📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenANALISIS DAN EVALUASI PENGELOLAAN PRIVASI DATA PENGGUNA STUDI KASUS PADA KAMPUS XYZ
Perkembangan teknologi informasi telah membawa tantangan dalam hal perlindungan data pribadi, khususnya di sektor pendidikan tinggi. Sistem informasi akademik kampus XYZ mengelola data pribadi ribuan mahasiswa, yang mencakup informasi sensitif seperti identitas pribadi, riwayat akademik, dan keuangan. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi pengelolaan privasi data pada sistem tersebut, dengan menggunakan standar internasional ISO/IEC 27701:2019 sebagai kerangka kerja untuk mengimplementasikan kewajiban dalam Undang-Undang Pelindungan Data Pribadi (UU PDP). Metodologi yang digunakan adalah Design Science Research Methodology (DSRM), yang dimulai dari identifikasi masalah, perancangan solusi berupa rekomendasi, hingga evaluasi terhadap artefak yang dihasilkan. Hasil evaluasi terhadap 39 pernyataan yang diturunkan dari kontrol yang relevan menunjukkan bahwa 59% telah terpenuhi, sementara 41% belum terpenuhi dan menunjukkan adanya kesenjangan. Kesenjangan utama yang teridentifikasi antara lain tidak adanya mekanisme perolehan persetujuan (consent) yang valid, ketiadaan kebijakan retensi dan penghapusan data alumni, serta absennya kerangka kerja pengembangan aplikasi yang aman (Secure SDLC). Berdasarkan temuan ini, penelitian menghasilkan artefak berupa rekomendasi untuk meningkatkan kepatuhan dan keamanan, termasuk implementasi mekanisme consent, perancangan kebijakan siklus hidup data, dan penguatan kontrol teknis. Penelitian ini diharapkan dapat menjadi kontribusi dalam mendorong praktik pengelolaan privasi data pribadi yang lebih aman, transparan, dan patuh terhadap regulasi di lingkungan perguruan tinggi.
AQUASTATS: DASHBOARD INTERAKTIF UNTUK VISUALISASI DINAMIS DAN ANALISIS KOMPREHENSIF KUALITAS AIR BERBASIS DATA
masyarakat, namun kompleksitas data hasil pengukuran sering menyulitkan proses analisis, terutama ketika disajikan hanya dalam bentuk tabel atau laporan statis. Penelitian ini mengembangkan Aquastats, sebuah dashboard interaktif berbasis Python dan Streamlit yang dirancang menggunakan pendekatan Nested Model for Visualization Design untuk menyajikan data kualitas air tanah secara dinamis, visual, dan informatif. Dataset yang digunakan mencakup parameter pH, TDS, DO, suhu, kekeruhan, nitrat, fosfat, dan klorida dari titik pengamatan di Sungai Cikapundung, Bandung Raya. Sistem menyediakan berbagai fitur analisis seperti Data Explorer, statistik deskriptif, visualisasi distribusi, korelasi antarparameter, peta spasial, regresi linier, analisis komponen utama (PCA), dan klasterisasi. Evaluasi dilakukan melalui pengujian internal dan User Acceptance Test (UAT) yang melibatkan tujuh responden dari kalangan akademisi dan praktisi. Hasil pengujian menunjukkan seluruh fitur berjalan optimal, tingkat keberhasilan penggunaan fitur mencapai 100%, rata-rata kemudahan penggunaan 4,6 dari 5, serta skor System Usability Scale (SUS) sebesar 83 yang termasuk kategori excellent usability. Dibandingkan dengan sistem existing berbasis R Shiny, Aquastats dinilai lebih mudah dipahami, lebih efektif dalam mendukung eksplorasi multivariat, dan lebih praktis diakses melalui cloud. Kesimpulan penelitian ini menunjukkan bahwa Aquastats berhasil meningkatkan kemudahan pemahaman dan efektivitas analisis data kualitas air tanah, serta memiliki potensi besar untuk dimanfaatkan dalam konteks edukasi, penelitian, maupun pengambilan keputusan berbasis data.
