Ditulis oleh Andrew Ahn, Product Manager, Google Play
Orang senang menggunakan aplikasi dan game yang kinerja dan kualitasnya memenuhi harapan. Di sisi lain, baterai yang boros, waktu render yang lambat, dan error, bisa membuat frustrasi. Bahkan, dalam analisis internal ulasan aplikasi di Google Play, kami memerhatikan bahwa separuh dari ulasan bintang-1 menyebutkan stabilitas aplikasi. Developer yang berfokus pada kualitas aplikasi bisa melihat peningkatan dalam rating mereka, dan pada akhirnya retensi dan monetisasi aplikasinya.

Sebagai bagian dari upaya kami untuk memberikan pengalaman Google Play sebaik mungkin, kami baru saja menyempurnakan algoritme penelusuran dan penemuan kami untuk menunjukkan kualitas aplikasi. Ini mengakibatkan aplikasi dengan kualitas lebih tinggi muncul lebih banyak di Play Store daripada aplikasi serupa dengan kualitas yang lebih rendah (misalnya: aplikasi yang sering mengalami error). Perubahan tersebut memiliki dampak positif pada interaksi -- kami memerhatikan bahwa orang semakin banyak menggunakan aplikasi berkualitas lebih tinggi dan semakin jarang melakukan uninstal.

Developer yang berfokus pada kinerja bisa menggunakan Play Console untuk membantu menemukan dan memperbaiki sejumlah masalah kualitas. Android vitals mengidentifikasi masalah kinerja utama yang dilaporkan oleh perangkat yang telah menginstal aplikasi Anda, sehingga Anda bisa mengatasinya. Laporan pre-launch menampilkan hasil pengujian aplikasi alfa atau beta Anda pada perangkat ponsel yang paling banyak dipakai sehingga Anda bisa menangkap masalah sebelum meluncurkan update. Selain itu, rating dan ulasan bisa memberikan analisis tambahan yang terkait dengan kualitas aplikasi, langsung dari orang yang menggunakan aplikasi Anda. Untuk melihat efek positif hal ini, lihat bagaimana Busuu meningkatkan rating mereka dari 4,1☆ menjadi 4,5☆ dengan berfokus pada kinerja aplikasi

Google Play berusaha membantu orang mencari dan menemukan aplikasi yang aman, berkualitas tinggi, berguna, dan relevan. Dengan berfokus pada kualitas dan kinerja aplikasi, Anda akan meraih lebih banyak kesuksesan di Google Play. Untuk tips dan praktik terbaik lainnya tentang menumbuhkan bisnis aplikasi atau game Anda, dapatkan aplikasi Playbook.



Ditulis oleh Gloria Liou, Associate Product Manager Intern

 Ditulis oleh Dom Elliott, Developer Marketing, Google Play

Dapatkan aplikasi Playbook terbaru bagi developer untuk mempelajari fitur, praktik terbaik, dan strategi agar berhasil di Google Play. Ketahui insight dari Google untuk membantu Anda mengembangkan dan meluncurkan aplikasi, mengajak dan memperbanyak audience, dan mendapatkan lebih banyak pendapatan. Dengan konten lokal, aplikasi Playbook untuk developer tersedia dalam 14 bahasa (English, Bahasa Indonesia, Deutsch, español (Latinoamérica), le français, português do Brasil, ภาษาไทย, tiếng Việt, Türk, русский язы́к, 한국어, 中文 (简体), 中文 (繁體), dan 日本語).

Terima kasih untuk semua penguji beta yang telah memberikan masukan berharga (jangan berhenti!). Dengan update terbaru, kami menyederhanakan pengalaman pengguna, pencarian konten yang lebih baik, dan pemberitahuan otomatis untuk berbagai jenis konten (yang dapat dikustomisasi) agar Anda bisa tetap mengikuti perkembangan terkini. Anda juga bisa menambahkan tag ke layar utama berdasarkan minat Anda untuk melihat postingan dan video yang relevan dengan Anda secara mudah.

Untuk memulai, instal aplikasi Playbook untuk developer yang terupdate kemudian:

• Ikuti petunjuknya dan login dengan akun Google Anda.
• Baca postingan terbaru pada home screen dan tambahkan tag dari layar settings sesuai dengan minat Anda..
• Pelajari praktik terbaik secara mendalam yang ditulis Google di panduan kami, dan lihat artikel teratas yang dikelompokkan berdasarkan tujuan Anda: develop, launch, engage, grow, dan earn.
• Temukan postingan dan video terbaru dari Google serta pakar di industri ini dan filter berdasarkan tag minat.
• Simpan konten sehingga Anda bisa melihat postingan dan video di layar beranda dan mengakses konten yang relevan dengan lebih cepat.

★ ★ ★ ★ ★

Pagi ini, Adobe mengumumkan rencananya untuk mengakhiri dukungan Flash di akhir 2020. Bagi developer Flash ini berarti transisi ke HTML, karena Chrome akan semakin membutuhkan izin eksplisit dari pengguna untuk menjalankan konten Flash sampai dukungan dihentikan sepenuhnya di akhir tahun 2020.

