GraphRAG (ID)

GraphRAG — adalah paradigma Retrieval-Augmented Generation (RAG) yang telah disempurnakan, di mana alih-alih pencarian tradisional pada fragmen teks (chunk) yang terpisah-pisah, digunakan graf pengetahuan (Knowledge Graph, KG). Struktur grafis secara eksplisit merepresentasikan hubungan antar entitas dan hierarki konsep domain, yang memungkinkan LLM melakukan ekstraksi pengetahuan secara multi-langkah dan menghasilkan jawaban yang lebih kontekstual dan dapat dijelaskan.

Pendekatan GraphRAG menunjukkan keunggulan yang signifikan dibandingkan RAG klasik dalam menangani kueri kompleks multi-langkah (multi‑hop), di mana jawaban bergantung pada kombinasi beberapa fakta yang tersebar di berbagai dokumen.

Keterbatasan RAG Klasik dan Keunggulan Graf

RAG klasik yang berbasis pencarian vektor pada teks tak terstruktur menghadapi sejumlah keterbatasan mendasar yang menjadi kritis dalam skenario korporat yang kompleks:

• Ketiadaan hubungan struktural: RAG tradisional memproses chunk teks sebagai unit yang terisolasi dan tidak melihat hubungan eksplisit di antara mereka. Hal ini membuatnya tidak efektif untuk kueri multi‑hop, di mana untuk menjawab perlu menelusuri rantai fakta (A→B→C), sementara pencarian hanya menemukan titik awal dan akhir (A dan C), melewatkan yang di tengah.
• Ambiguitas semantik: Dalam bidang yang sangat terspesialisasi (kedokteran, hukum, teknik), istilah memiliki makna spesifik. Pencarian vektor, meski menangkap tema umum, dapat salah menginterpretasikan peran suatu objek tertentu, yang mengakibatkan pengambilan konteks yang tidak relevan.
• Keterbatasan kemampuan penjelasan: RAG klasik menyediakan fragmen dokumen, tetapi bukan bukti eksplisit tentang bagaimana fragmen-fragmen tersebut terhubung dalam rantai logis. GraphRAG, sebaliknya, membuat proses ini transparan dengan menyediakan jalur dalam graf sebagai bukti dan mengharuskan setiap pernyataan dikaitkan dengan sumber (sitasi).

GraphRAG menyelesaikan masalah-masalah ini dengan merepresentasikan pengetahuan sebagai jaringan entitas dan relasi yang saling terhubung, memungkinkan sistem tidak sekadar menemukan teks yang mirip, tetapi melakukan inferensi logis berdasarkan model domain yang telah diformalisasi.

Arsitektur GraphRAG

Pipeline GraphRAG secara umum memperluas RAG klasik dengan menambahkan tahapan pembangunan dan penggunaan graf pengetahuan. Pipeline ini dibagi menjadi dua tahap utama: persiapan offline dan pemrosesan kueri online.

Tahap 1: Ingest dan Pengindeksan (Offline)

Pada tahap ini, data sumber (dokumen, basis data) diubah menjadi dua representasi yang saling melengkapi: berbasis graf dan berbasis vektor.

1. Ekstraksi Pengetahuan: Fakta-fakta terstruktur diekstraksi dari teks menggunakan pipeline NLP:
   • Named Entity Recognition (NER): Menemukan penyebutan entitas (orang, organisasi, produk).
   • Entity Linking (EL): Menghubungkan penyebutan dengan pengidentifikasi kanonik dalam graf untuk menghilangkan ambiguitas (misalnya, "Ivanов I.I." dan "I. Ivanov" menjadi satu simpul).
   • Relation Extraction (RE): Mengidentifikasi relasi antar entitas (misalnya, Perusahaan X −mengakuisisi→ Startup Y).
2. Pemodelan dan Penyimpanan Graf: Tripel yang diekstraksi (subjek‑predikat‑objek) dimuat ke dalam basis data graf. Pemilihan model (Property Graph atau RDF) bergantung pada tugas yang ada. Sangat penting untuk menyimpan asal-usul (provenance) setiap fakta — tautan ke dokumen sumber dan fragmen teks. Metadata tentang waktu (valid_from/valid_to) dan kepercayaan (confidence) juga dapat ditambahkan ke dalam graf.
3. Pengindeksan Hibrida: Seiring dengan pembuatan graf, dibuat pula indeks vektor untuk fragmen teks sumber. Ini memungkinkan kombinasi pencarian struktural berbasis graf dengan pencarian semantik berbasis teks.