FRONTEND WEBSITE DASHBOARD EMISI JEJAK KARBON PERALATAN ELEKTRONIK (STUDI KASUS: INSTITUT TEKNOLOGI BANDUNG)
Perubahan iklim menjadi tantangan global yang menuntut peran aktif dari berbagai institusi, termasuk perguruan tinggi seperti Institut Teknologi Bandung (ITB). Salah satu kontribusi signifikan terhadap emisi karbon berasal dari penggunaan peralatan elektronik di lingkungan kampus. Namun, kesadaran sivitas akademika mengenai besaran dan dampak emisi ini masih rendah karena tidak adanya penyajian data yang terpusat dan mudah diakses. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah frontend website dashboard yang mampu memvisualisasikan data emisi jejak karbon dari peralatan elektronik di ITB. Dengan menggunakan pendekatan problem-driven dan metodologi pengembangan perangkat lunak, penelitian ini menghasilkan sebuah solusi antarmuka pengguna yang interaktif. Proses pemilihan platform pengembangan dilakukan secara sistematis dengan menggunakan metode TOPSIS yang menghasilkan keputusan untuk membangun aplikasi web. Hasil dari penelitian ini adalah sebuah prototype dashboard fungsional yang dikembangkan menggunakan React dan Next.js. Berdasarkan hasil pengujian fungsionalitas dan User Acceptance Testing, sistem terbukti mampu menyajikan data abstrak menjadi wawasan yang konkret dan relevan secara personal bagi pengguna serta berhasil meningkatkan pemahaman dan kesadaran mengenai emisi jejak karbon. Dengan demikian, dashboard ini menjadi alat bantu yang fungsional untuk menunjang upaya peningkatan kesadaran dan menjadi langkah awal yang konkret dalam mendukung upaya keberlanjutan ITB sebagai kampus yang ramah lingkungan.
PENINGKATAN AKURASI DAN INTERPRETABILITAS PADA KLASIFIKASI CITRA ENDOSKOPI MULTIKELAS MELALUI PENGEMBANGAN MODEL HIBRIDA CNN-VIT DENGAN EXPLAINABLE AI
Deteksi dini penyakit gastrointestinal melalui citra endoskopi memiliki peran penting dalam meningkatkan efisiensi diagnosis dan efektivitas pengobatan. Namun, proses endoskopi yang masih bergantung pada observasi manual sering kali menghadapi tantangan dari segi konsistensi, kecepatan, dan akurasi diagnosis. Mayoritas dari sistem basis pembelajaran dalam yang sudah ada masih terbatas dalam aspek interpretabilitas, sehingga menyulitkan adopsi dalam praktik klinis karena kurangnya transparansi dalam pengambilan keputusan. Selain itu, pendekatan berbasis model tunggal seperti Convolutional Neural Network (CNN) dan Vision Transformer (ViT) juga memiliki keterbatasan masing-masing. CNN baik dalam mengekstraksi fitur lokal tetapi lemah dalam memahami konteks global, sementara ViT sebaliknya. Oleh karena itu, penelitian ini mengusulkan model hibrida CNN-ViT yang diusulkan terdiri dari tiga pendekatan integrasi, yaitu integrasi arsitektural seri, atensi silang, dan ensemble berbasis weighted averaging. Di antara ketiganya, pendekatan ensemble dengan pembobotan 50:50 antara DenseNet121 dan Swin Transformer paling unggul dan mencapai akurasi pengujian sebesar 94.80%, yang merupakan peningkatan sekitar 2.29% dibandingkan rata-rata model tunggal yang diuji. Sistem juga dilengkapi dengan modul XAI menggunakan GradCAM++ dengan nilai AUC kurva penghapusan 0.33.
