Paket Lab P-10 (RAG Part 1)
Persiapan (sekali saja)
python -m venv .venv
.venv\Scripts\activate # Windows (Mac/Linux: source .venv/bin/activate)
pip install -r requirements.txt # unduhan besar (PyTorch); bila berat, pakai Google Colab
Letakkan 2-3 PDF berbasis teks (bukan scan) di folder dokumen/.
Urutan pengerjaan
| Lab | Perintah | Hasil |
|---|---|---|
| 1 | python lab1_chunking.py dokumen/NAMA.pdf |
tabel jumlah chunk + contoh chunk -> hasil_lab1.txt |
| 2 | python indeks.py 500 1000 1500 |
koleksi pedoman_500/1000/1500 di chroma_db/ |
| 2 | python cari.py 1000 lalu ajukan 5 pertanyaan biasa + 2 parafrase |
cek manual: chunk teratas relevan? |
| 3 | python bantu_buat_uji.py -> isi uji.py (15 pasangan) |
|
| 3 | python evaluasi_retrieval.py 500 1000 1500 |
tabel Hit@1/3/5 + MRR -> hasil_lab3.txt/.csv |
| 3 | isi KESIMPULAN_LAB3.md |
kesimpulan 3-4 kalimat |
Jangan hapus folder chroma_db/ - dipakai di P-11.
Pertama kali dijalankan, model embedding diunduh (ratusan MB), jadi indeks.py terasa lama.