Revolusi Data: Kenali Saat GraphRAG Unggul atas Vector RAG

Dalam dua tahun terakhir, banyak yang berkecimpung dalam pengembangan retrieval-augmented generation (RAG) pasti mengenali satu frustrasi yang mencolok: Anda memecah dokumen menjadi bagian-bagian kecil, mengembednya, lalu mengambil beberapa bagian yang terlihat serupa dengan pertanyaan yang diajukan. Untuk pertanyaan seperti “Apa kebijakan pengembalian kami di Q3?” metode ini berjalan dengan baik. Namun, saat menghadapi pertanyaan seperti “Apa tema yang sering muncul dalam dua tahun keluhan pelanggan?” metode ini jadi tidak efektif—karena tak ada satu bagian pun yang mengungkapkan jawaban tersebut.

Solusi yang sedang tren saat ini adalah GraphRAG: Alih-alih memberikan potongan teks yang terpisah, Anda terlebih dahulu membangun grafik pengetahuan dari entitas dan hubungan dalam corpus Anda, kemudian menggunakan struktur tersebut sebagai konteks. Ini terdengar sangat menjanjikan. Namun, ide yang menarik ini membutuhkan pengujian. Maka, saya meneliti bukti dari makalah asli Microsoft ditambah empat studi benchmark independen untuk menjawab pertanyaan sederhana: Apakah mengganti potongan teks dengan grafik konteks benar-benar membuat jawaban menjadi lebih baik?

Versi singkatnya: Ya, signifikan—tetapi hanya untuk jenis pertanyaan tertentu, dan tidak gratis. Mari kita simak buktinya.

Kenapa Potongan Teks Mengalami Keterbatasan

RAG standar mengambil k teks yang paling mirip dengan kueri Anda. Desain ini memiliki tiga keterbatasan struktural:

• Tidak dapat menghubungkan informasi. Ketika jawaban membutuhkan penggabungan fakta yang tersebar di berbagai bagian melalui entitas yang sama, potongan yang terpisah tidak akan memperlihatkan hubungan tersebut.

• Butuh pemahaman global. Pertanyaan “Apa tema utama?” memerlukan keseluruhan corpus, tetapi pencarian kesamaan hanya mengembalikan potongan yang secara superficial mirip dengan pertanyaan.

• Memutus konteks di batas potongan. Hubungan dan hierarki yang diperlukan untuk penalaran kompleks justru diabaikan saat memecah teks menjadi potongan.

Microsoft Research menjelaskan hal ini dengan jelas ketika meluncurkan GraphRAG: Baseline RAG “berjuang untuk menghubungkan informasi” dan tampil buruk ketika diminta untuk “memahami konsep semantik secara holistik dari koleksi data yang besar.”

Perubahan yang Dihadirkan oleh Grafik Konteks

GraphRAG mengatasi masalah ini sebelum ada pertanyaan yang diajukan. Selama fase pengindeksan, model bahasa besar (LLM) membaca setiap potongan dan mengekstrak entitas, hubungan, serta klaim, mengumpulkannya menjadi grafik pengetahuan yang berbobot. Kemudian, digunakan algoritma Leiden untuk mengelompokkan grafik ke dalam hierarki topik yang saling terkait, serta menyusun ringkasan dalam bahasa alami untuk setiap komunitas.

Ketika waktu pertanyaan tiba, ringkasan tersebut menjadi pusat dari proses. Setiap komunitas yang relevan menyusun jawaban parsial (langkah “map”), yang kemudian dirangking dan digabung (langkah “reduce”), sehingga model dapat menerjemahkan jawaban akhir yang berbasis struktur, bukan hanya potongan-potongan yang terpilih. Variasi seperti HippoRAG mengambil jalur berbeda, menggabungkan grafik dengan Personalized PageRank untuk mencari potongan yang tepat—tetapi ide dasarnya tetap sama: Biarkan hubungan, bukan hanya kesamaan kosinus, menentukan konteks yang dilihat oleh model.

