Perpustakaan Digital ITB

Teori fiksi hukum menyatakan setiap masyarakat Indonesia dianggap paham akan hukum, sehingga pembenaran “aku tidak tahu hukum tersebut” tidak dapat digunakan sebagai pembenaran dalam peradilan. Namun pada kenyataannya apakah masyarakat benar – benar paham akan hukum Indonesia, mengingat hukum itu sendiri merupakan entitas yang kompleks, tidak jarang berubah, dan cukup sering terjadi pada kehidupan sehari – hari. Oleh karena itu diperlukan suatu sistem intelijen yang mampu menjawab pengguna, yaitu dengan memberikan pasal yang dilanggar sesuai dari masukan pengguna. Untuk mengimplementasikan sistem intelijen tersebut, sistem harus memiliki pengetahuan yang fleksibel dan scalable agar dapat menyesuaikan ke dalam karakteristik hukum, sehingga struktur pengetahuan yang dipilih adalah ripple down rule (RDR). Selain dari aspek pengetahuan, sistem juga harus mampu membantu pengguna untuk tetap paham memberikan masukan apa yang diperlukan oleh sistem, yaitu dengan cara mengakomodir masukan pengguna berupa teks peristiwa dan kemudian teks tersebut diproses untuk memperoleh tindakan – tindakan di dalamnya. Implementasi hal ini dilakukan dengan mengembangkan sebuah modul natural language processing (NLP) yang dapat memproses teks masukan pengguna, mencari kata – kata yang dianggap dapat digunakan sebagai indikator tindakan. Sistem yang dibangun kemudian diujikan untuk diketahui apakah bekerja dengan baik secara fungsional. Selain aspek fungsional, aspek non-fungsional juga diuji dengan melihat efisiensi dan efektivitas sistem. Efisiensi sistem diuji dengan melihat lama proses yang dilakukan sistem. Sedangkan efektivitas sistem diuji dengan membandingkan putusan aktual sebuah kasus dengan hasil inferensi sistem pada contoh - contoh kasus yang diperoleh dari dokumen putusan Mahkamah Agung, yang mengandung alur peristiwa pelanggaran beserta putusan pasal yang dilanggar.