DahonoLabs/Indonesian-Legal-Reasoning-QA

Indonesian Legal Reasoning & Instruction QA Dataset (ID-Legal-Reasoning-QA)

Repositori ini memuat dataset resmi instruksi penalaran hukum (Chain-of-Thought Legal Reasoning) berdaulat Indonesia yang dikurasi dan dipublikasikan oleh Dahono Labs (PT Dahono Consulting Agency).

Dataset ini dirancang khusus untuk memfasilitasi pelatihan terarah (Supervised Fine-Tuning / SFT), penyelarasan preferensi (RLHF / GRPO / DPO), serta evaluasi tolok ukur (benchmarking) model bahasa besar (LLM) pada domain hukum positif Republik Indonesia.

1. Ikhtisar & Latar Belakang

Komunitas kecerdasan buatan di Indonesia menghadapi keterbatasan signifikan terkait ketersediaan dataset hukum yang memiliki ketepatan doktrinal, bebas halusinasi, dan berakar pada naskah regulasi resmi negara. Mayoritas dataset hukum sintetis yang beredar dibuat secara bebas (ungrounded) tanpa menyertakan nomor lembaran negara, tanpa rujukan pasal autentik, dan tanpa memperhatikan asas keberlakuan hukum (lex posterior derogat legi priori).

DahonoLabs/Indonesian-Legal-Reasoning-QA hadir untuk mengatasi kesenjangan tersebut melalui pendekatan Grounded Synthetic Data Generation (Grounded SDG):

• —Berakar pada Dokumen Hukum Positif: Setiap sampel ditautkan secara langsung ke pasal-pasal aktif dalam basis data regulasi Dahono Labs.
• —Penalaran Silogisme Yuridis (Chain-of-Thought): Menyajikan alur pemikiran analitis bertahap di dalam blok <think>...</think> (Fakta Hukum -> Unsur Pasal -> Subsumsi Yuridis -> Rekomendasi/Konklusi) sebelum menghasilkan jawaban akhir.
• —Kepatuhan Format ChatML Standar: Kompatibel secara langsung dengan framework pelatihan modern seperti Hugging Face TRL, Unsloth, dan Llama-Factory.

2. Struktur & Skema Kolom Data

Dataset disediakan dalam format Apache Parquet dan JSONL dengan skema kolom terstruktur:

Contoh Sampel Data:

{
  "id": "dahono-legal-0001",
  "topik": "Hukum Ketenagakerjaan & Hubungan Industrial",
  "peraturan_rujukan": "Peraturan Pemerintah No. 35 Tahun 2021",
  "pasal_terkait": "Pasal 15 ayat (1) dan ayat (3)",
  "status_regulasi": "Berlaku",
  "pertanyaan": "Apakah pekerja kontrak PKWT yang mengundurkan diri sebelum jangka waktu kontraknya habis tetap berhak mendapatkan uang kompensasi?",
  "konteks_hukum": "[PP No. 35 Tahun 2021 - Pasal 15]\n(1) Pengusaha wajib memberikan uang kompensasi kepada Pekerja/Buruh yang hubungan kerjanya berdasarkan PKWT...\n(3) Apabila salah satu pihak mengakhiri hubungan kerja sebelum berakhirnya jangka waktu yang ditetapkan dalam PKWT, pengusaha wajib memberikan uang kompensasi...",
  "reasoning_cot": "1. Identifikasi hubungan kerja para pihak (PKWT berdasar PP 35/2021).\n2. Analisis kewajiban pemberian uang kompensasi pada Pasal 15 ayat (1).\n3. Telaah akibat pengakhiran sebelum jangka waktu berakhir (Pasal 15 ayat 3): Meskipun inisiatif berasal dari pekerja (resign), pengusaha tetap berkewajiban membayarkan uang kompensasi proporsional atas masa kerja riil yang telah diselesaikan.",
  "jawaban_resmi": "Berdasarkan Pasal 15 ayat (3) PP No. 35 Tahun 2021 juncto Pasal 61A UU Ketenagakerjaan, pekerja kontrak PKWT yang hubungan kerjanya berakhir sebelum waktu yang diperjanjikan tetap berhak memperoleh uang kompensasi atas masa kerja yang telah dijalani...",
  "dasar_hukum": [
    "PP No. 35 Tahun 2021",
    "UU No. 13 Tahun 2003 juncto UU No. 6 Tahun 2023"
  ]
}

