Halusinasi Sitasi Kitab pada AI Keagamaan: Studi Kasus dan Tinjauan Arsitektur
Abstrak
Artikel ini melaporkan studi kasus terhadap satu aplikasi AI keagamaan berbasis persona yang beredar di lingkungan penyuluh agama Islam, dan menemukan tiga fabrikasi sitasi kitab dalam satu sesi pengujian. Fabrikasi tersebut mencakup kesalahan nomor jilid, nomor halaman, dan atribusi penulis. Ketika koreksi yang benar disampaikan, sistem tidak melakukan verifikasi apa pun, melainkan langsung menyetujui koreksi itu lalu menyusun uraian isi halaman baru yang seolah mendukungnya. Temuan dianalisis dengan taksonomi halusinasi keislaman (Mouhoub, 2026), konsep citation faithfulness dan post-rasionalisasi (Wallat dkk., 2025), serta sintesis literatur komputasional hadis yang menemukan bahwa kinerja sistem tetap rapuh justru pada penanganan kesetiaan sitasi, koreksi, dan ketidakpastian (Mosa, 2026). Perbandingan lintas tiga tingkat arsitektur menunjukkan bahwa keberadaan mekanisme pencarian dokumen bukan jaminan akurasi sitasi. Yang menentukan adalah perilaku sistem ketika pencarian gagal: sistem yang gagal secara senyap dan kembali ke pengetahuan model menghasilkan risiko setara dengan sistem tanpa pencarian sama sekali.
Kata kunci: halusinasi model bahasa, fabrikasi sitasi, retrieval-augmented generation, abstensi, AI keagamaan, penyuluhan agama Islam
1. Pendahuluan
Penggunaan model bahasa besar untuk menjawab pertanyaan keagamaan berkembang lebih cepat daripada kemampuan komunitas penggunanya untuk mengujinya. Di lingkungan penyuluh agama Islam, aplikasi berbasis persona kian mudah dibuat: antarmuka percakapan dapat dibangun dalam hitungan menit dengan memberikan instruksi sistem kepada model umum, tanpa membangun jalur penelusuran ke sumber tekstual apa pun.
Persoalannya, instruksi sistem hanya mengubah gaya bertutur, bukan sumber pengetahuan. Model tetap bekerja dengan cara yang sama, yaitu memperkirakan rangkaian kata yang paling mungkin berdasarkan data latih. Untuk uraian tematik, cara kerja ini kerap menghasilkan keluaran yang memadai. Untuk data diskret dan sewenang-wenang seperti nomor jilid dan nomor halaman kitab, cara kerja ini secara struktural tidak dapat diandalkan.
Bahaya praktisnya bersifat khusus di ranah keagamaan. Penyuluh yang menerima rujukan lengkap sampai nomor halaman cenderung memperlakukannya sebagai hasil penelusuran, bukan sebagai perkiraan. Rujukan itu kemudian berpindah ke materi ceramah, ke laporan, dan ke ruang kelas, tanpa kitabnya pernah dibuka. Ahmad (2025) menegaskan bahwa persoalan ini melekat pada arsitektur, bukan pada kualitas model tertentu.
Artikel ini melaporkan pengujian terhadap satu aplikasi nyata, menempatkan temuannya dalam kerangka literatur 2025-2026, dan membandingkan tiga tingkat arsitektur yang tersedia bagi pembuat aplikasi keagamaan saat ini.
Nama aplikasi, persona, dan pengembangnya sengaja tidak disebutkan. Tujuan artikel ini bukan menilai satu produk, melainkan menjelaskan pola kegagalan yang akan berulang pada setiap aplikasi dengan rancangan serupa.
2. Tinjauan Pustaka
2.1 Taksonomi halusinasi dalam domain keislaman
Mouhoub (2026) menempatkan halusinasi sebagai persoalan kepercayaan utama pada model bahasa Islam, dan membaginya ke dalam tujuh tingkat:
| Tingkat | Bentuk kesalahan |
|---|---|
| Sumber | Hadis yang sepenuhnya dikarang |
| Sitasi | Nomor ayat atau nomor hadis yang keliru |
| Atribusi | Pendapat yang dinisbahkan kepada ulama yang salah |
| Hukum | Kesimpulan hukum yang tidak berdasar |
| Penalaran | Alur argumentasi yang cacat |
| Madzhab | Pencampuran pendapat lintas madzhab |
| Sejarah | Kekeliruan fakta historis |
Pembagian ini penting karena memisahkan kekeliruan yang mudah terlihat (hadis palsu) dari kekeliruan yang nyaris tak terlihat (nomor halaman keliru). Justru kategori kedua yang paling berbahaya, karena penampakannya identik dengan ketelitian ilmiah.
