SARI, Riski Linda Puspita (2022) Analisis Perbandingan Machine Learning Model Deployment Menggunakan Cloud Functions Dan Compute Engine Pada Capstone Project Farmacode. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Download (373kB)
	PDF (Legalitas) LEGALITAS-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (2MB)
	PDF (Abstrak) ABSTRAK-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Download (657kB)
	PDF (BabI) BAB-I-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (282kB)
	PDF (BabII) BAB-II-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (546kB)
	PDF (BabIII) BAB-III-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (264kB)
	PDF (BabIV) BAB-IV-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (702kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Download (689kB)
	PDF (Lampiran) LAMPIRAN-Riski Linda Puspita Sari-H1A018066-Skripsi-2022.pdf Restricted to Repository staff only Download (615kB)

Abstract

Sebelum machine learning model diterapkan pada produk, perlu dilakukan deployment untuk melakukan prediksi yang berguna memastikan kelancaran integrasi dasar dari machine learning. Model perlu menyesuaikan diri dengan lingkungan dari produk untuk menambahkan kategori baru, atau fitur baru untuk melatih model tersebut dan memeriksa kinerjanya sebelum diterapkan secara langsung ke produk. Jika ini tidak dipertimbangkan sebelum diterapkan pada produk maka ada kemungkinan sistem machine learning tersebut memiliki efisiensi yang rendah dan latensi yang tinggi. Machine learning model deployment dapat dilakukan di berbagai cloud platform yaitu Google Cloud Platform, Amazon Web Service dan Microsoft Azure. Pada Google Cloud Platform menawarkan layanan untuk melakukan machine learning deployment yaitu, Cloud Functions, Compute Engine, AI Platform dan App Engine, Amazon Web Service menawarkan layanan AWS Lamda dan AWS SageMaker, sedangkan dari Microsoft Azure menawarkan layanan Azure Functions dan Azure Machine Learning. Dalam penelitian ini, penulis memilih cloud platform dari Google Cloud Platform. Google Cloud Platform menawarkan layanan untuk melakukan machine learning model deployment dengan berbagai metode seperti serverless dengan menggunakan Cloud Functions Cloud Run dan App Engine, metode Artifical Intellegence mengunakan AI Platform sedangkan metode web framework menggunakan Compute Engine. Compute Engine akan membuat sebuah virtual machine yang nantinya dapat digunakan untuk berbagai infrastruktur yang dibutuhkan. Oleh karena itu, dalam penelitian ini, dilakukan perbandingan dari layanan Google Cloud Platform untuk machine learning model deployment dari layanan serverless dengan Cloud Functions dan web framework dengan memasang Docker-Compose melalui Virtual Machine pada Compute Engine.

Actions (login required)

View Item