<![CDATA[Perkembangan Large Language Model atau lebih dikenal LLM yang sangat pesat memberikan dampak yang signifikan dalam aktivitas manusia, kemudahan dan keberagaman informasi tersedia dan hampir bisa diakses oleh berbagai kalangan. Namun terbatasnya data latih menjadi evaluasi yang sangat krusial dan mengakibatkan LLM sering mengalami halusinasi. Penelitian ini bertujuan untuk mengembangkan salah satu alternatif solusi halusinasi pada LLM dengan model Retrieval Augmented Generation menggunakan Langchain dengan hasil berupa output jawaban yang kontekstual. Untuk memastikan LLM memberikan jawaban yang sesuai konteks pertanyaan. Penelitian ini menggunakan framework Langchain untuk mengimplementasikan RAG dengan menggunakan model LLM Gemini-1.5-pro-latest, LLM diuji dengan matriks yang ROUGE dan BLEU. Hasil evalauasi menunjukkanskor kemiripan ROUGE 1 (1,000) ROUGE 2 (1,000) ROUGE L (1,000) BLEU (0,863).]]>
Copyrights © 2025