HTML lebih cepat, lebih aman, dan lebih hemat daya daripada Flash serta bisa digunakan di perangkat desktop dan seluler. Tiga tahun yang lalu, lebih dari 80% pengguna Chrome di desktop mengunjungi situs dengan Flash. Saat ini hanya 17% pengguna yang mengunjungi situs yang menggunakan Flash dan kami terus melihat tren menurun karena situs beralih ke HTML.


Kami sangat menganjurkan agar situs yang masih mengandalkan Flash untuk beralih ke HTML karena akan ada peningkatan jumlah pembatasan Flash yang mengarah kepada pengakhiran dukungan:

• Bagi situs yang menggunakan Flash untuk game, daftar demo dan API yang relevan bisa ditemukan di OpenWebGames.com. Kami merekomendasikan untuk mengeksplorasi teknologi seperti WebAssembly, yang memungkinkan komputasi berkinerja tinggi.
• Bagi situs yang menggunakan Flash untuk media, panduan migrasi media Mozilla memberikan ringkasan tentang API yang digunakan untuk menyiapkan, mendistribusikan, dan memutar media di web.
• Yang terakhir, bagi situs yang menggunakan Flash untuk iklan, kami merekomendasikan agar beralih ke iklan HTML. Silakan bekerja sama dengan penyedia iklan Anda secara langsung untuk hal ini.

Flash ikut berperan membuat web menjadi pengalaman yang kaya serta dinamis, dan membentuk standar web modern. Kami menyadari bahwa setiap transisi pasti ada tantangannya, tetapi kami akan terus bekerja sama dengan Adobe dan komunitas web untuk memastikan bahwa pengguna memiliki pengalaman yang berkesan dan membantu developer melakukan transisi web ke HTML.

Diposting oleh Anthony Laforge, atas nama tim Chrome

 Diposting oleh Karthik Raveendran dan Suril Shah, Software Engineers, Google Research

Tahun lalu, kami meluncurkan Motion Stills, sebuah aplikasi iOS yang menstabilkan Live Photos dan memungkinkan Anda melihat serta membagikannya sebagai GIF dan video pengulangan. Sejak saat itu, Motion Stills disambut dengan sangat baik, terdaftar sebagai salah satu aplikasi teratas tahun 2016 menurut The Verge dan Mashable. Namun, sejak rilis awal, komunitas telah meminta kami agar Motion Stills juga tersedia untuk Android. Kami mendengarkan masukan Anda, dan hari ini, dengan gembira kami umumkan bahwa kami telah menghadirkan teknologi ini, dan lebih banyak fitur lain, ke perangkat yang menjalankan Android 5.1 dan yang lebih baru!

Motion Stills di Android: Stabilisasi instan di perangkat Anda.

Dengan Motion Stills di Android, kami membangun sebuah pengalaman perekaman baru ketika semua yang Anda rekam langsung berubah menjadi klip pendek yang menarik serta mudah ditonton dan dibagikan. Anda bisa merekam Motion Still pendek dengan sekali tap seperti foto, atau menyingkat rekaman berdurasi panjang ke dalam fitur baru yang kami sebut Fast Forward. Selain menstabilkan rekaman Anda, Motion Stills di Android dilengkapi algoritme yang lebih baik sehingga terhindar dari perekaman dan getaran kamera yang tidak disengaja. Semua ini dilakukan selama perekaman di perangkat Android Anda, tanpa koneksi internet!

Pipa streaming yang baru
Untuk rilis ini, kami mendesain ulang pipa pemrosesan video iOS yang ada agar menggunakan pendekatan streaming yang memproses setiap bingkai video saat direkam. Dengan menghitung metadata gerak antara, kita bisa segera menstabilkan rekaman sambil mengoptimalan loop di keseluruhan durasi. Semua ini memungkinkan hasil instan setelah perekaman — tidak perlu menunggu untuk membagikan GIF baru Anda.

Perekaman menggunakan pipa streaming kami memberi Anda hasil instan.

Untuk segera menampilkan streaming Motion Stills Anda, algoritme kami akan menghitung dan menyimpan transformasi stabilisasi yang diperlukan sebagai peta tekstur resolusi rendah. Kami memanfaatkan tekstur ini untuk menerapkan transformasi stabilisasi menggunakan GPU secara real-time selama pemutaran, sebagai ganti menulis video stabil baru yang akan membebani hardware dan baterai seluler Anda.

Fast Forward
Fast Forward memungkinkan Anda untuk mempercepat dan menyingkat rekaman berdurasi panjang menjadi klip pendek yang mudah untuk dibagikan. Pipa yang dijelaskan di atas memungkinkan Fast Forward untuk memproses hingga satu menit video, langsung di ponsel Anda. Anda bahkan bisa mengubah kecepatan pemutaran (dari 1x hingga 8x) setelah perekaman. Untuk memungkinkan hal ini, kami mengenkode video dengan pengaturan jarak I-frame yang lebih rapat agar pencarian dan pemutaran bisa dilakukan dengan efisien. Kami juga menggunakan pengoptimalan tambahan dalam mode Fast Forward. Sebagai contoh, kami menerapkan downsampling temporal adaptif dalam pemecah linear dan stabilisasi jarak jauh untuk hasil yang mulus dalam keseluruhan durasi.

