Perpustakaan Digital ITB

Mind map merupakan representasi visual yang membantu pengguna memahami hubungan antar konsep dalam suatu teks. Namun, pengembangan mind map otomatis masih menghadapi beberapa tantangan, yaitu akurasi ekstraksi struktur hierarkis yang belum optimal, reliabilitas keluaran Large Language Model (LLM) yang belum konsisten, serta belum jelasnya algoritma visualisasi yang paling sesuai untuk berbagai karakteristik struktur mind map. Penelitian ini mengembangkan sistem mind map otomatis berbasis web yang memanfaatkan LLM untuk mengekstraksi struktur hierarkis dari teks dan memvisualisasikannya dalam bentuk mind map interaktif. Untuk meningkatkan kualitas ekstraksi, dilakukan optimasi system prompt dan pemilihan teknik prompting. Sistem mendukung tiga algoritma visualisasi, yaitu Reingold–Tilford Radial, Force-Directed Radial, dan Radial Cluster. Evaluasi dilakukan terhadap kualitas ekstraksi, kualitas visualisasi, dan usability sistem. Hasil pengujian menunjukkan bahwa pendekatan faithful-to-text menghasilkan struktur yang lebih valid, konsisten, dan sesuai dengan teks sumber. Selain itu, setiap algoritma visualisasi menunjukkan keunggulan pada karakteristik struktur pohon dan panjang input yang berbeda. Pengujian usability menghasilkan skor SUS sebesar 91,5565 dan SEQ 6,72 yang menunjukkan tingkat kemudahan penggunaan yang sangat baik.