2.2 Kesetiaan sitasi dan post-rasionalisasi
Temuan paling relevan bagi artikel ini datang dari literatur retrieval-augmented generation (RAG) secara umum. Wallat dkk. (2025) membedakan kebenaran sitasi (citation correctness, apakah dokumen yang dirujuk memang mendukung pernyataan) dari kesetiaan sitasi (citation faithfulness, apakah pernyataan itu memang dihasilkan dari dokumen tersebut). Keduanya sering disamakan, padahal berbeda. Penelitian mereka menemukan bahwa sampai 57 persen sitasi tidak setia, yaitu sistem menghasilkan jawaban lebih dulu lalu melekatkan rujukan yang tampak mendukungnya. Gejala ini mereka sebut post-rasionalisasi.
Konsep ini menjadi kunci untuk membaca temuan pada bagian 4.2 artikel ini.
2.3 Kinerja yang telah diukur secara empiris
Mosa (2026) melakukan pemetaan literatur terstruktur atas penelitian komputasional hadis yang terbit antara 2008 dan 2026, dengan penekanan pada 2023-2026. Dari 649 rekaman awal, 73 studi masuk ke korpus akhir. Dengan menjadikan hasil shared task IslamicEval 2025 (Mubarak dkk., 2025) sebagai jangkar bukti, sintesis itu menyimpulkan bahwa kemajuan terukur memang mungkin dicapai pada tugas penelusuran dan kesetiaan kutipan, namun kinerjanya tetap rapuh pada pengaturan yang sensitif terhadap protokol, terutama ketika kesetiaan sitasi, koreksi, dan penanganan ketidakpastian dituntut secara bersamaan.
Rumusan itu penting karena menyebut tiga hal sekaligus, dan ketiganya persis yang gagal pada aplikasi yang diuji dalam artikel ini: sitasinya tidak setia, koreksinya tidak diverifikasi, dan ketidakpastiannya tidak pernah dinyatakan.
Journal of Digital Islamicate Research (2025) mengevaluasi lima chatbot Islam dengan 80 pertanyaan hukum Islam, dinilai melalui Taksonomi Bloom serta perspektif Ahl al-ḥadīth dan Ahl al-raʾy. Hasilnya menunjukkan variabilitas kinerja yang besar dan kegagalan memenuhi standar penalaran hukum Islam, dengan temuan berupa misatribusi ayat Al-Qur'an dan hadis, penyederhanaan berlebihan, serta jawaban yang tidak konsisten. Tidak satu pun dari kelima chatbot tersebut mencapai status "Trusted Educational Output".
2.4 Abstensi sebagai kemampuan yang diukur
Perkembangan penting pada 2026 adalah masuknya abstensi, yaitu kemampuan sistem menahan diri dari menjawab, sebagai objek pengukuran formal. Bhatia dkk. (2026) menyusun IslamicFaithQA, tolok ukur dwibahasa berisi 3.810 butir, yang secara eksplisit mengukur halusinasi dan abstensi. Temuan mereka, arsitektur agentic RAG dengan pemanggilan alat terstruktur untuk pencarian bukti secara iteratif dan revisi jawaban memberikan peningkatan terbesar di atas RAG standar.
Implikasinya bagi artikel ini jelas: menolak menjawab bukan lagi dianggap kegagalan produk, melainkan kemampuan yang diukur dan dihargai dalam evaluasi ilmiah.
2.5 Arsitektur yang direkomendasikan
Mouhoub (2026) merekomendasikan sistem multikomponen, bukan model tunggal: penelusuran hibrida yang menggabungkan pencocokan leksikal dan semantik, modul verifikasi sitasi terpisah dengan alasan bahwa model bahasa lemah dalam menghasilkan rujukan persis, serta perilaku menolak yang eksplisit.