Fast Forward memadatkan rekaman Anda agar mudah untuk berbagi klip.

Cobalah Motion Stills
Motion Stills adalah aplikasi untuk kita bereksperimen dan melakukan pengulangan dengan cepat menggunakan teknologi video pendek, sembari mengumpulkan masukan yang bermanfaat dalam prosesnya. Fitur yang menurut pengguna paling menyenangkan dan bermanfaat bisa ditambahkan ke dalam produk yang sudah ada seperti Google Foto. Download Motion Stills untuk Android dari Google Play store—tersedia untuk telepon seluler yang menjalankan Android 5.1 dan yang lebih baru—serta bagikan klip favorit Anda di media sosial dengan hashtag #motionstills.

Ucapan Terima Kasih
Motion Stills tidak akan mungkin berhasil tanpa bantuan banyak Googler. Kami ingin secara khusus berterima kasih untuk hasil kerja Matthias Grundmann dalam memajukan teknologi stabilisasi kami, juga desainer interaksi dan UX kami Jacob Zukerman, Ashley Ma dan Mark Bowers.

Diposting oleh Hui Fang, Software Engineer, Machine Perception

Machine learning (ML) unggul dalam banyak bidang dengan tujuan yang terdefinisi dengan baik. Tugas yang berisi jawaban benar atau salah akan membantu proses pelatihan dan memungkinkan algoritme untuk mencapai tujuan yang diinginkannya, apakah mengidentifikasi objek secara tepat dalam gambar atau memberikan terjemahan yang tepat dari satu bahasa ke bahasa lainnya. Namun, ada beberapa bidang ketika evaluasi objektif tidak tersedia. Misalnya, apakah keindahan sebuah foto diukur dengan nilai estetikanya, ini merupakan konsep yang sangat subjektif.

Foto profesional(?) Taman Nasional Jasper, Kanada.

Untuk mengeksplorasi bagaimana ML bisa mempelajari konsep subjektif, kami memperkenalkan sistem deep-learning eksperimental untuk pembuatan konten artistik. ML meniru alur kerja fotografer profesional, menjelajahi panorama lanskap Google Street View dan mencari komposisi terbaik, kemudian melakukan berbagai operasi pengeditan untuk membuat gambar yang indah secara estetis. Fotografer virtual kami "menjelajahi" ~40.000 panorama di daerah-daerah seperti Pegunungan Alpen, Banff dan Taman Nasional Jasper di Kanada, Big Sur di California dan Taman Nasional Yellowstone, dan menampilkan kreasi yang cukup mengesankan, beberapa foto bahkan mendekati kualitas profesional — sebagaimana dinilai oleh fotografer profesional.

Pelatihan Model
Meskipun estetika bisa dimodelkan menggunakan kumpulan data seperti AVA, menggunakannya secara sembarangan untuk memperindah foto bisa menyebabkan hilangnya beberapa aspek estetika, seperti membuat foto menjadi terlalu tinggi saturasi-nya. Namun, menggunakan pembelajaran terarah untuk mempelajari berbagai aspek dalam estetika dengan benar, mungkin memerlukan kumpulan data berlabel yang sulit dikumpulkan.

Pendekatan kami hanya mengandalkan kumpulan foto berkualitas profesional, tanpa perbandingan gambar sebelum/sesudah, atau label tambahan lainnya. Ini secara otomatis memecah estetika menjadi beberapa aspek, masing-masing dipelajari secara terpisah dengan contoh negatif yang dihasilkan oleh operasi gambar gabungan. Dengan menjaga operasi gambar ini semi-”orthogonal”, kita bisa meningkatkan komposisi, saturasi/tingkat HDR dan pencahayaan dramatis foto dengan pengoptimalan yang terpisah dan cepat:

Sebuah panorama (a) dipangkas menjadi (b), dengan tingkat saturasi dan HDR dinaikkan pada (c), dan penerapan masker dramatis pada (d). Setiap langkah ditunjukkan oleh satu aspek pembelajaran estetika.

Filter gambar tradisional digunakan untuk menghasilkan contoh pelatihan negatif bagi saturasi, detail HDR dan komposisi. Kami juga memperkenalkan sebuah operasi khusus bernama masker dramatis, yang diciptakan bersama-sama selagi belajar konsep pencahayaan dramatis. Contoh negatif dihasilkan dengan menerapkan kombinasi filter gambar yang mengubah kecerahan secara acak pada foto profesional, menurunkan kualitas tampilannya. Untuk pelatihan, kami menggunakan generative adversarial network (GAN), dalam hal ini model generatif membuat masker untuk memperbaiki pencahayaan contoh negatif, sementara model diskriminatif mencoba membedakan hasil yang disempurnakan dari foto profesional yang asli. Tidak seperti filter berbentuk tetap seperti vinyet, masker dramatis menambahkan penyesuaian kecerahan sadar-konten ke foto. Sifat kompetitif pelatihan GAN akan memberikan variasi saran yang bagus. Anda bisa membaca selengkapnya tentang rincian pelatihan di makalah kami.

