<![CDATA[Pencarian hadis berdasarkan tema masih menghadapi kendala karena koleksi hadis mencakup banyak riwayat yang tersebar dalam berbagai kitab dan topik, sedangkan pengguna sering tidak mengetahui redaksi maupun sumber hadis yang dicari. Penelitian ini bertujuan mengembangkan sistem pencarian hadis tematik berbasis Retrieval-Augmented Generation (RAG) menggunakan model Llama 3.1-8B-Instruct yang diadaptasi melalui fine-tuning dengan teknik Low-Rank Adaptation (LoRA). Sistem memanfaatkan 33.738 hadis dari enam kitab utama, model BAAI/bge-m3 untuk membentuk representasi semantik, serta FAISS untuk memperoleh tiga hadis paling relevan terhadap setiap pertanyaan pengguna. Hadis hasil retrieval selanjutnya digunakan sebagai konteks bagi model untuk menghasilkan penjelasan singkat. Sistem menyajikan teks Arab, terjemahan bahasa Indonesia, penjelasan, derajat, dan referensi hadis agar hasil yang diberikan dapat diperiksa kembali oleh pengguna. Evaluasi terhadap 50 kueri menghasilkan Hit Rate@3 sebesar 1,000, MRR@3 sebesar 1,000, dan NDCG@3 sebesar 0,944. Evaluasi kualitas penjelasan menggunakan RAGAS dengan GPT-5.4 melalui OpenAI API sebagai model penilai menghasilkan skor Faithfulness sebesar 0,880 dan Answer Relevancy sebesar 0,745. Hasil tersebut menunjukkan bahwa sistem mampu menemukan hadis relevan secara konsisten dan menghasilkan penjelasan yang umumnya sesuai dengan konteks, meskipun penyaringan relevansi dan pembatasan elaborasi model masih perlu disempurnakan.]]>
Copyrights © 2026