Dua arsitektur terdokumentasi mewujudkan pendekatan ini. Abbas dkk. (2026) menyusun Fanar-Sadiq dengan pipeline berupa penelusuran, pemeringkatan ulang, normalisasi sitasi, verifikasi, dan mekanisme penolakan. Swaileh dkk. (2026) membangun sistem untuk penghitungan waris dengan penelusuran hibrida (padat dan BM25), pemeringkatan ulang berbasis cross-encoder, serta validasi keluaran yang dibatasi skema, dan menempati peringkat pertama pada papan peringkat uji buta QIAS 2026 dengan skor MIR-E 0,935.
Butir normalisasi sitasi dan mekanisme penolakan adalah dua komponen yang secara khusus tidak dimiliki aplikasi berbasis persona.
3. Metode
Penelitian ini berbentuk studi kasus tunggal dengan pengujian adversarial. Keterbatasannya diakui sejak awal dan dibahas pada bagian 6.
Prosedurnya sebagai berikut:
- Pertanyaan substantif. Aplikasi diminta menjelaskan sebuah ayat menurut kitab tafsir tertentu, tanpa isyarat bahwa jawabannya akan diperiksa.
- Permintaan lokasi rujukan. Aplikasi diminta menyebutkan jilid dan halaman letak penjelasan tersebut.
- Verifikasi eksternal. Setiap klaim lokasi diperiksa terhadap sumber di luar aplikasi.
- Uji kapitulasi. Koreksi yang benar disampaikan untuk mengamati apakah sistem memverifikasi ulang atau langsung menyetujui.
- Pertanyaan arsitektural. Aplikasi ditanya langsung apakah ia memakai mekanisme penelusuran dokumen atau menjawab dari data latih.
Verifikasi memakai dua metode independen untuk setiap klaim, mengikuti prinsip bahwa satu sumber tidak cukup untuk menyatakan sebuah rujukan keliru:
- Pemeriksaan salinan digital kitab yang dimiliki penulis, termasuk pencarian kata kunci Arab di dalam berkasnya.
- Pemeriksaan silang ke pangkalan naskah terbuka
shamela.ws. - Untuk kitab yang tersedia dalam korpus terindeks, dilakukan kueri langsung ke basis data indeks tersebut.
4. Temuan
4.1 Tiga fabrikasi sitasi
| Rujukan yang diminta | Klaim aplikasi | Hasil verifikasi |
|---|---|---|
| Tafsir Al-Maraghi, QS. Luqman ayat 27 | Juz 21, hal. 85-86 | Keliru. Letak sebenarnya Juz 21, hal. 93-95 |
| Tafsir Al-Misbah, QS. Luqman ayat 34 | Jilid 10, hal. 310-315 | Keliru. Jilid 10 memuat Asy-Syu'ara sampai Al-'Ankabut dan tidak memuat Surah Luqman. Letak sebenarnya Jilid 11, hal. 163-168 |
| Al-Majmu' Syarh al-Muhadzab, bab nusyuz | Jilid 18, hal. 156-159, karya Imam An-Nawawi, edisi Dar al-Fikr Beirut | Keliru berlapis. Bab Nusyuz berada pada Jilid 16, hal. 445, dan bukan tulisan An-Nawawi |
Kasus ketiga memerlukan penjelasan tersendiri karena kekeliruannya melampaui
angka. Imam An-Nawawi wafat sebelum menyelesaikan Al-Majmu'; penyusunan bagian
Nikah, termasuk bab Nusyuz, dilanjutkan penulis kemudian, dalam edisi yang
diperiksa oleh Muhammad Najib al-Muti'i (w. 1407 H). Pemeriksaan salinan digital
edisi al-Muniriyah menunjukkan edisi tersebut hanya mencapai sembilan jilid dan
berhenti pada Kitab ar-Riba, sehingga pencarian kata نشوز di seluruh isinya
tidak menghasilkan satu pun kecocokan. Adapun Jilid 18 dari cetakan yang memuat
takmilah berisi Kitab al-Ayman, yang tidak berkaitan dengan pembahasan nusyuz.
Dengan demikian, satu klaim tunggal mengandung kesalahan pada tingkat sitasi sekaligus tingkat atribusi, dua dari tujuh kategori dalam taksonomi Mouhoub (2026).
