Implementasi CrewAI dalam Automasi Pengumpulan dan Pembuatan Konten

Dharma Setiawan, Jonathan (2025) Implementasi CrewAI dalam Automasi Pengumpulan dan Pembuatan Konten. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (416kB)
	PDF BAB_I.pdf Download (212kB)
	PDF BAB_II.pdf Download (307kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (193kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Automasi telah menjadi bagian integral dari proses kerja sejak era industrialisasi, dengan penerapan teknologi yang bertujuan mengurangi tugas repetitif yang sering kali membebani pekerja manusia. Dalam konteks pekerjaan modern, sekitar 60% profesi memiliki setidaknya sepertiga tugas yang dapat diotomatisasi untuk meningkatkan efisiensi kerja. Namun, perkembangan teknologi Artificial Intelligence (AI), khususnya Large Language Models (LLM), membuka kemungkinan untuk mengotomatiskan tugas yang lebih kompleks yang sebelumnya memerlukan pemikiran dan kreativitas manusia. Contoh dari penggunaan LLM adalah untuk automasi pengumpulan dan pembuatan laporan berita yang meliputi pengumpulan data, perangkuman cerita, dan penulisan artikel yang meliputi pekerjaan dari jurnalis, penulis, dan editor. Hal ini bisa dilakukan dengan memberikan prompt agar LLM memerankan ketiga jabatan tersebut, namun tantangan utama dalam penerapan AI untuk tugas-tugas kompleks adalah prompt yang terlalu kompleks, yang dapat menurunkan kualitas hasil AI. Untuk mengatasi hal ini, diperkenalkan CrewAI, sebuah kerangka kerja "multi-agent orchestra" yang memungkinkan koordinasi antara berbagai AI "agents" untuk menyelesaikan tugas kompleks dengan membagi pekerjaan menjadi bagian-bagian kecil yang lebih fokus. CrewAI beroperasi dengan prinsip Prompt-Splitting untuk meningkatkan efisiensi dan akurasi proses automasi dengan AI. Dengan memanfaatkan AI dan framework CrewAI, organisasi dapat mengurangi beban kerja manual, meningkatkan produktivitas, dan meminimalkan risiko human error.

Item Type:	Thesis (MBKM)
Keywords:	Artificial intelligence, automasi, CrewAI
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	26 Jan 2025 12:55
Last Modified:	26 Jan 2025 12:55
URI:	https://kc.umn.ac.id/id/eprint/35996

Actions (login required)

View Item