Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Dampak Panjang Dimensi Embedding Matryoshka Terhadap Kualitas Hasil dan Waktu Eksekusi dalam Sistem Pencarian Pakar Rafsandjani, Moch. Gustav Ali; Perdana, Rizal Setya; Fatyanosa, Tirana Noor
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pencarian pakar akademis berperan penting dalam membantu proses verifikasi kebenaran informasi. Pendekatan pencarian berbasis dokumen secara konvensional menggunakan representasi vektor semantik berdimensi tetap, yang dapat menimbulkan tantangan kompromi antara efisiensi komputasi dan kekayaan semantik. Penelitian ini menerapkan metode Matryoshka Representation Learning (MRL) pada arsitektur pencarian dua tahap guna mengeksplorasi trade-off kinerja pencarian pakar. Pengujian dilakukan menggunakan 100 kueri uji benchmark yang dievaluasi secara otomatis oleh juri Large Language Model (LLM) berbasis sistem penilaian Elo. Hasil eksperimen menunjukkan bahwa variasi panjang dimensi embedding memengaruhi latensi pencarian dengan nilai statistik F sebesar 3,9255 serta tingkat signifikansi p-value sebesar 0,0037. Pemangkasan dimensi hingga level 128 dimensi memotong waktu eksekusi rata-rata sebesar 36,02 persen dan disertai penurunan rata-rata kualitas hasil pencarian sebesar 4,97 persen jika dibandingkan dengan baseline dimensi 768 dimensi. Melalui pemetaan batas efisiensi, dimensi 128 diidentifikasi sebagai konfigurasi yang dinilai seimbang untuk penerapan sistem pencarian pakar secara praktis.