Penggunaan Jmeter untuk Pengujian Kinerja Api Skala Besar: Studi Kasus pada Pengambilan Data Gambar
Abstract
Permintaan aplikasi berbasis data yang intensif mendorong perlunya penanganan konten multimedia berukuran besar secara efisien, sehingga memastikan waktu respons yang cepat dan andal untuk pengambilan gambar menjadi sangat penting. Penelitian ini mengevaluasi efektivitas Apache JMeter dalam pengujian kinerja permintaan API GET skala besar, khususnya pada endpoint pengambilan data gambar. Konfigurasi JMeter dilakukan dengan 20 pengguna virtual, di mana masing-masing pengguna mengirimkan 100 permintaan, sehingga total ada 2000 permintaan untuk mensimulasikan kondisi lalu lintas tinggi. Beberapa metrik utama seperti waktu respons rata-rata, throughput, dan tingkat kesalahan dianalisis untuk menilai performa JMeter serta responsivitas API di bawah beban. Hasil penelitian menunjukkan bahwa JMeter dapat menangani beban tinggi secara andal, dengan tingkat kesalahan nol yang menandakan stabilitas dalam pengujian volume besar. Rata-rata waktu respons tercatat sebesar 2309 ms, dengan throughput sebesar 7,7 permintaan per detik. Studi ini menyimpulkan bahwa JMeter merupakan alat yang efektif untuk pengujian API skala besar, meskipun adanya fluktuasi pada waktu respons menunjukkan potensi area yang perlu dioptimalkan dalam kinerja API. Temuan ini menegaskan bahwa JMeter cocok digunakan untuk pengujian yang efisien dan andal.
References
. Smith, J., & Wang, L. (2021). Performance optimization in multimedia APIs: A
comprehensive study. Journal of Applied Computing, 34(2), 123-135.
. Chen, P., & Patel, R. (2019). RESTful APIs: Design patterns and best practices for
data retrieval. Software Engineering Journal, 15(3), 203-218.
. Brown, A., & Choi, T. (2019). Comparative analysis of JMeter and alternative
performance testing tools in high-load environments. Performance Engineering
Review, 27(1), 88-102.
. Garcia, D., & Roberts, M. (2022). Scalability of JMeter for cloud-based distributed
performance testing. Cloud Computing Journal, 19(2), 65-78.
. Taylor, H., Richards, K., & Nguyen, T. (2021). Impact of API response times on
user experience in digital libraries. Library and Information Science Research,
(3), 59-74.
. Martinez, E., & Chen, J. (2020). High-frequency data retrieval and user experience:
An empirical study on streaming APIs. Journal of Digital Media and Broadcasting,
(1), 29-37.
. Wilson, D., Carter, B., & Singh, A. (2019). Challenges in performance testing for
large-scale multimedia data retrieval. Journal of System Testing and Evaluation,
(4), 98-114.
. Davis, M., Lee, R., & Kim, S. (2020). API performance and scalability in data-driven
applications. International Journal of Data Science, 16(4), 45-60.
. Smith, J., & Lee, K. (2021). Integrating performance testing with CI/CD pipelines:
A focus on JMeter. Software Quality Journal, 29(2), 345-359.
. Johnson, T., & Tan, H. (2019). Load testing in high-traffic e-commerce APIs using
JMeter. Journal of Performance Engineering, 22(3), 55-68.
. Garcia, D., & Roberts, M. (2022). Scalability of JMeter for cloud-based distributed
performance testing. Cloud Computing Journal, 19(2), 65-78.
. Lee, B., & Brown, A. (2021). Challenges in API performance testing for large-scale
multimedia data retrieval. Journal of System Testing and Evaluation, 24(1), 120-
. Miller, J., Zhang, X., & Lopez, C. (2020). Distributed testing configurations in
JMeter: Best practices and challenges. Performance Testing Insights, 18(3), 98-
Full Text: PDF