Knowledge Graph atau graf pengetahuan adalah struktur data yang merepresentasikan informasi sebagai jaringan yang terdiri dari entitas (node atau simpul, misalnya orang, tempat, atau konsep) dan hubungan (edge atau tepi) yang menghubungkan entitas-entitas tersebut, membentuk peta pengetahuan yang terstruktur dan dapat ditelusuri secara sistematis oleh mesin.
Sebagai ilustrasi, sebuah knowledge graph dapat merepresentasikan fakta seperti "Jakarta" (entitas) memiliki hubungan "adalah ibu kota dari" dengan "Indonesia" (entitas lain), dan "Indonesia" memiliki hubungan "terletak di" dengan "Asia Tenggara". Dengan struktur semacam ini, sistem dapat melakukan penalaran yang lebih kompleks, seperti menjawab pertanyaan yang membutuhkan penelusuran beberapa hubungan sekaligus, bukan sekadar mencocokkan kata kunci sederhana.
Knowledge graph telah lama digunakan oleh mesin pencari besar—Google, misalnya, menggunakan knowledge graph untuk menampilkan kotak informasi ringkas tentang entitas tertentu (seperti tokoh, tempat, atau perusahaan) yang muncul di samping hasil pencarian konvensional, memungkinkan pengguna mendapat jawaban langsung tanpa harus membuka halaman web tertentu.
Dalam konteks AI generatif modern, knowledge graph semakin dilirik sebagai pelengkap untuk model bahasa besar, terutama untuk mengatasi masalah hallucination. Dengan menggabungkan LLM dan knowledge graph—sebuah pendekatan yang kadang disebut GraphRAG—sistem AI dapat memverifikasi klaim yang dihasilkan model terhadap fakta terstruktur yang eksplisit dan dapat diaudit, alih-alih hanya mengandalkan pola statistik yang dipelajari model selama pre-training yang berpotensi tidak akurat.
Knowledge graph juga banyak digunakan dalam aplikasi enterprise untuk memetakan hubungan kompleks antar-entitas bisnis, seperti hubungan antar-produk, pelanggan, dan transaksi, memungkinkan analisis dan sistem rekomendasi yang mempertimbangkan konteks relasional yang jauh lebih kaya dibanding basis data tabular konvensional.