Cara Menghitung Biaya AI per Proyek (Studi Kasus Nyata)

Oleh Darus S Alfatah · 2026-11-07 · Optimasi · 9 menit

Cara Menghitung Biaya AI per Proyek (Studi Kasus Nyata)

Catatan penulis: Setelah mencatat biaya per fitur selama sebulan, kami menemukan satu endpoint kecil menghabiskan hampir setengah anggaran.

Fokus artikel ini

Artikel ini mengajarkan menghitung total biaya satu fitur/proyek dari volume request dan rata-rata token, termasuk biaya percobaan ulang.

Baca juga: Harga per 1 Juta Token: Panduan Membandingkan Biaya API AI · Apa Itu Token dalam API AI? Cara Kerja dan Cara Menghitungnya

Pendahuluan: Biaya AI Sering Tidak Terlihat

Banyak tim terkejut ketika tagihan AI mereka membengkak. Sebabnya sederhana: biaya AI bersifat variabel — bergantung pada berapa banyak token yang diproses, bukan pada berapa banyak pengguna. Satu fitur yang terlihat kecil bisa menghabiskan anggaran besar bila setiap request mengirim konteks panjang atau menghasilkan jawaban bertele-tele. Artikel ini menunjukkan cara menghitungnya secara konkret, lengkap dengan contoh.

Satuan Dasar: Token

Semua penyedia AI menagih per token — potongan kata, kira-kira 3–4 karakter bahasa Indonesia atau ±4 karakter bahasa Inggris. Harga biasanya dinyatakan per satu juta token, dan dipisahkan antara token input (yang Anda kirim) dan token output (yang dihasilkan). Output hampir selalu lebih mahal, dua sampai lima kali lipat.

biaya = (token_input × harga_input + token_output × harga_output) / 1.000.000

Studi Kasus: Chatbot Layanan Pelanggan

Misalkan sebuah toko online punya chatbot yang menjawab 1.000 percakapan per hari. Rata-rata setiap percakapan: prompt sistem 500 token, riwayat 300 token, pertanyaan 100 token, dan jawaban 250 token. Jadi input 900 token dan output 250 token per percakapan.

  • Input harian: 1.000 × 900 = 900.000 token.
  • Output harian: 1.000 × 250 = 250.000 token.
  • Bulanan (30 hari): 27 juta input + 7,5 juta output.

Dengan harga contoh Rp 4.000 per juta input dan Rp 20.000 per juta output: input Rp 108.000, output Rp 150.000, total sekitar Rp 258.000 per bulan. Angka ini terlihat kecil, tetapi naik cepat bila prompt sistem membengkak menjadi 2.000 token.

Faktor yang Membuat Biaya Melonjak

  • Prompt sistem panjang yang dikirim berulang setiap request.
  • Riwayat percakapan tak terbatas yang tumbuh tiap giliran.
  • Output bertele-tele tanpa batas max_tokens.
  • Model mahal dipakai untuk tugas sepele.
  • Retry tanpa kendali yang menagih ulang request gagal.

Strategi Menekan Biaya

  1. Routing dua lapis — model murah menentukan, model mahal hanya untuk kasus sulit.
  2. Ringkas riwayat — simpan ringkasan, bukan transkrip penuh.
  3. Batasi output — set max_tokens sesuai kebutuhan nyata.
  4. Cache prompt — bagian statis ditagih lebih murah bila di-cache.
  5. Pantau per fitur — agar satu fitur tidak menelan anggaran semua.

Membuat Anggaran dan Peringatan

Set anggaran token per fitur dan per pengguna. Kirim peringatan otomatis bila pemakaian mencapai 80% anggaran. Ini memberi waktu bereaksi sebelum tagihan melampaui rencana. Lacak juga biaya per pelanggan agar penetapan harga langganan tetap menguntungkan.

Kesalahan Perhitungan yang Umum

Pertama, melupakan token prompt sistem yang dikirim setiap kali. Kedua, mengabaikan token penalaran pada model reasoning yang tidak terlihat di output. Ketiga, menganggap harga input sama untuk semua model. Keempat, tidak menyisakan margin untuk retry dan kegagalan.

