AI-translated from English; not yet reviewed by a fluent editor.

# Jalankan model Ollama lokal dan periksa chat API-nya

> Pasang Ollama, pilih model yang sudah diunduh, periksa jawaban di terminal, lalu kirim prompt yang sama ke chat API localhost. Pastikan model dan batas cloud sebelum menyebut pengaturan ini sepenuhnya lokal.

By BIG CHANGE Editorial

Published: 2026-10-20T14:31:39.416Z
Updated: 2026-10-20T14:31:39.416Z
Canonical: https://bigchange.ai/blog/run-local-ollama-model-chat-api-guide

![Conceptual charcoal illustration of a closed desktop computer tower beside a keyboard and an angled monitor showing indistinct terminal marks.](https://bigchange.ai/api/media/file/ollama-local-chat-api-desktop-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

Ollama dapat menjalankan model yang diunduh di komputer Anda dan menyediakannya melalui alamat HTTP lokal. Panduan ini mengikuti satu model dari pemasangan hingga percakapan terminal dan jawaban API lengkap, dengan nama model yang sama di setiap langkah. Prosedur ini berdasarkan dokumentasi: BIG CHANGE belum memasang perangkat lunak atau mengamati hasilnya di komputer Anda.

## Perubahan utama

- **Apa yang berubah:** Ollama menyediakan jalur langsung dari model yang diunduh ke percakapan terminal dan API lokal. Pemula dapat memeriksa nama model dan respons di setiap antarmuka, alih-alih menganggap jendela percakapan membuktikan tempat inferensi dijalankan.
- **Mengapa penting:** Server lokal dan cloud API Ollama merupakan tujuan yang berbeda. Untuk tugas pekerjaan atau pribadi yang diizinkan, Anda dapat menjalankan latihan ini di komputer sendiri dengan memilih model yang diunduh dan mengarahkan permintaan ke `localhost`, sambil memeriksa konfigurasi server secara terpisah.
- **Yang perlu diperhatikan:** URL lokal saja tidak membuktikan bahwa setiap fitur atau aplikasi terhubung tetap berjalan lokal. Ollama juga dapat memakai model cloud melalui server lokalnya. Pemeriksaan penentu adalah tag model terpasang, tujuan permintaan, alamat tempat server mendengarkan, dan—jika operasi sepenuhnya lokal wajib—catatan penonaktifan cloud setelah mulai ulang.

## Sebelum memulai

Gunakan komputer yang mengizinkan Anda memasang perangkat lunak. Pilih pertanyaan faktual yang tidak sensitif dan jawabannya dapat Anda periksa dalam dokumen asli yang sedang dibuka. Tempel pertanyaan itu saat perintah meminta prompt latihan; jangan memasukkan materi pribadi atau yang diatur secara khusus hanya untuk menguji pengaturan. Simpan dokumen untuk memeriksa jawaban, karena jawaban yang lancar bukan bukti ketepatan.

Anda memerlukan ruang penyimpanan untuk Ollama dan model, memori yang cukup untuk memuat model pilihan, serta koneksi internet untuk pemasangan dan pengunduhan. [Panduan awal Ollama](https://docs.ollama.com/quickstart) memakai `gemma4:e2b` sebagai contoh lokalnya dan menyarankan VRAM tersedia sebesar 8 GB, atau memori terpadu pada Mac. Menurut Ollama, sistem dapat memakai RAM sistem dengan respons yang lebih lambat. Periksa [halaman model terkini](https://ollama.com/library/gemma4:e2b) untuk mengetahui tag tepat, ukuran unduhan, dan lisensi sebelum melanjutkan. Ukuran unduhan tidak membuktikan komputer mampu menjalankan model. Jika model tidak sesuai dengan komputer atau penggunaan yang diizinkan, pilih model *lokal yang dapat diunduh* berukuran lebih kecil dari [pustaka model](https://ollama.com/library) dan ganti `gemma4:e2b` dengan tag tepat model pilihan dalam **setiap** perintah di bawah. Jangan pilih tag `:cloud` untuk latihan ini.

## 1. Pasang Ollama dan periksa server lokal

Dapatkan Ollama dari [halaman unduhan resminya](https://ollama.com/download) dan ikuti petunjuk sistem operasi Anda: [Windows](https://docs.ollama.com/windows), [macOS](https://docs.ollama.com/macos) atau [Linux](https://docs.ollama.com/linux). Pada Windows dan macOS, buka aplikasi yang telah dipasang. Pada Linux, ikuti metode pemasangan pilihan dan jalankan layanannya; jika tidak ada layanan yang berjalan, [panduan awal](https://docs.ollama.com/quickstart) meminta Anda menjalankan `ollama serve` di terminal terpisah. Jangan menjalankan server kedua jika aplikasi atau layanan sudah mendengarkan.

