Pengembangan Sistem Automasi Devops untuk Optimalisasi Biaya Cloud di E-commerce

Kurniadi, Didik (2025) Pengembangan Sistem Automasi Devops untuk Optimalisasi Biaya Cloud di E-commerce. Undergraduate thesis, Universitas Pembangunan Jaya.

This is the latest version of this item.

[img] Text
Pendahuluan.pdf
Download (7MB)
[img] Text
Abstract.pdf
Download (257kB)
[img] Text
Abstrak.pdf
Download (252kB)
[img] Text
Daftar Isi.pdf
Download (240kB)
[img] Text
Daftar Gambar.pdf
Download (257kB)
[img] Text
Daftar Tabel.pdf
Download (242kB)
[img] Text
Daftar Lampiran.pdf
Download (237kB)
[img] Text
BAB I.pdf
Download (276kB)
[img] Text
BAB II.pdf
Download (711kB)
[img] Text
BAB III.pdf
Download (409kB)
[img] Text
BAB IV.pdf
Download (1MB)
[img] Text
BAB V.pdf
Download (6MB)
[img] Text
BAB VI.pdf
Download (234kB)
[img] Text
Daftar Pustaka.pdf
Download (235kB)
[img] Text
Lampiran.pdf
Download (7MB)
[img] Text
Berita Acara Unggah Mandiri.pdf
Download (647kB)
[img] Text
Bukti Lolos Similarity.pdf
Download (880kB)

Abstract

Perkembangan teknologi cloud computing telah menjadi elemen kunci dalam mendukung operasional bisnis e-commerce, namun biaya operasional cloud tetap menjadi tantangan signifikan. Penelitian ini bertujuan untuk mengembangkan sistem automasi DevOps yang mampu mengoptimalkan penggunaan sumber daya cloud secara efisien pada Google Cloud Platform (GCP). Sistem ini dirancang untuk mendeteksi sumber daya yang tidak efisien atau tidak terpakai dengan memanfaatkan model Machine learning Boosted Decision Tree untuk memprediksi Average Predicted Usage (APU) berdasarkan data penggunaan CPU dan memori dari infrastruktur cloud selama 10 bulan (Januari hingga Oktober 2024). Model ini menunjukkan performa yang sangat baik, dengan akurasi sebesar 93%, presisi sebesar 98% untuk kelas negatif dan 88% untuk kelas positif, recall sebesar 88% untuk kelas negatif dan 98% untuk kelas positif, serta F1-score sebesar 93% untuk kedua kelas. Selanjutnya, algoritma Particle Swarm Optimization (PSO) digunakan untuk menentukan konfigurasi tipe mesin yang optimal berdasarkan prediksi APU dan parameter penggunaan sumber daya. Sistem ini juga diintegrasikan dengan pipeline CI/CD pada GitLab untuk otomatisasi proses analisis, pelatihan model, dan optimisasi. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan rekomendasi valid dengan tingkat keberhasilan sebesar 94%, serta berhasil mengurangi biaya operasional cloud hingga rata-rata 8.12% selama periode pengujian. Selain itu, sistem ini juga mampu mendeteksi resource yang tidak efisien, seperti IP address, snapshot lama, dan disk tidak terpakai, sehingga meningkatkan efisiensi sumber daya cloud secara keseluruhan. Penelitian ini memberikan kontribusi penting dalam pengembangan solusi automasi berbasis DevOps yang terintegrasi, yang dapat diterapkan untuk mendukung efisiensi biaya operasional di industri e-commerce.

Item Type: Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords: sistem automasi, DevOps, optimisasi biaya cloud, e-commerce , Google Cloud Platform, Machine learning, PSO, CI/CD
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi dan Desain > Informatika
Depositing User: Didik Kurniadi
Date Deposited: 14 Feb 2025 08:12
Last Modified: 14 Feb 2025 08:15
URI: http://eprints.upj.ac.id/id/eprint/10794

Available Versions of this Item

  • Pengembangan Sistem Automasi Devops untuk Optimalisasi Biaya Cloud di E-commerce. (deposited 14 Feb 2025 08:12) [Currently Displayed]

Actions (login required)

View Item View Item