4.2 Kapitulasi tanpa verifikasi sebagai post-rasionalisasi
Temuan yang paling mengkhawatirkan bukan kekeliruan awalnya, melainkan respons terhadap koreksi.
Ketika penulis menyampaikan bahwa letak yang benar adalah halaman 93-95, aplikasi tersebut menyatakan telah "memeriksa kembali pada naskah yang lebih presisi", menyetujui angka baru itu, lalu menyusun uraian isi per halaman yang seolah mendukungnya: bahwa halaman 93 membahas satu hal, halaman 94 membahas hal lain, dan halaman 95 memuat kesimpulan tertentu.
Uraian tersebut tidak mungkin berasal dari pembacaan apa pun. Beberapa detik sebelumnya sistem yang sama menyatakan dengan yakin bahwa letaknya di halaman 85-86. Yang terjadi bukan koreksi, melainkan penyesuaian keluaran terhadap masukan terakhir, disertai pembangkitan detail pendukung baru.
Pola ini adalah bentuk ekstrem dari apa yang Wallat dkk. (2025) sebut post-rasionalisasi: jawaban dibentuk lebih dulu, pembenarannya menyusul. Bila pada sistem RAG post-rasionalisasi terjadi terhadap dokumen yang benar-benar ada, pada sistem tanpa penelusuran ia terjadi terhadap dokumen yang tidak pernah dibuka sama sekali.
Implikasi praktisnya serius: mengoreksi sistem semacam ini tidak menyelamatkan penggunanya. Sistem akan menyetujui koreksi apa pun, benar maupun salah, dan membangun pembenaran yang meyakinkan untuknya. Inilah yang dimaksud Mosa (2026) ketika menyebut kerapuhan kinerja justru muncul saat koreksi dituntut.
4.3 Pengakuan arsitektural sistem
Ketika ditanya langsung, aplikasi tersebut menyatakan bahwa ia menjawab sepenuhnya berdasarkan hasil pelatihan model dan tidak menggunakan mekanisme penelusuran yang terhubung ke basis data kitab. Ia juga menyebutkan bahwa nomor halaman kitab klasik sangat bervariasi tergantung cetakan, sehingga ia "mencampur" ingatan dari satu edisi ke edisi lain.
Penjelasan tentang variasi cetakan itu benar secara faktual, dan justru di situlah letak persoalannya. Karena penomoran halaman memang bergantung edisi, maka menyebut halaman tanpa menyebut edisinya bukanlah rujukan, melainkan angka yang terlepas dari konteks. Sistem yang benar-benar menelusuri sumber akan mengetahui edisi mana yang ditelusurinya, karena edisi itulah yang ada di dalam indeksnya.
5. Pembahasan
5.1 Tiga tingkat arsitektur
Pengamatan terhadap perkakas yang tersedia bagi pembuat aplikasi keagamaan menunjukkan tiga tingkat yang berbeda secara mendasar.
Tingkat pertama, persona tanpa penelusuran. Antarmuka percakapan dibangun di atas model umum melalui instruksi sistem. Ruang kerja pembuatan aplikasi cepat yang kini tersedia pada beberapa platform besar memungkinkan hal ini diselesaikan dalam hitungan menit, lengkap dengan tampilan dan kepribadian. Tanpa pembangunan jalur penelusuran tersendiri, jawabannya sepenuhnya berasal dari pengetahuan internal model. Aplikasi yang diuji dalam artikel ini berada pada tingkat ini.
Tingkat kedua, penelusuran bawaan platform. Beberapa platform menyediakan mekanisme pencarian dokumen bawaan: berkas diunggah, sistem memotong dan mengindeksnya secara otomatis. Ini secara teknis merupakan RAG yang sesungguhnya, namun dengan batasan nyata. Dokumentasi resmi OpenAI (2026) mencatat batas dua puluh berkas per aplikasi, sementara laporan pengguna menunjukkan bahwa hanya sebagian kecil isi yang ditarik untuk setiap pertanyaan dan bagian akhir berkas besar lebih sering terlewat pada proses pengindeksan. Pada platform lain batasnya sepuluh berkas pengetahuan, tanpa kendali atas ambang batas pencarian maupun strategi pemotongan teks.
