Penerapan Teknologi LangChain pada Question Answering System Fikih Empat Madzhab
Application of Langchain Technology to the Fiqh Question Answering System of Four Madhhab
DOI:
https://doi.org/10.57152/malcom.v4i3.1397Keywords:
BERTScore, Fikih Empat Madzhab, Langchain, LLM, Question Answering SystemsAbstract
Fikih sebagai ilmu yang luas, terkadang menimbulkan beragam persoalan dan perbedaan pandangan antara madzhab-madzhabnya. Tujuan pandangan ulama tentang isu-isu fikih adalah untuk memperkaya opsi pemahaman, bukan menyebabkan perpecahan. Keberadaan mazhab penting bagi umat Islam awam dalam memahami hukum Islam, karena membantu dalam menafsirkan Al-Qur'an dan Hadits untuk masalah sehari-hari. Pengiriman informasi saat ini dapat dilakukan dengan cepat dan mudah, salah satunya melalui aplikasi tanya jawab atau Question Answering System (QAS) terkait materi yang ingin diketahui oleh pengguna. Sehingga pada penelitian ini bertujuan membuat sebuah QAS berbasis web tentang fikih empat madzhab menggunakan teknologi LangChain dan Large Language Model (LLM). LangChain dan model LLM mampu memberikan jawaban atas pertanyaan terkait file Portable Document Format (PDF). QAS dilatih menggunakan kumpulan data berupa file PDF serta memanfaatkan model LLM untuk menghasilkan respons teks yang relevan terhadap pertanyaan yang diajukan oleh pengguna. Sistem yang telah dikembangkan berhasil memberikan respons kepada pengguna dengan pengujian menggunakan BERTScore yang mendapatkan nilai rata-rata dari precision sebesar 80%, recall sebesar 81%, dan f-1 score sebesar 81%. Sedangkan ROUGEScore mendapatkan nilai rata-rata dari ROUGE-1 sebesar 56%, 58%, dan 56%, ROUGE-2 sebesar 33%, 33%, 33%, dan ROUGE-L sebesar 43%, 44%, dan 43%.
References
M. D. Faza, “Tinjauan Fiqih Empat Mazhab Terhadap Acara Walimah,” Al Fuadiy (Jurnal Huk. Kel. Islam., vol. 4, no. 2, pp. 17–25, 2022.
S. R. F. Sanusi, “Kaidah Fikih: Sejarah dan Pemikiran Empat Madzhab,” Tahkim J. Perad. dan Huk. Islam, vol. 4, no. 2, pp. 23–46, Nov. 2021, doi: 10.29313/tahkim.v4i2.6809.
S. Rahayu and S. Ma’mun, “Rancang Bangun Aplikasi Fiqih Ibadah 4 Madzhab Berbasis Android,” J. Algoritm., vol. 18, no. 1, pp. 41–49, Aug. 2021, doi: 10.33364/algoritma/v.18-1.833.
S. A. Al-Juzairi, Fikih Empat Madzhab, Jilid 1. PUSTAKA AL-KAUTSAR, 2008.
A. Faqih, “Madzhab Google?: Peran Vital Guru Fikih di Era Disrupsi,” Dar El Ilmi J. Keagamaan, Pendidik. dan Hum., vol. 10, no. 1, pp. 120–134, 2023, doi: https://doi.org/10.52166/darelilmi.v10i1.4728.
M. Ajib, Masalah Khilafiyah 4 Madzhab Terpopuler. Jakarta Selatan: Rumah Fiqih Publishing, 2018.
E. Rahmawati and E. Abdulmanan, “Pemodelan Aplikasi Dunia Islam Mengaji Berbasis Android,” J. Ilmu Pengetah. dan Teknol. Komput., vol. 4, no. 2, pp. 197–20, 2019, doi: https://doi.org/10.33480/jitk.v4i2.
D. Apriliani, S. F. Handayani, T. N. Anugrahaeni, A. Miftahudin, L. Nurarifiah, and I. T. Saputra, “Aplikasi Question Answer Sebagai Media Pembelajaran Interaktif Untuk Mata Pelajaran Akuntansi,” JMM J. Masy. Mandiri, vol. 7, no. 2, p. 2003, 2023, doi: https://doi.org/10.31764/jmm.v7i2.13867.
A. Setiawan, O. N. Pratiwi, and R. Y. Fa’rifah, “Question Answering System Dalam Bentuk Chatbot Pada Platform Line Untuk Mata Pelajaran Sejarah SMA/MA Dengan Menggunakan Algoritma Levenshtein Distance,” eProceedings Eng., vol. 8, no. 5, pp. 9794–9802, 2021.
F. Fadilah, “Aplikasi Tanya Jawab Mengenai Universitas Islam Riau Berbasis Web Menggunakan Dialogflow,” Universitas Islam Riau, 2020.
A. Dhandapani and V. Vadivel, “Question Answering System over Semantic Web,” IEEE Access, vol. 9, pp. 46900–46910, 2021, doi: 10.1109/ACCESS.2021.3067942.
