Text
Implementasi Event-Driven Architecture Pengolahan Model Machine Learning Pada Aplikasi Deteksi Covid-19 Berdasarkan Gambar X-Ray Paru-Paru (Studi Kasus PPTIK ITB)
Kecepatan dalam pemperosesan data sangatlah penting dalam sebuah aplikasi. Pusat Penelitian Teknologi Informasi dan Komunikasi Institut Teknologi Bandung (PPTIK ITB) memiliki aplikasi x-ray dengan kendala efisiensi kecepatan saat memproses data dari machine learning dan kehilangan data ketika service sedang tidak tersedia, dengan rata-rata pemprosesan data 854.404 milisecond. Maka dari itu dibutuhkan suatu arsitektur yang dapat menangani efisiensi waktu tunggu dan kehilangan data saat proses machine learning tidak tersedia di server. Beranjak dari kebutuhan di atas maka dipilihlah arsitektur event-driven untuk mengatasi masalah tersebut arsitektur ini dipilih karena dapat melakukan proses data secara real time dan melakukan sistem antrian untuk mengatasi kehilangan data dengan menyimpan data pada antrian sebelum diproses menggunakan machine learning dan sebagai jembatan antara application programming interface (API) dengan service machine kearning. Hasil akhir dari penelitian ini adalah sebuah aplikasi dengan arsitektur event-driven yang menghasilkan performa lebih cepat dengan rata-rata pemprosesan 86.388 milisecond dengan pengujian sebanyak 5 kali dengan gambar yang sama ketika proses unggah gambar dan mengurai kegagalan ketika proses machine learning dilakukan dengan pengujian mematikan service machine learning.
Kata Kunci: Even-Driven Architecture, Covid-19, X-Ray, Paru-Paru, Message Broker, Extreme Programming, Rabbitmq, Blackbox, Application Programming Interface
TI 230001 | TI 423 RIF i | My Library | Available |
No other version available