Rancang Bangun Chatbot Multimodal Berbasis Large Language Model Serta Ansible Untuk Otomatisasi Konfigurasi Router Mikrotik RB751U Dan Switch Huawei S5328

Rizky Octa Vianto, Ir. Nur Rohman Rosyid, S.T., M.T., D.Eng., IPM.

2026 | Tugas Akhir | D4 TEKNOLOGI JARINGAN

Pengelolaan jaringan secara manual melalui Command Line Interface (CLI) rentan terhadap human error dan menuntut pemahaman syntax perangkat jaringan yang kompleks. Walaupun otomatisasi menggunakan Ansible telah diimplementasikan sebagai solusi, pendekatannya tetap memerlukan keahlian teknis tingkat tinggi untuk penulisan playbook YAML. Penelitian ini bertujuan untuk merancang chatbot berbasis Large Language Model (LLM) multimodal yang terintegrasi dengan Ansible. Kemampuan multimodal diusulkan agar sistem tidak hanya memproses input teks bahasa alami, tetapi juga mampu mengekstraksi input gambar topologi. Metode pengembangan sistem menggunakan framework Django sebagai backend dan Next.js sebagai frontend. Sistem kemudian dikombinasikan dengan arsitektur LLM multi-agent melalui layanan API Groq dan alat Ansible. Dalam pelaksanaannya, agen pertama mengklasifikasikan intent pengguna, sementara agen kedua memproduksi skrip konfigurasi dan memicu eksekusi Ansible via SSH menuju perangkat Router Mikrotik RB751U dan Switch Huawei S5328. Hasil pengujian menunjukkan performa yang efisien dengan waktu respons rata-rata LLM sebesar 0,64–1,75 detik dan waktu eksekusi rata-rata Ansible berdurasi 4–29 detik bergantung pada kompleksitas konfigurasi. Hasil pengujian akurasi sistem menggunakan Confusion Matrix terhadap 500 sampel query menunjukkan angka 98,4%. Sistem juga memiliki ketahanan error 100?lam menangani anomali sistem. Selain itu, sistem memiliki tingkat keberhasilan eksekusi sebesar 93% pada skenario konfigurasi bertahap multi-vendor.

Manual network management via the Command-Line Interface (CLI) is prone to human error and requires an understanding of complex network device syntax. Although Ansible-based automation has been implemented, it still requires a high level of technical expertise to write YAML playbooks. This research aims to design a multimodal Large Language Model (LLM)-based chatbot integrated with Ansible. The multimodal capability is proposed so that the system not only processes natural language text input but also extracts topological image input. The system development method uses the Django framework for the backend and Next.js for the frontend. The system is then integrated with a multi-agent LLM architecture via the Groq API and the Ansible utility. During implementation, the first agent classifies the user's intent, while the second agent generates configuration scripts and triggers Ansible execution via SSH to the MikroTik RB751U Router and Huawei S5328 Switch. The test results indicate efficient performance, with an average LLM response time of 0.64–1.75 seconds and an average Ansible execution time of 4–29 seconds, depending on configuration complexity. The system accuracy test results using a Confusion Matrix on 500 query samples showed a rate of 98.4%. The system also exhibited a 100% error resilience in handling system anomalies. Furthermore, the system achieved a 93% execution success rate in a multi-vendor sequential configuration

Kata Kunci : Otomatisasi Jaringan, Large Language Model, Ansible, Multimodal, Chatbot