Perpustakaan Digital ITB

Dokumen hukum sering menjadi pijakan utama dalam menentukan struktur dan aturan yang mengatur proses bisnis. Proses penciptaan model proses yang akurat berdasarkan dokumen hukum yang kompleks memerlukan interpretasi dan tafsiran yang sangat cermat mengingat pertumbuhan pesat dokumen hukum yang sulit untuk dibaca dan dicerna seluruh informasinya. Di sisi lain, tool seperti Large Language Model (LLM) telah menghadirkan kemajuan signifikan dalam kemampuan pembangkitan teks bahasa alami. LLM ini membawa potensi dalam otomatisasi pembangkitan model proses dari dokumen hukum. Penelitian-penelitian yang telah ada menimbulkan pertanyaan “Bagaimana cara menggunakan pre-trained LLM pada aplikasi untuk menghasilkan dan memvisualisasikan workflow dokumen hukum yang akurat, lebih memudahkan pengguna, merepresentasikan aktor dengan jelas, dan memperhatikan batasan kapasitas token dalam memproses dokumen hukum?”. Implementasi skema solusi dilakukan berdasarkan rancangan solusi dari permasalahan hingga memberikan delapan skema berbeda dalam arsitektur solusi. Skema final pada solusi menerapkan penggunaan RAG dalam pembangkitan elemen-elemen BPMN sebagai workflow dari dokumen hukum. Arsitektur solusi menggunakan LLM berupa GPT memberikan tingkat accuracy, precision, dan recall berturut-turut sebesar 92.85%, 96.42%, dan 96.42% dan arsitektur solusi menggunakan LLM berupa Gemini memberikan tingkat accuracy, precision, dan recall berturut-turut sebesar 67.28%, 81.57%, dan 85.71%. Namun, exclusiveGateway yang dihasilkan terkadang hanya memberikan jawaban berupa if saja. Layout yang dihasilkan oleh layout engine untuk memberikan posisi dan ukuran suatu elemen juga masih dilakukan secara manual.