VISUALISASI DATA UNTUK PEMANTAUAN OPERASI BISNIS PUSAT LAYANAN BERSAMA (STUDI KASUS: PT XYZ)
Pemantauan operasi bisnis di PT XYZ menghadapi kendala signifikan akibat proses yang masih manual, data yang tidak terstandardisasi, dan informasi yang terisolasi di setiap Strategic Business Unit (SBU). Permasalahan ini menghambat Divisi Program & Project Management Office (PPMO) dalam melakukan pengawasan performa terintegrasi. Untuk mengatasi masalah tersebut, penelitian ini bertujuan mengembangkan sebuah solusi visualisasi data berbasis cloud yang mampu mengintegrasikan data operasional proyek untuk menyediakan pemantauan kinerja yang terpusat dan efisien. Metode pengembangan yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), dengan implementasi teknis menggunakan Google Looker Studio dan Google Sheet sebagai tools utama. Evaluasi sistem dilakukan secara komprehensif melalui unit testing untuk memvalidasi fungsionalitas setiap komponen dan User Acceptance Testing (UAT) untuk memastikan kesesuaian sistem dengan kebutuhan pemangku kepentingan. Hasil yang dicapai adalah sebuah sistem yang terdiri dari empat modul dashboard terintegrasi, yaitu SBU Performance, Project Performance, Issue Log, dan Change Log. Kesimpulan yang diperoleh adalah solusi dashboard yang dikembangkan telah terbukti berhasil menjawab permasalahan utama dengan memfasilitasi proses pemantauan performa yang lebih efektif dan mendukung budaya pengambilan keputusan berbasis data di PT XYZ.
PERANCANGAN DAN IMPLEMENTASI SISTEM PELATIHAN MODEL KLASIFIKASI TIPOLOGI BANGUNAN UNTUK ESTIMASI KERUSAKAN DALAM ASESMEN RISIKO SEISMIK
Indonesia berada pada pertemuan tiga lempeng tektonik utama sehingga memiliki risiko seismik tinggi, diperparah oleh banyaknya rumah non-engineered yang rentan terhadap gempa. Penilaian risiko seismik memerlukan klasifikasi tipologi bangunan untuk menentukan kerentanannya. Namun, metode survei lapangan manual tidak efisien dan sulit diskalakan. Penelitian ini merumuskan masalah: bagaimana merancang dan mengimplementasikan sistem terintegrasi untuk pembuatan, pelatihan, dan perbaikan model klasifikasi tipologi bangunan guna mendukung asesmen risiko seismik. Tujuannya adalah mengotomatisasi alur kerja yang sebelumnya terfragmentasi, termasuk anotasi berbantuan model, konfigurasi pelatihan, dan deployment. Metodologi yang digunakan adalah Design Thinking melalui tahapan empathize, define, ideate, prototype, dan test. Sistem berbasis web dikembangkan dengan arsitektur deteksi objek satu tahap (YOLO) yang terintegrasi dengan modul manajemen tipologi, anotasi, pelatihan, dan pengujian. Hasil pengujian menunjukkan seluruh kebutuhan fungsional dan non-fungsional terpenuhi, dengan efisiensi waktu interaksi pengguna meningkat 51,67% dibanding metode manual. Penelitian ini memberikan kontribusi berupa platform MLOps terintegrasi khusus untuk domain risiko seismik di Indonesia, yang memudahkan pembaruan model klasifikasi tipologi bangunan secara cepat dan konsisten, sehingga dapat mempercepat proses asesmen risiko dan mendukung pengambilan keputusan mitigasi bencana.
