PENERAPAN ALGORITMA GENETIKA DALAM OPTIMISASI PENJADWALAN TUGAS PADA CLOUD COMPUTING

Main Article Content

Harjuni Harjuni
Muhammad Assidiq
Cipta Riang Sari

Abstract

Penjadwalan tugas dalam cloud computing merupakan tantangan utama dalam mengelola sumber daya secara efisien. Sistem cloud yang memiliki sumber daya terbatas dan tugas yang sangat beragam memerlukan mekanisme penjadwalan yang dapat mengoptimalkan pemanfaatan sumber daya serta meminimalkan waktu pemrosesan. Permasalahan ini menjadi semakin kompleks seiring dengan berkembangnya teknologi komputasi awan yang mendukung pengolahan data dalam jumlah besar dan waktu nyata. Tujuan penelitian ini adalah untuk menerapkan Algoritma Genetika dalam mengoptimalkan penjadwalan tugas pada cloud computing, dengan fokus pada pengurangan waktu pemrosesan dan penggunaan sumber daya secara efisien. Metode yang digunakan adalah pengembangan sistem berbasis Algoritma Genetika untuk menyusun jadwal tugas secara otomatis dengan mempertimbangkan beberapa parameter, seperti kapasitas sumber daya, prioritas tugas, dan waktu pemrosesan. Penjadwalan yang dihasilkan kemudian diuji dan dibandingkan dengan metode penjadwalan konvensional seperti FIFO (First In First Out). Hasil penelitian menunjukkan bahwa penerapan Algoritma Genetika mampu menghasilkan jadwal tugas yang lebih efisien dibandingkan dengan penjadwalan konvensional, dengan waktu pemrosesan yang lebih cepat dan pemanfaatan sumber daya yang lebih optimal. Selain itu, Algoritma Genetika juga dapat mengurangi kemungkinan terjadinya pemborosan sumber daya pada sistem cloud.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1] A. Sinaga, S. Ramen, … S. M.-S. (Jurnal S., and undefined 2024, “Prediksi Keberhasilan Penanganan Stunting Menggunakan Seleksi Fitur PSO Dengan SaaS Cloud Computing,” ojs.trigunadharma.ac.id.
[2] A. Saputra, D. F.-J. Optimalisasi, and undefined 2024, “Optimasi Jalur Distribusi Menggunakan Pendekatan Algoritma Genetika,” jurnal.utu.ac.id, vol. 10, no. 2, 2024.
[3] A. Putri, “Optimasi Multi-obyektif NSGA-II Pada Penjadwalan Produksi untuk minimalisasi Makespan dan Biaya Keterlambatan,” 2024.
[4] P. M. B. B. Butar and M. Yamin, “ANALISA RANTAI PASOK UNTUK PEMULA,” 2024.
[5] N. Iriasyah, “PENERAPAN ALGORITMA SPIDER-MONKEY OPTIMIZATION UNTUK PENYELESAIAN SOFTWARE PROJECT SCHEDULING PROBLEM,” 2023.
[6] E. Erwin, A. Pasaribu, N. Novel, and A. Thaha, “Transformasi Digital,” 2023.
[7] S. Saputra, E. P.-J. T. I. (Jutif), and undefined 2023, “Development of Scheduling System With Genetic Algorithm in Website-Based Smk Negeri 1 Sine,” core.ac.uk, vol. 4, no. 4, pp. 797–806, 2023, doi: 10.52436/1.jutif.2023.4.4.784.
[8] M. Fitrah and F. Fathurrahman, “MATEMATIKA DISKRIT: Berbasis Hasil Penelitian Pada Ilmu Komputer,” 2023.
[9] A. Saputra, D. F.-J. Optimalisasi, and undefined 2024, “Optimasi Jalur Distribusi Menggunakan Pendekatan Algoritma Genetika,” jurnal.utu.ac.id.
[10] D. FITRI, “PENGGUNAAN ALGORITMA GENETIKA DALAM PENYELESAIAN MASALAH TRAVELLING SALESMAN PROBLEM PADA PENDISTRIBUSIAN BARANG,” 2024.
[11] M. Daffa, M. Arrasyid, G. Sumilar, D. A. Nugraha, and E. Rilvani, “Tren Algoritma Penjadwalan Tugas Pada Cloud Computing: Systematic Review Literature,” journal.aptii.or.id, pp. 106–113, 2025, doi: 10.62951/modem.v3i1.362.
[12] M. A.-J. N. T. E. dan Teknologi and undefined 2017, “Klasifikasi Data pada Sistem Penjurusan dengan Preferensi Standar Simple Additive Weighting (PS-SAW),” journal.ugm.ac.idM AssidiqJurnal Nas. Tek. Elektro dan Teknol. Informasi, 2017•journal.ugm.ac.id, vol. 6, no. 4, 2017.