Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengembangan Sistem Pendukung Keputusan FinOps untuk Optimasi Biaya AWS Menggunakan Integrasi Random Forest dan Large Language Models (Studi Kasus: PT Jalin Mayantara) Raditya Anwar, Diyang; Prakoso, Bondan Sapta; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan biaya layanan cloud Amazon Web Services (AWS) membutuhkan visibilitas dan interpretasi data yang memadai untuk membantu organisasi mengidentifikasi area pengeluaran yang perlu ditinjau. Penelitian ini bertujuan mengembangkan purwarupa sistem pendukung keputusan FinOps yang mengintegrasikan algoritma Random Forest dan Large Language Models (LLM) untuk mengestimasi biaya AWS serta menyajikan hasil analisis dalam bentuk narasi. Penelitian menggunakan Design Science Research sebagai kerangka pengembangan artefak dan Machine Learning Process Model sebagai acuan pengembangan model. Data yang digunakan berupa data billing AWS PT Jalin Mayantara periode 1-16 Februari 2025. Data dipisahkan secara kronologis menjadi data latih periode 1-13 Februari dan data uji periode 14-16 Februari. Proses pengkodean fitur kategorikal dibentuk hanya dari data latih untuk mengurangi risiko kebocoran data. Evaluasi model menghasilkan MSE sebesar 0.000028 dan RMSE sebesar 0.005306 pada data uji, sedangkan validasi silang deret waktu menghasilkan rata-rata MSE sebesar 0.004797 dan RMSE sebesar 0.044164. Model kemudian diintegrasikan ke dalam purwarupa berbasis Streamlit bersama visualisasi biaya dan LLM untuk menghasilkan insight naratif. Evaluasi terhadap empat pengguna menggunakan System Usability Scale menghasilkan skor rata-rata 57.5. Hasil tersebut menunjukkan bahwa purwarupa telah menjalankan fungsi utama, tetapi tingkat kebergunaannya masih memerlukan penyempurnaan.