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.

1.0 KiB Raw Permalink Blame History

Paket Lab P-10 (RAG Part 1)

Persiapan (sekali saja)

Urutan pengerjaan

1.0 KiB

Raw Permalink Blame History