DESAIN INTERAKSI FITUR KERANJANG PADA APLIKASI E-COMMERCE SHOPEE DENGAN PENDEKATAN USER-CENTERED DESIGN
Penelitian ini dilatarbelakangi oleh kebutuhan untuk meningkatkan kenyamanan pengguna platform e-commerce dengan cara mengoptimalkan fitur keranjang pada aplikasi Shopee dengan menerapkan pengelompokan produk. Tujuan penelitian adalah merancang dan mengevaluasi prototipe interaksi keranjang untuk mengurangi beban kognitif pengguna. Metodologi yang digunakan adalah usercentered design yang terdiri dari understand and specify the context of use dan specify user requirements, dua iterasi pembuatan prototipe high-fidelity, dan usability testing. Hasil pengujian dengan NASA-TLX menunjukkan penurunan beban kognitif rata-rata sebesar 60,75%, sedangkan pengukuran Task Completion Time menunjukkan peningkatan efisiensi pencarian produk sebesar 21,43% dan efisiensi checkout beberapa produk sekaligus sebesar 47,52% dibandingkan desain keranjang Shopee saat ini. Temuan ini membuktikan bahwa pengelompokan produk dalam koleksi bertipe folder secara signifikan dapat menurunkan beban kognitif, mempercepat interaksi, dan meningkatkan kepuasan pengguna dalam proses berbelanja online.
IDENTIFIKASI DAN VALIDASI BANGUNAN UNTUK SEISMIC VULNERABILITY ASSESMENT MENGGUNAKAN YOLOV8
Asesmen Kerentanan Seismik memerlukan data lokasi bangunan yang akurat, namun alur kerja yang ada saat ini menghadapi permasalahan inefisiensi fundamental. Masalah tersebut terletak pada metode input berbasis koordinat acak yang memiliki tingkat keberhasilan sangat rendah, terbukti hanya sekitar 4-18% dalam studi kasus. Penelitian ini mengusulkan sebuah metode baru untuk mengatasi masalah tersebut dengan membangun sebuah sistem identifikasi bangunan yang cerdas. Metode ini memanfaatkan model deep learning YOLOv8 yang telah difine- tuning secara khusus untuk secara otomatis mendeteksi poligon bangunan dari citra peta vektor OpenStreetMap, menghasilkan daftar koordinat yang tertarget. Hasil evaluasi kuantitatif menunjukkan bahwa sistem yang diusulkan mampu mencapai tingkat akurasi deteksi yang tinggi dengan error rate rata-rata hanya 0.25% terhadap ground truth. Lebih signifikan lagi, penerapan sistem ini berhasil meningkatkan efektivitas alur kerja akuisisi data secara drastis, terbukti lebih dari 10 kali lipat lebih efektif pada salah satu studi kasus dengan meningkatkan tingkat keberhasilan dari 4.32% menjadi 46.95%. Kesimpulan dari penelitian ini adalah bahwa pendekatan identifikasi bangunan yang tertarget menggunakan YOLOv8 merupakan solusi yang superior dan efisien untuk mendukung proses asesmen kerentanan seismik.
BACK END WEBSITE DASHBOARD EMISI JEJAK KARBON PERALATAN ELEKTRONIK (STUDI KASUS: INSTITUT TEKNOLOGI BANDUNG)
Permasalahan perubahan iklim yang semakin serius mendorong berbagai institusi untuk melakukan pemantauan dan pengurangan emisi karbon, termasuk di lingkungan kampus. Institut Teknologi Bandung (ITB) sebagai institusi pendidikan tinggi memerlukan sistem yang mampu memantau dan memvisualisasikan emisi karbon untuk mendukung komitmen nasional dalam hal keberlanjutan. Penelitian ini bertujuan untuk mengembangkan back end aplikasi berbasis website yang berfungsi untuk mengelola dan menyajikan data emisi karbon berdasarkan konsumsi energi dari perangkat elektronik. Metode pengembangan sistem mengikuti tahapan Software Development Life Cycle (SDLC) dengan pendekatan waterfall, mencakup analisis kebutuhan, perancangan, implementasi, serta pengujian. Pemilihan arsitektur back end didasarkan pada analisis terhadap performa, maintainability, serta security, yang menghasilkan arsitektur modular monolith sebagai solusi yang paling optimal. Hasil akhir dari pengembangan ini adalah layanan back end yang mampu menangani permintaan data, menyajikan visualisasi emisi karbon per kampus, gedung, ruang, dan perangkat di Kampus ITB. Layanan back end yang dikembangkan divalidasi melalui unit testing dan integration testing dengan pendekatan blackbox untuk memastikan bahwa layanan back end telah mampu memenuhi semua kebutuhan fungsional yang ditetapkan. Dengan demikian, layanan back end ini diharapkan dapat menjadi alat bantu yang efektif bagi ITB dalam upaya pemantauan dan pengurangan emisi karbon di lingkungan kampus.