O. Topsakal and T. C. Akinci, “Creating Large Language Model Applications Utilizing LangChain: A Primer on Developing LLM Apps Fast,” Int. Conf. Appl. Eng. Nat. Sci., vol. 1, no. 1, pp. 1050–1056, Jul. 2023, doi: 10.59287/icaens.1127.
F. Soygazi and D. Oguz, “An Analysis of Large Language Models and LangChain in Mathematics Education,” no. October, 2023, doi: https://doi.org/10.1145/3633598.3633614.
A. Pesaru, T. S. Gill, and A. R. Tangella, “AI assistant for Document Management Using Lang Chain and Pinecone,” Int. Res. J. Mod. Eng. Technol. Sci., no. 06, pp. 3980–3983, Jun. 2023, doi: 10.56726/IRJMETS42630.
R. Abubakar, Pengantar Metodologi Penelitian, 1st ed. Yogyakarta: SUKA-Press UIN Sunan Kalijaga, 2021.
A. Rahmadsyah, H. Hartono, and R. Rosnelly, “Analisa Association Rule Pada Algoritma Apriori Untuk Minat Pembelian Alat Kesehatan,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 280, Jan. 2021, doi: 10.30865/mib.v5i1.2658.
L. Nur Aziza, R. Yuli Astuti, B. Akbar Maulana, and N. Hidayati, “Application of the K-Nearest Neighbor Algorithm for Food Security Classification in Central Java Province,” MALCOM Indones. J. Mach. Learn. Comput. Sci. J., vol. 4, no. 2, pp. 404–412, 2024, doi: https://doi.org/10.57152/malcom.v4i2.1201.
H. Hidayatullah, Purwantoro, and Y. Umaidah, “Penerapan Naïve Bayes Dengan Optimasi Information Gain Dan Smote Untuk Analisis Sentimen Pengguna Aplikasi Chatgpt,” JATI J. Mhs. Tek. Inform., vol. 7, no. 3, 2023, doi: https://doi.org/10.36040/jati.v7i3.6887.
P. R. Togatorop, R. P. Simanjuntak, S. B. Manurung, and M. C. Silalahi, “Pembangkit Entity Relationship Diagram Dari Spesifikasi Kebutuhan Menggunakan Natural Language Processing Untuk Bahasa Indonesia,” J. Komput. dan Inform., vol. 9, no. 2, pp. 196–206, 2021, doi: 10.35508/jicon.v9i2.5051.
I. N. P. Trisna and A. Nurwidyantoro, “Single Document Keywords Extraction in Bahasa Indonesia using Phrase Chunking,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 18, no. 4, pp. 1917–1925, 2020, doi: 10.12928/TELKOMNIKA.V18I4.14389.
F. Fatharani, K. P. Kania, J. Hutahaean, and S. R. Wulan, “Deteksi Intensi Chatbot Berbahasa Indonesia dengan Menggunakan Metode Capsule Network,” J. Inf. Syst. Res., vol. 3, no. 4, pp. 590–596, Jul. 2022, doi: 10.47065/josh.v3i4.1821.
R. M. R. W. P. K. Atmaja and W. Yustanti, “Analisis Sentimen Customer Review Aplikasi RuangGuru dengan Metode BERT (Bidirectional EncoderRepresentations from Transformers),” JEISBI (Journal Emerg. Inf. Syst. Bus. Intell., vol. 02, no. 3, pp. 55–62, 2021.
W. Alan, “Klasifikasi Emosi pada Teks Menggunakan Deep Learning,” 2021.
F. Fajri, B. Tutuko, and S. Sukemi, “Membandingkan Nilai Akurasi BERT dan DistilBERT pada Dataset Twitter,” JUSIFO (Jurnal Sist. Informasi), vol. 8, no. 2, pp. 71–80, 2022, doi: 10.19109/jusifo.v8i2.13885.
Y. Musa’adah, Y. Wibisono, and Y. Wihardi, “Deep Reinforced Model dan Rules-Based untuk Peringkasan Kalimat Bahasa Indonesia,” JLK (Jurnal Linguist. Komputasional), vol. 3, no. 2, p. 40154, 2020, doi: https://doi.org/10.26418/jlk.v3i2.34.
Nyoman Purnama and Ni Nengah Widya Utami, “Implementasi Peringkas Dokumen Berbahasa Indonesia Menggunakan Metode Text to Text Transfer Transformer (T5),” J. Teknol. Inf. dan Komput., vol. 9, no. 4, pp. 381–391, 2023.
Z. Idhafi, S. Agustian, F. Yanto, and N. Safaat H, “Peringkas Teks Otomatis pada Artikel Berbahasa Indonesia Menggunakan Metode Maximum Marginal Relevance,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 4, no. 3, pp. 609–618, Dec. 2023, doi: 10.37859/coscitech.v4i3.6311.
