<![CDATA[Dashboard Business Intelligence (BI) umumnya menyajikan data dalam bentuk visual tanpa penjelasan naratif mengenai kondisi bisnis. Penelitian ini bertujuan membandingkan kinerja tiga Large Language Models (LLM) sumber terbuka yang dijalankan secara lokal, yaitu Llama 3 (8B), Qwen 2.5 (7B), dan Mistral (7B), dalam menghasilkan narasi wawasan bisnis dari data dashboard. Penelitian menggunakan eksperimen kuantitatif dengan tiga skenario bisnis sintetis, yaitu pertumbuhan, krisis pelanggan, dan tekanan margin. Setiap skenario diuji lima kali pada server lokal dengan memori 16 GB, sehingga menghasilkan 45 eksekusi. Kualitas narasi dievaluasi berdasarkan kesesuaian n-gram dan ketepatan informasi numerik, sedangkan efisiensi diukur melalui throughput, latensi, dan penggunaan memori. Hasil menunjukkan bahwa Llama 3 memiliki throughput tertinggi sebesar 9,22 token/detik dan akurasi numerik 80,62%. Qwen 2.5 menghasilkan struktur narasi eksekutif yang lebih terorganisasi, sedangkan Mistral menggunakan memori paling rendah sebesar 11,92 GB. Hasil ini menunjukkan bahwa evaluasi narasi bisnis perlu mempertimbangkan ketepatan informasi dan efisiensi, tidak hanya kesamaan kata dengan teks referensi.]]>
Copyrights © 2026