Hasil
Beberapa kreasi sistem kami dari Google Street View ditunjukkan di bawah ini. Seperti yang Anda lihat, penerapan filter estetika secara tepat menciptakan beberapa hasil yang dramatis (termasuk gambar awal postingan ini!):

Taman Nasional Jasper, Kanada.

Interlaken, Swiss.

Park Parco delle Orobie Bergamasche, Italia.

Taman Nasional Jasper, Kanada.

Evaluasi Profesional
Untuk menilai seberapa sukses algoritme kami, kami merancang eksperimen seperti "Turing-test": kami memadukan kreasi kami dengan foto lain yang kualitasnya berbeda, dan menunjukkannya kepada beberapa fotografer profesional. Mereka diminta untuk memberikan skor kualitas untuk masing-masing foto, dengan standar yang ditetapkan seperti berikut:

• 1: Point-and-shoot tanpa pertimbangan komposisi, pencahayaan dll.
• 2: Foto bagus dari masyarakat umum tanpa latar belakang fotografi. Tidak ada seni artistik yang menonjol.
• 3: Semi-pro. Foto sangat bagus yang memperlihatkan aspek artistik yang jelas. Fotografer berada di jalur yang benar untuk menjadi seorang profesional.
• 4: Pro.

Pada bagan berikut, setiap kurva menunjukkan skor gambar dari fotografer profesional dalam kisaran skor prediksi tertentu. Untuk kreasi kami dengan skor yang diprediksi tinggi, sekitar 40% rating yang mereka dapatkan berada pada level "semi-pro" sampai "pro".

Skor diterima dari fotografer profesional untuk foto dengan skor prediksi yang berbeda.

Karya Selanjutnya
Panorama Street View berfungsi sebagai tempat uji coba project kami. Suatu hari teknik ini bisa membantu Anda untuk mengambil foto yang lebih baik di dunia nyata. Kami menyusun kumpulan pilihan foto yang dibuat untuk kepuasan kami. Jika Anda melihat foto yang disukai, Anda bisa mengkliknya untuk menampilkan panorama Street View di dekatnya. Apakah Anda akan membuat keputusan yang sama jika berada di sana serta memegang kamera pada saat itu?

Ucapan Terima Kasih
Karya ini dikerjakan oleh Hui Fang dan Meng Zhang dari Machine Perception di Google Research. Kami ingin mengucapkan terima kasih kepada Vahid Kazemi atas karya awalnya dalam memprediksi skor AVA menggunakan jaringan Inception, dan Sagarika Chalasani, Nick Beato, Bryan Klingner dan Rupert Breheny atas bantuan mereka dalam memproses panorama Google Street View. Kami ingin mengucapkan terima kasih kepada Peyman Milanfar, Tomas Izo, Christian Szegedy, Jon Barron dan Sergey Ioffe atas ulasan dan komentar mereka yang bermanfaat. Terima kasih banyak kepada fotografer profesional anonim kami!

Ditulis oleh Martin Pelikan, Giles Hogben, dan Ulfar Erlingsson dari tim Google Security and Privacy

Aplikasi mobile menghibur dan membantu kita, mempermudah komunikasi dengan teman dan keluarga, dan menyediakan fitur mulai dari peta hingga dompet elektronik. Namun aplikasi ini bisa saja meminta lebih banyak informasi pada perangkat daripada yang dibutuhkan untuk melakukan tugasnya, seperti data pribadi pengguna dan data sensor dari komponen, seperti pelacak GPS dan kamera.

Untuk melindungi pengguna kami dan membantu developer melalui lingkungan yang kompleks ini, Google menganalisis sinyal keamanan dan privasi untuk setiap aplikasi di Google Play. Kami kemudian membandingkan aplikasi tersebut dengan aplikasi lain dengan fitur serupa, yang dikenal sebagai functional peer. Membuat peer group memungkinkan kita untuk menyesuaikan perkiraan mengenai harapan pengguna dan menetapkan batasan yang mencukupi dari perilaku yang mungkin dianggap tidak aman atau mengganggu. Proses ini membantu mendeteksi aplikasi yang mengumpulkan atau mengirim data sensitif tanpa kegunaan yang jelas, dan mempermudah pengguna menemukan aplikasi yang menyediakan fungsionalitas yang tepat serta menghargai privasi mereka. Misalnya, sebagian besar aplikasi buku mewarnai tidak perlu mengetahui lokasi pengguna secara tepat untuk bisa berfungsi dan ini dapat dilakukan dengan menganalisis aplikasi buku mewarnai yang lainnya. Sebaliknya, aplikasi pemetaan dan navigasi perlu mengetahui lokasi pengguna, dan sering kali memerlukan akses sensor GPS.

