Optimasi Pengecekan Anomali pada Proses Job: Analisis Waktu dan Data untuk Identifikasi Anomali yang Efisien

Abstract

Penggunaan layanan dalam berbagai konteks program perangkat lunak telah menjadi hal yang vital. Anomali baik dalam bentuk skala kecil maupun besar dapat mengganggu fungsi suatu perangkat lunak dan berdampak pada proses bisnis perusahaan. Oleh karena itu, proses identifikasi anomali menjadi hal penting dalam memastikan kinerja suatu perangkat lunak optimal. Penelitian ini bertujuan untuk mengoptimalkan proses identifikasi anomali pada layanan perangkat lunak di PT. XYZ Tbk. Saat ini, informasi terjadinya anomali diperoleh melalui pemeriksaan manual oleh tim sistem operator dengan melakukan pengecekan pada job secara satu persatu yang membutuhkan waktu lama dan berpotensi menyebabkan beberapa job anomali yang terabaikan. Penelitian ini menyajikan sebuah solusi untuk mengatasi masalah ini dengan membuat sistem optimasi pemantau identifikasi anomali pada job untuk identifikasi yang lebih cepat sehingga layanan sistem tetap terjaga stabilitasnya. Sistem optimasi pemantau identifikasi anomali merupakan aplikasi berbasis website yang dibangun menggunakan metodologi Prototyping, bahasa pemrograman PHP, framework Yii2, basis data PostgreSQL, WebSocket, dan API Control-M. Hasil dari penelitian ini adalah sistem optimasi pemantau identifikasi anomali yang dibuat mampu mempercepat proses identfikasi dan mempercepat proses transfer antar informasi dengan WebSocket.

The use of services in various software program contexts has become vital. Anomalies, whether in small or large scale, can disrupt the function of a software and impact a company's business processes. Therefore, the process of anomaly identification is crucial to ensure optimal software performance. This research aims to optimize the anomaly identification process in software services at PT. XYZ Tbk. Currently, information about anomalies is obtained through manual checks by the system operator team, which involves checking each job one by one, consuming a lot of time and potentially leading to overlooked anomalies. This research presents a solution to address this issue by developing an optimization system for monitoring anomaly identification in job, enabling faster identification for maintaining system services stability. The anomaly identification monitoring system is a web-based application built using the Prototyping methodology, PHP programming language, Yii2 framework, PostgreSQL database, WebSocket, and Control-M API. The result of this research is the developed anomaly identification monitoring system, capable of accelerate the identification process and accelerate information transfer using WebSocket.