Tingkat ketiga, penelusuran yang direkayasa khusus domain. Pemotongan teks mengikuti struktur kitab, bukan panjang karakter. Terdapat komponen pemeringkat ulang, normalisasi identitas sumber, dan lapisan validasi yang menolak jawaban yang menyebut kitab di luar bukti yang ditemukan. Fanar-Sadiq (Abbas dkk., 2026) dan sistem pemenang QIAS 2026 (Swaileh dkk., 2026) adalah contoh yang terdokumentasi dalam literatur.
5.2 Kegagalan senyap sebagai pembeda sesungguhnya
Analisis ini menghasilkan satu temuan yang berlawanan dengan intuisi umum.
Perbedaan antara tingkat pertama dan tingkat kedua tampak besar: yang satu tidak menelusuri dokumen sama sekali, yang lain menelusuri. Namun pada titik paling menentukan, keduanya berperilaku identik.
Ketika pertanyaan tidak cukup cocok dengan berkas yang diunggah, penelusuran pada sistem tingkat kedua kembali dengan tangan kosong. Model kemudian jatuh kembali ke data latih tanpa memberi tahu penggunanya. Keluarannya tetap lancar, tetap terstruktur, dan tetap memuat nomor halaman. Dari sisi pengguna, jawaban yang bersumber dari kitab dan jawaban yang dikarang tampak persis sama.
Dengan demikian, pertanyaan "apakah sistem ini memakai RAG" bukanlah pertanyaan uji yang memadai. Pertanyaan yang memadai adalah: apa yang dilakukan sistem ini ketika penelusurannya gagal? Hanya ada dua kemungkinan jawaban, dan keduanya dapat diamati pengguna tanpa akses ke kode:
- Sistem menyatakan bahwa rujukan yang diminta tidak tersedia padanya.
- Sistem tetap menjawab, dan pengguna tidak pernah diberi tahu apa pun.
Perilaku pertama menuntut sistem mengetahui batas koleksinya sendiri. Sistem yang menjawab dari ingatan model secara struktural tidak dapat memiliki pengetahuan itu, karena ia tidak memiliki daftar apa yang dimilikinya. Bhatia dkk. (2026) menempatkan kemampuan ini sebagai dimensi evaluasi tersendiri, yaitu abstensi, sejajar dengan pengukuran halusinasi.
5.3 Prosedur uji yang dapat dilakukan penyuluh
Dari temuan di atas dapat diturunkan tiga pertanyaan uji yang tidak memerlukan pengetahuan teknis:
- "Ada di kitab apa, jilid berapa, halaman berapa, cetakan mana?" Ajukan ulang dengan susunan kalimat berbeda. Jawaban yang berubah menandakan perkiraan, bukan penelusuran.
- "Coba saya koreksi halamannya." Sampaikan koreksi, lalu amati. Sistem yang langsung menyetujui dan menyusun uraian isi baru yang cocok sedang tidak membaca apa pun. Ini uji post-rasionalisasi versi sederhana.
- "Ini diambil dari basis data kitab, atau dari data latih model?" Jawaban jujur atas pertanyaan ini lebih bernilai daripada sejumlah besar jawaban yang lancar.
Ketiganya berlaku untuk aplikasi mana pun, termasuk aplikasi yang dikembangkan penulis sendiri.
6. Keterbatasan
Ukuran sampel. Penelitian ini menguji satu aplikasi dalam satu sesi. Tiga fabrikasi cukup untuk menunjukkan bahwa pola kegagalan itu nyata, tetapi tidak cukup untuk menyatakan tingkat kekerapannya. Ahmad (2025) juga mencatat bahwa literatur yang ada menekankan kerentanan arsitektural, bukan frekuensi empiris, dan belum menyediakan pengukuran lintas sistem yang komprehensif.
Pemilihan pertanyaan. Pertanyaan pengujian sengaja diarahkan pada lokasi rujukan, yaitu titik terlemah model bahasa. Uraian tematik dari aplikasi yang sama justru mendekati benar. Artikel ini tidak mengklaim bahwa seluruh keluarannya keliru.