Salah satu cara untuk membuat peer group aplikasi adalah membuat sekumpulan kategori konstan kemudian menetapkan setiap aplikasi ke dalam satu atau beberapa kategori, seperti fitur, produktivitas, dan game. Namun, kategori konstan terlalu kaku dan tidak fleksibel untuk menangkap dan mengikuti semakin banyak perbedaan dalam kumpulan aplikasi seluler yang berubah dengan cepat. Pemeriksaan dan pemeliharaan manual kategori tersebut juga merupakan tugas yang menjemukan dan rawan kesalahan.

Untuk mengatasi hal ini, Google mengembangkan algoritme machine-learning untuk mengelompokkan aplikasi seluler dengan kemampuan serupa. Pendekatan kami menggunakan deep learning tentang penyematan vektor untuk mengidentifikasi peer group aplikasi dengan fungsionalitas serupa, menggunakan metadata aplikasi, seperti keterangan teks, dan metrik pengguna, seperti penginstalan. Kemudian peer group digunakan untuk mengidentifikasi sinyal tidak lazim serta berpotensi berbahaya yang terkait dengan privasi dan keamanan, dari setiap izin yang diminta aplikasi dan perilaku yang diamatinya. Korelasi antara berbagai peer group dan sinyal keamanannya membantu berbagai tim di Google memutuskan aplikasi mana yang pantas dipromosikan dan aplikasi mana yang harus dilihat secara lebih cermat oleh pakar keamanan dan privasi kami. Kami juga menggunakan hasilnya untuk membantu developer aplikasi meningkatkan privasi dan keamanan aplikasi mereka.

Teknik ini dibangun berdasarkan gagasan sebelumnya, seperti menggunakan peer group untuk menganalisis sinyal yang berkaitan dengan privasi, deep learning mengenai model bahasa agar peer group lebih baik, dan analisis data otomatis untuk membuat kesimpulan.

Banyak tim di Google berkolaborasi untuk membuat algoritme ini dan proses pengiringnya. Terima kasih untuk beberapa anggota penting, seperti Andrew Ahn, Vikas Arora, Hongji Bao, Jun Hong, Nwokedi Idika, Iulia Ion, Suman Jana, Daehwan Kim, Kenny Lim, Jiahui Liu, Sai Teja Peddinti, Sebastian Porst, Gowdy Rajappan, Aaron Rothman, Monir Sharif, Sooel Son, Michael Vrable, dan Qiang Yan.

Untuk informasi selengkapnya mengenai upaya Google untuk mendeteksi dan memberantas aplikasi yang berpotensi berbahaya (PHA) di Android, lihat Klasifikasi Tim Keamanan Google Android untuk Aplikasi yang Berpotensi Berbahaya.

Referensi

Ditulis oleh Rio Akasaka, Product Manager, Google Drive dan Wesley Chun (@wescpy), Developer Advocate, G Suite

Jika Anda adalah admin G Suite (atau developer yang membuat aplikasi untuk admin), Anda harus memahami berbagai aplikasi yang digunakan karyawan perusahaan dan bagaimana mereka mengaksesnya. Hari ini, kami mempermudahnya dengan memperkenalkan identifikasi aplikasi (yaitu originating_app_id) di log audit Google Drive dalam Admin SDK Reports API.

Sekarang, aplikasi Anda akan bisa menentukan apakah aktivitas yang di-log dilakukan oleh pengguna di aplikasi Drive Android, aplikasi Drive iOS, Google Chrome, atau melalui berbagai aplikasi pihak ketiga lainnya yang memanfaatkan, memodifikasi, atau membuat file dalam Google Drive, seperti Smartsheet atau Asana. Ini akan memberi Anda pemahaman yang lebih baik tentang aplikasi yang digunakan di organisasi Anda, serta seberapa luas dan konteks penggunaannya.

Perhatikan bahwa ID Aplikasi yang muncul dalam log berupa numerik. Jika ingin mendapat nama aplikasi, Anda memerlukan permintaan terpisah menggunakan Google Drive REST API. Jika Anda telah mengambil informasi melalui permintaan aktivitas Drive, Anda seharusnya segera melihat originating_app_id muncul dalam log. Berikut adalah sepasang permintaan HTTP yang bisa Anda gunakan untuk menanyakan informasi ini:

GET 
https://www.googleapis.com/admin/reports/v1/activity/users/userKey

Atau

GET 
https://www.googleapis.com/admin/reports/v1/activity/users/all/applications/drive

Untuk mempelajari lebih lanjut tentang fitur baru ini, silakan lihat dokumentasi, lalu integrasikan ke dalam kode Anda sehingga Anda dan admin G Suite yang lain bisa memperoleh pemahaman yang lebih baik tentang penggunaan aplikasi di domain Anda. Kami menantikan apa yang bisa Anda bangun!

