digilib@itb.ac.id +62 812 2508 8800

Abstrak
PUBLIC karya

Salah satu model bisnis yang terbantu dengan adanya teknik pendistribusian aplikasi melalui internet adalah Software as a Service (SaaS). Model Software as a Service (SaaS) memiliki kekurangan dalam aspek customizability, karena semua pengguna menggunakan aplikasi yang sama. Aspek customizability ini dapat memberikan nilai yang lebih tinggi bagi aplikasi karena dapat menjawab kebutuhan-kebutuhan yang lebih spesifik dari pengguna. Namun, saat client-side dari Software as a Service (SaaS) dikembangkan sebagai aplikasi yang customizable, maka perlu suatu sistem pendistribusian yang dapat menangani permasalahan tersebut. Tugas Akhir ini membahas mengenai pengembangan sistem pembaruan otomatis untuk aplikasi client-side terkustomisasi pada Software as a Service (SaaS). Tantangan yang perlu diperhatikan dalam mengembangkan sistem ini adalah bagaimana cara untuk mendistribusikan aplikasi, memastikan versi aplikasi yang terpasang, serta memastikan bahwa modul pada aplikasi dalam keadaan yang predictable. Tugas Akhir ini memberikan solusi bagaimana menjawab permasalahan tersebut dengan cara mengembangkan berbagai entitas sistem yang saling berinteraksi untuk meraih hal tersebut. Ada empat komponen yang dibangun, yaitu Server Pembaruan untuk menyimpan informasi mengenai pembaruan terbaru, Server Repositori untuk menyimpan isi pembaruan, Developer Tool untuk membantu dalam membuat pembaruan, serta Agent untuk mengaplikasikan pembaruan pada perangkat pengguna. Pengujian dan implementasi dari Tugas Akhir ini dilakukan pada lingkungan React Native. Hasil pengujian dari Tugas Akhir ini menunjukkan bahwa sistem pembaruan aplikasi yang diusulkan pada Tugas Akhir ini menjawab persoalan yang telah dirumuskan sebelumnya. Sistem pembaruan dapat mendistribusikan aplikasi dengan memanfaatkan Server Repositori dan Agent. Pengembang aplikasi dapat menetapkan versi aplikasi dari kelompok aplikasi tertentu dengan menggunakan channel. Solusi ini juga memastikan modul-modul yang terpasang dalam keadaan yang predictable dengan memanfaatkan struktur data Merkle Tree.