Penelitian Pengembangan Benchmark Dataset KGQA Berbahasa Indonesia untuk Kemajuan Riset Teknologi
Dalam satu dekade terakhir, penelitian mengenai sistem Knowledge Graph Question Answering (KGQA) dalam bahasa Indonesia masih menghadapi kendala besar akibat ketiadaan benchmark dataset yang memadai. Hal ini menyebabkan penelitian di bidang tersebut tidak berkembang secara optimal dan kurang kompetitif dibandingkan dengan penelitian serupa dalam bahasa Inggris.
Menjawab tantangan tersebut, tim peneliti dari Politeknik Negeri Indramayu Program Studi Sarjana Terapan Rekayasa Perangkat Lunak yang diketuai oleh Mohammad Yani, bersama dua anggota lainnya, Muhamad Mustamiin dan Rendi, melakukan penelitian berjudul Konstruksi Benchmark Dataset Berbahasa Indonesia Untuk Sistem Knowledge Graph Question Answering (KGQA). Tujuan utama dari penelitian ini adalah menyediakan dataset berbahasa Indonesia sebagai sumber daya bagi para peneliti yang ingin mengembangkan sistem KGQA dengan bahasa pengantar bahasa Indonesia.
Urgensi dan Proses Pengembangan Dataset
Sistem KGQA merupakan teknologi yang memungkinkan pengguna mengajukan pertanyaan dalam bahasa alami dan memperoleh jawaban dari suatu knowledge graph. Tanpa adanya benchmark dataset dalam bahasa Indonesia, pengujian dan pengembangan sistem KGQA menjadi terhambat, yang berimplikasi pada lambatnya inovasi di bidang ini. Oleh karena itu, penelitian ini berupaya untuk menghadirkan solusi dengan mengembangkan dataset yang dapat digunakan oleh komunitas akademik dan industri.
Pengembangan dataset dilakukan melalui serangkaian proses yang sistematis, meliputi:
- Studi Literatur – Menganalisis berbagai penelitian terkait sistem KGQA dan dataset yang telah dikembangkan dalam berbagai bahasa.
- Pemilihan Dataset – Menentukan sumber data yang relevan dan berkualitas untuk digunakan dalam konstruksi dataset.
- Penerjemahan Pertanyaan – Menerjemahkan pertanyaan dari bahasa lain ke dalam bahasa Indonesia dengan mempertimbangkan konteks linguistik dan teknis.
- Pembersihan Hasil Terjemahan – Melakukan validasi dan penyuntingan hasil terjemahan agar sesuai dengan struktur bahasa yang baik dan benar.
- Validasi Pertanyaan – Memastikan bahwa pertanyaan dalam dataset sesuai dengan standar akademik dan kebutuhan penelitian KGQA.
- Publikasi Dataset – Mendistribusikan dataset agar dapat digunakan secara luas oleh para peneliti dan pengembang sistem KGQA.
Dampak dan Kontribusi Penelitian
Hasil dari penelitian ini tidak hanya menghadirkan benchmark dataset berbahasa Indonesia untuk sistem KGQA, tetapi juga berkontribusi dalam pengembangan fitur dan aksesibilitas multibahasa dalam penelitian knowledge graph secara lebih luas. Dengan tersedianya dataset ini, diharapkan para peneliti dapat lebih mudah mengembangkan dan menguji sistem KGQA berbasis bahasa Indonesia, sehingga mempercepat kemajuan riset dalam bidang kecerdasan buatan dan pemrosesan bahasa alami (NLP).
Selain itu, penelitian ini juga membuka peluang bagi kolaborasi akademik dan industri untuk mengembangkan teknologi KGQA yang lebih canggih dan mampu memahami konteks pertanyaan dalam bahasa Indonesia dengan lebih baik. Dengan adanya dataset ini, riset di Indonesia dapat lebih bersaing di tingkat global dan memberikan manfaat bagi masyarakat luas dalam akses terhadap informasi berbasis knowledge graph.
Dengan adanya penelitian ini, diharapkan dalam beberapa tahun ke depan, sistem KGQA berbahasa Indonesia dapat semakin berkembang dan digunakan dalam berbagai sektor, termasuk pendidikan, pemerintahan, serta layanan publik berbasis digital. Langkah ini menjadi pijakan awal dalam membangun ekosistem riset dan teknologi berbasis bahasa Indonesia yang lebih maju dan berdaya saing tinggi.
