Perpustakaan Digital ITB

Pertumbuhan pesat regulasi kesehatan di Indonesia menyulitkan akses masyarakat terhadap hukum. Untuk mengatasinya, dikembangkan LexMedica, sebuah sistem Question Answering (QA) yang penelitiannya berfokus pada perancangan arsitektur untuk validitas jawaban, analisis pengaruh model embedding, pengelolaan dialog multi-turn, dan optimisasi latensi. Implementasi sistem berpusat pada arsitektur Retrieval-Augmented Generation (RAG) yang dipilih karena kemampuannya mendasarkan jawaban pada sumber data yang valid dan memitigasi risiko halusinasi. Arsitektur ini bekerja di atas korpus 2.780 pasal peraturan kesehatan yang telah melalui pre-processing ekstensif, termasuk segmentasi per pasal untuk presisi retrieval dan penambahan metadata untuk pemfilteran. Untuk menjawab tantangan penelitian, dirancang beberapa fungsionalitas kunci: sebuah Query Refinement Agent untuk menjaga konsistensi konteks dalam dialog multi-turn; mekanisme penyaringan sumber pasca-retrieval untuk memastikan hanya informasi relevan yang diproses Large Language Model, serta multi-layer caching untuk optimisasi latensi secara signifikan. Evaluasi sistem menunjukkan bahwa model embedding large lebih efektif untuk kueri konseptual. Mekanisme query refinement untuk dialog multi-turn memperoleh skor evaluasi 1.0 pada semua aspek yang diuji. Selain itu, implementasi multi-layer caching terbukti dapat menurunkan latensi respons, dengan catatan pengurangan waktu di kisaran 90-99% pada kondisi cache hit. Penelitian ini berhasil mengembangkan sebuah sistem QA untuk domain hukum kesehatan di Indonesia. Hasilnya menunjukkan bahwa pendekatan RAG yang dioptimalkan secara sistematis mampu menyajikan jawaban yang dapat dirujuk ke sumber peraturan, menegaskan potensi sistem ini sebagai alat bantu krusial untuk mempermudah akses informasi hukum.