PENGEMBANGAN CHATBOT EDUKASI HUKUM LALU LINTAS BERBASIS RAG PADA PLATFORM WEB DAN TELEGRAM BERDASARKAN UNDANG-UNDANG NOMOR 22 TAHUN 2009

Abstract

Indonesia mencatat 103.645 kasus kecelakaan lalu lintas pada tahun 2023, dengan 25.874 korban meninggal dan sekitar 60% disebabkan kelalaian manusia akibat rendahnya literasi hukum terhadap Undang-Undang Nomor 22 Tahun 2009. Permasalahan utama adalah sulitnya mengakses informasi dari dokumen 326 pasal berbahasa hukum formal tersebut. Penelitian ini merancang chatbot edukasi berbasis Retrieval-Augmented Generation (RAG) yang meminimalkan hallucination pada Large Language Model (LLM) dengan mengindeks UU No.†22/2009 ke vector database ChromaDB menggunakan embedding all-MiniLM-L6-v2 dan cosine similarity, dikembangkan dengan metode R&D Agile pada antarmuka web dan bot Telegram, dilengkapi fitur Pusat Kontrol Reminder dengan notifikasi harian pada empat jendela waktu acak sebagai rencana penyelesaian masalah edukasi preventif. Pengujian 50 skenario menghasilkan F1-Score = 0,958, Precision = 0,939, Recall = 0,979, Accuracy = 92,3%—melampaui target F1 ≥ 0,85. RAG mereduksi hallucination dari 40% menjadi 0%. Evaluasi SUS menghasilkan skor rata-rata 83,0 (Good) dengan waktu respons 2,3 detik per kueri.