Pengembangan Sistem Pencarian Ayat Al-Qur’an Berbasis Topik Menggunakan Large Language Model Meta AI

Perkembangan teknologi digital telah mengubah cara masyarakat mengakses Al-Qur’an, namun sebagian besar sistem pencarian ayat masih berbasis kata kunci sehingga hasil yang diperoleh cenderung literal dan kurang kontekstual. Permasalahan ini menunjukkan perlunya pendekatan berbasis kecerdasan buatan yang mampu memahami hubungan semantik antar ayat secara tematik. Penelitian ini bertujuan mengembangkan sistem pencarian ayat Al-Qur’an berbasis topik menggunakan Large Language Model Meta AI (LLaMA 3.1-8B) yang di fine-tune dengan metode Quantized Low-Rank Adaptation (QLoRA) dan diintegrasikan dengan Retrieval-Augmented Generation (RAG). Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan dataset sebanyak 6.236 ayat beserta tafsirnya. Proses pengembangan meliputi tahap pre-processing, fine-tuning model, pembangunan basis data vektor menggunakan embedding, serta integrasi mekanisme retrieval dan generasi teks. Evaluasi retrieval menunjukkan nilai Mean Recall@k sebesar 0.749 dan Mean Reciprocal Rank (MRR) sebesar 1.000, yang mengindikasikan sistem mampu menempatkan ayat relevan pada peringkat pertama secara konsisten. Evaluasi generative menggunakan ROUGE menghasilkan nilai ROUGE-1 F1 sebesar 0.1551, ROUGE-2 F1 sebesar 0.0863, dan ROUGE-L F1 sebesar 0.1338. Hasil tersebut menunjukkan bahwa sistem mampu menghasilkan makna ayat yang selaras dengan tafsir referensi secara ringkas dan kontekstual.