Analisis Perbandingan Kinerja REST API dan gRPC pada Sistem Smart Parking Berbasis Microservices = Comparative Analysis of REST API and gRPC Performance in a Microservices-Based Smart Parking System

Latar belakang. Pengelolaan parkir konvensional rentan terhadap ketidakakuratan pencatatan, kurangnya transparansi, dan kebocoran pendapatan. Implementasi Smart Parking berbasis visi komputer dengan arsitektur microservices menawarkan solusi skalabel, di mana proses deteksi kendaraan, OCR pelat, dan transaksi dapat dikelola secara terdistribusi. Namun, kinerja arsitektur ini sangat bergantung pada efisiensi protokol komunikasi antar layanan, khususnya saat menangani pertukaran data citra dan metadata yang intensif. REST API dan gRPC merupakan protokol komunikasi yang banyak digunakan dalam implementasi microservices, namun keduanya memiliki karakteristik performa yang berbeda. Oleh karena itu, perlu dilakukan perbandingan secara terukur untuk mengetahui protokol yang lebih sesuai pada jalur komunikasi dengan beban dan jenis payload yang berbeda. Tujuan. Penelitian ini merancang dan menganalisis kinerja sistem Smart Parking berbasis microservices dengan membandingkan performa REST API dan gRPC pada jalur layanan utama. Metode. Sistem terdiri atas Service AI 1 untuk deteksi kendaraan dan pelat menggunakan YOLOv11 dan ByteTrack, Service AI 2 untuk OCR pelat menggunakan PaddleOCR dengan voting lintas-frame, Service Main untuk pengelolaan transaksi parkir, serta Service Dashboard untuk penyajian data. Komunikasi pada jalur Service AI 1 ke Service AI 2, Service AI 2 ke Service Main, dan Service Dashboard ke Service Main diimplementasikan dalam varian REST dan gRPC. Pengujian dilakukan menggunakan Apache JMeter dan psutil pada beban 5–25 pengguna selama 180 detik dengan metrik response time, throughput, network data rate, error rate, serta penggunaan CPU dan memori. Khusus jalur Service AI 1 ke Service AI 2, pengujian menggunakan empat variasi video input, yaitu 1080p 30fps, 1080p 60fps, 4K 30fps, dan 4K 60fps, untuk melihat pengaruh resolusi dan FPS terhadap beban komunikasi. Hasil. Pada jalur Service AI 1 ke Service AI 2, pengujian pada seluruh variasi video input menunjukkan bahwa gRPC menghasilkan response time lebih rendah dan throughput lebih tinggi dibanding REST, serta tidak menimbulkan error pada seluruh skenario beban. Namun, penggunaan CPU dan memori pada gRPC cenderung lebih tinggi. Sebaliknya, REST pada jalur ini lebih hemat sumber daya, tetapi mulai mengalami error pada beban 15–25 pengguna. Pada jalur Service AI 2 ke Service Main dan Service Dashboard ke Service Main, gRPC menghasilkan response time lebih rendah, network data rate lebih kecil, serta throughput sedikit lebih tinggi atau setara dibanding REST, dengan error rate 0% pada seluruh skenario. Kesimpulan. Sistem Smart Parking berbasis microservices berhasil diimplementasikan dan diuji. Secara umum, gRPC lebih sesuai untuk komunikasi antarservice di backend, terutama pada jalur yang membutuhkan performa dan kestabilan tinggi, sedangkan REST tetap relevan untuk kebutuhan integrasi yang sederhana.