APPLICATION PROGRAMMING INTERFACE (API) MENGGUNAKAN FASTAPI DAN EXPRESS.JS DENGAN TEKNIK CACHING (Studi Kasus: ELLS AMIKOM)

E-Learning System (ELLS) di Universitas Amikom Purwokerto memerlukan adaptasi terhadap karakteristik mahasiswa yang beragam, salah satunya melalui deteksi gaya belajar model Felder-Silverman (FSLSM). Namun, integrasi langsung antara sistem utama dengan layanan Machine Learning sering kali terkendala masalah latensi yang tinggi, yang dapat menurunkan kenyamanan pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan arsitektur backend terintegrasi yang efisien dengan memisahkan logika bisnis dan komputasi cerdas menggunakan pendekatan microservices. Sistem dikembangkan dengan menggabungkan framework Express.js sebagai backend utama dan FastAPI sebagai layanan prediksi, yang berkomunikasi melalui REST API. Untuk mengatasi masalah performa, diterapkan teknik caching dengan strategi Stale-While-Revalidate. Metode pengembangan sistem meliputi perancangan spesifikasi API, modifikasi basis data, dan perancangan alur interaksi asinkron. Pengujian dilakukan secara fungsional menggunakan Black Box Testing dan pengujian performa menggunakan Artillery.io dengan skenario pembebanan tinggi. Hasil penelitian menunjukkan bahwa seluruh endpoint integrasi berfungsi sesuai rancangan. Penerapan teknik caching terbukti meningkatkan performa sistem secara signifikan. Pada pengujian beban 2.265 permintaan, latensi rata-rata berhasil diturunkan dari 2.200 ms (tanpa cache) menjadi 7 ms (dengan cache), serta berhasil menghilangkan tingkat kegagalan permintaan (error rate) dari 37,17% menjadi 0%. Arsitektur ini terbukti efektif dalam menyajikan prediksi gaya belajar secara konsisten dan stabil.