Bukti: Empat Studi, Satu Pola

1. Membaca Secara Global: Kemenangan Utama

Microsoft menguji GraphRAG secara langsung melawan RAG konvensional pada pertanyaan global, “buatlah pemahaman dari seluruh corpus,” menggunakan dataset dengan jutaan token, dengan LLM bertindak sebagai juri dalam tiga aspek: Komprehensivitas, keragaman, dan pemberdayaan.

GraphRAG menang dalam 72 hingga 83% perbandingan komprehensivitas dan 62 hingga 82% dalam perbandingan keragaman melawan RAG vektor. Ringkasan tingkat tertingginya menggunakan hingga 97% lebih sedikit token dibandingkan memproses teks sumber secara langsung.

Ini bukan sekadar perbaikan kecil. Pada jenis pertanyaan yang membuat RAG berbasis potongan teks gagal, grafik menang dalam dua dari tiga kesempatan atau lebih.

2. Pengambilan Multi-Step: Grafik Menemukan yang Terlewat

Bagian kedua dari bukti adalah kualitas pengambilan: Apakah potongan dukungan yang benar masuk ke dalam hasil teratas? Pada benchmark QA multi-step standar (MuSiQue, HotpotQA, 2WikiMultiHopQA), pengambilan yang dipandu grafik meningkatkan Recall@5 secara signifikan:

• Recall@5 rata-rata meningkat dari 73.4% (RAG konvensional) menjadi 87.8% (dipandu grafik), peningkatan +19.6 poin.

• Peningkatan terbesar terjadi pada set dokumen yang paling sulit: +31 poin di MuSiQue dan +28 poin di 2Wiki.

• HippoRAG melaporkan hingga 20% peningkatan akurasi pada QA multi-step, dengan biaya 10–20× lebih rendah dan kecepatan 6–13× lebih cepat dibandingkan metode pengambilan iteratif.

3. Uji Banding yang Terkontrol – di Sini kebenarannya Terungkap

Di sinilah cerita menjadi lebih mendalam. Studi tahun 2025 dari Michigan State dan Meta menjalankan RAG melawan empat keluarga GraphRAG di bawah satu protokol seragam—chunking, embedding, dan generasi yang identik—dan tidak menemukan satu pemenang tunggal. Kedua pendekatan ini saling melengkapi:

• Pada pengambilan fakta tunggal (pertanyaan natural), RAG biasa sedikit unggul (F1 64.8 vs. 63.0 untuk metode grafik terbaik).

• Pada penalaran multi-step (MultiHop-RAG), pengambilan yang dipandu grafik berada di depan (70.3 vs. 67.0 dalam akurasi keseluruhan).

Pelajaran yang bisa diambil: Grafik konteks tidaklah menjadi upgrade universal. Ini adalah upgrade yang khusus dan memberikan manfaat nyata ketika pertanyaan mengharuskan penalaran melintasi berbagai bagian teks.

4. Kapan Menggunakan Grafik: Putusan Tipe Tugas

Benchmark terbaru, GraphRAG-Bench (ICLR 2026), bertujuan untuk menjawab “Dalam skenario apa struktur grafik memberikan manfaat terukur?” Angka akurasi berdasarkan tugas menunjukkan batasan dengan jelas:

• Pengambilan fakta sederhana: Potongan teks 60.9 vs. grafik 60.1—efektif adalah imbang. Struktur grafik justru menjadi beban yang tidak diperlukan dalam kueri ini.

• Pemikiran kompleks: Grafik 53.4 vs. potongan 42.9—ini adalah kemenangan grafik +10 poin.

• Ringkasan kontekstual: Grafik 64.4 vs. potongan 51.3—ini adalah kemenangan grafik +13 poin.