Di terminal baru, periksa versi terpasang dan respons server lokal:

```shell
ollama -v
ollama ls
```

Catat versi dan sistem operasi yang sebenarnya. Daftar model mungkin kosong sebelum pengunduhan pertama; kesalahan perintah atau koneksi berarti Anda perlu memperbaiki pemasangan atau proses memulai server sebelum melanjutkan. Dokumentasi [pertanyaan umum](https://docs.ollama.com/faq) Ollama menyebut alamat pendengar bawaan `127.0.0.1:11434`. Biarkan memakai loopback untuk latihan ini; jangan mengatur alamat jaringan, proxy, atau tunnel.

## 2. Unduh satu model lokal dengan tag tepat

Setelah memeriksa halaman model, jalankan:

```shell
ollama pull gemma4:e2b
ollama ls
```

Tag yang tepat harus muncul dalam `ollama ls` setelah pengunduhan. Catat tag, ukuran yang tertera, dan lisensi di halaman model. Jika pengunduhan gagal atau tag tidak ada, periksa ejaan di pustaka terkini, ruang disk kosong, akses jaringan, serta kesalahan proxy atau izin sebelum mencoba lagi. Unduhan sebagian bukan pemasangan yang berhasil.

## 3. Periksa percakapan terminal interaktif dan sekali jalan

Mulai percakapan interaktif:

```shell
ollama run gemma4:e2b
```

Tempel pertanyaan latihan yang telah disetujui pada prompt percakapan. Periksa jawaban terhadap dokumen yang dipakai untuk membuat pertanyaan, lalu ketik `/bye` untuk keluar. Simpan pertanyaan dan jawaban sebenarnya untuk pemeriksaan Anda; artikel ini tidak menyediakan contoh hasil.

Untuk percobaan sekali jalan yang terpisah, gunakan pertanyaan yang **sama**. Pada PowerShell di Windows:

```powershell
$practicePrompt = Read-Host 'Paste your approved practice question'
ollama run gemma4:e2b $practicePrompt
```

Pada terminal Bash di macOS atau Linux:

```bash
read -r -p 'Paste your approved practice question: ' practice_prompt
ollama run gemma4:e2b "$practice_prompt"
```

Periksa jawaban sebenarnya dari percobaan sekali jalan terhadap sumber yang sama. Kedua jawaban tidak harus memakai kata-kata identik; yang perlu diperiksa adalah kedua perintah menjalankan tag yang dimaksud dan setiap klaim faktual sesuai dengan sumber.

## 4. Tanyakan kepada model yang sama melalui localhost

Antarmuka [chat API](https://docs.ollama.com/api/chat) menerima nama model dan pesan melalui `POST /api/chat`. Secara bawaan, respons dikirim bertahap; `stream: false` meminta satu respons JSON lengkap. [Pengantar API](https://docs.ollama.com/api/introduction) membedakan URL dasar lokal, `http://localhost:11434/api`, dari URL cloud langsung, `https://ollama.com/api`. Permintaan lokal tidak memerlukan API key.

Pada Windows, PowerShell dapat membuat JSON dengan aman dari pertanyaan yang Anda tempel:

```powershell
$practicePrompt = Read-Host 'Paste the same approved practice question'
$body = @{ model = 'gemma4:e2b'; messages = @(@{ role = 'user'; content = $practicePrompt }); stream = $false } | ConvertTo-Json -Depth 5
$response = Invoke-RestMethod -Uri 'http://localhost:11434/api/chat' -Method Post -ContentType 'application/json; charset=utf-8' -Body $body
$response | Select-Object model, done
$response.message.content
```

Pada macOS atau Linux, contoh Bash berikut memakai Python 3 hanya untuk mengodekan prompt dengan aman ke dalam JSON. Pastikan `python3` dan `curl` telah terpasang sebelum menggunakannya:

```bash
read -r -p 'Paste the same approved practice question: ' practice_prompt
export practice_prompt
python3 -c 'import json,os; print(json.dumps({"model":"gemma4:e2b","messages":[{"role":"user","content":os.environ["practice_prompt"]}],"stream":False}))' | curl -fsS 'http://localhost:11434/api/chat' -H 'Content-Type: application/json' --data-binary @-
```

Permintaan seharusnya menghasilkan status HTTP berhasil dan satu objek JSON dengan `model` yang cocok dengan tag unduhan, `done` bernilai `true`, dan `message.content` tidak kosong. Baca dan periksa jawaban sebenarnya terhadap sumber Anda. Respons berhasil memastikan tujuan lokal dan model pilihan untuk permintaan ini; simpan keluaran sendiri, bukan mengandalkan contoh transkrip.

