IRPIIRPI

MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science

Pemahaman terhadap tafsir Al-Quran sering kali menjadi tantangan dalam dunia pendidikan, khususnya bagi siswa, mahasiswa, atau masyarakat umum yang tidak memiliki latar belakang ilmu tafsir maupun kemampuan bahasa Arab. Keterbatasan akses terhadap tafsir yang mudah dipahami, serta ketiadaan media pembelajaran yang interaktif dan mampu menjawab pertanyaan secara kontekstual, menjadi hambatan dalam proses pembelajaran keislaman. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis kecerdasan buatan (AI) sebagai media pendukung pembelajaran tafsir Al-Quran yang responsif dan adaptif. Sistem dirancang menggunakan framework Chainlit sebagai antarmuka web, didukung oleh Groq untuk mempercepat proses inferensi, serta integrasi LangChain dan Large Language Models (LLM) untuk memahami isi tafsir, khususnya Tafsir Jalalain dalam format PDF berbahasa Indonesia. Dokumen yang digunakan berupa satu file digital utuh yang representatif. Proses sistem meliputi ekstraksi teks, pembagian teks (chunking), pembentukan embedding, dan pencarian semantik berbasis vektor. Evaluasi menggunakan BERTScore menghasilkan nilai rata-rata precision sebesar 71,84%, recall 78,11%, dan F1-score 74,80%, menunjukkan kemampuan sistem dalam memberikan jawaban yang baik secara semantik. Hasil penelitian ini berkontribusi dalam menyediakan media pembelajaran tafsir digital berbasis AI yang efisien dan kontekstual, serta menjadi solusi potensial untuk mendukung proses pendidikan Islam yang lebih interaktif dan modern.

Berdasarkan hasil penelitian, sistem chatbot tafsir berbasis Chainlit, Groq, dan Ollama berhasil dikembangkan dan diimplementasikan sesuai dengan tujuan utama penelitian, yaitu menyediakan media pembelajaran tafsir Al-Quran yang interaktif, cepat, dan kontekstual terkhusus pada Tafsir Jalalain.Sistem mampu memproses dokumen tafsir dalam format PDF melalui tahapan ekstraksi teks, pembagian chunk, embedding, dan pencocokan semantik menggunakan vector database Chroma.Hasil evaluasi menggunakan BERTScore terhadap sepuluh pertanyaan menunjukkan performa yang baik dengan rata-rata Precision sebesar 71,84%, Recall 78,11%, dan F1-Score 74,80%, menunjukkan bahwa sistem dapat memahami dan menjawab pertanyaan secara relevan sesuai konteks tafsir.Sistem ini juga menunjukkan efisiensi dari sisi waktu respons dan kemudahan penggunaan berbasis web, meskipun terdapat tantangan seperti keterbatasan dalam menangkap maksud inti pertanyaan, terutama yang bersifat umum atau ambigu.

Berdasarkan hasil penelitian, pengembangan sistem chatbot tafsir Al-Quran dapat dilanjutkan dengan beberapa arah studi. Pertama, perlu dilakukan penelitian lebih lanjut mengenai optimalisasi teknik query refinement untuk meningkatkan kemampuan sistem dalam memahami maksud pertanyaan yang ambigu atau tidak spesifik. Kedua, integrasi named entity recognition (NER) dapat membantu sistem mengidentifikasi entitas penting dalam pertanyaan, sehingga jawaban yang diberikan lebih relevan dan akurat. Ketiga, eksplorasi model bahasa lokal yang telah di-fine-tune dengan data tafsir dapat meningkatkan performa sistem, terutama dalam menangani pertanyaan yang kompleks dan membutuhkan pemahaman mendalam tentang konteks tafsir. Dengan pengembangan lebih lanjut, sistem chatbot tafsir Al-Quran diharapkan dapat menjadi media pembelajaran yang lebih efektif dan mudah diakses oleh masyarakat luas.

  1. Analysis of Language-Model-Powered Chatbots for Query Resolution in PDF-Based Automotive Manuals. analysis... doi.org/10.3390/vehicles5040076Analysis of Language Model Powered Chatbots for Query Resolution in PDF Based Automotive Manuals analysis doi 10 3390 vehicles5040076
  2. DEVELOPMENT OF A QUESTION ANSWERING CHATBOT FOR BLOCKCHAIN DOMAIN | Scientific Journal of Astana IT University.... doi.org/10.37943/15xndz6667DEVELOPMENT OF A QUESTION ANSWERING CHATBOT FOR BLOCKCHAIN DOMAIN Scientific Journal of Astana IT University doi 10 37943 15xndz6667
  3. Word Embeddings: A Comprehensive Survey | Pak | Computación y Sistemas. word embeddings survey... doi.org/10.13053/CyS-28-4-5225Word Embeddings A Comprehensive Survey Pak Computaciyn y Sistemas word embeddings survey doi 10 13053 CyS 28 4 5225
  4. Creating Large Language Model Applications Utilizing LangChain: A Primer on Developing LLM Apps Fast... doi.org/10.59287/icaens.1127Creating Large Language Model Applications Utilizing LangChain A Primer on Developing LLM Apps Fast doi 10 59287 icaens 1127
  1. #tafsir al quran#tafsir al quran
  2. #tafsir al quran#tafsir al quran
File size484.27 KB
Pages10
DMCAReportReport

ads-block-test