Pengembangan Sistem Ekstraksi Konteks Artikel Ilmiah Dan Visuslisasi Knowledge Graph Menggunakan Large Language Models (LLM)

Himawan, Abdul Rasyid and Uun Hariyanti, S.Pd., M.Pd., P.hD. and Ir. Tri Afirianto, S.T., M.T. (2025) Pengembangan Sistem Ekstraksi Konteks Artikel Ilmiah Dan Visuslisasi Knowledge Graph Menggunakan Large Language Models (LLM). Sarjana thesis, Universitas Brawijaya.

Abstract

Tinjauan literatur memiliki peranan penting untuk menggali informasi penelitian terdahulu, bertujuan sebagai landasan peneliti jika ingin melakukan penelitian yang dilakukan. Tinjauan literatur dapat menggambarkan isi dari artikel ilmiah seperti latar belakang, tujuan, dan metodologi penelitian. Penelitian ini bertujuan untuk mengembangkan sistem ekstraksi artikel ilmiah dan visualisasi Knowledge Graph (KG) berbasis Large Language Models (LLM) untuk membantu proses tinjauan literatur artikel ilmiah. KG direpresentasikan sebagai jaringan informasi berupa node dan edge yang memungkinkan visualisasi dari data yang diinginkan. Visualisasi ini diharapkan dapat memetakan relasi antar dokumen ilmiah sehingga memberikan perspektif baru dalam penulisan. Penelitian sebelumnya telah menunjukkan potensi KG dalam berbagai bidang, seperti pendidikan dan keamanan siber. Dalam penelitian ini, KG dikembangkan menggunakan pendekatan model waterfall. Integrasi LLM, seperti ChatGPT, mempercepat proses ekstraksi informasi dari dokumen ilmiah dengan memberikan rekomendasi kata kunci dan merangkum isi dokumen. Evaluasi sistem dilakukan melalui kuesioner pengguna untuk mengukur efektivitas visualisasi KG dalam mendukung proses penulisan ilmiah. Hasil penelitian menunjukkan bahwa visualisasi KG mampu membantu pengguna memahami hubungan antar topik, sebagaimana didemonstrasikan dalam penelitian visualisasi sebelumnya. Hasil dari penelitian yang dilakukan didapatkan 6 kebutuhan fungsional dan 1 kebutuhan nonfungsional dari sistem yang akan dikembangkan. Pengujian sistem dilakukan dengan black-box untuk menguji fungsionalitas dan dilakukan pengujian kompatibilitas menggunakan situs web bernama “SortSite”. Penelitian ini juga mengevaluasi sistem visualisasi dengan kuesioner yang terdiri dari 8 responden, dengan hasil 3 responden sangat setuju jika sistem visual dapat membantu dan bermanfaat. Penelitian ini diharapkan menjadi kontribusi signifikan dalam pengembangan teknologi berbasis AI untuk mendukung kegiatan akademik.

English Abstract

The literature review plays a crucial role in exploring prior research, serving as a foundation for subsequent studies. It outlines the content of scientific articles, including background, objectives, and methodologies. This research aims to develop a system for extracting scientific articles and visualizing a Knowledge Graph (KG) based on Large Language Models (LLMs) to facilitate the literature review process. The KG, represented as an information network of nodes and edges, enables data visualization and maps relationships between scientific documents, offering new perspectives for writing. Previous research has demonstrated the potential of KG in fields like education and cybersecurity. In this study, the KG is developed using a waterfall model. The integration of LLMs, such as ChatGPT, accelerates information extraction by providing keyword recommendations and document summaries. System evaluation is conducted through user questionnaires to assess the effectiveness of KG visualization in supporting academic writing. The research identifies six functional requirements and one non-functional requirement for the system. System testing includes blackbox testing to evaluate functionality and compatibility testing using “SortSite.” A questionnaire with eight respondents shows three strongly agree the system is helpful and beneficial. This study is expected to significantly contribute to AI-based technology development to support academic activities.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	black-box, knowledge graph, large language model, unified model language, waterfall
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	S Sucipto
Date Deposited:	17 Feb 2025 06:55
Last Modified:	17 Feb 2025 06:55
URI:	http://repository.ub.ac.id/id/eprint/236893

Text (DALAM MASA EMBARGO) Abdul Rasyid Himawan.pdf Restricted to Registered users only Download (2MB)

Actions (login required)

View Item