Mukti.pdf Download (216kB)
	Text Naskah TA Full Text_123210041_Putra Jadi Mukti.pdf Restricted to Repository staff only Download (4MB)

Abstract

Regulasi ketenagakerjaan di Indonesia memiliki peran penting dalam melindungi
hak pekerja dan menjaga keseimbangan hubungan kerja antara pengusaha dan tenaga kerja.
Namun, kompleksitas aturan, bahasa hukum yang teknis, serta penyebaran informasi dalam
berbagai dokumen peraturan seringkali menjadi hambatan dalam pemahaman dan penerapan
ketentuan hukum. Permasalahan ini diperparah oleh rendahnya literasi hukum dan
disinformasi, sehingga pekerja kerap kesulitan mengetahui hak dan kewajibannya.
Pemanfaatan Large Language Model (LLM) dalam sistem Question Answering (QA)
berpotensi meningkatkan akses informasi hukum, namun model ini memiliki keterbatasan
berupa fenomena hallucination, yakni pemberian jawaban yang meyakinkan tetapi tidak
berbasis fakta. Untuk mengatasi permasalahan tersebut, diterapkan pendekatan Retrieval
Augmented Generation (RAG) yang mengintegrasikan proses pencarian dokumen relevan
dengan kemampuan generatif LLM agar jawaban yang dihasilkan lebih akurat dan
kontekstual.
Penelitian ini menggunakan dokumen Undang-Undang Nomor 13 Tahun 2003
tentang Ketenagakerjaan yang telah disesuaikan dengan Undang-Undang Nomor 6 Tahun
2023 Pasal 81 sebagai sumber data utama. Proses pengolahan data meliputi cleansing, case
folding, penyesuaian pasal, serta chunking. Setiap potongan teks diubah menjadi vektor
menggunakan text-embedding-3-small dari OpenAI dan disimpan pada vektor store
ChromaDB. Sistem RAG dibangun dengan metode hybrid retrieval yang menggabungkan
sparse retrieval dengan TF-IDF dan dense retrieval dengan cosine similarity berbasis
embedding, lalu dilakukan penggabungan peringkat menggunakan Reciprocal Rank Fusion
(RRF). Model LLM yang digunakan adalah Qwen3 8B, yang dipilih karena memberikan
keseimbangan antara kinerja dan efisiensi komputasi. Evaluasi dilakukan menggunakan
Retrieval-Augmented Generation Assessment (RAGAs) untuk mengukur faithfulness,
answer relevancy, context recall, dan context precision.
Berdasarkan hasil pengujian, sistem Question Answering (QA) berbasis Retrieval
Augmented Generation (RAG) yang dikembangkan menunjukkan peningkatan relevansi dan
kesesuaian jawaban yang dihasilkan oleh model Large Language Model (LLM) Qwen3 8B.
Pengujian terhadap 18 pertanyaan uji yang telah divalidasi oleh pakar hukum menghasilkan
tingkat akurasi sebesar 94,44%, di mana 17 jawaban dari sistem berbasis RAG dinyatakan
sesuai dengan substansi peraturan perundang-undangan, sedangkan seluruh jawaban dari
sistem tanpa pendekatan RAG dinyatakan tidak sesuai. Evaluasi menggunakan metrik
Retrieval-Augmented Generation Assessment (RAGAs) menunjukkan nilai rata-rata
faithfulness sebesar 0,926 yang merepresentasikan kesesuaian jawaban terhadap konteks
yang diberikan, answer relevancy sebesar 0,860 yang mencerminkan relevansi jawaban
terhadap pertanyaan, context precision sebesar 0,935 yang mengukur ketepatan pemilihan
konteks paling relevan, serta context recall sebesar 0,949 yang menunjukkan cakupan
konteks yang berhasil diambil.
Kata Kunci: Retrieval Augmented Generation, Large Language Model, Question
Answering, Undang-Undang Ketenagakerjaan, Hybrid Retrieval

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Putra Jadi Mukti (Penulis-123210041) ; Mangaras Yanu (Pembimbing)
Uncontrolled Keywords:	Retrieval Augmented Generation, Large Language Model, Question Answering, Undang-Undang Ketenagakerjaan, Hybrid Retrieval
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	17 Oct 2025 06:44
Last Modified:	17 Oct 2025 06:44
URI:	http://eprints.upnyk.ac.id/id/eprint/44526

Actions (login required)

View Item