Iterative Query Reformulation Berbasis LLM Untuk Temu Balik Artikel Hukum Indonesia

Abstract

Akses terhadap informasi hukum yang akurat sering kali terkendala oleh kesenjangan semantik antara bahasa awam yang digunakan masyarakat dan terminologi hukum formal. Penelitian terdahulu yang menerapkan Retrieval Augmented Generation (RAG) pada Kitab Undang-Undang Hukum Pidana (KUHP) menghasilkan tingkat keberhasilan (Hit Rate) sebesar 80%, namun masih memiliki keterbatasan dalam menangani variasi gaya bahasa pengguna yang implisit serta konteks hukum yang kompleks. Penelitian ini mengusulkan metode Iterative Query Reformulation berbasis Large Language Model (LLM) untuk mengatasi permasalahan tersebut. Sistem ini menggunakan mekanisme Double Hop Retrieval yang melibatkan pencarian awal (initial retrieval) untuk mendapatkan konteks, diikuti oleh reformulasi pertanyaan menggunakan model Qwen 3 32B menjadi kueri hukum baku, sebelum dilakukan pencarian final ( final retrieval). Menggunakan dataset yang dikumpulkan dari HukumOnline sebanyak 750 artikel, evaluasi dilakukan menggunakan metrik Faithfulness, Answer Relevancy, Hit Rate, dan Mean Reciprocal Rank (MRR). Hasil pengujian menunjukkan peningkatan performa yang signifikan, dengan skor Faithfulness mencapai 98.6%, Answer Relevancy 100%, Hit Rate 100%, dan peningkatan MRR dari 90% (tanpa reformulasi) menjadi 93% (dengan reformulasi). Pendekatan ini terbukti efektif menjembatani kesenjangan bahasa dan meningkatkan presisi temu balik informasi hukum di Indonesia.