Layanan digital seperti perbankan daring, belanja daring, dan layanan publik kini banyak dibangun dengan arsitektur microservice, yaitu sistem yang tersusun dari banyak layanan kecil yang saling terhubung. Arsitektur ini membuat sistem lebih fleksibel dan mudah dikembangkan. Namun, ketika satu komponen mengalami gangguan, dampaknya dapat merambat ke layanan lain hingga menghentikan layanan secara keseluruhan. Menjawab tantangan tersebut, tim peneliti Departemen Teknik Elektro dan Informatika (DTEDI) Sekolah Vokasi UGM mengembangkan metode berbasis kecerdasan buatan (AI) untuk mengenali sumber dan jenis gangguan pada sistem microservice secara otomatis.
Penelitian berjudul Intelligent Network Fault Classification in Distributed Microservice Systems ini dilakukan oleh Achmad Solaeman bersama Nur Rohman Rosyid, Alif Subardono, dan Ardhi Wicaksono Santoso, dengan melibatkan mahasiswa Program Studi Teknologi Rekayasa Internet. Melalui penelitian ini, tim merancang GAMA-RCA, sebuah kerangka kerja yang memadukan tiga jenis data operasional, yaitu catatan aktivitas log, metrics, dan traces. Sistem dirancang menjalankan model AI terbuka secara lokal sehingga data operasional tidak perlu dikirim ke layanan pihak luar.
Penelitian dilaksanakan pada April hingga Oktober 2026 melalui beberapa tahap, mulai dari studi pustaka, eksplorasi data, perancangan model, pengujian, hingga perbandingan dengan metode lain. Pengujian menggunakan kumpulan data terbuka berisi 103 kasus gangguan dengan 28 jenis gangguan yang berbeda. Dengan pendekatan ini, sistem diharapkan tidak hanya mampu menunjuk komponen penyebab gangguan, tetapi juga menjelaskan alasannya berdasarkan bukti dari data.
Penelitian ini sejalan dengan Sustainable Development Goals (SDGs) 9, yaitu Industri, Inovasi, dan Infrastruktur, terutama dalam mendorong riset ilmiah, penguatan kemampuan teknologi, dan inovasi. Metode klasifikasi gangguan berbasis AI diharapkan dapat membantu tim IT menemukan sumber masalah lebih cepat, mengurangi waktu henti layanan, serta meningkatkan keandalan infrastruktur digital. Teknologi ini berpotensi diterapkan pada layanan cloud, sistem perbankan dan e-commerce, serta layanan publik berbasis digital.
Melalui penelitian ini, UGM mendorong pemanfaatan kecerdasan buatan untuk memperkuat keandalan layanan digital. Ke depan, penelitian ini diharapkan menjadi fondasi bagi jaringan otonom yang mampu mendiagnosis dirinya sendiri, sekaligus memperkuat kontribusi DTEDI SV UGM terhadap pencapaian SDGs 9 dan pembangunan infrastruktur digital yang berkelanjutan.