Tahap 2: Pemrosesan Kueri dan Pembangkitan Jawaban (Online)

1. Penguraian Kueri: Kueri pengguna dianalisis untuk mengidentifikasi entitas kunci yang berfungsi sebagai "titik masuk" ke dalam graf.
2. Ekstraksi Subgraf: Alih-alih mencari chunk individual, GraphRAG menemukan subgraf yang relevan — fragmen graf yang terhubung di sekitar "titik masuk", yang berisi informasi untuk menjawab kueri. Untuk ini digunakan algoritma seperti penelusuran k‑hop atau Personalized PageRank (PPR).
3. Pencarian Hibrida dan Penggabungan Hasil: Secara paralel dengan ekstraksi subgraf, dilakukan pencarian pada indeks vektor dan/atau leksikal (BM25). Hasil dari graf dan teks digabungkan dan diteruskan ke tahap berikutnya.
4. Peringkat Ulang (Re‑ranking): Daftar kandidat yang digabungkan (simpul graf dan chunk teks) dilakukan peringkat ulang menggunakan model yang lebih presisi (misalnya, cross-encoder) untuk memilih informasi yang paling relevan. Ini memungkinkan penyaringan noise dan peningkatan akurasi.
5. Pengemasan Konteks dan Pembangkitan: Konteks yang telah dipilih dan diurutkan (subgraf dan teks) diubah ke dalam format yang dapat dipahami oleh LLM (misalnya, daftar pernyataan dengan indikasi sumber). Konteks yang diperkaya ini dimasukkan ke dalam prompt untuk membangkitkan jawaban akhir.
6. Pelacakan dan Sitasi: Berkat hubungan "fakta ↔ sumber" dalam graf, jawaban yang dihasilkan memuat referensi tepat ke dokumen yang mendukung setiap tesis. Hal ini memastikan tingkat keterpercayaan dan transparansi yang tinggi.

Tabel Perbandingan Komponen

Analisis perbandingan komponen-komponen kunci arsitektur GraphRAG

Komponen/Aspek	Opsi Implementasi	Kelebihan	Kekurangan/Risiko	Kapan Lebih Disukai
Model Graf Pengetahuan	RDF/OWL	Ontologi yang ketat, inferensi logis (reasoning), kompatibilitas dengan Linked Open Data.	Sulit menyimpan atribut relasi (waktu, sumber) tanpa entitas tambahan (reification).	Domain yang kaya secara semantik dengan ontologi yang sudah ada; deduksi diperlukan.
	Property Graph (Neo4j, dll.)	Fleksibilitas, properti arbitrer pada simpul/sisi, performa tinggi.	Membutuhkan skema yang jelas secara manual atau berisiko "kekacauan"; tidak ada standar tunggal.	Mulai cepat dengan data tak terstruktur; integrasi dengan dokumen (multi‑model DB).
Ekstraksi Subgraf	k‑hop BFS / DFS	Mencakup semua simpul hingga kedalaman k, mudah diimplementasikan.	"Ledakan" graf: pertumbuhan jumlah simpul secara eksponensial; dapat mengembalikan banyak noise.	Graf kecil atau penelusuran pada kedalaman 1–2; struktur hierarkis.
	Personalized PageRank (PPR)	Berfokus pada simpul yang benar-benar terhubung, noise tersaring.	Dapat melewatkan simpul yang jauh namun penting (jika jalurnya sedikit tetapi kritis).	Jaringan kompleks dengan banyak jalur (graf sosial, graf sitasi).
Pencarian Hibrida	Daftar gabungan (scalar fusion dengan bobot λ)	Pengaturan bobot λ memungkinkan keseimbangan precision/recall sesuai tugas.	λ yang tetap tidak optimal untuk semua jenis kueri.	Pada tahap prototipe; ketika diketahui bahwa satu sumber jelas lebih penting.
	Cross‑encoder rerank	Peningkatan akurasi yang signifikan; kemampuan mempertimbangkan hubungan yang kompleks.	Meningkatkan latensi; membutuhkan data pelatihan atau penggunaan model yang sudah tersedia.	Skenario high‑precision (hukum, kedokteran), di mana konteks yang paling relevan sangat penting.
Keamanan Data	Penyaringan Subgraf (RBAC/ABAC)	Kontrol granular (hingga level simpul) mencegah kebocoran.	"Zona buta": jika simpul penting dipotong, jawaban bisa menjadi tidak lengkap.	Di lingkungan korporat dengan persyaratan akses yang ketat (PII, GDPR, rahasia dagang).

