Optimasi Penjadwalan Beban Kerja Komputasi Awan Menggunakan Algoritma Genetika Hibrida Berkelanjutan
Ahmad Fauzi, Hendra Wijaya, Siti Aminah
Departemen Ilmu Komputer, Universitas Padjadjaran; Fakultas Ilmu Komputer, Universitas Indonesia
Abstrak (Bahasa Indonesia)
Penelitian ini mengajukan pendekatan optimasi penjadwalan komputasi awan yang meminimalkan konsumsi energi pada pusat data multi-klaster. Dengan mengintegrasikan algoritma genetika dengan pencarian lokal adaptif, beban server didistribusikan secara optimal dengan latensi minimal. Hasil eksperimen membuktikan efisiensi energi meningkat hingga 18.4% dibandingkan penjadwalan round-robin konvensional.
Abstract (English)
This study proposes a cloud computing workload scheduling optimization method that minimizes energy consumption in multi-cluster data centers. By integrating genetic algorithms with adaptive local search, server load is distributed with minimal latency. Experimental results demonstrate energy efficiency improvement up to 18.4% compared to conventional round-robin scheduling.
Daftar Pustaka (References)
2. Buyya, R., et al. (2009). Cloud computing and emerging IT platforms. Future Generation Computer Systems, 25(6), 599-616.
3. Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley.