<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Pengembangan Sistem Pendukung Keputusan Pengelolaan Operasional Aset TI Berbasis Large Language Model (Studi Kasus: BSI UII)

Loading...
Thumbnail Image

Date

Journal Title

Journal ISSN

Volume Title

Publisher

Universitas Islam Indonesia

DOI

Abstract

Badan Sistem Informasi (BSI) Universitas Islam Indonesia (UII) mengelola aset teknologi informasi dalam jumlah besar dengan pendekatan manual yang mengandalkan tracking kondisi berkala dan keputusan berbasis intuisi operator. Pendekatan ini menghadapi tantangan dalam konsistensi evaluasi kondisi aset, kecepatan pengambilan keputusan alokasi, serta efisiensi penggunaan konteks Large Language Model (LLM) untuk analisis kontekstual. Sebagai solusi atas permasalahan tersebut, dikembangkan sistem pendukung keputusan pengelolaan operasional aset TI berbasis LLM dengan tiga fitur utama AI Assign Recommendation untuk rekomendasi alokasi aset, AI Asset Insight untuk interpretasi kondisi aset, dan AI Health Evaluation untuk evaluasi kesehatan aset. Sistem ini mengadopsi format Token-Oriented Object Notation untuk mengoptimalkan representasi konteks data tabular sebelum diproses oleh LLM. Pengembangan sistem dilakukan dengan pendekatan Design Science Research yang terdiri dari tiga iterasi desain untuk mengoptimasi representasi konteks, evaluasi kesehatan, dan mekanisme caching. Pengujian sistem meliputi pengujian fungsional, limited load test, fault injection, evaluasi kualitas keluaran AI menggunakan domain-based expert agreement evaluation dengan pasangan evaluator sesuai domain, serta evaluasi dukungan keputusan berbasis umpan balik operator. Hasil penelitian menunjukkan bahwa sistem beroperasi pada ruang uji terbatas dengan validitas struktur keluaran AI mencapai 26/26 kasus, 14 dari 15 kombinasi fitur-aspek memperoleh percent agreement 1,000, dan fault injection terhadap tiga fitur AI menghasilkan 45 uji tanpa kegagalan fatal pada skenario terbatas. Penggunaan TOON juga menghasilkan rata-rata reduksi token 49,8% dibanding JavaScript Object Notation pada konteks data ITAM penelitian ini. Sistem ini diposisikan sebagai artefak awal yang tidak menggantikan keputusan manusia, melainkan menyediakan rekomendasi, insight, dan evaluasi kesehatan aset yang tetap memerlukan verifikasi operator, serta diharapkan memberikan kontribusi pada pengembangan sistem pendukung keputusan berbasis kecerdasan buatan untuk aplikasi operasional.

Description

Citation

Endorsement

Review

Supplemented By

Referenced By