## 5. Periksa penempatan model dan batas operasi lokal

Saat model masih dimuat, jalankan:

```shell
ollama ps
```

Kolom `PROCESSOR` menunjukkan apakah model dimuat pada CPU, GPU, atau keduanya, menurut [pertanyaan umum](https://docs.ollama.com/faq) Ollama. Catat yang benar-benar ditampilkan komputer Anda. Jika model telah dikeluarkan dari memori, kirim prompt lagi lalu periksa ulang. Setelah selesai, Anda dapat mengeluarkannya dari memori dengan `ollama stop gemma4:e2b`; menghapus model melalui `ollama rm gemma4:e2b` merupakan pembersihan disk opsional setelah catatan pengamatan disimpan.

Untuk pengaturan Ollama yang wajib sepenuhnya lokal, ikuti [petunjuk resmi menonaktifkan cloud](https://docs.ollama.com/faq): masukkan `disable_ollama_cloud` ke dalam `~/.ollama/server.json` untuk akun yang **menjalankan server Ollama** (folder `.ollama` pada profil pengguna akun tersebut di Windows), sambil mempertahankan pengaturan JSON lain yang sudah ada:

```json
{
  "disable_ollama_cloud": true
}
```

Pada Linux, [layanan systemd yang didokumentasikan](https://docs.ollama.com/linux) berjalan sebagai `User=ollama`, dengan direktori utama `/usr/share/ollama`; mengedit berkas pada direktori utama Anda sendiri tidak mengonfigurasi layanan tersebut. Untuk pemasangan systemd, Anda dapat memakai alternatif terdokumentasi Ollama, `OLLAMA_NO_CLOUD=1`, dalam pengaturan pengganti layanan. Periksa layanan yang ada terlebih dahulu melalui `systemctl cat ollama.service`, lalu buka pengaturan pengganti dengan `sudo systemctl edit ollama.service`. Tambahkan bagian berikut di bawah `[Service]`, dengan mempertahankan pengaturan pengganti lainnya:

```plaintext
[Service]
Environment="OLLAMA_NO_CLOUD=1"
```

Simpan, muat ulang konfigurasi, lalu mulai ulang layanan:

```bash
sudo systemctl daemon-reload
sudo systemctl restart ollama.service
```

Pada Windows dan macOS, mulai ulang aplikasi sepenuhnya setelah mengubah berkas, lalu cari baris catatan yang persis berikut: `Ollama cloud disabled: true`. Lokasi catatan Windows yang didokumentasikan adalah `%LOCALAPPDATA%\Ollama\server.log`; pada macOS, `~/.ollama/logs/server.log`; pada Linux dengan systemd, gunakan `journalctl -e -u ollama`. Menetapkan variabel lingkungan di terminal lain tidak selalu mengubah aplikasi atau layanan yang sedang berjalan. Menonaktifkan cloud menghapus model cloud dan pencarian web. Jika catatan belum mengonfirmasi perubahan, perbaiki proses mulai ulang sebelum menyebut pengaturan sepenuhnya lokal.

Pastikan alamat pendengar masih `127.0.0.1:11434` melalui catatan atau pemeriksaan pendengar pada sistem operasi, lalu ulangi permintaan localhost dengan tag yang telah diunduh. `OLLAMA_HOST` dapat mengubah alamat pendengar, jadi periksa server yang berjalan, bukan menganggapnya memakai bawaan. Pustaka Python terpisah, browser, agen pemrograman, atau aplikasi terhubung memerlukan pemeriksaan tujuan dan alur datanya sendiri; Ollama lokal tidak membuktikan privasi aplikasi tersebut.

Pada Windows, periksa alamat pendengar melalui PowerShell:

```powershell
Get-NetTCPConnection -LocalPort 11434 -State Listen | Select-Object LocalAddress, LocalPort
```

Pada macOS, gunakan `lsof -nP -iTCP:11434 -sTCP:LISTEN`; pada Linux, gunakan `ss -ltn '( sport = :11434 )'`. Jika alat tidak tersedia, periksa catatan server. Alamat wildcard atau non-loopback perlu diselidiki sebelum Anda menyebut API hanya dapat diakses dari komputer itu.

