Implementasi case-based reasoning untuk pencocokan dokumen menggunakan structural semantic retrieval berbasis Indo-LegalBERT dan knowledge graph

Putri, Nazwa Hemalia (2026) Implementasi case-based reasoning untuk pencocokan dokumen menggunakan structural semantic retrieval berbasis Indo-LegalBERT dan knowledge graph. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (173kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (169kB) | Preview
Preview	Text (SK BEBAS PLAGIARISME) 3_skbebasplagiarism.pdf Download (709kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (207kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (471kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (595kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (441kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (728kB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (169kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (179kB) | Request a copy

Abstract

Direktori Putusan Mahkamah Agung Republik Indonesia telah memuat lebih dari 10,5 juta dokumen putusan hingga akhir April 2026, menjadikan temu kembali informasi hukum yang spesifik dan akurat sebagai tantangan yang signifikan bagi hakim, pengacara, dan akademisi hukum. Sistem pencarian yang tersedia saat ini berbasis kata kunci dan belum mampu menangkap kesamaan makna maupun hubungan struktural antar entitas. Akibatnya, sistem ini berpotensi melewatkan kasus-kasus yang sebenarnya serupa tetapi disampaikan dengan pilihan kata yang berbeda. Penelitian ini mengusulkan pendekatan Structural Semantic Retrieval yang mengintegrasikan representasi semantik berbasis Indo-LegalBERT dengan representasi struktural berbasis Knowledge Graph yang merepresentasikan relasi subjek, predikat, objek (SPO) dalam kerangka Case-Based Reasoning (CBR). Penelitian mengikuti kerangka kerja CRISP-DM dengan mengonversi Knowledge Graph menjadi vektor menggunakan Node2Vec, kemudian menggabungkan skor semantik dan struktural melalui fungsi hibrida berbobot (α). Evaluasi dilakukan pada 5.022 sampel dari dataset Indo-Law yang memuat 20.326 dokumen putusan pidana umum menggunakan teknik stratified sampling dan metrik Precision@3, Recall@3, dan MRR@3. Hasil eksperimen menunjukkan bahwa konfigurasi optimal diperoleh pada α = 0,85, dengan Precision@3 sebesar 0,6547 dan MRR@3 sebesar 0,7370, lebih tinggi dibandingkan representasi semantik murni (α = 1,00) yang menghasilkan Precision 0,6427 dan MRR 0,7307. Ditemukan pula 843 kasus di mana representasi struktural berhasil memperbaiki peringkat yang tidak tepat dari pendekatan semantik. Temuan ini mengindikasikan bahwa informasi struktural berperan sebagai sinyal penguat yang efektif, meskipun peningkatannya masih terbatas akibat keterbatasan pendekatan triples sederhana dalam membedakan konteks hukum yang kompleks.

Actions (login required)

View Item