Perpustakaan Digital ITB

Penyusunan dan validasi perencanaan anggaran membutuhkan proses pencarian panduan biaya, perbandingan item anggaran dengan sumber pembanding, serta penelusuran sumber jawaban yang dapat dipertanggungjawabkan. Proses manual menjadi tidak efisien ketika informasi anggaran tersebar dalam berbagai dokumen, tabel, dan lokasi penyimpanan yang berbeda. Penelitian ini mengembangkan sistem perencanaan dan validasi anggaran berbasis Agentic Retrieval-Augmented Generation dengan hybrid retrieval. UKM digunakan sebagai domain penerapan untuk menggambarkan kebutuhan organisasi berskala kecil hingga menengah, sedangkan fokus utama penelitian adalah penggabungan retrieval terstruktur dan semantik untuk mendukung validasi anggaran berbasis evidence. Pengembangan sistem mengikuti tahapan CRISP-DM, mulai dari business understanding, data understanding, data preparation, workflow modeling, evaluasi, hingga deployment demonstrasi. Data terstruktur seperti pedoman biaya, item RAB, data proyek, dan realisasi anggaran disimpan pada relational database agar nilai angka, satuan, kategori, dan sumber tabel dapat diambil secara presisi. Data naratif seperti ketentuan pedoman, dokumen internal, dan konteks pendukung disimpan pada vector database dalam bentuk embedding. Sistem mengimplementasikan tiga rancangan workflow, yaitu Single-Agent RAG, Routing-Based Agentic RAG, dan Orchestrator-Workers Agentic RAG. Evaluasi dilakukan menggunakan metrik Context Precision, Context Recall, Faithfulness, Answer Relevancy, dan latency. Hasil evaluasi menunjukkan bahwa Routing-Based Agentic RAG menjadi workflow utama karena memiliki kualitas retrieval dan keterikatan jawaban terhadap evidence yang paling kuat. Hasil penelitian menunjukkan bahwa pendekatan ini dapat membantu pencarian, validasi, dan rekomendasi awal anggaran berbasis sumber, serta mendukung keterlacakan jawaban melalui pemisahan penyimpanan data terstruktur dan naratif.