## Kegagalan, biaya, dan batasan

Jika `ollama -v` atau `ollama ls` gagal, kembali ke petunjuk pemasangan dan menjalankan server untuk sistem operasi Anda. Koneksi localhost yang ditolak biasanya berarti server berhenti atau mendengarkan di alamat lain. Periksa catatan dan alamat; jangan mengekspos API ke jaringan untuk memperbaikinya. Jika muncul beberapa baris JSON, periksa `"stream": false` dalam permintaan. Untuk kehabisan memori atau respons lambat, periksa `ollama ps`, pilih tag model yang benar-benar lebih kecil, lalu ulangi pengunduhan, percakapan terminal, dan API dengan tag yang sama. Tahap yang belum selesai tetap belum terverifikasi.

Model lokal tetap membutuhkan perangkat keras, listrik, dan penyimpanan. Latihan ini tidak memerlukan Ollama API key atau API berbayar; lisensi model dapat membatasi penggunaan. Cloud dan layanan pihak ketiga opsional memiliki ketentuan serta alur data tersendiri. Untuk membandingkan perangkat keras sebelum membeli, lihat [panduan komputer AI lokal 128 GB](https://bigchange.ai/blog/run-local-models-128gb-memory-cost). Untuk tugas Ollama dan Claude Code yang berbeda, lihat [panduan perubahan yang diperiksa](https://bigchange.ai/blog/claude-code-local-ollama-checked-change-guide).

## Sumber dan bacaan lanjutan

- [Panduan awal Ollama](https://docs.ollama.com/quickstart) — pemasangan dan contoh lokal `gemma4:e2b`, termasuk rekomendasi memori. Ini dokumentasi, bukan pengujian pada komputer Anda.
- [Referensi baris perintah](https://docs.ollama.com/cli) — perintah terkini `pull`, `run`, `ls`, `ps`, `stop`, `rm` dan `serve` yang digunakan di sini.
- [Pengantar API](https://docs.ollama.com/api/introduction) dan [dokumentasi endpoint chat](https://docs.ollama.com/api/chat) — alamat dasar lokal dan cloud, permintaan tanpa pengiriman bertahap, serta kolom respons.
- [Pertanyaan umum](https://docs.ollama.com/faq) — loopback bawaan, penempatan model, pengaturan cloud, dan pemeriksaan catatan.
- [Halaman model Gemma 4 E2B](https://ollama.com/library/gemma4:e2b) — periksa tag tepat, ukuran, dan lisensi terkini sebelum mengunduh.

## Sources

- [Panduan awal Ollama](https://docs.ollama.com/quickstart) — Petunjuk resmi pemasangan dan contoh lokal gemma4:e2b, termasuk pull, run, /bye, API, dan rekomendasi memori. Ini tidak membuktikan kesesuaian perangkat keras pembaca atau hasil sebenarnya.
- [Referensi baris perintah Ollama](https://docs.ollama.com/cli) — Sumber untuk perintah terkini pull, run, ls, ps, stop, rm, dan serve. Tidak ada perintah terminal yang dijalankan untuk panduan ini.
- [Pengantar API Ollama](https://docs.ollama.com/api/introduction) — Sumber untuk alamat dasar localhost dan cloud langsung, serta tidak diperlukannya key untuk permintaan lokal. Server lokal dapat memakai model cloud jika cloud diaktifkan.
- [Endpoint chat Ollama](https://docs.ollama.com/api/chat) — Sumber untuk permintaan model dan messages, pengiriman bertahap bawaan, stream: false, serta kolom lengkap model, done, dan message.content. Bukan bukti respons sebenarnya dari pembaca.
- [Pertanyaan umum Ollama](https://docs.ollama.com/faq) — Sumber untuk loopback bawaan, penempatan CPU/GPU, konfigurasi cloud, mulai ulang, dan catatan. Alur data aplikasi lain harus diperiksa secara terpisah.
- [Halaman Ollama Gemma 4 E2B](https://ollama.com/library/gemma4:e2b) — Sumber untuk tag contoh yang tepat dan lisensi artefak model terkini. Ukuran, hak penggunaan, dan kapasitas komputer tetap perlu diperiksa langsung sebelum pengunduhan.
- [Pemasangan Ollama pada Windows](https://docs.ollama.com/windows) — Sumber untuk CLI platform, server latar belakang, dan jalur berkas catatan; bukan bukti versi yang terpasang pada komputer pembaca.
- [Pemasangan Ollama pada macOS](https://docs.ollama.com/macos) — Sumber untuk aplikasi platform, CLI, dan jalur berkas catatan; bukan bukti versi yang terpasang pada komputer pembaca.
- [Pemasangan Ollama pada Linux](https://docs.ollama.com/linux) — Sumber untuk pemasangan platform, memulai layanan secara manual, dan journal. Ikuti petunjuk yang sesuai dengan metode pilihan serta konfigurasi server yang benar-benar berjalan.