Universitas Brawijaya (UB) mengembangkan teknologi kecerdasan buatan atau artificial intelligence (AI) untuk membantu pengelolaan infrastruktur jaringan di lingkungan perguruan tinggi. Inovasi yang dikembangkan Direktorat Teknologi Informasi (DTI) UB tersebut diberi nama Large Language Model for Network Operations (LLMNetOps).
Sistem ini dirancang untuk membantu administrator jaringan menjalankan berbagai pekerjaan teknis, mulai dari mendeteksi gangguan, memeriksa kondisi perangkat, hingga menyusun laporan operasional. Pemanfaatan AI diharapkan dapat mempercepat proses penanganan masalah sekaligus mengurangi beban kerja tenaga teknis.
Pengembangan LLMNetOps diperkenalkan melalui lokakarya yang berlangsung pada 6–7 November 2026 di Kota Malang, Jawa Timur. Kegiatan tersebut melibatkan perwakilan perguruan tinggi dan lembaga pemerintah yang memiliki kebutuhan terhadap pengelolaan infrastruktur jaringan.
Inovasi ini menjadi salah satu upaya UB mendorong pemanfaatan AI yang lebih mandiri, khususnya untuk institusi pendidikan dan riset di Indonesia.
LLMNetOps Atasi Tantangan Jaringan Kampus
Pengelolaan jaringan kampus memiliki tingkat kompleksitas yang tidak sederhana. Perguruan tinggi biasanya mengoperasikan banyak perangkat jaringan yang tersebar di berbagai gedung, fakultas, laboratorium, dan pusat layanan akademik.
Setiap perangkat harus dipantau agar layanan internet dan sistem digital kampus tetap berjalan. Ketika terjadi gangguan, administrator perlu menelusuri sumber masalah melalui pemeriksaan konfigurasi, log, serta kondisi perangkat terkait.
Direktur DTI UB, Raden Arief Setyawan, menjelaskan bahwa keterbatasan tenaga teknis dan perbedaan kemampuan administrator menjadi tantangan yang dihadapi banyak institusi pendidikan.
Jumlah perangkat yang harus dikelola juga terus bertambah seiring meningkatnya kebutuhan layanan digital. Kondisi tersebut membuat proses pemantauan dan pemecahan masalah membutuhkan waktu serta keterampilan teknis yang memadai.
Melalui LLMNetOps, UB ingin menghadirkan alat bantu yang dapat mempermudah pekerjaan administrator. Teknologi AI dapat membantu membaca informasi teknis dan mengarahkan proses pemeriksaan berdasarkan pertanyaan atau instruksi yang diberikan pengguna.
Mengapa Menggunakan AI Lokal?
Salah satu aspek penting dalam pengembangan LLMNetOps adalah perlindungan data. Pengelolaan jaringan melibatkan informasi yang tidak selalu dapat dibagikan kepada pihak luar, seperti konfigurasi perangkat, alamat jaringan, dan catatan aktivitas sistem.
Jika administrator menggunakan layanan AI berbasis cloud, informasi tertentu berpotensi harus dikirimkan ke server eksternal untuk diproses. Hal ini menimbulkan pertimbangan tersendiri bagi institusi yang mengelola infrastruktur digital sensitif.
Karena itu, UB mengembangkan pendekatan AI yang dapat dijalankan secara lokal di lingkungan institusi. Model kecerdasan buatan ditempatkan pada server yang dikelola sendiri sehingga data konfigurasi dan informasi jaringan tidak harus dikirimkan ke layanan eksternal.
Pendekatan tersebut memberi institusi kendali lebih besar terhadap pemrosesan data. Selain aspek privasi, penggunaan model lokal juga memungkinkan organisasi menyesuaikan penerapan teknologi dengan kebutuhan dan kapasitas infrastruktur masing-masing.
