<![CDATA[Peningkatan adopsi Agent AI dalam otomatisasi alur kerja dan peningkatan produktivitas mendorong kebutuhan akan pemilihan framework pengembangan yang tepat. Namun, pemilihan framework Agent AI merupakan keputusan strategis jangka panjang yang kompleks. Kesalahan dalam memilih dengan hanya melakukan proses seleksi yang tidak sistematis dan hanya bersifat subjektif dan bias, dapat menyebabkan terjadinya pembengkakan biaya, kegagalan proyek, serta risiko terhadap keamanan data. Penelitian ini bertujuan untuk mengusulkan pendekatan pemilihan framework Agent AI yang lebih objektif dan terstruktur dengan menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), metode yang memungkinkan evaluasi multi-kriteria secara kuantitatif dengan menentukan alternatif terbaik dari sejumlah alternatif berdasarkan kedekatannya terhadap Solusi ideal. Terdapat Lima framework terkemuka—AutoGen, CrewAI, LangChain & LangGraph, LLAMA, dan Semantic Kernel—alternatif yang akan dievaluasi berdasarkan lima kriteria utama: Kompleksitas (Cost), Privasi & Keamanan Data, Kemudahan Penggunaan, Integrasi, serta Performa dan Skalabilitas. Hasil penelitian menunjukkan bahwa LLAMA memperoleh skor tertinggi (0,584), diikuti oleh Semantic Kernel (0,579), LangChain & LangGraph (0,556), AutoGen (0,485), dan CrewAI (0,364). LLAMA direkomendasikan dilihat dari kriteria performa dan keamanan. Kata kunci:Agent AI, TOPSIS, Pemilihan Framework]]>
Copyrights © 2025
