Optimalisasi Arsitektur REST Pada Ekosistem Komputasi Awan Untuk Mendukung Platfrom E-Learning
Peneliti: Faisal Ssi dan I Gede Putra Kusuma Negara
Penelitian ini menyajikan proses optimalisasi gaya arsitektur Representational State Transfer (REST) pada ekosistem komputasi awan untuk mendukung platform E-Learning. Pendekatan yang dilakukan adalah dengan melakukan desain aplikasi multitenan untuk menyebarkan aplikasi E-Learning secara otomatis dan mudah untuk masing-masing tenan sekolah yang berbeda. Hal ini memberikan kontribusi yang signifikan bagi para stakeholder pendidikan sehingga bisa menggunakan aplikasi E-Learning dengan dengan cepat tanpa perlu melakukan penyebaran manual dan penyediaan server fisik yang membutuhkan waktu.
Kontainerisasi aplikasi LMS Moodle digunakan untuk menyebarkan setiap LMS tenan di ekosistem komputasi awan dimana teknologi Kubernetes digunakan untuk mengorkestrasi kontainer di cluster. Dengan Kubernetes membantu sistem dari aspek scalability karena dapat menskalakan penyebaran aplikasi secara horizontal pada node mesin virtual yang ada di cluster.
Dari hasil percobaan, proses penyebaran LMS untuk tenan baru memerlukan waktu kurang dari 5 menit. Hasil stress test untuk 250 pengguna secara bersamaan menunjukkan bahwa sistem memiliki ketersediaan di atas 90%. Metode evaluasi Architecure Trade-off Analysis Method (ATAM) digunakan untuk menganalisis setiap trade-off dalam desain arsitektur. Dari output ATAM bisa dijadikan acuan untuk iterasi perbaikan arsitektur selanjutnya. Kedepan, solusi E-Learning ini diskalakan di eksosistem komputasi awan sehingga dapat dijadikan sebagai layanan Software as a Service (SaaS) di bidang teknologi pendidikan.
