Sistem Tanya Jawab Resep Nusantara Berbasis Qwen dan Retrieval-Augmented Generation

Pengembangan sistem question answering pada domain resep masakan menghadapi tantangan dalam menghasilkan jawaban yang koheren secara bahasa sekaligus konsisten terhadap bahan, langkah memasak, dan konteks prosedural dokumen sumber. Large Language Model (LLM) seperti Qwen memiliki kemampuan memahami dan menghasilkan teks, namun berpotensi menghasilkan hallucination ketika jawaban tidak didukung informasi relevan. Penelitian ini mengembangkan sistem tanya jawab resep masakan Nusantara berbasis Qwen dan Retrieval-Augmented Generation (RAG) untuk meningkatkan relevansi dan groundedness jawaban terhadap knowledge base resep. Dataset yang digunakan berasal dari Indonesian Food Recipes Dataset, diproses melalui tahap preprocessing, pembentukan data question-answer, fine-tuning model, dan pembangunan sistem retrieval berbasis vector database. Evaluasi dilakukan menggunakan metrik ROUGE, Recall@K, Grounded ROUGE, Grounded Ingredient Coverage, Answered Rate, dan No-answer Rate. Hasil evaluasi menunjukkan bahwa integrasi RAG meningkatkan kualitas dan keterikatan jawaban dibandingkan model tanpa retrieval, dengan performa terbaik diperoleh oleh skenario RAG + Fine-tuned Qwen yang mencapai ROUGE-L sebesar 0.413, Grounded ROUGE-L sebesar 0.926, dan Grounded Ingredient Coverage sebesar 0.967. Mekanisme tambahan yang dikonfigurasi pada sistem, yaitu no-answer filtering dan fallback retrieval, juga membantu menjaga konsistensi jawaban ketika konteks retrieval yang diperoleh kurang relevan. Penelitian ini diharapkan dapat menjadi langkah awal dalam pengembangan sistem question answering domain-spesifik berbasis LLM yang lebih konsisten dan grounded, khususnya pada pengetahuan prosedural seperti resep masakan Nusantara.