WiFi Mati, AI Tetap Jawab: Cara Pakai Ollama di Laptop

Ollama itu aplikasi, modelnya yang berpikir

Bayangkan Ollama sebagai tempat kamu menjalankan mesin AI. Model seperti Qwen3.5 adalah mesin yang dimuat ke dalamnya. Laptopmu menyediakan tenaga dan memorinya.

Jadi, memasang Ollama saja belum cukup. Kamu masih perlu memilih dan mengunduh model. Setelah itu, model lokal mengolah pesan menggunakan perangkatmu, bukan meminta server cloud mengerjakan jawabannya. Quickstart Ollama menjelaskan jalur memakai model lokal dan model cloud.

Ini juga belum otomatis menjadi AI agent yang bisa mengurus seluruh pekerjaanmu. Chat lokal adalah fondasinya. Supaya bisa mengambil data atau menjalankan tindakan, masih perlu integrasi tools, izin akses, dan alur kerja yang kamu atur.

Laptop apa yang bisa dipakai?

Mulai dari perangkat yang sudah kamu punya. Yang perlu dicek adalah OS, ruang penyimpanan, memori yang tersedia, dan dukungan GPU—bukan sekadar merek laptopnya.

• Windows: dokumentasi menyebut Windows 10 22H2 atau lebih baru. Aplikasi native menyediakan perintah Ollama di PowerShell dan Command Prompt. Lihat persyaratan Windows.
• Mac: membutuhkan macOS Sonoma 14 atau lebih baru. Apple Silicon mendukung CPU dan GPU; Mac Intel berjalan lewat CPU. Lihat persyaratan macOS.
• Linux: ikuti panduan instalasi Linux, termasuk dukungan driver bila ingin memakai GPU.

Saranku, coba 2B dulu kalau belum tahu batas perangkatmu. Jangan menghabiskan seluruh ruang kosong untuk model; aplikasi, sistem operasi, dan proses download juga membutuhkan ruang. Kinerja tetap perlu kamu coba di perangkat sendiri.

Pilih ukuran model, jangan asal ambil yang terbesar

Ini lima pilihan yang dibahas di carousel. Angka berikut adalah ukuran download pada tag yang ditulis, bukan patokan RAM minimum dan bukan hasil benchmark laptop. Sumbernya katalog huihui_ai, diperiksa 13 Oktober 2026.

Bagian setelah titik dua adalah tag model. Contohnya, :4B memilih varian 4B. Salin nama lengkapnya supaya tidak mengambil varian lain. Saat dicek, tag latest model komunitas ini mengarah ke varian 27B sekitar 17 GB; jangan menghilangkan tag kalau niatmu hanya mencoba model kecil.

Saat berjalan, model juga membutuhkan memori untuk konteks percakapan dan proses komputasi. Makin panjang konteks yang dialokasikan, makin besar kebutuhan memorinya. Jadi file 3,3 GB bukan berarti cukup menyediakan RAM 3,3 GB. Lihat penjelasan context length.

Dari instalasi sampai chat pertama

1. Pasang aplikasi dari sumber resmi

Di Windows, jalankan installer dari halaman download. Di Mac, buka file DMG dan pindahkan Ollama ke Applications, lalu buka aplikasinya. Setelah instalasi selesai, buka jendela PowerShell atau Terminal yang baru.

Untuk Linux, gunakan instruksi resmi sesuai sistemmu. Installer dapat menambahkan service dan mengubah sistem; baca instruksinya sebelum mengeksekusi script. Tutorial ini tidak mengharuskan Docker atau VPS.

Cek apakah perintah Ollama sudah dikenali:

ollama -v

2. Pastikan server Ollama aktif

Kalau aplikasi Ollama sudah berjalan di background, tidak perlu menjalankan server kedua. Jika kamu memakai instalasi yang servernya belum aktif, buka terminal dan jalankan:

ollama serve

Biarkan jendela server itu terbuka, lalu gunakan terminal kedua untuk download dan chat. Ini salah satu fungsi yang dijelaskan di referensi CLI Ollama.

