Widhi Yahya
University of Brawijaya and National Central University

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

Perancangan Framework Automasi Jaringan Dengan Pemanfaatan Large Language Model Dan Ansible Untuk Konfigurasi Routing Intra-Domain Multivendor Devy, Maritza Aliyya; Yahya, Widhi; Bakhtiar, Fariz Andri
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 routing intra-domain pada jaringan multivendor masih bergantung pada konfigurasi manual berbasis Command Line Interface (CLI) yang rawan kesalahan dan sulit diskalakan. Kemajuan Large Language Model (LLM) membuka peluang untuk mengotomasi proses tersebut, namun penelitian yang mengintegrasikan LLM dengan automasi berbasis Infrastructure as Code (IaC) untuk routing intra-domain multivendor secara end-to-end masih terbatas. Penelitian ini bertujuan merancang dan mengimplementasikan framework automasi jaringan yang mengintegrasikan LLM dengan Ansible untuk menghasilkan konfigurasi protokol Open Shortest Path First (OSPF) dan Routing Information Protocol (RIP) pada perangkat multivendor di lingkungan simulasi Graphical Network Simulator-3 (GNS3). Framework yang dirancang terdiri dari lima komponen sekuensial, yaitu prompt terstruktur sebagai masukan, model LLM untuk generasi playbook Ansible per vendor, ansible-lint untuk validasi sintaks, Ansible untuk eksekusi konfigurasi, serta mekanisme perbaikan iteratif berbasis umpan balik dengan batas maksimum empat iterasi. Pengujian dilakukan terhadap tiga model LLM, yaitu Claude Sonnet 4.6, GPT-5.4, dan Gemini 3.1 Pro, pada topologi yang melibatkan perangkat Cisco, MikroTik, dan Juniper. Evaluasi mencakup tiga aspek, yaitu intra-domain, multivendor, dan topologi, menggunakan metrik Success Percentage, Number of Attempts, Syntax Error, dan Lint Error. Hasil pengujian menunjukkan Claude Sonnet 4.6 mencapai Success Percentage 100% pada seluruh delapan skenario dengan jumlah iterasi yang konsisten rendah. GPT-5.4 mengalami kegagalan yang terpusat pada platform Juniper JunOS dengan nilai Success Percentage terendah sebesar 20%, sedangkan Gemini 3.1 Pro mengalami kegagalan pada skenario OSPF topologi bus dengan nilai yang sama. Penelitian ini membuktikan bahwa integrasi LLM dan Ansible mampu mengotomasi konfigurasi routing intra-domain multivendor secara efektif, meskipun kinerja antarmodel bervariasi secara signifikan bergantung pada karakteristik kombinasi vendor, protokol, dan topologi jaringan.
Penskalaan dan Penempatan Pod Kubernetes Berdasarkan Distribusi Laju Permintaan pada Lingkungan Distributed Edge Computing Yulia Safitri, Adinda; Suharsono, Aswin; Yahya, Widhi
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

Lingkungan distributed edge computing memungkinkan layanan diproses lebih dekat dengan pengguna melalui beberapa situs edge yang tersebar secara geografis. Namun, perbedaan distribusi permintaan menyebabkan kebutuhan kapasitas layanan pada setiap situs menjadi tidak merata. Mekanisme penskalaan otomatis (Horizontal Pod Autoscaler atau HPA) dan penjadwalan bawaan Kubernetes belum mempertimbangkan distribusi permintaan antar situs, sehingga jumlah dan penempatan pod belum sesuai dengan kebutuhan kapasitas layanan. Penelitian ini mengusulkan mekanisme penskalaan dan penempatan pod Kubernetes berdasarkan distribusi laju permintaan yang datang di tiap situs (incoming RPS). Mekanisme terdiri atas Request-aware Autoscaler berbasis siklus MAPE-K untuk menghitung kebutuhan pod pada setiap situs dan Request-aware Scheduler untuk menempatkan pod sesuai hasil perhitungan tersebut. Evaluasi dilakukan pada klaster Kubernetes yang terdiri atas tiga edge node menggunakan berbagai variasi distribusi beban dan dibandingkan dengan HPA berbasis CPU serta HPA berbasis RPS melalui Prometheus Adapter. Hasil pengujian menunjukkan bahwa mekanisme yang diusulkan menghasilkan distribusi pod yang mengikuti distribusi laju permintaan datang sehingga laju permintaan yang diproses (processed RPS) pada setiap situs lebih selaras dengan incoming RPS dibandingkan kedua mekanisme pembanding. Kondisi ini meningkatkan peluang pemrosesan permintaan pada situs lokal, meskipun waktu respons aplikasi yang dihasilkan tidak berubah secara signifikan. Selain itu, mekanisme menghasilkan rata-rata penggunaan CPU klaster yang lebih rendah pada beberapa skenario beban tidak seimbang.