| NIM | H1A020046 |
|---|
| Namamhs | FEBRIYANTI PARAMUDITA |
|---|
| Judul Artikel | IMPLEMENTASI DEVOPS PADA PENGEMBANGAN APLIKASI ANDROID PENDETEKSI KUALITAS BERAS BERBASIS MACHINE LEARNING |
|---|
| Abstrak (Bhs. Indonesia) | Beras merupakan makanan pokok sebagian besar penduduk Indonesia. Permintaannya cenderung meningkat sekitar 1% setiap tahun hingga tahun 2050. Permintaan yang terus meningkat tersebut menuntut standar kualitas yang tinggi. Saat ini, Badan Urusan Logistik (BULOG) masih menggunakan metode konvensional dalam pemantauan kualitas beras. Dalam penelitian ini, penulis memanfaatkan teknologi informasi, khususnya aplikasi Android dengan pendekatan DevOps, untuk meningkatkan efisiensi dan objektivitas dalam mendeteksi kualitas beras. Hasil penelitian menunjukkan bahwa implementasi DevOps membawa dampak positif terhadap kualitas dan stabilitas aplikasi, dengan 60 pipeline yang membentuk alur kerja yang fleksibel. Melalui pemantauan, hasil menunjukkan variasi waktu mulai aplikasi dari 338ms hingga 1.61s, respons perangkat fisik adalah 3.97s, tidak ada kasus slow rendering, kualitas kode mencapai 100%, dan ukuran payload berkisar antara 3.41KB dan 6.42KB, sesuai dengan kompleksitas jumlah data yang diperlukan oleh masing-masing fitur. Dengan demikian, aplikasi ini berpotensi memberikan solusi efektif untuk memonitor dan meningkatkan kualitas beras di pasar. |
|---|
| Abtrak (Bhs. Inggris) | Rice is a staple food for the majority of the Indonesian population. Its demand tends to increase by approximately 1% per year until 2050. The continued increase in demand necessitates high-quality standards. Currently, the National Logistics Agency (BULOG) still employs conventional methods in monitoring rice quality. In this study, the author leveraged information technology, particularly Android applications with a DevOps approach, to enhance efficiency and objectivity in detecting rice quality. The research results indicate that DevOps implementation has a positive impact on application quality and stability, with 60 pipelines forming a flexible workflow. Through monitoring, the results show a variation in application startup time from 338ms to 1.61s, with a physical device response time of 3.97s, no cases of slow rendering, 100% code quality, and a payload size ranging from 3.41KB to 6.42KB, corresponding to the complexity of data required by each feature. Thus, this application has the potential to provide an effective solution for monitoring and improving rice quality in the market. |
|---|
| Kata kunci | DevOps, aplikasi, android, machine learning, kualitas beras |
|---|
| Pembimbing 1 | Mulki Indana Zulfa |
|---|
| Pembimbing 2 | Acep Taryana |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2024 |
|---|
| Jumlah Halaman | 9 |
|---|
| Tgl. Entri | 2024-05-06 12:02:56.569587 |
|---|