Ditulis oleh Fergus Hurley, Product Manager, Google Play

Kinerja aplikasi yang buruk kejadian yang banyak dialami pengguna. Coba ingat saat terakhir kali Anda mengalami aplikasi error, tidak merespons, atau merender dengan lambat. Bayangkan reaksi Anda saat memeriksa penggunaan baterai pada perangkat Anda sendiri, dan melihat sebuah aplikasi menggunakan baterai secara berlebihan. Saat aplikasi berkinerja buruk, pengguna akan melihatnya. Bahkan, dalam analisis internal ulasan aplikasi di Google Play, kami memerhatikan bahwa separuh dari ulasan bintang-1 menyebutkan stabilitas aplikasi.

Sebaliknya, pengguna secara konsisten menghargai aplikasi berkinerja baik dengan rating dan ulasan yang lebih bagus. Hal ini menyebabkan peringkat yang lebih baik di Google Play, sehingga membantu meningkatkan penginstalan. Namun tidak hanya itu, pengguna juga lebih banyak berinteraksi, dan bersedia menghabiskan lebih banyak waktu serta uang.

Di Google I/O 2017, kami mengumumkan dasbor Android vitals baru di Konsol Google Play. Android vitals dirancang untuk membantu Anda memahami dan menganalisis perilaku aplikasi yang buruk, sehingga Anda bisa meningkatkan kinerja aplikasi dan menuai keuntungan dari kinerja yang lebih baik.

Android vitals di Konsol Google Play

Android vitals membantu mengidentifikasi peluang untuk meningkatkan kinerja aplikasi Anda. Dasbor berguna bagi para engineer dan pemilik bisnis, menawarkan metrik kinerja untuk memantau aplikasi sehingga Anda bisa menganalisis data dan mengalokasikan resource yang tepat untuk melakukan perbaikan.

Anda akan melihat data berikut yang terkumpul dari pengguna yang memilih untuk secara otomatis berbagi data penggunaan dan diagnostik pada perangkat Android:

• Stabilitas: Tingkat ANR & tingkat error
• Waktu render: rendering lambat (16ms) dan bingkai UI beku (700ms)
• Penggunaan baterai: wake locks error dan wakeups berlebihan

Lihat bagaimana Busuu meningkatkan rating mereka dari 4,1☆ menjadi 4,5☆ dengan berfokus pada kinerja aplikasi

Busuu adalah salah satu aplikasi pembelajaran bahasa terbesar di dunia. Dengarkan dari Antoine Sakho, Head of Product tentang bagaimana Busuu meningkatkan rating pengguna.

Pelajari lebih lanjut tentang engineering untuk kinerja tinggi dengan fitur dari Android dan Google Play

Baca artikel praktik terbaik kami di Android vitals untuk memahami data yang ditampilkan di dasbor, dan bagaimana Anda bisa meningkatkan kinerja dan stabilitas aplikasi. Tonton sesi I/O untuk mempelajari lebih banyak fitur dari Android dan Google Play yang bisa Anda gunakan untuk mengidentifikasi dan memperbaiki perilaku buruk:

Pelajari lebih lanjut tentang fitur Konsol Play lainnya, dan selalu ikuti berita dan tips agar berhasil di Google Play, dengan aplikasi PlayBook. Mari bergabung dengan versi beta dan instal hari ini.

Menurut Anda seberapa bermanfaatkah posting blog ini?
★ ★ ★ ★ ★

Diposting oleh Amos Yuen, Software Engineer, dan Wesley Chun (@wescpy), Developer Advocate, G Suite

Mulai hari ini, Google People API akan mendapatkan endpoints baru untuk kontak dan contact groups. Tahun lalu, kami meluncurkan Google People API dengan endpoints read-only yang direncanakan untuk menggantikan Contacts API yang lama. Kami selangkah lebih dekat ke tujuan itu dengan menambahkan write endpoints yang memungkinkan developer membuat, menghapus, dan memperbarui sebuah kontak. Selain itu, ada endpoints contact groups baru yang memungkinkan developer read dan write contact groups.

Aplikasi harus diberi wewenang untuk mengakses API, sehingga untuk memulai, Anda harus membuat project di Google Developers Console dengan People API yang diaktifkan untuk mendapatkan akses ke layanan ini. Semua langkah yang harus dilakukan bisa dilihat di sini. Jika Anda baru mengenal Google API dan/atau Developers Console, lihat video ini, video pertama dalam seri rangkaian video kami agar Anda lebih mudah memahaminya.