PENGEMBANGAN CHATBOT KESEHATAN MENTAL BERBASIS WEBSITE DENGAN METODE RETRIEVAL AUGMENTED GENERATION UNTUK MAHASISWA INSTITUT TEKNOLOGI BANDUNG
Masalah kesehatan mental menjadi perhatian mendesak, khususnya di kalangan mahasiswa. Survei I-NAMHS menunjukkan sekitar 34,9% remaja di Indonesia mengalami setidaknya satu masalah kesehatan mental. Di lingkungan perguruan tinggi seperti Institut Teknologi Bandung (ITB), layanan konseling telah tersedia, namun masih terkendala jumlah slot konseling yang terbatas, waktu tunggu lama, serta minimnya dukungan awal yang cepat dan mudah diakses. Untuk menjawab tantangan tersebut, dikembangkan chatbot kesehatan mental berbasis web dengan pendekatan Retrieval-Augmented Generation (RAG). Sistem ini memanfaatkan kemampuan Large Language Models (LLMs) dan retrieval dokumen relevan secara real-time. Dalam implementasinya, ditambahkan Hypothetical Document Embeddings (HyDE) sebagai lapisan tambahan untuk menghasilkan jawaban hipotesis. Selain itu, prompt engineering juga diimplementasikan dengan menambahkan instruksi tambahan kepada LLM untuk meningkatkan kualitas respons. Hasil evaluasi berbasis LLM menunjukkan bahwa HyDE umumnya meningkatkan kinerja retrieval, meskipun berpotensi menurun bila jawaban hipotesis tidak relevan. Hasil evaluasi berbasis LLM yang paling tinggi didapatkan oleh konfigurasi M-02 (gpt-4.1-mini dengan penerapan HyDE) dengan rata-rata keseluruhan 0,9182. Evaluasi berbasis ahli domain mengonfirmasi bahwa chatbot mampu menghasilkan jawaban faktual, koheren, komprehensif, dan aman. Sementara itu, User Acceptance Testing (UAT) menunjukkan hasil yang positif dengan success rate 100% pada setiap use case, System Usability Scaling (SUS) 89.17 dari 100, Single Ease Question (SEQ) 6.76 dari 7, dan Net Promoter Score (NPS) +33.33.
PENGEMBANGAN SISTEM VISUALISASI DATA DAN DETEKSI ANOMALI UNTUK ANALISIS PERFORMA TIM DALAM PERTANDINGAN SEPAK BOLA
Penelitian ini mengembangkan platform visualisasi dan anomaly detection untuk analisis performa tim yang objektif, terstruktur, dan berbasis data.Sistem menampilkan analisis taktikal serta spasial dari pertandingan. Anomali didefinisikan sebagai penyimpangan signifikan dari pola permainan tim terhadap rata-rata pola permainan tim historis. Sistem mengambil data StatsBomb, melakukan proses ekstraksi, pembersihan, dan agregasi, lalu menyajikan statistik pertandingan serta visualisasi spasial berupa heatmap dan xG Shot Map. Evaluasi teknikal dilakukan dengan membandingkan fase pertandingan spesifik pada suatu tim. Hasil evaluasi menunjukan sistem mampu mengidentifikasi fase permainan tim yang menyimpang secara akurat dan konsisten. Evaluasi pengguna dilakukan dengan wawancara dengan 3 pelatih SSB MG ITB dan hasilnya menunjukkan sistem meningkatkan kecepatan pemahaman pada dinamika pertandingan dan pola permainan secara efektif. Kesimpulannya, sistem berhasil memenuhi kriteria evaluasi yaitu menampilkan visualisasi statistik taktikal, spasial, serta deteksi anomali sebagai alat bantu dalam analisis performa tim.