Kartu Nilai

Setelah dibaca dari atas ke bawah, pola yang terlihat jelas: Keunggulan grafik semakin meningkat seiring dengan kedalaman penalaran pertanyaan, sementara potongan teks tetap bertahan pada fakta yang terpisah.

Perhatian: Biaya dan Masalah Penilai LLM

Ada dua caveat yang mencegah ini menjadi kemenangan mutlak, dan mengabaikannya adalah cara tim berakhir kecewa.

Membangun grafik itu mahal. Memanfaatkan LLM untuk mengekstrak entitas dan hubungan dari seluruh corpus bukanlah sebuah langkah yang murah. Salah satu analisis memperkirakan biaya konstruksi indeks sekitar $48 untuk corpus yang sedang, jauh di atas biaya indeks vektor biasa. (Tindak lanjut Microsoft, LazyGraphRAG, menyederhanakan ekstraksi hingga waktu kueri dan mengurangi biaya menjadi sekitar 0.1%—ini mengakui bahwa anggaran awal tidak praktis untuk banyak implementasi.)

Banyak kemenangan dinilai oleh LLM lain—danpenilai LLM cenderung bias. Audit independen menemukan kesalahan sistematis dalam gaya evaluasi ini: bias posisi (mengganti urutan jawaban yang muncul pertama kali dapat memengaruhi tingkat kemenangan lebih dari 30 poin), bias panjang, dan bias percobaan (perbandingan identik sering tidak konsisten di berbagai pengujian). Setelah diperbaiki, salah satu metode populer yang dilaporkan memiliki tingkat kemenangan 66.7% jatuh menjadi sekitar 39%—di bawah garis imbang 50%.

Pelajaran yang bisa diambil bukanlah “penelitian ini salah.” Namun, banyak perolehan besar—seperti akurasi multi-hop yang meningkat 20%, lonjakan recall 15 hingga 30 poin—adalah kenyataan yang solid, sementara margin komprehensivitas yang sempit patut dicermati dengan metrik berbasis referensi.

Jadi, Kapan Harus Menggunakan Grafik Konteks?

Jika dilihat dari hype yang ada, keputusan ini menjadi praktis dan jelas.

Gunakan grafik konteks ketika: Pertanyaan Anda bersifat multi-step, global, atau memerlukan pemahaman keseluruhan; Anda butuh jawaban komprehensif yang beragam; dan corpus Anda saling terhubung dengan baik (perpustakaan riset, berkas kasus, riwayat insiden, basis pengetahuan).

Tetaplah menggunakan potongan teks ketika: Kuery Anda sebagian besar adalah pengecekan fakta tunggal; corpus Anda kecil atau sederhana; dan biaya pengindeksan, latensi, serta kesederhanaan operasional lebih penting daripada sedikit peningkatan kualitas.

Lebih baik lagi, gunakan pendekatan hibrid: Studi sistematis mengarahkan pada rekomendasi yang sama: alokasikan setiap kueri ke metode yang tepat, atau gabungkan bukti dari keduanya. Kombinasi pengambilan grafik dan potongan secara konsisten mengungguli satu sama lain. Anda tidak perlu memilih satu cara; Anda hanya perlu membangun router yang tepat.

Kesimpulan

Grafik konteks bukanlah sihir, dan juga bukan penipuan. Ini adalah alat yang terarah. Berikan pertanyaan yang memerlukan penghubungan fakta-fakta tersebar atau menyintesis seluruh corpus, dan grafik ini akan mengungguli potongan teks secara penting. Tapi jika Anda hanya bertanya “apa nomor telepon di halaman 3,” maka Anda telah membayar untuk pengindeksan yang tidak Anda perlukan.

Tim yang sukses dengan GraphRAG pada tahun 2026 bukanlah yang menggraf semuanya, tetapi mereka yang tahu pertanyaan mana yang pantas menggunakan grafik—dan membangun jalur yang cukup cerdas untuk membedakannya.