Pemantauan Kinerja — apa itu, metrik dan pengumpulan data

Apa itu pemantauan kinerja

Pemantauan kinerja adalah praktik penilaian kuantitatif perilaku aplikasi melalui pengumpulan metrik waktu eksekusi, penggunaan memori, frekuensi bingkai, dan konsumsi daya. Tidak seperti pelaporan crash yang hanya mencatat kegagalan fatal, pemantauan kinerja melacak degradasi bertahap: aplikasi berfungsi tetapi lebih lambat dari yang seharusnya.

Menurut Google (2024), 53% pengguna menutup aplikasi jika memuat lebih dari 3 detik. Setiap detik tambahan keterlambatan mengurangi konversi rata-rata 20% di berbagai kategori. Hal ini menjadikan pemantauan kinerja bukan hanya praktik teknis, tetapi kebutuhan bisnis untuk produk seluler.

Pemantauan kinerja modern mencakup empat tingkat: sisi klien (iOS, Android), jaringan (permintaan API, WebSocket), layanan backend, dan infrastruktur. Dalam pengembangan seluler, fokusnya adalah pada metrik klien, karena sebagian besar masalah kinerja muncul tepat di perangkat pengguna.

Metrik utama aplikasi seluler

Untuk pemantauan lengkap, perlu melacak lima kelompok metrik, yang masing-masing bertanggung jawab atas aspek pengalaman pengguna tertentu. FPS (frames per second) menunjukkan kehalusan animasi dan pengguliran — nilai di bawah 30 bingkai per detik terasa sebagai perlambatan.

Metrik waktu

Waktu mulai dingin aplikasi — dari saat mengetuk ikon hingga kesiapan antarmuka penuh. Waktu mulai panas — kembali dari latar belakang. Waktu respons terhadap tindakan pengguna (tap-to-response). Waktu mulai untuk Android diukur melalui ActivityManager, untuk iOS — melalui dyld dan waktu premain. Menurut Firebase Performance, median waktu mulai dingin untuk 100 aplikasi teratas adalah 1,8 detik.

Metrik memori dan CPU

Konsumsi memori RAM tidak boleh melebihi 80% dari volume yang tersedia di perangkat, jika tidak sistem akan mulai membongkar aplikasi dari latar belakang. Jejak memori dilacak melalui Xcode Instruments (iOS) dan Android Profiler. Kebocoran memori terdeteksi melalui peningkatan konsumsi pada operasi berulang — misalnya, navigasi antar layar.

Metrik jaringan

Waktu eksekusi permintaan HTTP, ukuran respons, frekuensi batas waktu, dan kesalahan. Latensi jaringan sangat kritis untuk aplikasi seluler yang beroperasi dalam kondisi koneksi tidak stabil (3G, kereta bawah tanah, lift, roaming). Disarankan untuk melacak waktu respons p95 — ini menunjukkan pengalaman pengguna “paling berat” dengan kondisi jaringan terburuk.

Real User Monitoring dan Synthetic Monitoring

Real User Monitoring (RUM) mengumpulkan data dari perangkat pengguna nyata di lingkungan produksi. Metode ini menunjukkan keterlambatan aktual yang dialami pengguna dengan mempertimbangkan perangkat, versi OS, jaringan, dan geolokasi mereka. RUM memberikan gambaran kinerja yang paling akurat, tetapi bergantung pada pengguna mana yang masuk dalam sampel.

Synthetic Monitoring, sebaliknya, menjalankan skenario yang telah ditentukan sebelumnya pada perangkat uji dalam kondisi terkendali. Ini memungkinkan deteksi regresi sebelum mencapai pengguna dan mereproduksi masalah di lingkungan yang sama. Firebase Test Lab dan BrowserStack menyediakan tes sintetis pada perangkat nyata tanpa menjalankan manual.

Strategi optimal adalah kombinasi kedua pendekatan: tes sintetis menangkap regresi di tahap CI, dan RUM memberikan gambaran nyata di produksi. Menurut Datadog (2024), tim yang menggunakan kedua metode mendeteksi 35% lebih banyak masalah kinerja sebelum menjadi insiden.

Menyiapkan Firebase Performance Monitoring

Firebase Performance Monitoring adalah alat gratis dari Google untuk mengumpulkan metrik kinerja di iOS dan Android. Alat ini secara otomatis mengukur waktu mulai aplikasi, permintaan HTTP, dan rendering layar tanpa perlu menulis kode. Untuk menginstal, cukup tambahkan SDK ke proyek dan aktifkan modul Performance di konsol Firebase.