Setelah diotorisasi, Anda bisa membuat kontak baru seperti ini (menggunakan Koleksi Klien Google API untuk Java):

Person contactToCreate = new Person();

List names = new ArrayList<>();
names.add(new Name().setGivenName("John").setFamilyName("Doe"));
contactToCreate.setNames(names);

Person createdContact =
    peopleService.people().createContact(contactToCreate).execute();

Cakupan yang perlu diotorisasi aplikasi Anda adalah https://www.googleapis.com/auth/contacts. Dokumentasi lengkap tentang metode people.create tersedia di sini. Anda bisa memperbarui kontak yang ada seperti ini:

String resourceName = "people/c12345"; // existing contact resource name
Person contactToUpdate = peopleService.people().get(resourceName)
    .setPersonFields("names,emailAddresses")
    .execute();

List emailAddresses = new ArrayList<>();
emailAddresses.add(new EmailAddress().setValue("john.doe@gmail.com"));
contactToUpdate.setEmailAddresses(emailAddresses);

Person updatedContact = peopleService.people().updateContact(contactToUpdate)
    .setUpdatePersonFields("emailAddresses")
    .execute();

Dokumentasi lengkap tentang metode people.update  tersedia di sini. Kami menunggu apa yang bisa Anda lakukan dengan fitur baru ini yang memungkinkan Anda untuk mengubah kontak. Untuk mempelajari lebih lanjut tentang People API, lihat dokumentasi resmi di sini.

Oleh Terrence Ryan, Developer Advocate dan Adam Glick, Product Marketing Manager


Saat Anda memulai sebuah project baru di Google Cloud Platform (GCP), salah satu keputusan paling awal yang Anda buat adalah memilih layanan komputasi yang akan digunakan: Google Compute Engine, Google Container Engine, App Engine atau bahkan Google Cloud Functions dan Firebase.

GCP menawarkan berbagai layanan komputasi dari yang memberi pengguna kontrol penuh (misalnya, Compute Engine) hingga yang sangat-abstrak (misalnya, Firebase dan Cloud Functions), sehingga Google bisa melakukan lebih banyak manajemen dan operasi dalam prosesnya.

Inilah pendapat banyak pembaca setia blog kami tentang opsi komputasi GCP. Jika Anda terbiasa mengelola VM dan menginginkan pengalaman serupa di cloud, pilih Compute Engine. Jika Anda menggunakan kontainer dan Kubernetes, Anda bisa memisahkan beberapa overhead manajemen yang diperlukan dengan menggunakan Container Engine. Jika Anda ingin berfokus pada kode dan menghindari keseluruhan infrastruktur, gunakan App Engine. Yang terakhir, jika Anda hanya ingin berfokus pada kode dan membangun layanan mikro yang mengekspos endpoints API untuk aplikasi Anda, gunakan Firebase dan Cloud Functions.

Selama bertahun-tahun, Anda telah memberi tahu kami bahwa model ini berfungsi dengan baik jika Anda tidak menggunakan batasan, namun akan mengalami kendala jika menggunakan batasan. Kami mendengar masukan Anda dan menawarkan cara lain untuk memilih opsi komputasi menggunakan rangkaian pertanyaan berdasarkan batasan. (Ini harus dimaklumi bahwa kami mempertimbangkan aspek yang sangat kecil dari project Anda.)

1. Apakah Anda membangun aplikasi mobile atau HTML yang melakukan pemrosesan berat, serta cerdas, pada sisi klien? Jika Anda membangun pada sisi klien yang hanya mengandalkan backend untuk sinkronisasi dan/atau penyimpanan, Firebase adalah pilihan yang tepat. Firebase memungkinkan Anda menyimpan file dan dokumen-dokumen NoSQL yang kompleks (atau objek jika Anda menganggapnya demikian) menggunakan klien dan API yang sangat mudah digunakan yang tersedia untuk iOS, Android dan Javascript. Ada juga REST API untuk akses dari platform lain.

2. Apakah Anda membangun sistem yang lebih berdasarkan events daripada interaksi pengguna? Dengan kata lain, apakah Anda membangun sebuah aplikasi yang merespons file yang diupload, atau mungkin melakukan login ke aplikasi lain? Apakah Anda sudah melihat solusi "tanpa server" atau "Functions as a Service"? Gunakan saja Cloud Functions. Cloud Functions memungkinkan Anda untuk menulis fungsi Javascript yang berjalan di Node.js dan bisa memanggil salah satu API kami termasuk Cloud Vision, Translate, Cloud Storage dan lebih dari 100 yang lain. Dengan Cloud Functions, Anda bisa membangun fungsi kompleks yang terbuka sebagai layanan mikro untuk memanfaatkan semua layanan kami tanpa harus memelihara sistem dan menyatukan mereka semua.

3. Apakah Anda sudah menemukan solusi di tempat lain? Apakah itu menyertakan perangkat lunak berlisensi? Apakah itu memerlukan sesuatu selain HTTP/S? Jika Anda menjawab "tidak," maka App Engine layak untuk dipertimbangkan. App Engine adalah solusi tanpa server yang menjalankan kode Anda pada infrastruktur kami dan mengenakan biaya hanya untuk yang Anda gunakan. Kami menaikkan atau menurunkannya bagi Anda tergantung pada permintaan. Selain itu, App Engine memiliki akses ke semua Google SDK yang tersedia sehingga Anda bisa memanfaatkan ekosistem Google Cloud secara penuh.

