EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

EVALUASI SKEMA FUNGSI TERKOMPRESI PADA SMALL LANGUAGE MODEL MENGGUNAKAN QLORA PADA DOMAIN APARATUR SIPIL NEGARA

Alfan Lily Armansyah, Imam Tahyudin, Azhari Shouni Barkah

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 3517-3524

DOI: 10.36341/rabit.v11i2.8124 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Alfan Lily Armansyah und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Transformasi digital pada sektor pemerintahan mendorong kebutuhan asisten cerdas yang mampu menjawab pertanyaan kepegawaian secara otomatis melalui pemanggilan fungsi (function calling). Pemanfaatan model bahasa besar komersial terkendala biaya langganan dan risiko kebocoran data sensitif, sehingga Small Language Model (SLM) yang berjalan pada server lokal menjadi alternatif yang menjanjikan. Namun, skema JSON konvensional yang verbose menghabiskan jendela konteks dan menurunkan akurasi model berukuran kecil. Penelitian ini mengusulkan Compressed Function Schema (CFS), yaitu notasi ringkas pengganti skema JSON verbose, yang dipadukan dengan fine-tuning QLoRA pada model Qwen3.5-0.8B untuk domain kepegawaian Aparatur Sipil Negara (ASN). Evaluasi dilakukan pada 173 sampel uji melalui tiga kondisi terkontrol, yaitu baseline (skema verbose, zero-shot), ablasi (skema terkompresi, zero-shot), dan usulan (skema terkompresi, fine-tuned), dengan metrik Function Name Accuracy (FNA), Parameter Accuracy (PA), dan Exact Match Accuracy (EMA). Hasil menunjukkan CFS memangkas token skema dari 1.739 menjadi 302 token atau 5,76 kali lebih ringkas, suatu penghematan yang signifikan, sementara model usulan mencapai FNA 95,95%, PA 97,20%, dan EMA 91,03%, mengungguli baseline pada seluruh metrik. Studi ablasi mengungkap bahwa skema terkompresi tidak berfungsi tanpa fine-tuning, yang menandakan keduanya saling melengkapi. Dengan demikian, SLM berukuran 0,8 miliar parameter dapat dioperasikan pada GPU komoditas berkapasitas 16 GB dengan akurasi tinggi untuk layanan informasi kepegawaian.

Zitieren

APA

Armansyah, A. L., Tahyudin, I., & Barkah, A. S. (2026). EVALUASI SKEMA FUNGSI TERKOMPRESI PADA SMALL LANGUAGE MODEL MENGGUNAKAN QLORA PADA DOMAIN APARATUR SIPIL NEGARA. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 3517-3524. https://doi.org/10.36341/rabit.v11i2.8124

Vancouver

Armansyah AL, Tahyudin I, Barkah AS. EVALUASI SKEMA FUNGSI TERKOMPRESI PADA SMALL LANGUAGE MODEL MENGGUNAKAN QLORA PADA DOMAIN APARATUR SIPIL NEGARA. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):3517-3524. doi:10.36341/rabit.v11i2.8124

BibTeX
@article{Armansyah2026,
  author = {Armansyah, Alfan Lily and Tahyudin, Imam and Barkah, Azhari Shouni},
  title = {EVALUASI SKEMA FUNGSI TERKOMPRESI PADA SMALL LANGUAGE MODEL MENGGUNAKAN QLORA PADA DOMAIN APARATUR SIPIL NEGARA},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {3517--3524},
  doi = {10.36341/rabit.v11i2.8124}
}
Kostenlos starten →