Analisis Skalabilitas Sistem Pengenalan Wajah menggunakan Library Face Recognition di Lingkungan Cloud Computing

Penelitian ini mengkaji skalabilitas sistem pengenalan wajah menggunakan library Face Recognition di lingkungan cloud computing. Library Face Recognition, yang dikembangkan dengan bahasa pemrograman Python, dipilih karena menawarkan fitur dan fungsionalitas yang memudahkan pengembang dalam mengimplementasikan sistem pengenalan wajah yang handal dan akurat. Namun, tantangan utama yang dihadapi adalah skalabilitas, yaitu kemampuan sistem untuk menangani peningkatan jumlah data dan pengguna tanpa mengalami penurunan kinerja signifikan. Cloud computing menawarkan solusi dengan menyediakan sumber daya komputasi yang elastis dan fleksibel. Tujuan dari penelitian ini adalah untuk menganalisis performa dan efisiensi sistem pengenalan wajah di lingkungan cloud computing dengan menggunakan layanan Cloud Run di Google Cloud Platform (GCP) dan alat pengujian beban Apache JMeter. Metode penelitian mencakup studi literatur, analisis kebutuhan, perancangan, implementasi, dan pengujian sistem dengan berbagai skenario permintaan. Hasil pengujian menunjukkan bahwa sistem ini memiliki tingkat skalabilitas yang baik dengan persentase kesuksesan 100% pada semua skenario pengujian. Latensi yang diukur berkisar antara 524 ms hingga 559 ms, menunjukkan kemampuan sistem dalam menangani peningkatan beban kerja tanpa mengorbankan kecepatan pemrosesan. Peningkatan sumber daya komputasi seperti instance ,memory dan vCPU memungkinkan sistem menangani lebih banyak permintaan, namun meningkatkan biaya operasional. Strategi auto-scaling dan load balancing diperlukan untuk menjaga kinerja optimal dan mengurangi risiko downtime.