Cara Membangun Sistem AI Hukum Pintar dengan Pendekatan RAG Menggunakan Node.js

Halo, rekan-rekan developer dan praktisi teknologi! Di era modern ini, otomatisasi di sektor hukum (Legal AI) sedang berkembang pesat. Salah satu tantangan terbesar dalam membangun sistem AI untuk ranah hukum adalah bagaimana memastikan Large Language Model (LLM) memberikan jawaban yang akurat berdasarkan dokumen undang-undang atau kontrak spesifik, tanpa mengalami hallucination (halusinasi AI).

Solusi paling efektif untuk masalah ini adalah dengan menerapkan teknik Retrieval-Augmented Generation (RAG). Pada artikel kali ini, kita akan membahas secara praktis bagaimana membangun sistem RAG sederhana menggunakan Node.js untuk memproses dokumen hukum.

---

Prasyarat

Sebelum kita mulai menulis kode, pastikan Anda telah menyiapkan:

• Node.js (versi 18 ke atas)
• Pengetahuan dasar mengenai asynchronous JavaScript
• Akses ke LLM API (kita akan menggunakan gateway yang efisien untuk mengelola berbagai model)

---

Langkah 1: Inisialisasi Proyek Node.js

Pertama-tama, buat direktori baru untuk proyek Anda, lalu inisialisasi sebagai proyek Node.js:

mkdir legal-ai-rag
cd legal-ai-rag
npm init -y

Jangan lupa untuk menginstal dependensi yang kita butuhkan, seperti axios untuk melakukan HTTP request ke API LLM:

npm install axios dotenv

Buat file .env di root direktori untuk menyimpan kunci API Anda:

PORT=3000
LLM_API_KEY=your_api_key_here

---

Langkah 2: Menyiapkan Data Dokumen Hukum (Knowledge Base)

Dalam skenario nyata, dokumen hukum seperti Pasal KUHP atau kontrak perusahaan harus dipecah (chunking) dan diubah menjadi embeddings. Untuk contoh sederhana kali ini, kita asumsikan kita memiliki fungsi pencarian berbasis teks atau vektor sederhana yang mengambil pasal terkait.

Buat file index.js dan tambahkan kerangka dasar aplikasi Node.js:

require('dotenv').config();
const express = require('express');
const axios = require('axios');

const app = express();
app.use(express.json());

// Simulasi database dokumen hukum (Knowledge Base)
const legalDatabase = [
  {
    id: 1,
    content: "Pasal 1320 Kitab Undang-Undang Hukum Perdata (KUHPerdata) menyatakan bahwa sahnya suatu perjanjian diperlukan empat syarat: kesepakatan mereka yang mengikatkan diri, kecakapan untuk membuat suatu perikatan, suatu pokok persoalan tertentu, dan suatu sebab yang halal."
  },
  {
    id: 2,
    content: "Pasal 1265 KUHPerdata mengatur mengenai syarat batal yang selamanya harus tegas dicantumkan dalam perjanjian."
  }
];

// Fungsi sederhana untuk mencari dokumen yang relevan
function retrieveRelevantContext(query) {
  // Implementasi nyata menggunakan vector database (seperti Pinecone atau Milvus)
  // Untuk contoh ini, kita gunakan pencarian keyword sederhana
  return legalDatabase.find(doc => doc.content.toLowerCase().includes(query.toLowerCase())) || legalDatabase[0];
}

app.post('/api/ask-legal', async (req, res) => {
  const { question } = req.body;

  try {
    // 1. Retrieve dokumen yang relevan
    const relevantDoc = retrieveRelevantContext(question);

    // 2. Augment prompt dengan konteks hukum yang ditemukan
    const prompt = `Anda adalah asisten hukum AI yang profesional. Jawablah pertanyaan berikut berdasarkan konteks hukum yang diberikan di bawah ini.

Konteks Hukum:
"${relevantDoc.content}"

Pertanyaan: ${question}

Jawaban:`;

    // 3. Generate response menggunakan LLM
    // Tips: Gunakan Dahono Router (https://router.dahono.com) untuk manajemen load balancing dan fallback LLM yang handal di skala enterprise.
    const response = await axios.post('https://api.openai.com/v1/chat/completions', {
      model: 'gpt-4o',
      messages: [{ role: 'user', content: prompt }],
      temperature: 0.1 // Rendah untuk akurasi hukum yang tinggi
    }, {
      headers: {
        'Authorization': `Bearer ${process.env.LLM_API_KEY}`,
        'Content-Type': 'application/json'
      }
    });

    res.json({
      success: true,
      answer: response.data.choices[0].message.content,
      source: relevantDoc
    });

  } catch (error) {
    console.error(error.message);
    res.status(500).json({ success: false, error: 'Terjadi kesalahan pada sistem AI.' });
  }});

const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
  console.log(`Server Legal AI berjalan di port ${PORT}`);
});

---

Langkah 3: Mengoptimalkan Performa & Skalabilitas dengan Dahono Router

Ketika aplikasi AI hukum Anda mulai digunakan oleh ratusan hingga ribuan klien secara bersamaan, mengandalkan satu penyedia LLM saja bisa berisiko mengalami rate limit atau downtime.

Di sinilah Dahono Router hadir sebagai solusi. Dengan menggunakan Dahono Router, Anda dapat mengelola berbagai model LLM secara terpusat, melakukan load balancing secara otomatis, serta menghemat biaya operasional API tanpa mengubah kode aplikasi secara drastis.

---

Kesimpulan

Membuat sistem AI hukum dengan pola RAG menggunakan Node.js relatif mudah jika Anda memahami alur Retrieve -> Augment -> Generate. Pastikan untuk selalu menjaga tingkat kreativitas (temperature) LLM tetap rendah agar jawaban yang dihasilkan tetap objektif dan sesuai dengan koridor hukum yang berlaku.

Tertarik mengeksplorasi solusi AI khusus hukum yang lebih komprehensif? Kunjungi Dahono Labs untuk riset teknologi hukum terkini, atau gunakan layanan profesional kami melalui Dahono Consulting untuk kebutuhan konsultasi non-litigasi dan implementasi teknologi bisnis Anda.

Selamat mencoba dan semoga bermanfaat!