Pelacakan, Kepercayaan, dan Keamanan

Salah satu keunggulan utama GraphRAG adalah kemampuan untuk menyajikan rantai bukti yang transparan. Alih-alih jawaban "kotak hitam", sistem dapat menampilkan jalur penalaran: "Fakta A disebutkan dalam [doc1]. Ia terhubung dengan fakta B [doc2], dan B menurut [doc3] mengarah ke C", — yang meningkatkan kepercayaan pengguna dan mempermudah proses debug.

Selain itu, struktur grafis memungkinkan implementasi kontrol akses granular (RBAC/ABAC). Setiap simpul atau sisi dalam graf dapat memiliki label akses. Saat mengekstraksi subgraf, sistem secara otomatis menyaring data yang tidak memiliki izin akses oleh pengguna, memastikan keamanan di bidang-bidang yang sensitif (keuangan, HR, kedokteran).

Evaluasi Kualitas

Evaluasi sistem GraphRAG bersifat multi-tahap dan mencakup metrik untuk setiap komponen:

• Metrik ekstraksi pengetahuan: F1‑score untuk NER dan RE, untuk menilai kualitas pembangunan graf.
• Metrik ekstraksi subgraf: Subgraph Recall@K (proporsi kasus di mana simpul/sisi yang diperlukan untuk menjawab masuk ke dalam subgraf yang diekstraksi) dan Path Precision/Recall untuk pertanyaan multi-hop.
• Metrik jawaban LLM:
  • Faithfulness / Groundedness: sejauh mana jawaban secara ketat berpijak pada konteks yang diberikan.
  • Human evaluation: penilaian oleh para ahli berdasarkan kriteria kebenaran, kelengkapan, dan koherensi.

Untuk otomatisasi evaluasi digunakan benchmark khusus (misalnya, WebQuestionsSP, GrailQA) dan framework (misalnya, RAGAS).

Lihat Pula

• Retrieval‑Augmented Generation (RAG)
• Graf Pengetahuan
• Basis Data Vektor
• Embedding
• AI-agent
• Evaluasi dan Benchmark LLM

Daftar Pustaka

• Zhang, Q. et al. (2025). A Survey of Graph Retrieval‑Augmented Generation for Customized Large Language Models. arXiv:2501.13958.
• Xu, Z. et al. (2024). Retrieval‑Augmented Generation with Knowledge Graphs for Customer Service Question Answering. arXiv:2404.17723.
• Hu, Y. et al. (2024). GRAG: Graph Retrieval‑Augmented Generation. arXiv:2405.16506.
• Nakano, R. et al. (2021). WebGPT: Browser‑assisted Question‑Answering with Human Feedback. arXiv:2112.09332.
• Yang, R. et al. (2025). KG‑IRAG: A Knowledge Graph‑Based Iterative Retrieval‑Augmented Generation Framework for Temporal Reasoning. arXiv:2503.14234.
• Song, Y. et al. (2023). Advancements in Complex Knowledge Graph Question Answering: A Survey. DOI:10.3390/electronics12214395.
• Nogueira, R.; Cho, K. (2019). Passage Re‑ranking with BERT. arXiv:1901.04085.
• Hsu, H.‑L.; Tzeng, J. (2025). DAT: Dynamic Alpha Tuning for Hybrid Retrieval in Retrieval‑Augmented Generation. arXiv:2503.23013.
• Lewis, P. et al. (2020). Retrieval‑Augmented Generation for Knowledge‑Intensive NLP Tasks. arXiv:2005.11401.
• Karpukhin, V. et al. (2020). Dense Passage Retrieval for Open‑Domain Question Answering. arXiv:2004.04906.
• Sun, H. et al. (2018). Open‑Domain Question Answering Using Early Fusion of Knowledge Bases and Text (GRAFT‑Net). arXiv:1809.00782.
• Sun, H.; Bedrax‑Weiss, T.; Cohen, W. W. (2019). PullNet: Open‑Domain Question Answering with Iterative Retrieval on Knowledge Bases and Text. arXiv:1904.09537.
• He, X. et al. (2024). G‑Retriever: Retrieval‑Augmented Generation for Textual Graph Understanding and Question Answering. arXiv:2402.07630.
• Es, S.; James, J.; Espinosa‑Anke, L.; Schockaert, S. (2024). RAGAs: Automated Evaluation of Retrieval Augmented Generation. ACL:2024.eacl-demo.16.