KNOWLEDGE MANAGEMENT SYSTEM UNTUK MANAJEMEN PROYEK TI (STUDI KASUS: PT XYZ)
PT XYZ, startup solusi perangkat lunak dan digital, menghadapi tantangan signifikan dalam pengelolaan dokumentasi proyek TI. Masalah utamanya meliputi dokumentasi yang tidak terstruktur, tersebar, inkonsisten, serta kesulitan dalam menangkap dan mentransfer pengetahuan explicit dan tacit. Meskipun SharePoint telah digunakan, duplikasi dan penyimpanan pribadi menunjukkan solusi yang ada belum optimal. Untuk mengatasi tantangan tersebut, penelitian mengusulkan perancangan dan pembangunan prototipe Knowledge Management System (KMS). Metodologi perancangan dilakukan secara sistematis, meliputi analisis infrastruktur eksisting, penyelarasan dengan strategi bisnis, audit aset pengetahuan, hingga perancangan blueprint sistem. Pemilihan solusi KMS berbasis web secara internal ditentukan melalui analisis menggunakan metode TOPSIS, yang mengidentifikasi alternatif ini sebagai yang paling sesuai dengan kebutuhan PT XYZ. Rancangan diwujudkan dalam prototipe interaktif yang dievaluasi pengguna akhir melalui Single Ease Question (SEQ) dan Net Promoter Score (NPS) yang dimodifikasi. Hasil evaluasi menunjukkan validasi kuantitatif dengan tingkat keberhasilan penyelesaian tugas (success rate) mencapai 99,01%, rata-rata skor kemudahan penggunaan (SEQ) sebesar 6,58 dari 7, dan skor persepsi dampak (NPS) sebesar 8,28 dari 10. Penelitian ini menyimpulkan bahwa prototipe KMS yang dirancang berhasil menyediakan solusi yang efektif dan terpusat, mampu mengatasi masalah dokumentasi, dan terbukti memiliki potensi tinggi untuk diadopsi serta meningkatkan kapabilitas manajemen pengetahuan di PT XYZ.
PERANCANGAN INTEGRASI WEBSITE PADA PERPUSTAKAAN NASIONAL UNTUK MENINGKATKAN EFISIENSI INTERAKSI ANTARMUKA PENGGUNA
Perpustakaan Nasional Republik Indonesia memiliki berbagai layanan yang terfragmentasi di berbagai website yang berbeda, seperti Khastara, Pernaskahan, Preservasi, dan IKON. Setiap website menyediakan fungsi yang berbeda tanpa adanya integrasi antarsitus. Hal ini menyebabkan pengalaman pengguna yang tidak konsisten dan kurang efisien saat ingin menggunakan beberapa layanan. Tugas akhir ini bertujuan untuk menganalisis pengaruh integrasi website terhadap efisiensi dalam interaksi pengguna dengan hasil akhir berupa prototipe high fidelity dengan menggunakan metode human centered design yang diuji melalui tiga iterasi untuk menghitung nilai efisiensi, efektivitas, dan learnability rancangan solusi dengan melibatkan lima responden dari berbagai peran, seperti pengguna umum, kolektor naskah, dan stakeholder dari pihak Pusdatin. Hasil evaluasi menunjukkan peningkatan yang signifikan antara sebelum dan sesudah dilakukannya integrasi. Tugas akhir ini menyimpulkan bahwa integrasi layanan dalam satu website meningkatkan nilai efisiensi interaksi pengguna.
