Penerapan Large Language Model Untuk Pembangunan Dan Eksplorasi Knowledge Graph Pada Jaringan Kepemilikan Perusahaan Di Bursa Efek Indonesia

Syabirin, Mochamad Abiyyu (2026) Penerapan Large Language Model Untuk Pembangunan Dan Eksplorasi Knowledge Graph Pada Jaringan Kepemilikan Perusahaan Di Bursa Efek Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211162-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kompleksitas struktur kepemilikan dan afiliasi jabatan pada perusahaan yang tercatat di Bursa Efek Indonesia (BEI) menimbulkan tantangan signifikan dalam pengawasan serta mitigasi risiko penyalahgunaan struktur korporasi yang tersembunyi. Penelitian ini bertujuan untuk mengembangkan sistem analisis jaringan korporasi terhadap perusahaan tercatat di BEI menggunakan pendekatan knowledge graph (KG) yang diperkuat dengan implementasi Large Language Model (LLM) guna memetakan dan mengeksplorasi hubungan antar entitas secara naratif. Sistem dibangun menggunakan model Gemini 2.5 Flash melalui dua komponen utama, yaitu Knowledge Graph Builder yang bertugas melakukan transformasi data mentah menjadi struktur triplet serta Query Generator yang memungkinkan interaksi berbasis bahasa alami melalui kerangka kerja LangChain. Hasil penelitian menunjukkan bahwa sistem berhasil membangun knowledge graph masif yang mencakup entitas perusahaan, individu, industri, hingga sektor. Evaluasi pada modul Knowledge Graph Builder menunjukkan tingkat reliabilitas yang sangat tinggi dengan hallucination rate sebesar 0%, di mana sistem menghasilkan 337 triplet hubungan kepemilikan dan kepengurusan dari total 742 entitas yang ditarik dari Wikidata, dengan kesenjangan jumlah yang murni disebabkan oleh faktor ketidaklengkapan data pada sumber referensi. Sementara itu, komponen Query Generator menunjukkan kinerja yang memuaskan dengan tingkat akurasi eksekusi mencapai 86,67% dari 15 skenario pengujian yang mencakup topik kepemilikan saham, anak perusahaan, manajemen, jabatan rangkap, hingga penelusuran multi-hop. Secara keseluruhan, sistem ini terbukti efektif dalam merepresentasikan berbagai bentuk hubungan korporasi dan mampu menjembatani pengguna non-teknis untuk memahami dinamika jaringan yang kompleks melalui interaksi bahasa alami yang intuitif.
===========================================================================================================================================
The complexity of ownership structures and office affiliations in companies listed on the Indonesia Stock Exchange (IDX) poses significant challenges for monitoring and mitigating the risks of hidden corporate structure misuse. This study aims to develop a corporate network analysis system for IDX-listed companies using a knowledge graph (KG) approach reinforced by the implementation of Large Language Models (LLM) to map and explore entity relationships narratively. The system was built using the Gemini 2.5 Flash model through two primary components: the Knowledge Graph Builder, responsible for transforming raw data into triplet structures, and the Query Generator, which enables natural language interaction through the LangChain framework. The research results show that the system successfully constructed a massive knowledge graph encompassing companies, individuals, industries, and sectors. Evaluation of the Knowledge Graph Builder module demonstrated very high reliability with a 0% hallucination rate, where the system generated 337 ownership and management relationship triplets from a total of 742 entities retrieved from Wikidata, with the discrepancy solely caused by data incompleteness in the reference source. Meanwhile, the Query Generator component showed satisfactory performance with an execution accuracy rate of 86,67% across 15 test scenarios covering stock ownership, subsidiaries, management, cross-affiliations, and multihop tracing. Overall, the system proved effective in representing various forms of corporate relationships and is capable of bridging the gap for non-technical users to understand complex network dynamics through intuitive natural language interaction.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bursa Efek Indonesia, Knowledge Graph, Large Language Model, Query Generator, Kepemilikan Perusahaan, Indonesia Stock Exchange, Knowledge Graph, Large Language Model, Query Generator, Corporate Ownership.
Subjects:	Q Science > QA Mathematics > QA166 Graph theory Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Mochamad Abiyyu Syabirin
Date Deposited:	30 Jan 2026 02:05
Last Modified:	30 Jan 2026 02:05
URI:	http://repository.its.ac.id/id/eprint/131229

Actions (login required)

View Item