Perpustakaan Digital ITB

Hadis merupakan salah satu sumber utama ajaran Islam yang menjadi pedoman bagi umat Islam dalam memahami dan mengamalkan ajaran agama. Seiring berkembangnya digitalisasi sumber-sumber keislaman, kebutuhan terhadap sistem klasifikasi hadis yang fleksibel semakin meningkat. Namun, sebagian besar sistem klasifikasi hadis masih menggunakan label yang bersifat tetap sehingga kurang mampu menyesuaikan dengan kebutuhan pengguna yang beragam. Penelitian ini bertujuan mengembangkan sistem klasifikasi hadis yang mendukung penggunaan label secara dinamis tanpa memerlukan pelatihan ulang model. Sistem memanfaatkan representasi semantik berbasis Large Language Model (LLM) untuk mengukur kemiripan semantik (semantic similarity) antara hadis dan label yang ditentukan pengguna, serta menyediakan informasi pendukung untuk membantu interpretasi hasil klasifikasi. Sistem diimplementasikan menggunakan bahasa pemrograman Python dan dievaluasi menggunakan beberapa model embedding serta berbagai skenario klasifikasi. Hasil pengujian menunjukkan bahwa model embedding berpengaruh terhadap performa klasifikasi, sementara pemanfaatan hadis referensi mampu meningkatkan relevansi hasil klasifikasi. Selain itu, sistem mampu menghasilkan informasi pendukung yang sesuai dengan hasil klasifikasi sehingga membantu pengguna memahami alasan di balik keputusan yang diberikan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu melakukan klasifikasi hadis secara fleksibel berdasarkan label yang ditentukan pengguna tanpa memerlukan pelatihan ulang model. Pendekatan ini diharapkan dapat mendukung pengembangan sistem klasifikasi hadis yang lebih adaptif dan mudah digunakan pada berbagai kebutuhan klasifikasi.