Kapan Model Mahal Justru Lebih Murah

Model mahal sering menyelesaikan tugas dalam satu percobaan, sedangkan model murah butuh tiga kali percobaan plus koreksi. Bila demikian, model mahal bisa jadi lebih hemat total. Selalu bandingkan biaya per tugas selesai, bukan hanya harga per token.

Membuat Estimator Sederhana

Buat spreadsheet: kolom model, harga input, harga output, rata-rata token input, rata-rata token output, dan jumlah request per bulan. Kalikan dan jumlahkan. Perbarui setiap kali pola pemakaian berubah. Estimator sederhana ini mencegah kejutan tagihan dan memudahkan perbandingan antar model.

FAQ

Berapa token untuk satu halaman teks?

Sekitar 500–700 token per halaman A4 bahasa Indonesia, tergantung kepadatan teks.

Apakah streaming lebih murah?

Tidak, tarifnya sama. Streaming mengubah persepsi kecepatan, bukan biaya.

Apakah cache benar-benar menghemat?

Ya, bila bagian awal prompt tidak berubah. Bagian yang di-cache ditagih lebih murah oleh banyak penyedia.

Model mana yang paling murah?

Bergantung tugas. Hitung biaya per tugas selesai, bukan hanya harga per token.

Bagaimana bila pemakaian melonjak tiba-tiba?

Gunakan kuota, peringatan otomatis, dan fallback ke model yang lebih murah untuk tugas ringan.

Apakah token penalaran dihitung?

Ya. Pada model reasoning, token untuk "berpikir" ikut ditagih meski tidak tampil di jawaban.

Poin Penting

  • Biaya dihitung per token, input dan output dipisah.
  • Output lebih mahal; kendalikan panjangnya.
  • Prompt sistem panjang adalah pemborosan tersembunyi terbesar.
  • Hitung biaya per tugas selesai, bukan per token saja.
  • Set anggaran dan peringatan sebelum tagihan meledak.

Kesimpulan

Menghitung biaya AI itu sederhana bila Anda tahu polanya: kalikan token dengan harga, pisahkan input dan output, lalu kalikan frekuensi. Selanjutnya, tekan biaya dengan routing, ringkasan, dan batas output. Mulai dari BankAI yang menampilkan harga transparan agar perhitungan Anda akurat sejak awal.

Contoh: hitung sebelum launching: Misalkan fitur Anda dipakai 10.000 kali per bulan, rata-rata 400 token input dan 200 token output per panggilan. Totalnya 4 juta token input + 2 juta token output. Kalikan dengan tarif per token model yang dipilih, lalu tambahkan margin. Angka ini jauh lebih jujur daripada menebak "kira-kira murah".

Pertanyaan yang Sering Diajukan

Apa tujuan optimasi yang dibahas di sini?

Artikel ini membahas cara menekan pemborosan token dan biaya tanpa mengorbankan kualitas hasil, sehingga pemakaian API lebih efisien.

Apakah optimasi ini menurunkan kualitas jawaban AI?

Tidak, jika diterapkan dengan benar. Optimasi diarahkan pada efisiensi prompt dan pemakaian token, bukan mengurangi kualitas.

Di mana saya bisa melihat pemakaian token saya?

Di dashboard BankAI, tersedia rincian pemakaian per model dan per periode.

Sumber & Referensi

Tentang penulis

Darus S Alfatah — Founder & Penulis

Darus S Alfatah adalah pendiri BankAI. Ia membangun dan mengoperasikan gateway API LLM yang melayani developer Indonesia, dan menulis tentang integrasi LLM, arsitektur gateway, serta cara memakai AI secara praktis dan hemat biaya. Setiap panduan diuji di lingkungan nyata — termasuk kode, konfigurasi, dan perhitungan token — sebelum diterbitkan, dan diperbarui ketika dokumentasi penyedia atau harga berubah.

Kebijakan editorial

Artikel terkait

🚀 Siap Pakai All in One API Key?

Daftar sekarang, top-up pakai QRIS, dan langsung ngoding pake ChatGPT, Claude, DeepSeek & semua AI dalam satu API Key!

🔑 DAFTAR SEKARANG · Harga