Gym Management Information System

Gambaran Umum

Gym Management Information System adalah sistem informasi terintegrasi berbasis web dan mobile untuk mengelola seluruh operasional gym: manajemen member, membership, absensi, personal trainer, laporan, dan notifikasi. Fitur unggulannya adalah check-in otomatis menggunakan face recognition di kiosk. Member cukup menghadap kamera, sistem mengenali wajah dan mencatat kehadiran.

Sistem menyatukan proses operasional yang sebelumnya manual dan tersebar menjadi satu platform terpusat, sehingga admin dapat memonitor bisnis secara real-time dan member dapat mengakses layanan gym secara mandiri melalui aplikasi mobile.

Masalah Utama

Operasional gym umumnya berjalan manual dan tersebar di banyak tempat: pencatatan member di spreadsheet, absensi di buku, jadwal trainer lewat chat. Akibatnya:

• Admin tidak punya visibilitas real-time terhadap kondisi bisnis (member aktif, membership yang akan expired, tren kehadiran).
• Member tidak punya layanan mandiri untuk cek sisa membership atau booking sesi trainer harus bertanya ke resepsionis.
• Proses check-in lambat dan mudah dimanipulasi (titip absen).

Constraint dan Tantangan

1. Multi-platform dalam satu sistem : admin butuh dashboard web, member butuh aplikasi mobile, dan kiosk check-in butuh antarmuka khusus. Semuanya harus konsisten membaca satu sumber data.
2. Face recognition menyentuh data biometrik : data paling sensitif yang mungkin disimpan sistem. Kebocoran embedding wajah tidak bisa "direset" seperti password.
3. Kiosk harus cepat : identifikasi 1:N harus berjalan dalam hitungan detik agar antrean check-in tidak menumpuk.
4. Skala kode besar untuk tim kecil : 43 functional requirement harus tetap terkelola rapi.

Arsitektur Sistem

Sistem terdiri dari 4 komponen yang saling terintegrasi:

Dashboard Admin + KioskNext.js

Aplikasi Mobile MemberFlutter

Integrasi Payment GatewayMidtrans

HTTPS + JWT↓

Backend REST API — OrkestratorLaravel 13 · RBAC · 70+ endpoint

Eloquent↓

PostgreSQLembedding terenkripsi

server-to-server (internal)↓

Face Recognition ServiceFastAPI · ONNX · InsightFace

1. Backend REST API (Laravel) : pusat logika bisnis dan data. Semua klien hanya berbicara dengan API ini.
2. Dashboard Admin + Kiosk (Next.js) : manajemen operasional dan antarmuka check-in wajah.
3. Aplikasi Mobile Member (Flutter) : layanan mandiri member: profil, membership, riwayat absensi, booking trainer.
4. Microservice Face Recognition (FastAPI) : deteksi wajah dan ekstraksi embedding.

Keputusan arsitektur terpenting: microservice face recognition tidak pernah diakses langsung oleh klien. Laravel bertindak sebagai orkestrator yang memanggil microservice secara server-to-server. Dengan pola ini:

• Endpoint ML tidak terekspos ke publik, attack surface mengecil drastis.
• Otorisasi tetap satu pintu di Laravel (JWT + RBAC), tidak perlu duplikasi logika auth di service Python.
• Embedding wajah disimpan terenkripsi di database; microservice bersifat stateless.

Alasan Pemilihan Teknologi dan Trade-off

Keputusan	Alternatif	Alasan memilih
Laravel sebagai orkestrator	Klien akses FastAPI langsung	Keamanan satu pintu; biometrik tidak terekspos; konsistensi audit log
FastAPI + ONNX Runtime untuk ML	Menanam inference di Laravel	Ekosistem ML Python jauh lebih matang; inference bisa di-scale terpisah
PostgreSQL	MySQL	Kebutuhan tipe data kaya dan integritas relasional untuk 31 migration
Flutter untuk mobile	React Native	Satu codebase Android/iOS dengan performa render konsisten; GetX untuk state management ringan
JWT httpOnly cookie di web	Token di localStorage	Mitigasi XSS: token tidak bisa dibaca JavaScript
InsightFace (SCRFD + ArcFace)	Layanan cloud face API	Privasi data biometrik tetap on-premise; tanpa biaya per-request

Highlight Implementasi

• Autentikasi JWT end-to-end (mobile, web, API) dengan refresh token, Google Sign-In, dan reset password berbasis OTP.
• Pipeline face recognition lengkap: registrasi wajah, verifikasi 1:1, dan identifikasi 1:N untuk kiosk check-in dengan quality gate (foto blur/gelap ditolak sebelum masuk pipeline). Embedding 512-dimensi dibandingkan dengan cosine similarity.
• Manajemen member & membership: CRUD, import/export CSV/XLSX, aktivasi, perpanjangan (renewal), approval, dan monitoring expired.
• Dashboard admin dengan KPI cards dan grafik tren real-time (Recharts).
• Manajemen trainer: penjadwalan, booking sesi, workout plan, dan tracking latihan harian (set/reps/weight).
• Laporan member, absensi, dan keuangan dengan export PDF/Excel.

Skala Teknis

• 70+ endpoint REST API
• 27 model Eloquent dan 31 migration database
• 43 functional requirement (REQ-001 s/d REQ-043)
• RBAC 3 role: member, admin, super_admin

Hasil dan Dampak

Seluruh proses operasional gym dari pendaftaran member hingga laporan keuangan berjalan di satu platform. Check-in yang sebelumnya manual menjadi otomatis dan tahan manipulasi karena berbasis wajah. Admin mendapat monitoring real-time; member mendapat layanan mandiri penuh dari aplikasi mobile.

Pelajaran yang Dipetik

• Keamanan harus by-default, bukan afterthought. Enkripsi embedding wajah dan isolasi microservice ML sejak awal jauh lebih ringan dibanding menutup celah keamanan setelah sistem sudah rilis.
• Kontrak API adalah fondasi kerja multi-platform. Dengan tiga klien berbeda (web, mobile, kiosk), mendesain REST API dengan disiplin sejak awal menghindarkan rework besar.
• Pisahkan concern berdasarkan beban kerja. Inference ML punya karakteristik resource yang berbeda dari CRUD bisnis memisahkannya sebagai microservice membuat keduanya bisa dioptimalkan sendiri-sendiri.