Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pencarian dokumen hukum yang relevan dan efisien merupakan kebutuhan penting bagi praktisi hukum, akademisi, dan masyarakat umum di Indonesia. Penelitian ini memperkenalkan Lexin, sebuah aplikasi web berbasis model Retrieval Augmented Generation (RAG) untuk mengolah sumber hukum di Indonesia. Dengan memanfaatkan teknologi seperti Elasticsearch untuk pencarian teks penuh dengan pengurutan dan penyaringan beserta GPT-4o Mini dari OpenAI sebagai model bahasa besar, aplikasi ini memberikan solusi inovatif untuk meningkatkan akurasi, relevansi, dan efisiensi pencarian dokumen hukum. Pengembangan Lexin mencakup integrasi antarmuka berbasis Next.js untuk frontend, FastAPI untuk backend, dan Elasticsearch sebagai penyimpanan dokumen hukum. Evaluasi dilakukan melalui User Acceptance Testing (UAT), System Usability Scale (SUS), User Experience Questionnaire (UEQ), dan pengujian beban menggunakan Locust. Hasil evaluasi menunjukkan bahwa frontend Lexin berhasil menawarkan antarmuka pengguna yang intuitif dan responsif. Evaluasi UAT menunjukkan tingkat kepuasan pengguna mencapai 93,4%, dengan umpan balik positif terkait kemudahan navigasi dan kecepatan akses fitur. Pengukuran SUS menghasilkan skor 81, yang berada dalam kategori ”Sangat Baik”, mengindikasikan aplikasi mudah dipahami dan digunakan oleh berbagai jenis pengguna. Evaluasi UEQ menunjukkan nilai tinggi pada dimensi efisiensi (1,8) dan atraktivitas (1,7), memperlihatkan desain antarmuka yang ramah pengguna dan fungsional. Di sisi backend, aplikasi menunjukkan performa yang baik dengan kemampuan menangani hingga 304 permintaan dalam 60 detik menggunakan 4 instance backend API, dengan rata-rata waktu respons sebesar 2.418 ms, turun 55% dibandingkan tanpa autoscaling. Kemampuan Elasticsearch dalam pencarian dokumen menunjukkan waktu respons rata-rata sebesar 94 ms pada beban rendah dan 894 ms pada beban tinggi. Secara keseluruhan, aplikasi ini berhasil memberikan solusi yang efisien untuk pencarian dan pengelolaan dokumen hukum, memenuhi kebutuhan pengguna dari berbagai latar belakang. Lexin diharapkan dapat menjadi alat yang bermanfaat dalam meningkatkan aksesibilitas informasi hukum di Indonesia.

---

Efficient and relevant legal document retrieval is a critical need for legal practitioners, academics, and the general public in Indonesia. This research introduces Lexin, a web application based on the Retrieval Augmented Generation (RAG) model to process Indonesian legal resources. By leveraging technologies such as Elasticsearch for full-text search with ranking and filtering capabilities, and OpenAI’s GPT-4o Mini as a large language model, the application provides an innovative solution to enhance the accuracy, relevance, and efficiency of legal document search. The development of Lexin integrates a Next.js-based frontend, FastAPI for the backend, and Elasticsearch as the repository for legal documents. Evaluation methods include User Acceptance Testing (UAT), the System Usability Scale (SUS), the User Experience Questionnaire (UEQ), and load testing using Locust. The evaluation results show that the Lexin frontend successfully offers an intuitive and responsive user interface. UAT evaluation results show a user satisfaction rate of 93.4%, with positive feedback on navigation ease and feature access speed. The SUS measurement yields a score of 81, categorized as ”Excellent,” indicating that the application is easy to understand and use by various types of users. UEQ evaluation demonstrates high scores in the dimensions of efficiency (1.8) and attractiveness (1.7), reflecting a user-friendly and functional interface design. On the backend side, the application shows robust performance, handling up to 304 requests within 60 seconds using 4 backend API instances, with an average response time of 2,418 msa 55% reduction compared to scenarios without autoscaling. Elasticsearch demonstrates an average response time of 94 ms under low load and 894 ms under high load conditions. Overall, this application successfully provides an efficient solution for legal document retrieval and management, addressing the needs of users from various backgrounds. Lexin is expected to serve as a valuable tool for improving the accessibility of legal information in Indonesia."

"Penelitian ini menyelidiki integrasi Unreal Engine 5 dengan teknologi AI canggih, OpenAI dan ElevenLabs, untuk meningkatkan interaksi manusia-komputer melalui pembuatan gerakan berbasis aturan pada agen virtual. Penggunaan Unreal Engine 5 memungkinkan penciptaan lingkungan virtual beresolusi tinggi, yang sangat penting untuk interaksi agen yang realistis. Pengembangan sistem berbasis aturan sederhana yang mensintesis gerakan berdasarkan aturan yang telah ditentukan yang selaras dengan input yang diucapkan, dinilai dengan model lainnya. Sebuah studi komparatif, yang terinspirasi oleh Tantangan GENEA 2022, dilakukan untuk menilai efektivitas sistem yang diusulkan. Studi ini melibatkan studi pengguna di mana para partisipan menilai kemiripan manusia dan kesesuaian gerakan yang dihasilkan oleh sistem dengan model berbasis aturan, sistem model acak, model ground truth, dan model idle. Studi ini menggunakan model agen virtual yang sama untuk memastikan kondisi visual dan auditori yang konsisten di semua skenario pengujian. Temuan ini menunjukkan bahwa pembuatan gerakan berbasis aturan secara signifikan meningkatkan kealamian dan kontekstualitas interaksi agen virtual dibandingkan dengan 3 metode generasi gerakan lainnya. Hal ini mendukung potensi pendekatan terstruktur dalam menghasilkan interaksi yang lebih menarik dan realistis dalam lingkungan virtual. Penelitian ini diharapkan dapat memberikan kontribusi pada bidang desain agen virtual, dengan menekankan pentingnya mengintegrasikan teknik-teknik berbasis AI yang canggih untuk meningkatkan kualitas interaksi manusia-komputer.

---

This research investigates the integration of Unreal Engine 5 with advanced AI technologies, OpenAI and ElevenLabs, to enhance human-computer interaction through rule-based gesture generation on a virtual agent. Employing Unreal Engine 5 enables the creation of high-fidelity virtual environments, crucial for realistic agent interactions. The development of a simple rule-based system that synthesizes gestures based on predefined rules aligned with spoken inputs, is assessed against different models. A comparative study, inspired by the GENEA Challenge 2022, was conducted to evaluate the effectiveness of the proposed system. This involved a user study where participants rated the human likeness and appropriateness of gestures generated by rule-based, randomized systems, ground truth, and idle. The study utilized the same virtual agent model to ensure consistent visual and auditory conditions across all test scenarios. The findings demonstrated that rule-based gesture generation significantly enhances the perceived naturalness and contextuality of virtual agent interactions compared to the other 3 methods of gesture generation. This supports the potential of structured approaches in producing more engaging and realistic interactions in virtual environments. The research hopes to contribute to the field of virtual agent design, emphasizing the importance of integrating sophisticated AI-driven techniques to improve the quality of human-computer interaction."