PEMANFAATAN PREDIKSI QUERY ARRIVAL RATE UNTUK PENENTUAN KOLOM YANG DIINDEKS
Penelitian yang dilakukan oleh Ma, dkk. (2018) menghasilkan sebuah metode berbasis machine learning untuk memprediksi workload pada sistem basis data. Workload yang diprediksi berupa query arrival rate, yaitu frekuensi kedatangan tiap query pada suatu periode waktu tertentu. Hasil penelitian ini memberikan dampak signifikan dalam mengatasi permasalahan workload yang dinamis, serta membuka peluang besar dalam meningkatkan kinerja sistem basis data secara adaptif. Tugas Akhir ini bertujuan untuk memanfaatkan hasil dari penelitian prediksi workload tersebut sebagai dasar untuk mengoptimasi basis data secara otomatis, dengan fokus pada menentukan kolom yang akan diberi indeks sebagai metode optimasi. Penentuan indeks yang dilakukan pada tugas akhir ini menggunakan algoritma yang dikembangkan oleh Chaudhuri & Narasayya (1997) yang diterapkan pada Microsoft SQL Server. Algoritma ini bekerja dengan mencari kolom dengan pengurangan biaya eksekusi query tertinggi untuk diberikan indeks. Selain itu, Tugas Akhir ini melibatkan eksperimen untuk mengukur efektivitas penentuan indeks berbasis prediksi query arrival rate terhadap kinerja sistem basis data. Eksperimen dilakukan dengan menggunakan workload dari aplikasi dunia nyata. Hasil eksperimen ini kemudian dibandingkan dengan kinerja basis data yang menjalankan workload yang sama tanpa penerapan indeks, untuk mengukur sejauh mana indeks yang dipilih secara otomatis dapat meningkatkan performa sistem. Hasil eksperimen menunjukkan adanya peningkatan yang signifikan pada throughput basis data serta pengurangan response time dalam eksekusi query. Peningkatan ini menunjukkan bahwa penerapan penentuan indeks berbasis prediksi query arrival rate dapat diterapkan dalam mengelola workload yang dinamis.
PENGEMBANGAN GIM “FATHOM “ DENGAN LARGE LANGUAGE MODEL (LLM) SEBAGAI KONTROL DIALOG NON-PLAYABLE CHARACTER (NPC)
Mekanisme interaksi dialog pada gim saat ini masih belum natural seperti percakapan sehari-hari, sehingga membatasi kedalaman pengalaman bermain. Implementasi large language model pada non-playable character diperlukan untuk menghadirkan interaksi yang lebih imersif dan menyenangkan. Penelitian berikut bertujuan untuk mengembangkan prototipe gim yang memanfaatkan non-playable character berbasis model bahasa. Pengembangan gim dilakukan dengan metode bertahap dari pendefinisian konsep gim, pengembangan konsep yang menghasilkan dokumen desain gim, dan pengembangan prototipe perangkat lunak gim. Di dalamnya terdapat proses perancangan komponen large language model pada gim dan rekayasa prompt karakter sebagai bagian dari pengintegrasian large language model pada gim. Penelitian ini menghasilkan prototipe gim naratif bertema detektif dengan non-playable character berbasis model bahasa Mistral 7B Instruct v0.2. Gim dikembangkan dengan mengoptimalkan elemen dialog sebagai inti permainan untuk memaksimalkan pemanfaatan large language model. Evaluasi menunjukkan gim memperoleh nilai rata-rata 8,04 pada kriteria kesenangan dan memenuhi kriteria kesediaan fitur dengan 4 dari 6 fungsionalitas berjalan sempurna, sementara dua lainnya mengalami kendala minor. Secara keseluruhan, prototipe berhasil memenuhi tujuan pengembangan gim dengan non-playable character berbasis large language model.