Indonesia adalah negara yang berdasarkan prinsip negara hukum, sebagaimana
diamanatkan oleh Pasal 1 Ayat 3 Undang-Undang Dasar 1945. Prinsip ini
menyiratkan bahwa semua aspek kehidupan bersama, kebermasyarakat, dan
berbangsa didasarkan pada hukum. Negara Indonesia berperan sebagai entitas
resmi yang menghubungkan berbagai aktivitas dan interaksi masyarakat.
Keteraturan dalam interaksi antarwarga Indonesia dijaga dan diatur oleh berbagai
undang-undang, salah satunya adalah Kitab Undang-Undang Hukum Pidana, yang
sering disebut sebagai KUHP. KUHP merupakan kumpulan hukum pidana yang
ditulis secara tegas dengan masing-masing ketentuannya berdasarkan nilai-nilai,
kaidah-kaidah dan norma-norma tertentu yang berpihak terhadap kepentingan
publik. Masyarakat terkadang awam tentang hukum pidana yang berlaku sehingga
bisa mengakibatkan salah tangkap orang dalam kasus kriminal yang korbannya
sendiri tidak mengetahui hukum yang menjeratnya. Perkembangan teknologi dapat
memunculkan inovasi dan pengembangan dalam teknologi informasi seperti
khususnya kecerdasan buatan salah satunya dalam hal NLP (Natural Language
Processing). Dengan perkembangan kecerdasan buatan yang secara khusus
merupakan deep learning untuk bidang NLP, dapat dilakukan implementasi solusi
permasalahan pencarian pasal dan hukum pidana yang relevan. Penelitian
sebelumnya menerapkan metode CNN dan BiLSTM menggunakan arsitektur
Siamese dengan menunjukkan hasil yang lebih cukup baik. Dalam perbandingan
antara CNN dan BiLSTM, BiLSTM menghasilkan kinerja yang lebih baik.
Penelitian selanjutnya terdapat penelitian yang menguji metode algoritma dengan
menghasilkan kinerja yang paling baik yaitu metode hybrid dari CNN-BiLSTM
daripada metode lainnya termasuk CNN dan BiLSTM itu sendiri. Selain itu juga
terdapat penelitian yang membandingkan kinerja dari Word2Vec, Glove, dan
FastText dengan metode CNN menunjukkan hasil FastText yang paling baik. Hal
ini menunjukkan ada beberapa metode yang bisa dicoba selain word2vec dalam
metode word embedding dengan dikombinasikan menggunakan metode deep
learning dalam kasus klasifikasi teks. Sehingga pada penelitian ini melakukan
implementasi menggunakan deep learning berbasis metode hybrid CNN-BiLSTM.
Selain itu juga diterapkan model word embedding yang menggunakan word2vec,
glove, serta fasttext. Penulis juga menggunakan metode baseline yaitu metode CNN
tunggal dan metode BiLSTM tunggal. Hasil percobaan menunjukkan bahwa
iii
kombinasi Hybrid CNN-BiLSTM dengan word embeddings Word2Vec, Glove, dan
Fasttext dapat menyelesaikan pencarian pasal KUHP. Secara umum pemodelan
Hybrid CNN-BiLSTM dengan word embeddings Word2Vec, Glove, dan Fasttext
dapat menyelesaikan pencarian pasal KUHP. Dalam metrik evaluasi Akurasi
tertinggi sebesar 0.982 dan Presisi tertinggi sebesar 0.91. Serta untuk Mean
Reciprocal Rank menunjukkan hasil bahwa metode memiliki metrik MRR tertinggi
untuk Rank 5 sebesar 0.165, rank 10 sebesar 0.082, dan rank 20 sebesar 0.041.
Metode hybrid CNN-BiLSTM juga secara umum lebih unggul dibandingkan
dengan metode tunggal CNN dan metode tunggal BiLSTM. Hal ini dibuktikan
dengan metrik evaluasi tertinggi untuk akurasi dan presisi yang unggul dengan
akurasi sebesar 0.982 dan Presisi sebesar 0.91 yang merupakan kombinasi dengan
model fasttext. Dibandingkan metode CNN dengan metrik evaluasi tertinggi
akurasi sebesar 0.98 dan presisi sebesar 0.92 dengan model fasttext. Sedangkan
untuk metode BiLSTM dengan metrik evaluasi akurasi sebesar 0.98 dan presisi
sebesar 0.91. Sedangkan untuk Mean Reciprocal Rank menunjukkan hasil bahwa
metode Hybrid CNN-BiLSTM mengungguli kedua metode lainnya dengan nilai
MRR Rank 5 sebesar 0.165. Dibandingkan metode tunggal CNN dengan nilai MRR
Rank 5 sebesar 0.155. Serta metode tunggal BiLSTM dengan nilai MRR Rank 5
sebesar 0.149.