3. Cara Penggunaan (Quickstart)

Menggunakan Hugging Face Datasets Library (Python):

from datasets import load_dataset

# Memuat dataset resmi Dahono Labs
dataset = load_dataset("DahonoLabs/Indonesian-Legal-Reasoning-QA")

# Menampilkan informasi split
print(dataset)
# Output: DatasetDict({ train: 4500 rows, test: 500 rows })

# Mengakses sampel data
sample = dataset["train"][0]
print("Topik:", sample["topik"])
print("Pertanyaan:", sample["pertanyaan"])
print("Penalaran CoT:", sample["reasoning_cot"])
print("Jawaban:", sample["jawaban_resmi"])

Menggunakan untuk Fine-Tuning Llama-Factory / Unsloth (ChatML):

Kolom messages telah diformat sesuai standar ChatML OpenAI/Hugging Face:

train_data = dataset["train"]
sample_messages = train_data[0]["messages"]
# Siap langsung digunakan pada SFTTrainer atau TRL DPOTrainer

4. Distribusi Data & Cakupan Hukum

Dataset terbagi secara proporsional ke dalam pilar hukum positif utama di Indonesia:

1. 1.Hukum Ketenagakerjaan: PP No. 35 Tahun 2021, UU No. 13 Tahun 2003 jo. UU No. 6 Tahun 2023 (PKWT, Kompensasi, Pesangon, PHK, Lembur).
2. 2.Hukum Perdata & Perikatan: KUHPerdata / Burgerlijk Wetboek (Syarat Sah Kontrak Pasal 1320, Wanprestasi Pasal 1243, Somasi Pasal 1238, Bunga Moratoir Staatsblad 1848:22).
3. 3.Hukum Perlindungan Data Pribadi & Siber: UU No. 27 Tahun 2022 (PDP) & UU No. 1 Tahun 2024 (ITE).
4. 4.Hukum Pidana: KUHP Baru (UU No. 1 Tahun 2023) dan KUHAP (Asas Legalitas, Delik Aduan, Daluwarsa Penuntutan).
5. 5.Hukum Perseroan Terbatas: UU No. 40 Tahun 2007 (Tanggung Jawab Direksi, Piercing the Corporate Veil, RUPS).

5. Hubungan dengan Platform Dahono Labs & Akses API Penuh

Dataset ini merupakan subset kurasi instruksi terbuka yang dirilis untuk kemajuan riset kecerdasan buatan di Indonesia.

Bagi pengembang, institusi, maupun korporasi yang membutuhkan akses langsung ke seluruh basis data 227.000+ chunks regulasi nasional secara real-time dengan integrasi vector search dan retrieval augmented generation (RAG):

• —Pendaftaran Akun & API Key Resmi (Tersedia Paket Gratis): https://labs.dahono.com
• —Layanan Korporat & Konsultasi AI Enterprise: https://dahono.com
• —Demo Interaktif Model Dahono-4B: https://huggingface.co/spaces/DahonoLabs/Dahono-4B-Demo
• —Repositori Model Dahono-4B: https://huggingface.co/DahonoLabs/Dahono-4B
• —Dataset Glosarium Hukum (1.771 Istilah): https://huggingface.co/datasets/DahonoLabs/Indonesian-Legal-Glossary

6. Lisensi & Atribusi

Dataset ini didistribusikan di bawah lisensi terbuka Creative Commons Attribution 4.0 International (CC BY 4.0). Anda diizinkan untuk menyalin, mendistribusikan, memodifikasi, dan membangun karya turunan (termasuk untuk tujuan komersial) dengan kewajiban mencantumkan atribusi resmi ke pencipta.

Format Sitasi BibTeX:

@dataset{dahono2026legalqa,
  title={Indonesian Legal Reasoning and Instruction QA Dataset},
  author={Armiko Dahono and Dahono Labs Team},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/datasets/DahonoLabs/Indonesian-Legal-Reasoning-QA}},
  organization={PT Dahono Consulting Agency}
}