4. Apakah Anda ingin membangun sistem berbasis-kontainer yang dibangun di atas Kubernetes? Jika Anda sudah menggunakan Kubernetes di GCP, Anda harus mempertimbangkan Container Engine. (Sebenarnya, Anda harus mempertimbangkannya kapan saja Anda menjalankan Kubernetes.) Container Engine mengurangi pembuatan solusi Kubernetes menjadi satu klik. Selain itu, anggota kluster Kubernetes secara otomatis diskalakan, memungkinkan Anda membangun solusi Kubernetes yang tumbuh dan berkontraksi berdasarkan permintaan.

5. Apakah Anda ingin menggunakan GPU dalam solusi Anda? Apakah Anda membangun solusi berbasis-kontainer non-Kubernetes? Apakah Anda memigrasikan solusi on-prem yang ada ke cloud? Apakah Anda menggunakan perangkat lunak berlisensi? Apakah Anda menggunakan protokol selain HTTP/S? Apakah Anda tidak menemukan solusi lain untuk mencapai tujuan Anda? Jika Anda menjawab "ya" untuk pertanyaan-pertanyaan ini, maka Anda mungkin perlu menjalankan solusi pada mesin virtual di Compute Engine. Compute Engine adalah produk komputasi kami yang paling fleksibel, dan memberi Anda paling banyak kebebasan untuk mengonfigurasi dan mengelola VM seperti yang Anda mau.

Masukkan semua pertanyaan ini bersama-sama dan Anda akan mendapatkan diagram alir berikut:
Ini sama sekali bukan diagram keputusan yang komprehensif, dan masing-masing produk kami mendukung berbagai kasus penggunaan yang lebih luas daripada yang ditampilkan di sini. Namun ini bisa menjadi panduan yang bagus untuk Anda memulai.

Untuk mengetahui selengkapnya tentang ini atau solusi komputasi, silakan lihat Komputasi di Google Cloud Platform dan cobalah sendiri hari ini dengan $300 kredit gratis saat Anda mendaftar.

Selamat membangun!

Diposting oleh Roy Glasberg, Global Lead, Google Developers Launchpad

Misi Google Developers Launchpad adalah membuat startup dari seluruh dunia dapat berkembang menjadi perusahaan besar. Dalam 4 tahun terakhir, kami telah belajar banyak saat mendukung usaha yang baru berdiri maupun yang sudah lama ada. Melalui kerja sama dengan startup dinamis---seperti perusahaan-perusahaan yang menerapkan teknologi Kecerdasan Buatan untuk mengatasi masalah transportasi di Israel, menyempurnakan layanan telemedis di Brasil, dan mengoptimalkan bisnis retail online di India---kami mengerti bahwa startup perlu layanan khusus untuk membantu mengembangkan usaha mereka.

Oleh karena itu, hari ini kami meluncurkan inisiatif baru yaitu Google Developers Launchpad Studio, sebuah studio yang menyediakan dukungan produk dan teknis lengkap di satu tempat yang disesuaikan untuk startup berbasis Artificial Intelligence & Machine Learning (Pembelajaran Mesin & Kecerdasan Buatan).

Entah startup Anda baru berdiri dan hanya punya 3 orang karyawan, atau sudah memperoleh pendanaan lanjutan dan ingin menerapkan AI & ML pada produk Anda, Anda tetap dapat ikut serta dalam program ini.

Pendaftaran untuk bergabung dengan Launchpad Studio telah dibuka. Anda bisa mendaftar di sini.

Kantor pusat global Launchpad Studio berlokasi di San Francisco di Launchpad Space. Berbagai acara dan kegiatan diadakan pula di Tel Aviv dan New York. Kami juga berencana untuk mengadakan kegiatan dan acara di Toronto, London, Bangalore, dan Singapura dalam waktu dekat.

Anggota Launchpad Studio akan memperoleh layanan yang dirancang khusus untuk kebutuhan dan tantangan yang dihadapi masing-masing startup, seperti:

• Toolkit integrasi AI terapan: Kumpulan data, penyiapan uji coba, pembuatan prototipe dengan cepat, alat simulasi, dan pemecahan masalah arsitektur.
• Dukungan validasi produk: Bukti konsep dan program uji coba sesuai industri, serta workshop studi kasus dengan praktisi industri Fortune 500 dan pakar lainnya.
• Akses ke pakar AI: Saran dari komunitas global pakar AI terkemuka, termasuk Peter Norvig, Dan Ariely, Yossi Matias, Chris DiBona dan banyak lagi.
• Akses ke praktisi dan investor AI: Interaksi dengan teknisi, manajer produk, tokoh industri, serta investor AI & ML dari Google, Silicon Valley, dan lokasi internasional lainnya.

Kami tidak sabar untuk segera bekerja sama dengan Anda dalam pengembangan AI & ML.

"Inovasi terbuka untuk semua orang di seluruh dunia. Dengan program global ini, kami sekarang memiliki kesempatan untuk mendukung pengusaha di berbagai belahan dunia yang ingin menggunakan AI untuk mengatasi berbagai tantangan." Yossi Matias, VP of Engineering, Google