Mengoptimalkan Alokasi Sumber Daya di Lingkungan Cloud Computing Menggunakan Teknik Reinforcement Learning

Volvo Sihombing; Arjon Samuel Sitio; Fricles Ariwisanto Sianturi

doi:10.69688/dike.v2i2.103

Authors

Volvo Sihombing Universitas Labuhan Batu
Arjon Samuel Sitio Universitas Tjut Nyak Dhien
Fricles Ariwisanto Sianturi Universitas Tjut Nyak Dhien

DOI:

https://doi.org/10.69688/dike.v2i2.103

Keywords:

optimasi, alokasi sumber daya, lingkungan komputasi awan, Algoritma pembelajaran mesin, efisiensi

Abstract

Optimizing Resource Allocation in Cloud Computing Environments Using Reinforcement Learning Techniques membahas pendekatan inovatif untuk meningkatkan efisiensi alokasi sumber daya di lingkungan komputasi awan. Penelitian ini bertujuan untuk memanfaatkan teknik reinforcement learning dalam mengelola alokasi sumber daya komputasi di lingkungan cloud. Dengan menggunakan algoritma pembelajaran penguatan, sistem dapat secara otomatis memantau, mengevaluasi, dan memutuskan alokasi sumber daya yang optimal berdasarkan kondisi sistem dan permintaan pengguna. Melalui pemodelan lingkungan komputasi awan sebagai lingkungan pembelajaran penguatan, penelitian ini menghasilkan keputusan alokasi sumber daya adaptif dan responsif, yang dapat mengoptimalkan kinerja sistem secara keseluruhan. Hasil eksperimen simulasi menunjukkan bahwa pendekatan ini dapat meningkatkan efisiensi penggunaan sumber daya, mengurangi waktu respons, dan meningkatkan ketersediaan layanan di lingkungan komputasi awan. Implikasi dari penelitian ini termasuk potensi untuk meningkatkan kinerja layanan cloud, mengurangi biaya operasional, dan meningkatkan kepuasan pengguna melalui manajemen sumber daya yang lebih cerdas dan adaptif. Dengan demikian, penelitian ini memberikan kontribusi yang berharga dalam pengembangan teknologi komputasi awan yang lebih efisien dan responsif terhadap kebutuhan bisnis dan pengguna

References

C. Sianipar and R. Ambarita, “Analisis dan Eksperimental Performasi Kompresi Uap 2 Tingkat dengan Variasi 4 Siklus,” Jurnal Kolaborasi Sains dan Ilmu Terapan.

R. L. Sianturi and R. Sianturi, “Analisis Lanjutan Distribusi Tegangan Sisa dan Keausan Pahat Milling pada Pemesinan Keras”.

K. Kunci, “Analisis Perbandingan Kekuatan Bahan Komposit Dengan Variasi Susunan Acak Dan Lurus Memanjang Berbasis Serat Bambu Dan Resin Polyester,” Jurnal Kolaborasi Sains dan Ilmu Terapan.

A. P. Baharsyah and M. I. Suriansyah, “Sistem Penunjang Keputusan Normalisasi Ph Dan Tds Pada Vertical Garden Tanaman Kangkung Dengan Menggunakan Fuzzy Logic Mamdani Berbasis Internet Of Things,” vol. 2, 2024.

M. F. Ahmad and A. Ghozali, “Pengenalan Desain Interior Menggunakan Metode Virtual Reality,” vol. 2, 2024.

N. F. S. Maella, “Rekonsiliasi dan Resonansi Publik: Studi Kasus Konflik Jawa Pos Pasca Pecah Kongsi Dahlan Iskan Vs Goenawan Mohamad,” vol. 2, 2024.

F. F. Nugraha and E. A. Firdaus, “Implementasi Permainan Instruksional sebagai Media Pembelajaran untuk Meningkatkan Kualitas Pendidikan di SMA,” Jurnal Sistem Informasi, vol. 2, 2022.

R. Sitepu, “Implementasi Algoritma K-Nearest Neigbor Untuk Klasifikasi Pengajuan Kredit,” Jurnal Sistem Informasi, vol. 1, 2022.

N. D. Farhanah, “Optimalisasi Penentuan Kinerja Perawat Terbaik di Klinik Amanah dengan Sistem Pendukung Keputusan dan Metode Simple Additive Weighting,” vol. 2, 2023.

D. E. Frans, “Peningkatan Produksi Budidaya Perikanan dengan Penerapan Algoritma Apriori dan Association Rule,” vol. 2, 2023.