Perpustakaan Digital ITB

Penelitian ini bertujuan untuk menganalisis pengaplikasian Kubeflow sebagai platform eksperimen AI/ML di lingkungan cloud native, dengan fokus pada kemudahan penggunaan antarmuka dan fitur multi-user untuk akses eksperimen secara kolaboratif. Latar belakang penelitian ini didasari oleh kebutuhan akan platform yang dapat memfasilitasi eksperimen AI/ML secara efisien dan efektif dalam lingkungan yang dinamis dan skalabel. Dengan semakin berkembangnya teknologi AI/ML, terdapat kebutuhan yang mendesak untuk menggunakan platform yang mampu mengintegrasikan berbagai tahap eksperimen, mulai dari pengembangan model, pengujian, hingga manajemen model. Kubeflow, yang dibangun di atas Kubernetes, menawarkan solusi dengan fitur-fitur seperti notebook untuk mengembangkan model AI/ML, Kubeflow Pipeline untuk melacak eksperimen dan manajemen model yang terintegrasi, sehingga diharapkan dapat mempermudah kompleksitas pengembangan model AI/ML. Penelitian ini menggunakan metode eksperimen yang melibatkan konfigurasi dan pengujian berbagai fitur Kubeflow, serta perbandingan dengan platform MLflow. Fokus utama dari penelitian ini adalah menguji kemudahan penggunaan dan keefektifan antarmuka Kubeflow serta mengevaluasi kemampuan fitur multi-user untuk akses eksperimen secara kolaboratif. Pengujian dilakukan melalui beta testing dengan melibatkan sepuluh responden. Setiap responden diberikan kuesioner yang mencakup pertanyaan-pertanyaan terkait pengalaman mereka dalam menggunakan kedua platform tersebut, khususnya dalam hal kemudahan menemukan fitur, intuitivitas antarmuka, dan aksesibilitas dari berbagai perangkat. Hasil pengujian menunjukkan bahwa Kubeflow memiliki keunggulan signifikan dalam kemudahan menemukan fitur. Responden menyatakan bahwa antarmuka Kubeflow lebih intuitif dan memudahkan mereka dalam menavigasi dan menemukan fitur yang diperlukan. Skor rata-rata yang lebih tinggi pada pertanyaan terkait kemudahan menemukan fitur di Kubeflow dibandingkan MLflow mendukung hal ini. Selain itu, intuitivitas antarmuka Kubeflow juga mendapatkan penilaian yang lebih baik dari para responden. Antarmuka yang iii lebih sederhana dan terstruktur membuat pengguna merasa lebih nyaman dan cepat beradaptasi dengan platform ini. Fitur multi-user pada Kubeflow juga mendapatkan penilaian positif dari para pengguna. Pengujian melibatkan skenario di mana dua pengguna, Pengguna A dan Pengguna B, berkolaborasi dalam satu eksperimen. Pengguna A membuat eksperimen baru dan menjalankan pipeline , sementara Pengguna B mengakses eksperimen tersebut dan menambahkan komentar atau perubahan. Hasil pengujian menunjukkan bahwa fitur multi-user pada Kubeflow memungkinkan kolaborasi yang efektif, dengan setiap pengguna dapat mengakses dan berkontribusi pada eksperimen yang sama secara real-time. Selain itu, pengujian isolasi dan keamanan menunjukkan bahwa setiap pengguna hanya dapat mengakses dan mengubah data di dalam namespace mereka sendiri, memastikan privasi dan keamanan data. Dalam hal aksesibilitas dari berbagai perangkat, Kubeflow juga menunjukkan performa yang baik. Responden menyatakan bahwa mereka dapat mengakses Kubeflow dengan mudah dari berbagai perangkat, termasuk laptop, tablet, dan smartphone. Hal ini sangat penting dalam lingkungan kerja yang dinamis dan fleksibel, di mana para peneliti dan pengembang AI/ML sering kali harus bekerja dari berbagai lokasi dan perangkat. Penelitian ini menyimpulkan bahwa Kubeflow lebih memenuhi kriteria antarmuka pengguna yang mudah digunakan dan menampilkan antarmuka yang intuitif dibandingkan MLflow. Keunggulan Kubeflow dalam kemudahan menemukan fitur, intuitivitas antarmuka, dan aksesibilitas dari berbagai perangkat menjadikannya platform yang lebih user-friendly dan efektif untuk eksperimen AI/ML di lingkungan cloud native. Selain itu, fitur multi-user yang memungkinkan kolaborasi secara real-time dan memastikan keamanan data menjadikan Kubeflow sebagai pilihan yang lebih baik untuk tim yang bekerja secara kolaboratif. Penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan platform AI/ML yang lebih baik di masa depan, serta mendukung adopsi yang lebih luas dari teknologi AI/ML di berbagai bidang.