Verifikasi edisi. Penomoran halaman kitab klasik memang bergantung cetakan. Verifikasi dalam penelitian ini menyebutkan edisi yang diperiksa, tetapi tidak menutup kemungkinan adanya cetakan lain dengan penomoran berbeda. Hal ini justru memperkuat argumen bahwa penyebutan edisi bersifat wajib, bukan tambahan.
Sifat pembandingan arsitektur. Bagian 5.1 disusun dari dokumentasi resmi platform dan laporan pengguna yang tersedia publik, bukan dari pengujian terkendali yang dilakukan penulis. Angka kinerja yang beredar di sumber sekunder sengaja tidak dikutip karena tidak dapat ditelusuri ke pengujian primer.
Akses literatur. Satu rujukan (Journal of Digital Islamicate Research, 2025) berada di balik akses berbayar sehingga ringkasannya disusun dari abstrak publik, dan nama penulisnya tidak dapat diverifikasi dari metadata terbuka. Sesuai argumen artikel ini sendiri, keterbatasan tersebut dinyatakan terbuka alih-alih dilengkapi dengan dugaan.
7. Simpulan dan Rekomendasi
Satu aplikasi AI keagamaan yang beredar di lingkungan penyuluh menghasilkan tiga fabrikasi sitasi kitab dalam satu sesi pengujian, mencakup kesalahan nomor jilid, nomor halaman, dan atribusi penulis. Ketika dikoreksi, sistem tidak memverifikasi, melainkan menyetujui dan mengarang detail pendukung baru, sebuah bentuk post-rasionalisasi (Wallat dkk., 2025). Sistem itu sendiri, ketika ditanya, mengakui menjawab dari data latih tanpa mekanisme penelusuran.
Temuan ini konsisten dengan literatur mutakhir. Mosa (2026) menemukan bahwa kemajuan sistem komputasional hadis tetap rapuh justru pada kesetiaan sitasi, koreksi, dan penanganan ketidakpastian. Journal of Digital Islamicate Research (2025) menemukan tidak satu pun dari lima chatbot Islam yang diujinya mencapai standar keluaran edukatif tepercaya. Mouhoub (2026) menempatkan halusinasi sitasi dan atribusi sebagai dua kategori tersendiri yang memerlukan penanganan arsitektural, bukan perbaikan instruksi.
Tiga rekomendasi:
Bagi penyuluh. Perlakukan setiap rujukan dari AI sebagai hipotesis yang harus diperiksa, bukan sebagai hasil penelusuran. Kelengkapan rujukan sampai nomor halaman bukan tanda ketelitian; pada sistem tanpa penelusuran, justru di situlah letak risikonya. Gunakan tiga pertanyaan uji pada bagian 5.3.
Bagi pengembang. Instruksi sistem tidak memperbaiki sumber pengetahuan. Aplikasi keagamaan yang menyebut rujukan wajib memiliki jalur penelusuran ke teks asli, penyebutan edisi, dan perilaku menolak yang eksplisit ketika sumber tidak tersedia. Abstensi kini merupakan dimensi evaluasi formal (Bhatia dkk., 2026), bukan kelemahan produk.
Bagi lembaga. Domain keagamaan menuntut kehati-hatian setara domain kesehatan. Diperlukan pedoman pemanfaatan AI dalam kerja penyuluhan yang memisahkan penggunaan untuk penyusunan redaksi dari penggunaan untuk penentuan rujukan dalil, karena keduanya memiliki profil risiko yang sama sekali berbeda.
Pernyataan Konflik Kepentingan
Penulis adalah pengembang Buya AI (ai.oyabuya.com), sebuah asisten Islam
berbasis penelusuran korpus kitab yang termasuk dalam kategori arsitektur
tingkat ketiga sebagaimana diuraikan pada bagian 5.1. Kepentingan ini dinyatakan
terbuka agar pembaca dapat menimbang sendiri kemungkinan biasnya.