3. Download satu model saja dulu

Gunakan dua perintah 4B di bagian awal. Kalau ingin mencoba yang lebih ringan, pilih 2B sebagai gantinya:

ollama pull huihui_ai/qwen3.5-abliterated:2B
ollama run huihui_ai/qwen3.5-abliterated:2B

Alternatif tanpa modifikasi abliterated: gunakan perintah berikut untuk Qwen3.5 standar 4B. Pilih salah satu jalur; tidak perlu mengunduh keduanya. Ukuran download varian standar bisa berbeda dari tabel komunitas di atas.

ollama run qwen3.5:4b

Jika model belum tersedia di perangkat, run akan mengunduhnya lebih dulu. Tetap sambungkan internet sampai proses tersebut selesai. Untuk contoh carousel, dua perintah pull dan run sengaja dipisah supaya tahap download-nya jelas.

4. Kirim satu tugas yang gampang diperiksa

Setelah masuk ke kolom input chat di terminal, ketik:

Buat 5 ide konten untuk kedai kopi kecil di Jakarta. Targetnya pekerja kantoran. Tiap ide cukup satu kalimat, bisa direkam dengan HP, dan tidak memerlukan diskon.

Nilai hasilnya: apakah benar lima ide, relevan untuk kedai kopi, dan masuk akal direkam sendiri? Jangan langsung menganggap jawaban yang panjang berarti bagus. Ketik /bye untuk keluar dari sesi chat dan kembali ke terminal biasa.

Buktikan offline dengan prompt baru

Tes ini dilakukan di laptop yang kamu pegang langsung, bukan dengan mematikan jaringan VPS atau komputer yang sedang kamu akses dari jauh.

1. Saat masih online, selesaikan download dan pastikan model bisa menjawab.
2. Di terminal biasa, ketik ollama ls untuk melihat daftar model yang sudah tersedia.
3. Matikan WiFi, lepaskan kabel Ethernet, dan putuskan tethering atau koneksi internet lain.
4. Buka lagi model lokal yang sama dengan perintah ollama run tadi.
5. Kirim pertanyaan baru, misalnya: “Ubah ide nomor dua menjadi naskah video 20 detik.” Jika memulai sesi baru, sertakan juga ide yang ingin diubah.

Yang mau kita lihat adalah jawaban baru dihasilkan tanpa internet, bukan jawaban lama yang masih tampil di layar. Setelah selesai, kamu boleh menyambungkan internet kembali.

Ollama juga menyediakan model cloud. Model seperti itu tetap membutuhkan internet meskipun kamu mengaksesnya melalui aplikasi atau alamat lokal. Jadi, jangan memakai nama aplikasi atau tulisan localhost sebagai satu-satunya bukti bahwa komputasinya lokal. Dokumentasi Ollama Cloud menjelaskan perbedaannya.

CPU atau GPU? Cek, jangan menebak

Saat model sedang aktif, buka terminal kedua dan jalankan:

ollama ps

Perhatikan kolom PROCESSOR:

• 100% GPU: model dimuat seluruhnya ke memori GPU.
• 100% CPU: model dimuat ke memori sistem.
• CPU/GPU dengan persentase: model terbagi di keduanya.

Itu menunjukkan penempatan model, bukan persentase kesibukan prosesor seperti di Task Manager. Daftar kosong berarti tidak ada model yang sedang dimuat, bukan berarti semua file download hilang. Penjelasannya ada di FAQ Ollama.

Kalau terasa lambat, mulai dengan model lebih kecil dan konteks lebih pendek. Jangan sekaligus mengirim satu dokumen panjang sambil membuka banyak aplikasi berat. Kalau punya GPU tetapi tidak terpakai, cek dukungan hardware dan driver, bukan langsung menganggap instalasinya rusak.

Dua prompt latihan yang bisa langsung dipakai

Salin prompt berikut setelah masuk ke chat model, bukan di PowerShell yang masih menunggu perintah sistem. Tanda tiga kutip di awal dan akhir dipakai untuk input beberapa baris di CLI Ollama.

Merapikan catatan kerja

"""
Ubah catatan ini menjadi daftar tindakan yang singkat.
Pisahkan tugas, penanggung jawab, dan tenggat.
Kalau nama atau waktunya tidak disebutkan, tulis belum ditentukan.
Jangan mengarang keputusan baru.

Catatan:
Foto menu baru perlu diulang. Dina siapkan contoh fotonya Jumat.
Harga paket makan siang belum final. Banner menunggu harga pasti.
"""

Mengelompokkan masukan pelanggan

"""
Kelompokkan masukan berikut ke kategori produk, layanan, atau harga.
Berikan alasan singkat dan satu pertanyaan lanjutan jika perlu.
Jangan membuat janji kompensasi atau menebak identitas pelanggan.

