Cacat pada perangkat lunak sudah menjadi hal umum ketika melakukan pengembangan perangkat lunak. Namun, pada kenyataannya hal ini sangat merugikan bagi perusahaan dan organisasi yang sedang melakukan pengembangan perangkat lunak. Prediksi cacat perangkat lunak pada tahap awal pengembangan dapat menjadi solusi permasalahan tersebut. Tentunya metode yang digunakan perlu diperhatikan ketika melakukan pengembangan model untuk prediksi cacat perangkat lunak. Perangkat lunak pada dasarnya terus mengalami perkembangan, maka model prediksi harus selalu diperbarui agar dapat menyesuaikan dengan kondisi yang ada. Dalam penelitian ini, penulis mengusulkan pendekatan MLOps dengan menggabungkan proses development dan operation untuk model prediksi cacat perangkat lunak. Penulis akan membuat model prediksi serta pipeline docker dan Kubernetes untuk mengotomatisasi seluruh proses pengembangan model prediksi cacat perangkat lunak. Sehingga memiliki kinerja yang baik dan dapat mempercepat proses pengembangan. Penulis kemudian membandingkan hasil evaluasi kinerja metode usulan dengan metode tradisional yang dijalankan secara manual dengan menggunakan docker. Hasil penelitian menunjukkan bahwa metode yang diusulkan dapat mempercepat proses pengembangan model prediksi cacat perangkat lunak dengan peningkatan rata-rata waktu perilisan sebesar 78.78%. Kinerja web server pada metode usulan juga mengalami peningkatan throughput sebesar 22.82% ketika menggunakan 5,000 threads dan 18.31% ketika menggunakan 10,000 threads. Penggunaan docker dan Kubernetes pipeline melalui pendekatan MLOps terbukti memiliki kinerja yang baik dan dapat mempercepat proses pengembangan model prediksi cacat perangkat lunak.
Kata kunci : MLOps, DevOps, Prediksi Cacat Perangkat Lunak,
Pipeline CI/CD. Docker, Kubernetes