Meski demikian, penerapan AI lokal tetap membutuhkan pengamanan server, pengaturan hak akses, serta pemeliharaan sistem. Pengelolaan secara mandiri bukan berarti institusi otomatis terbebas dari risiko keamanan.
Tiga Komponen Utama LLMNetOps
LLMNetOps dibangun melalui tiga komponen utama yang saling terhubung. Ketiganya dirancang untuk menggabungkan kemampuan model bahasa besar dengan perangkat jaringan dan antarmuka yang mudah digunakan.
1. Model LLM lokal
Komponen pertama adalah model Large Language Model (LLM) yang berjalan pada server milik institusi. Model ini berperan memahami pertanyaan administrator dan mengolah informasi teknis yang diperlukan untuk membantu pekerjaan operasional.
Dengan model yang ditempatkan secara lokal, institusi dapat memproses informasi jaringan tanpa harus selalu bergantung pada layanan AI eksternal.
2. NetOpsAgent
Komponen kedua adalah NetOpsAgent, yaitu agen AI yang bertugas menerjemahkan pertanyaan atau instruksi administrator menjadi perintah untuk perangkat jaringan.
Fungsi ini membantu menghubungkan bahasa yang digunakan manusia dengan tindakan teknis yang diperlukan dalam pemeriksaan jaringan. Administrator tidak harus selalu menjalankan setiap langkah secara manual melalui antarmuka perangkat.
3. NetOpsUI
Komponen ketiga adalah NetOpsUI, antarmuka berbasis web yang memungkinkan administrator berinteraksi dengan sistem melalui percakapan.
Melalui tampilan tersebut, pengguna dapat memberikan instruksi dan menerima hasil pemeriksaan. Pendekatan percakapan diharapkan membuat teknologi pengelolaan jaringan lebih mudah digunakan oleh tenaga teknis dengan tingkat pengalaman berbeda.
Administrator Bisa Memeriksa Router Lewat AI
Salah satu contoh penerapan LLMNetOps adalah ketika pengguna kampus melaporkan tidak memperoleh alamat IP saat terhubung ke jaringan lokal di gedung tertentu.
Dalam proses konvensional, administrator perlu memeriksa perangkat jaringan yang berkaitan dengan lokasi tersebut. Mereka mungkin harus masuk ke router, membaca status perangkat, dan menelusuri kemungkinan penyebab gangguan.
Dengan LLMNetOps, administrator dapat memberikan instruksi melalui antarmuka percakapan untuk memeriksa kondisi router.
Sistem kemudian membantu menelusuri perangkat yang relevan, membaca statusnya, dan menyampaikan hasil pemeriksaan kepada administrator. Proses ini berpotensi mengurangi langkah manual, terutama ketika jumlah perangkat yang harus diperiksa cukup banyak.
Namun, AI tetap berperan sebagai asisten operasional. Administrator perlu memeriksa hasil analisis dan memastikan tindakan yang akan dijalankan sesuai dengan kondisi jaringan serta kebijakan institusi.
Didukung Hibah Internasional
Pengembangan LLMNetOps memperoleh pendanaan sebesar 30.000 dolar AS dari Information Society Innovation Fund (ISIF) Asia di bawah APNIC Foundation pada 2025.
Proyek ini dilaksanakan UB melalui kerja sama dengan Indonesia Research and Education Network (IDREN), jaringan yang mendukung kolaborasi dan pengembangan infrastruktur riset serta pendidikan di Indonesia.
Dukungan pendanaan tersebut menjadi bagian dari upaya memperkuat kapasitas institusi pendidikan dalam mengadopsi teknologi AI. Fokusnya tidak hanya pada pengembangan perangkat lunak, tetapi juga peningkatan pengetahuan dan keterampilan tenaga teknis.
Kolaborasi antara perguruan tinggi dan komunitas jaringan diharapkan dapat memperluas pemanfaatan sistem serupa di berbagai institusi.
