Terobosan Riset Dosen Polindra: Dataset Bahasa Indonesia untuk Sistem Tanya Jawab Knowledge Graph
Sebuah pencapaian signifikan diraih oleh para dosen Politeknik Negeri Indramayu (Polindra) melalui pengembangan dataset berbahasa Indonesia yang ditujukan untuk sistem Knowledge Graph Question Answering (KGQA). Penelitian inovatif ini telah menghasilkan publikasi berjudul “Indo-WDSimpleQuAD20: an Indonesian Benchmark Dataset for Question Answering System” dan berhasil diterima oleh sebuah jurnal internasional terkemuka.
Kepala Pusat Penelitian dan Pengabdian Kepada Masyarakat Polindra, Dr. Mohammad Yani, S.T., M.T., M.Sc., menyampaikan kabar gembira ini kepada awak media pada Selasa, 17 Februari 2026. Beliau menjelaskan bahwa inisiatif pengembangan dataset KGQA berbahasa Indonesia ini merupakan kolaborasi multidisiplin antar dosen Polindra dari berbagai program studi. Tidak hanya itu, penelitian ini juga melibatkan kemitraan strategis dengan pihak eksternal, termasuk dosen dari Universitas Indonesia (UI), serta kolaborasi dengan dosen dari Universitas Singaperbangsa Karawang (Uniska) dan Sekolah Tinggi BSI di Bekasi.
Mengapa Dataset KGQA Berbahasa Indonesia Penting?
Dr. Mohammad Yani mengungkapkan alasan mendasar di balik dipilihnya topik ini. “Penelitian mengenai dataset untuk sistem Knowledge Graph Question Answering ini sangat populer di kalangan peneliti global,” ujarnya. “Kami merasa perlu untuk melakukan riset dan pengembangan di area ini, terutama karena sumber daya untuk bahasa asing seperti Jerman sudah tersedia, namun untuk bahasa Indonesia masih minim.”
Keterbatasan dataset berbahasa Indonesia inilah yang menjadi pemicu utama para dosen Polindra untuk memulai penelitian ini. Mereka melihat potensi besar dalam pengembangan teknologi KGQA yang dapat diakses dan dimanfaatkan oleh masyarakat Indonesia secara luas. KGQA sendiri merupakan sistem yang memungkinkan pengguna mengajukan pertanyaan dalam bahasa alami dan mendapatkan jawaban yang relevan dari basis data terstruktur berupa knowledge graph.
Proses dan Hasil Penelitian
Proses pengembangan dataset ini melibatkan pengumpulan, anotasi, dan validasi data yang cermat untuk memastikan kualitas dan relevansinya. Dataset yang dihasilkan, Indo-WDSimpleQuAD20, dirancang untuk menjadi tolok ukur (benchmark) yang dapat digunakan oleh peneliti lain dalam mengevaluasi kinerja sistem KGQA berbahasa Indonesia.
“Alhamdulillah, penelitian yang kami lakukan untuk mengembangkan dataset berbahasa Indonesia bagi sistem KGQA ini telah berhasil diterima oleh jurnal internasional,” ungkap Dr. Mohammad Yani dengan penuh rasa syukur. “Makalah penelitian kami telah dipublikasikan pada Desember tahun lalu (2025).”
Penerimaan publikasi di jurnal internasional ini menandakan bahwa penelitian yang dilakukan oleh dosen Polindra telah memenuhi standar ilmiah global dan memberikan kontribusi yang berarti bagi bidang kecerdasan buatan dan pemrosesan bahasa alami.
Tindak Lanjut dan Harapan ke Depan
Menanggapi pertanyaan mengenai langkah selanjutnya, Dr. Mohammad Yani menegaskan bahwa penelitian ini tidak akan berhenti di sini. Akan ada kelanjutan penelitian yang lebih mendalam dan relevan dengan topik yang telah dikembangkan. Tujuannya adalah untuk terus meningkatkan tingkat kematangan teknologi (Tingkat Komponen Dalam Negeri atau TKT), sehingga tidak hanya sebatas konsep atau prototipe, melainkan dapat benar-benar dimanfaatkan oleh masyarakat luas.
Harapan terbesar dari tim peneliti adalah agar hasil karya mereka dapat memberikan dampak positif yang signifikan. “Ke depannya, kami ingin meningkatkan TKT-nya agar tidak hanya konsep yang dibuat, tetapi dapat dimanfaatkan oleh masyarakat pada umumnya,” pungkas Dr. Mohammad Yani.
Melalui terobosan ini, Polindra menegaskan komitmennya dalam menghasilkan penelitian berkualitas tinggi yang tidak hanya memperkaya khazanah ilmu pengetahuan, tetapi juga memiliki potensi aplikasi nyata untuk kemajuan teknologi di Indonesia. Pengembangan dataset berbahasa Indonesia untuk KGQA ini merupakan langkah strategis dalam upaya mewujudkan ekosistem kecerdasan buatan yang lebih inklusif dan relevan bagi bangsa.
Penelitian ini juga menunjukkan pentingnya kolaborasi antar institusi pendidikan tinggi di Indonesia untuk bersama-sama mendorong inovasi dan kemandirian teknologi. Dengan adanya dataset yang memadai, para peneliti dan pengembang di Indonesia dapat lebih leluasa menciptakan solusi-solusi berbasis AI yang disesuaikan dengan kebutuhan dan konteks lokal.
