Claim Missing Document
Check
Articles

Found 1 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.