Diikuti 24 Institusi dari Berbagai Daerah
Lokakarya pengenalan LLMNetOps diikuti sekitar 40 peserta dari 24 institusi perguruan tinggi dan lembaga pemerintah. Kegiatan ini menghadirkan pemateri dari DTI UB, Fakultas Ilmu Komputer UB, serta Widyawan dari Universitas Gadjah Mada yang mewakili komunitas IDREN.
Pada hari pertama, peserta mempelajari tantangan operasional jaringan dan potensi pemanfaatan AI untuk membantu menyelesaikan persoalan teknis. Mereka juga mendapat pendampingan untuk membangun serta mengaktifkan sistem AI lokal menggunakan laptop masing-masing.
Selanjutnya, peserta mengikuti praktik penggunaan LLMNetOps pada hari kedua. Materi mencakup simulasi penanganan gangguan jaringan yang umum terjadi di lingkungan kampus, keamanan siber berbasis AI, dan pemanfaatan AI generatif untuk mendukung operasional institusi.
Melalui kegiatan tersebut, peserta diharapkan tidak hanya memahami konsep, tetapi juga mampu memasang dan mengoperasikan sistem secara mandiri. Mereka juga didorong menyusun rancangan penerapan sesuai kebutuhan dan kemampuan perangkat keras di institusi masing-masing.
Materi dan Perangkat Dibuka Gratis
Salah satu hal yang menarik dari pengembangan LLMNetOps adalah ketersediaan materi, panduan teknis, dan perangkat yang digunakan secara terbuka serta gratis.
Kebijakan tersebut memungkinkan institusi lain mempelajari dan mengembangkan sistem sesuai kebutuhan. Perguruan tinggi juga dapat memanfaatkan materi yang tersedia untuk pelatihan internal bagi administrator jaringan.
DTI UB berharap pengembangan LLMNetOps tidak berhenti pada kegiatan lokakarya. Tim pengembang berencana mengadakan lokakarya daring untuk memantau sekaligus mendampingi implementasi sistem di institusi peserta.
Langkah tersebut diharapkan membentuk komunitas praktisi antarkampus yang dapat saling bertukar pengalaman, pengetahuan, dan solusi dalam menghadapi persoalan pengelolaan jaringan.
AI Lokal Berpotensi Perkuat Infrastruktur Digital
Pengembangan LLMNetOps memperlihatkan bahwa pemanfaatan AI tidak terbatas pada pembuatan konten atau layanan percakapan untuk pengguna umum. Teknologi ini juga dapat diterapkan pada pekerjaan teknis yang menjadi tulang punggung operasional institusi.
Bagi perguruan tinggi, jaringan yang stabil merupakan kebutuhan penting untuk mendukung pembelajaran daring, sistem akademik, penelitian, hingga layanan administrasi. Gangguan pada infrastruktur tersebut dapat memengaruhi aktivitas sivitas akademika.
Kehadiran AI lokal berpotensi membantu administrator bekerja lebih efisien sekaligus memberikan kendali lebih besar terhadap data institusi. Namun, keberhasilannya tetap bergantung pada kualitas implementasi, kesiapan perangkat keras, kompetensi tenaga teknis, dan penerapan kebijakan keamanan yang tepat.
Kesimpulan
Pengembangan LLMNetOps oleh DTI Universitas Brawijaya menjadi langkah untuk menghadirkan AI lokal dalam pengelolaan jaringan kampus. Sistem ini dirancang membantu administrator mendeteksi gangguan, memeriksa perangkat, dan menjalankan pekerjaan operasional melalui antarmuka percakapan.
Dengan dukungan hibah internasional dan kolaborasi bersama IDREN, UB juga berupaya memperluas pemanfaatan teknologi tersebut ke institusi pendidikan dan riset lainnya.
Jika diterapkan secara tepat, LLMNetOps berpotensi memperkuat efisiensi operasional sekaligus mendorong kemandirian pengelolaan infrastruktur digital di lingkungan perguruan tinggi Indonesia.