Pengumpulan metrik otomatis

Setelah menghubungkan SDK, Firebase Performance secara otomatis membuat trace untuk setiap permintaan HTTP melalui URLSession (iOS) atau OkHttp (Android). Rendering layar diukur untuk UIViewController dan Activity, mencatat waktu dari onCreate/viewDidLoad hingga selesainya render pertama. Semua metrik dikumpulkan di konsol Firebase dengan perincian berdasarkan versi aplikasi, perangkat, dan negara.

import com.google.firebase.perf.FirebasePerformance
import com.google.firebase.perf.metrics.Trace

class PaymentService {
    private val firebasePerf = FirebasePerformance.getInstance()

    fun processPayment(amount: Double) {
        val trace = firebasePerf.newTrace("payment-flow")
        trace.start()
        trace.putAttribute("amount", amount.toString())
        // eksekusi pembayaran
        trace.stop()
    }
}

Kode membuat trace kustom untuk skenario pembayaran dengan atribut jumlah. Melalui trace ini di konsol Firebase, Anda dapat melihat median dan p95 waktu eksekusi pembayaran, dikelompokkan berdasarkan versi aplikasi dan perangkat.

Pemantauan HTTP

Firebase secara otomatis mencegat permintaan jaringan dan mencatat URL, kode respons, ukuran payload, dan waktu eksekusi. Untuk OkHttp di Android, instrumentasi otomatis berfungsi tanpa konfigurasi tambahan. Permintaan jaringan ditampilkan di konsol dengan pengelompokan berdasarkan endpoint, memungkinkan deteksi cepat perlambatan API tertentu.

Trace kustom untuk logika bisnis

Metrik standar mencakup kinerja umum, tetapi untuk diagnosis proses bisnis diperlukan instrumentasi skenario tertentu. Trace kustom memungkinkan pengukuran waktu eksekusi otentikasi, pemuatan feed berita, pemrosesan gambar, atau sinkronisasi data.

Setiap trace kustom harus memiliki nama yang bermakna dalam format “skenario-tindakan” dan berisi atribut untuk pemfilteran. Misalnya, trace “image-upload” dengan atribut “file_size” dan “compression_quality” akan memungkinkan deteksi ketergantungan waktu muat pada ukuran gambar. Disarankan untuk tidak membuat lebih dari 20 trace kustom per layar — instrumentasi berlebihan menciptakan kebisingan dan mempersulit analisis.

import FirebasePerformance

func trackImageUpload(data: Data) {
    let trace = Performance.startTrace(name: "image-upload")
    trace?.setValue(data.count, forAttribute: "file_size")
    trace?.setValue("high", forAttribute: "compression")
    // memuat gambar
    trace?.stop()
}

Contoh dalam Swift membuat trace untuk memuat gambar dengan atribut ukuran file dan tingkat kompresi. Di konsol Firebase, atribut ini menjadi bidang untuk pengelompokan dan pemfilteran metrik.

Ambang batas dan notifikasi

Mengumpulkan metrik tanpa sistem notifikasi tidak berguna. Notifikasi harus memberi tahu tim tentang keluarnya metrik dari batas yang diizinkan, dengan ambang batas dibagi menjadi tiga tingkat: peringatan (warning), kritis (critical), dan gangguan (outage). Setiap tingkat menentukan saluran notifikasi: warning — ke saluran Slack tim, critical — ke PagerDuty teknisi yang bertugas, outage — pengiriman massal ke semua pemangku kepentingan.

Untuk metrik seluler, disarankan menggunakan ambang batas dinamis berdasarkan persentil: p95 waktu mulai dingin melebihi 4 detik — peringatan kritis. Ambang batas statis (misalnya, CPU > 90%) bekerja lebih buruk karena tidak memperhitungkan fluktuasi beban normal tergantung waktu hari dan hari dalam seminggu. Firebase Performance mendukung konfigurasi peringatan melalui Firebase Console dengan pengiriman ke Slack, PagerDuty, dan email, dengan kemampuan eskalasi jika tidak ada konfirmasi.

Menurut Incident Management Survey (2024), tim yang mengonfigurasi peringatan berdasarkan persentil, bukan nilai rata-rata, melewatkan 45% lebih sedikit insiden. Nilai rata-rata (average) meratakan lonjakan — p95 secara terjamin menunjukkan skenario terburuk bagi pengguna, terlepas dari waktu hari dan fluktuasi beban musiman.