Observability & IT Monitoring Berbasis AI pada Sistem Perbankan

Observability & IT Monitoring Berbasis AI pada Sistem Perbankan

Observability & IT Monitoring Berbasis AI pada Sistem Perbankan

12-13 Maret 2026 Surabaya Hotel Santika Pandegiling

Deskripsi

Industri perbankan modern bergantung pada ekosistem teknologi yang semakin kompleks, mulai dari core banking system, middleware integration, API gateway, kanal digital, hingga infrastruktur hybrid dan multi-cloud. Kompleksitas ini meningkat seiring adopsi microservices, containerization, real-time payment, serta integrasi dengan fintech dan ekosistem open banking. Dalam lingkungan seperti ini, pendekatan monitoring tradisional yang hanya berfokus pada metrik infrastruktur (CPU, memory, network) tidak lagi memadai untuk memastikan ketersediaan layanan, performa transaksi, dan pengalaman nasabah. Bank membutuhkan pendekatan observability yang mampu memberikan visibilitas end-to-end terhadap logs, metrics, traces, dan events secara real-time, sehingga potensi gangguan dapat dideteksi dan direspon sebelum berdampak luas pada operasional maupun reputasi.

Pelatihan ini dirancang untuk membekali peserta dengan pemahaman strategis dan teknis mengenai implementasi observability dan IT monitoring berbasis Artificial Intelligence (AI) atau AIOps dalam konteks sistem perbankan. Peserta akan mempelajari bagaimana memanfaatkan machine learning untuk anomaly detection, root cause analysis otomatis, predictive alerting, serta capacity forecasting guna meningkatkan reliability dan resilience sistem. Selain membahas arsitektur dan tools, pelatihan ini juga mengintegrasikan aspek governance, security monitoring, serta alignment dengan kerangka manajemen risiko dan ketahanan operasional digital. Dengan pendekatan komprehensif, peserta diharapkan mampu merancang strategi observability yang proaktif, terukur, dan selaras dengan kebutuhan bisnis bank menuju 2026.

Tujuan

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  • Memahami konsep dasar observability dan perbedaannya dengan monitoring tradisional.
  • Menjelaskan pentingnya observability dalam arsitektur perbankan modern (microservices, cloud, API).
  • Mengidentifikasi komponen utama observability: logs, metrics, traces, dan events.
  • Menerapkan konsep AIOps untuk deteksi anomali dan analisis akar masalah.
  • Mendesain arsitektur monitoring yang mendukung high availability dan resilience.
  • Menyusun KPI, SLA, SLO, dan error budget dalam konteks layanan perbankan.
  • Mengembangkan roadmap implementasi observability berbasis AI di lingkungan bank.

Materi

Hari 1 – Fundamental Observability & Architecture Design

1. Tren dan Tantangan Monitoring Sistem Perbankan 2026

  • Kompleksitas hybrid & multi-cloud environment
  • Microservices & distributed system challenge
  • Real-time transaction monitoring requirement
  • Dampak downtime terhadap risiko finansial dan reputasi

2. Konsep Dasar Observability

  • Monitoring vs observability
  • Three pillars of observability: logs, metrics, traces
  • Distributed tracing pada sistem pembayaran
  • Service Level Indicator (SLI), Service Level Objective (SLO), Service Level Agreement (SLA)

3. Arsitektur Observability Modern

  • Centralized logging architecture
  • Metrics aggregation & visualization
  • End-to-end transaction tracing
  • API & channel monitoring
  • Synthetic monitoring vs real user monitoring

4. Implementasi di Lingkungan Perbankan

  • Observability pada core banking system
  • Monitoring middleware & message broker
  • Database performance monitoring
  • Fraud & anomaly signal integration
  • Security monitoring dan SIEM integration

5. Data Strategy untuk Observability

  • Log management & retention policy
  • Data normalization & enrichment
  • High-volume telemetry handling
  • Cost optimization monitoring data

 

Hari 2 – AIOps, Automation & Governance

6. Pengantar AIOps dalam Sistem Perbankan

  • Definisi dan konsep AIOps
  • Machine learning untuk anomaly detection
  • Pattern recognition & predictive alerting
  • Noise reduction & alert correlation

7. Root Cause Analysis & Incident Management

  • Automated root cause identification
  • Event correlation engine
  • Incident prioritization berbasis dampak bisnis
  • Integrasi dengan ITSM & ticketing system

8. Predictive Monitoring & Capacity Planning

  • Forecasting beban transaksi
  • Capacity modeling untuk peak season
  • Auto-scaling strategy di cloud
  • Proactive failure prevention

9. Governance, Risk & Compliance Alignment

  • Audit trail & monitoring evidence
  • Alignment dengan operational resilience framework
  • Access control & data security monitoring
  • KPI & Key Risk Indicator (KRI) monitoring

10. Roadmap Implementasi & Best Practice

  • Current state assessment
  • Gap analysis observability maturity
  • Target architecture design
  • Tahapan implementasi bertahap
  • Studi kasus implementasi AIOps di industri perbankan

Peserta

  • TI / IT (IT Operations / Observability / AIOps)
  • Cyber Security / Keamanan Informasi
  • Perbankan (Digital Banking / IT Banking)
  • Risk Management / Manajemen Risiko
  • Compliance / Kepatuhan
  • Internal Audit
  • Data Science / Advanced Analytics
  • Business Intelligence / Monitoring Systems
  • Manajemen Umum / Strategic Management
  • Operations / IT Service Management

Metode

  • Pre-test
  • Presentasi Materi
  • Diskusi
  • Studi Kasus
  • Post-test

Fasilitas

  • Training Amenities
  • Peralatan Pelatihan (Tas, Hand Out, Flashdisk, Block Note, Pulpen, Watermarker)
  • Sertifikat
  • Souvenir
  • 2x Coffee Break, 1x Lunch
Kembali ke Layanan