Perpustakaan Digital ITB
Implementasi Artificial Intelligence (AI) berbasis Large Language Model (LLM)
dihadapkan pada dua hambatan adopsi utama, yakni tingginya biaya berlangganan
layanan cloud serta kerentanan keamanan data pada infrastruktur eksternal. Kedua
faktor tersebut memunculkan beban operasional yang tidak realistis, khususnya
bagi organisasi dengan anggaran terbatas. Sebagai respons atas kendala tersebut,
teknologi local LLM menawarkan solusi alternatif yang lebih rasional secara
ekonomi maupun keamanan, karena seluruh proses komputasi dieksekusi secara
mandiri pada perangkat keras lokal sehingga memutus ketergantungan sistem
terhadap server eksternal. Namun, platform local LLM seperti Open WebUI
dirancang terutama bagi pengguna teknis, sehingga antarmuka bawaannya belum
memenuhi kebutuhan pengguna non-teknis. Antarmuka tersebut tidak menyediakan
panduan orientasi, hierarki visual yang membantu navigasi, maupun mekanisme
umpan balik yang jelas ketika sistem sedang memproses data. Kesenjangan antara
kapabilitas teknis local LLM dan aksesibilitas antarmukanya bagi pengguna nonteknis
inilah yang menjadi fokus penelitian ini, yaitu suatu area yang belum banyak
dieksplorasi secara sistematis dalam literatur.
Sistem Data Analysis Agent Tool (DAAT) dikembangkan sebagai solusi berbasis
local LLM yang mengeksekusi seluruh tahapan komputasi secara mandiri
menggunakan model Qwen3 8B melalui platform Ollama. Sistem ini dirancang
agar berjalan optimal pada Graphics Processing Unit (GPU) kelas konsumen
seperti NVIDIA RTX 3060 12 GB, dengan rata-rata utilisasi Video Random Access
Memory (VRAM) sebesar 6,7 GB. Efisiensi sumber daya tersebut menjadikan
DAAT sebagai alternatif komputasi yang lebih rasional secara finansial
dibandingkan biaya berlangganan layanan cloud komersial.
Dalam kerangka sistem tersebut, penelitian ini secara khusus berfokus pada
perancangan dan implementasi subsistem antarmuka pengguna pada platform Open
WebUI v0.8.8 dengan sasaran utama pengguna non-teknis. Seluruh kustomisasi
dilakukan melalui mekanisme resmi yang disediakan platform, yaitu berkas
Cascading Style Sheets (CSS) dan JavaScript kustom serta Tool Function dan Filter
Function, tanpa memodifikasi kode sumber Open WebUI. Ruang lingkup
implementasi mencakup penerapan tema visual dengan mode terang dan gelap,
pengalih bahasa Indonesia dan Inggris yang sekaligus mengganti bahasa antarmuka
bawaan platform, layar awal terpandu beserta pintasan tugas dan panel kemampuan,
pratinjau dataset yang menampilkan jumlah baris, jumlah kolom, dan tipe kolom
yang terdeteksi, peringatan kualitas data, saran pertanyaan yang dibangun dari
nama kolom pada berkas pengguna, pemeriksaan nama kolom sebelum pertanyaan
dikirim, indikator proses beserta penghitung waktu berjalan, tawaran urung setelah
dataset dihapus, serta pengunduhan laporan analisis. Integrasi dengan subsistem
backend diwujudkan melalui DAAT Analyze Tool sebagai Tool Function dan
DAAT Session Filter sebagai Filter Function. Seluruh keputusan desain
dijustifikasi secara eksplisit menggunakan prinsip User Experience (UX) yang telah
teruji, sehingga setiap pilihan visual dan interaksi memiliki dasar akademis yang
dapat diverifikasi.
Evaluasi dilakukan melalui empat metode, yaitu pengujian fungsional terhadap
seluruh komponen antarmuka, pengujian kompatibilitas pada peramban Chrome,
Safari, Firefox, dan Edge, evaluasi aksesibilitas menggunakan Google Lighthouse
beserta axe-core, dan audit performa menggunakan Lighthouse. Pengujian
fungsional menghasilkan pass rate 100% dan seluruh fitur antarmuka berjalan
konsisten tanpa degradasi fungsi pada keempat peramban. Audit Lighthouse
terhadap antarmuka hasil kustomisasi menghasilkan skor Performance 96,
Accessibility 100, dan Best Practices 100. Pengujian pembanding dijalankan pada
container, backend, model, dan peramban yang sama, dengan lapisan frontend
sebagai satu-satunya variabel yang dibedakan. Pada kondisi tersebut, skor
Accessibility Open WebUI bawaan tercatat 79 sedangkan antarmuka hasil
kustomisasi mencapai 100, dengan empat pelanggaran Web Content Accessibility
Guidelines (WCAG) 2.1 tingkat A dan AA pada kondisi bawaan terselesaikan
seluruhnya tanpa penurunan skor Performance.
Penelitian ini memberikan dua kontribusi kebaruan terhadap khazanah ilmu
pengetahuan. Pertama, penelitian ini menyajikan kerangka perancangan antarmuka
berbasis prinsip UX yang diterapkan secara sistematis pada platform local LLM
untuk konteks domain spesifik analisis data, yaitu pendekatan yang belum
terdokumentasi secara eksplisit dalam literatur sebelumnya. Kedua, penelitian ini
membuktikan secara terukur bahwa kustomisasi antarmuka Open WebUI tanpa
modifikasi kode sumber mampu meningkatkan aksesibilitas sebesar 21 poin tanpa
penurunan performa, sekaligus menghasilkan pengalaman pengguna yang
fungsional dan konsisten lintas peramban, apabila setiap keputusan desain
dilandaskan pada prinsip UX yang mapan. Kedua temuan tersebut menghasilkan
kerangka acuan metodologis yang dapat direplikasi dalam pengembangan
antarmuka local LLM untuk aplikasi domain spesifik, khususnya pada konteks
pengguna non-teknis dengan keterbatasan sumber daya komputasi.