Evaluasi Aplikasi Android Menggunakan Pengujian Black Box dan Latensi pada Sistem Bank Sampah Menggunakan Deep Learning
Abstrak
Abstrak — Pengelolaan sampah elektronik (e-waste) di
Indonesia menghadapi tantangan serius akibat volume yang
terus meningkat serta kesadaran publik yang rendah. Untuk
mengatasi masalah ini, sebuah aplikasi Android telah
dikembangkan sebagai bagian dari sistem bank sampah
terintegrasi. Penelitian ini bertujuan untuk mengevaluasi
fungsionalitas dan kinerja aplikasi tersebut melalui pengujian
black box dan analisis latency. Metode evaluasi menggunakan
black box testing untuk memvalidasi alur fungsionalitasnya dan
pengukuran latensi untuk menganalisis waktu respons sistem.
Aplikasi ini dibangun dengan Jetpack Compose dan
mengintegrasikan model deep learning YOLOv11 untuk
identifikasi e-waste otomatis. Hasil pengujian black box
menunjukkan tingkat keberhasilan 100% pada semua skenario
uji, mengonfirmasi bahwa seluruh fitur berfungsi sesuai
rancangan. Analisis latensi mencatat waktu pemrosesan
gambar maksimum sekitar 55 detik, dengan durasi yang
bervariasi tergantung jumlah objek terdeteksi. Disimpulkan
bahwa aplikasi yang dievaluasi terbukti fungsional, andal, dan
kinerjanya efektif untuk mendukung sistem bank sampah
elektronik sebagai solusi praktis yang siap digunakan oleh
masyarakat dan dikembangkan kembali.
Kata kunci— black box testing, latency, e-waste, aplikasi
android, deep learning, YOLOv1
Referensi
Zamtinah, I. Mustaqim, and H. S. Pramono,
“Utilization of Electronic Waste for Energy-saving
Lamp Circuits,” J Phys Conf Ser, vol. 2111, no. 1, p.
, Nov. 2021, doi: 10.1088/1742-
/2111/1/012021.
C. A. Lucier and B. J. Gareau, “Electronic Waste
Recycling and Disposal: An Overview,” in
Assessment and Management of Radioactive and
Electronic Wastes, H. E.-D. Saleh, Ed., Rijeka:
IntechOpen, 2019, ch. 4. doi:
5772/intechopen.85983.
OECD, Extended Producer Responsibility. OECD,
doi: 10.1787/9789264256385-en.
J. Quariguasi Frota Neto and L. N. Van Wassenhove,
“Original Equipment Manufacturers’ Participation in
Take-Back Initiatives in Brazil,” J Ind Ecol, vol. 17,
no. 2, pp. 238–248, 2013, doi:
https://doi.org/10.1111/jiec.12019.
MallSampah, “Layanan MallSampah,”
https://www.mallsampah.com/. Accessed: Oct. 25,
[Online]. Available:
M. Kusuma, A. H. Rifani, and B. Sugiantoro,
“Comparison analysis of Jetpack Compose and
Flutter in Android-based application development
using Technical Domain,” 2023 8th International
Conference on Informatics and Computing, ICIC
, 2023, doi:
1109/ICIC60109.2023.10381987.
M. E. Kusputra, A. Zhegita, H. Prabowo, Kamel, and
H. Pranoto, “Enhancing Urban Mapping in Indonesia
with YOLOv11: A Deep Learning Approach for
House Detection and Counting to Assess Population
Density,” International Journal of Advanced
Computer Science and Applications, vol. 16, no. 2,
pp. 599–609, 2025, doi:
14569/IJACSA.2025.0160261.
G. W. Sasmito and M. A. Mutasodirin, “Black Box
Testing with Equivalence Partitions Techniques in
Transcrop Applications,” Proceedings - 2023 6th
International Conference on Computer and
Informatics Engineering: AI Trust, Risk and Security
Management (AI Trism), IC2IE 2023, pp. 53–58,
, doi: 10.1109/IC2IE60547.2023.10331562.
M. Cafaro, I. Epicoco, and M. Pulimeno, “Parallel
and Distributed Frugal Tracking of a Quantile,”
SNTA 2024 - Proceedings of the 2024 7th
International Workshop on Systems and Network
Telemetry and Analytics, Part of: HPDC 2024 - 33rd
International Symposium on High-Performance
Parallel and Distributed Computing, pp. 1–6, Jun.
, doi: 10.1145/3660320.3660332.