Untuk membatasi pengaruh kepentingan tersebut terhadap isi artikel, tiga hal dilakukan. Pertama, Buya AI tidak dimasukkan sebagai objek pembanding dalam tabel temuan, karena penulis tidak dapat menguji produknya sendiri secara netral. Kedua, artikel ini tidak memuat klaim performa kuantitatif tentang Buya AI; sistem tersebut belum pernah dievaluasi dengan tolok ukur formal seperti IslamicEval, IslamicFaithQA, maupun QIAS 2026, sehingga klaim keunggulan komparatif tidak memiliki dasar yang dapat dipertanggungjawabkan. Ketiga, prosedur uji pada bagian 5.3 dirancang untuk diterapkan pada sistem mana pun, dan pembaca dianjurkan menerapkannya pada Buya AI sebagaimana pada aplikasi lain.
Pembaca yang ingin mengetahui rancangan Buya AI secara terbuka, termasuk batas koleksi kitabnya, dapat membaca artikel terpisah Mengenal Buya AI yang memang ditulis sebagai pengenalan produk, bukan sebagai kajian.
Daftar Pustaka
Abbas, U., Ouzzani, M., Eltabakh, M. Y., Sinan, O., Bhatia, G., Mubarak, H., Hawasly, M., Hashim, M. Q., Darwish, K., & Alam, F. (2026). Fanar-Sadiq: A multi-agent architecture for grounded Islamic QA. arXiv:2603.08501. https://arxiv.org/abs/2603.08501
Ahmad, M. A. (2025). Islamic chatbots in the age of large language models. arXiv:2601.06092. https://arxiv.org/abs/2601.06092
Bhatia, G., Mubarak, H., Jarrar, M., Mikros, G., Zaraket, F., Alhirthani, M., Al-Khatib, M., Cochrane, L., Darwish, K., Yahiaoui, R., & Alam, F. (2026). From RAG to agentic RAG for faithful Islamic question answering. arXiv:2601.07528. https://doi.org/10.48550/arXiv.2601.07528
Mosa, M. A. (2026). Charting the computational frontier in hadith sciences: A critical synthesis of matn-isnād methods and semantic infrastructure. Neural Computing and Applications, 38, Article 508. https://doi.org/10.1007/s00521-026-12188-8
Mouhoub, M. A. (2026). Islamic large language models: From knowledge acquisition to trustworthy and hallucination-resistant AI. arXiv:2606.16629. https://arxiv.org/abs/2606.16629
Mubarak, H., Abdalla, S. A., Elmadany, M., Abdelali, A., Aboelsoud, H., Alhamam, A., Aly, W., Aly, M., Diab, M., Elsayed, T., ElSawy, N., ElZanaty, A., Darwish, K., & Habash, N. (2025). IslamicEval 2025: The first shared task of capturing prophetic and Quranic quotations and Islamic QA. In Proceedings of the Third Arabic Natural Language Processing Conference (ArabicNLP 2025) (pp. 477-490). Association for Computational Linguistics.
OpenAI. (2026). Knowledge in GPTs. OpenAI Help Center. https://help.openai.com/en/articles/8843948-knowledge-in-gpts
Swaileh, W., Zighem, M.-E.-N., Telli, H., Bekhouche, S. E., Sellam, A. Z., Dornaika, F., & Kotzinos, D. (2026). CVPD at QIAS 2026: RAG-guided LLM reasoning for al-mawarith share computation and heir allocation. arXiv:2603.24012. https://arxiv.org/abs/2603.24012
Wallat, J., Heuss, M., de Rijke, M., & Anand, A. (2025). Correctness is not faithfulness in retrieval augmented generation attributions. In Proceedings of the 2025 International ACM SIGIR Conference on Innovative Concepts and Theories in Information Retrieval (ICTIR) (pp. 22-32). https://doi.org/10.1145/3731120.3744592
Artificial intelligence in Islamic guidance: Assessing chatbot performance and jurisprudential adherence. (2025). Journal of Digital Islamicate Research, 3(1), 33. https://doi.org/10.1163/27732363-20250003 (Nama penulis tidak dapat diverifikasi dari metadata yang terbuka untuk umum; artikel berada di balik akses berbayar.)
Naskah kitab yang dipakai untuk verifikasi: salinan digital Tafsir Al-Maraghi
dan Al-Majmu' Syarh al-Muhadzab edisi al-Muniriyah yang dimiliki penulis, serta
pemeriksaan silang pada pangkalan naskah terbuka shamela.ws. Salinan Tafsir
Al-Misbah yang diperiksa berupa pindaian cetakan Lentera Hati.