1. Kopinya enak, tetapi pesanannya lama keluar.
2. Ukuran gelasnya lebih kecil dari yang saya bayangkan.
3. Ada paket untuk langganan kantor tidak?
"""

Pakai bahan yang tidak sensitif untuk latihan. Bandingkan hasilnya dengan penilaianmu sendiri: apa yang sudah tepat, apa yang terlewat, dan apakah model menambahkan fakta yang tidak ada. Kamu bisa mengulang bahan yang sama di dua ukuran model untuk memilih hasil yang paling berguna, bukan sekadar paling panjang.

Kalau mentok, cek lima hal ini

• Perintah ollama tidak dikenali: pastikan instalasi selesai, lalu tutup dan buka ulang terminal. Cek petunjuk OS-mu jika command tetap belum tersedia.
• Tidak bisa tersambung ke server: buka aplikasi Ollama atau jalankan server bila memang belum aktif. Kalau muncul “address already in use”, cek instance yang sudah berjalan; jangan terus menyalakan yang baru.
• Model tidak ditemukan: periksa ejaan nama lengkap dan tag dari katalog, lalu pastikan download selesai sebelum mematikan internet.
• Memori tidak cukup atau respons sangat lambat: pilih model lebih kecil, kurangi konteks, dan tutup aplikasi berat yang tidak diperlukan.
• Masih butuh login atau internet: periksa apakah yang dipilih model cloud, apakah download belum selesai, atau apakah fitur tambahan sedang memanggil layanan luar.

Jika masalah belum jelas, baca panduan troubleshooting Ollama. Saat meminta bantuan, sertakan OS, versi Ollama, nama model, dan pesan error. Jangan membagikan isi percakapan pribadi atau kredensial dari log.

Tiga hal yang jangan salah dipahami

Lokal bukan berarti otomatis aman untuk semua data. Memproses pesan di perangkat mengurangi kebutuhan mengirimkannya ke provider cloud, tetapi keamanan perangkat, sinkronisasi file, dan integrasi lain tetap perlu diperiksa. Untuk latihan pribadi, pertahankan server di alamat lokal bawaan; jangan membuka port ke internet hanya supaya terlihat “online”. Alamat bawaan Ollama adalah 127.0.0.1:11434, sesuai FAQ resmi.

Offline bukan berarti tahu kejadian terbaru. Model tetap bisa salah, mengarang, atau tidak memiliki informasi terbaru. Untuk tugas berbasis dokumen, berikan bahan yang relevan dan periksa jawabannya. Menyambungkan pencarian web akan kembali memerlukan jaringan.

Tanpa biaya API bukan berarti tanpa biaya sama sekali. Untuk inferensi model lokal ini, kamu tidak membeli token cloud per chat. Tetapi perangkat, listrik, penyimpanan, dan internet untuk download awal tetap punya biaya. Performa juga tidak bisa disamakan untuk semua laptop.

Targetnya bukan punya banyak model

Targetnya punya satu model yang bisa membantu satu pekerjaanmu. Mungkin merapikan catatan rapat, menyusun ide konten, atau menyiapkan draf jawaban yang tetap kamu periksa sebelum dikirim.

Setelah itu baru pikirkan langkah berikutnya: model ini perlu membaca bahan apa, terhubung ke tools mana, dan tindakan apa yang tetap harus meminta persetujuanmu. Kalau mau mempelajari fondasi itu lebih lanjut, lihat AI Agent Masterclass.

Mulai dari model kecil. Coba pekerjaan nyata. Cabut internetnya, lalu lihat sendiri.

Sumber dan pembaruan

Artikel ini dikembangkan dari carousel Djeonail “AI Lokal Ollama”. Nama model, ukuran download, dan perintah dicocokkan dengan katalog serta dokumentasi pada 13 Oktober 2026. Ini panduan berbasis dokumentasi, bukan klaim benchmark atau pengujian semua perangkat. Katalog dan persyaratan dapat berubah.

• Ollama — download resmi dan quickstart.
• huihui_ai — model sumber carousel dan peringatan penggunaan, daftar tag, serta detail varian 4B.
• Qwen3.5 standar 4B — alternatif model lokal.
• Ollama untuk Windows, macOS, dan Linux.
• Referensi CLI, context length, Local FAQ, cloud, GPU, dan troubleshooting.