Hikmah AI
Mesin RAG Pengetahuan Keislaman Domain-Spesifik
Riset skripsi — arsitektur RAG untuk domain pengetahuan keislaman.
Studi Kasus
Masalahnya
Pertanyaan keagamaan dijawab oleh model umum yang tidak mengetahui batas pengetahuannya sendiri. Pada hukum Islam, jawaban yang terdengar meyakinkan tetapi tidak berdasar bukan sekadar keliru — ia menyesatkan orang yang bertanya dengan sungguh-sungguh.
Arsitektur
Arsitektur RAG yang membatasi sintesis jawaban hanya pada rujukan primer tepercaya. Docling mem-parsing literatur digital multibahasa Arab–Indonesia; pgvector di dalam PostgreSQL menyimpan embedding-nya dengan indexing HNSW untuk penelusuran kemiripan; runtime Bun menjalankan lapisan aplikasi Next.js.
Bagian Tersulit
Kitab bukan prosa biasa. Penomoran bab, pasal hukum, dan rujukan sanad/matan adalah bagian dari maknanya — jika chunking memutus hubungan itu, sebuah pendapat bisa terlepas dari syarat yang membatasinya dan berubah arti sepenuhnya. Docling dipakai agar struktur itu tetap utuh saat dokumen dipecah.
Hasil
Penelusuran kemiripan semantik terhadap ribuan dokumen rujukan berjalan dalam hitungan milidetik lewat indexing HNSW, dan jawaban tetap terikat pada rujukan primer — model tidak diizinkan mengisi kekosongan dengan tebakan.
Value Engineering
Retrieval Bebas Halusinasi
Mengembangkan arsitektur RAG khusus domain pengetahuan keislaman yang berfokus ketat pada hukum Islam (fikih), sejarah Islam, dan pengetahuan umum Islam dengan membatasi sintesis jawaban hanya pada rujukan primer tepercaya.
Preservasi Struktur Kitab via Docling
Menggunakan Docling untuk melakukan ekstraksi dan parsing dokumen/literatur digital multibahasa (Arab-Indonesia) agar penomoran bab, pasal hukum, dan referensi sanad/matan tetap utuh saat dipecah menjadi chunks.
Semantic Search Berkecepatan Tinggi
Memanfaatkan pgvector dalam PostgreSQL dengan algoritma indexing HNSW untuk melakukan penelusuran kemiripan semantik terhadap ribuan dokumen rujukan dalam hitungan milidetik.