Journal Infomedia
Journal Infomedia
ISSN: YYYYYY
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 110
(Muhammad Rizka)
1. Pendahuluan
Perkembangan teknologi sistem komputasi ubiquitous yang terus meningkat pesat
membutuhkan sebuah kolaborasi efisiensi yang adaptif terhadap suatu aplikasi yang berjalan
pada jaringan homogenous maupun heterogenous. Sebuah sistem efisiensi yang dapat
menyediakan kostumisasi terhadap suatu perubahan lingkungan. Sistem multi agen merupakan
sebuah teknologi yang didesain untuk memenuhi kebutuhan tersebut. Sistem multi agen
merupakan sebuah paradigma dalam hal membangun suatu sistem dengan kompleksitas
tinggiyang berbasis distributed, knowledge, computing dan adaptif. Sistem multi agen terdiri dari
sekumpulan intelligent agent dan resource yang saling berinteraksi untuk mencapai suatu
tujuan tertentu. Agen merupakan entitas autonomous yang dapat bertindak proactive dan
flexible terhadap suatu lingkungan dalam keadaan tertentu [1].
Dalam pendistribusian job dapat saja terjadi ketidakseimbangan workload diantara
agen. Dalam menangani masalah ketidak seimbangan sistem ada dua penelitian yang terkait
yaitu yang dilakukan oleh Shin [2]. Metode load balancing yang diusulkan pada saat agen
mengalami overload sehingga agen tersebut harus dipindahkan ke komputer lain untuk
mengurangi workload. Dengan hanya melakukan migrasi agen dari suatu komputer ke
komputer lain masih memungkinkan terjadinya overload karena adanya penambahan agen dan
task pada komputer tujuan sehingga dapat mengakibatkan terjadi proses reload balancing pada
sistem yang pada akhirnya akan membuat sistem mengalami overload dan menjadi lambat.
Penelitian lain mengenai load balancing yaitu yang dilakukan oleh Lee [3] yaitu mengalokasikan
resource komputasi berdasarkan kebutuhan komputasi agen. Metode load balancing yang
diusulkan membutuhkan waktu presprocessing yang lama karena harus mengestimasi terlebih
dahulu waktu penyelesaian job.
Metode yang penulis usulkan yaitu sebuah skema load balancing dimana sistem
melakukan alokasi job keseluruh agent worker pada setiap komputer secara dinamis. Sistem
multi agen terdiri dari agent monitor dan agent worker. Agent worker bertugas sebagai pekerja
yang melakukan proses eksekusi job. Agent monitor bertanggung jawab dalam mengawasi
kondisi load agent worker. Load balancing pengalokasian job ditentukan berdasarkan
pertimbangan kondisi load agent worker, antrian job dan resource komputasi komputer dimana
agent worker berada. Dalam penelitian ini sistem multi agen diaplikasikan pada studi kasus
enkripsi data dengan menggunakan algoritma AES (Advanced Encryption Standard).
2. Metodelogi Penelitian
Pada penelitian ini diusulkan sebuah mekanisme load balancing dengan
mempertimbangkan kondisi load agen, antrian job dan daya komputasi komputer. Dalam
penerapannya ada dua jenis agen yang diimplementasikan yaitu agent monitor dan agent
worker. Agent worker yang bertugas dalam melakukan proses enkripsi data sedangkan agent
monitor bertanggung jawab dalam memonitoring agent worker pada setiap komputer dan
selanjutnya mengalokasikan sejumlah job ke agent worker. Agent monitor akan
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 111
(Muhammad Rizka)
Komputer 3
Komputer 1
Komputer 2
Cepat
Lambat
5700
7700
Derajat Keanggotaan
Sedang
13
1600
Waktu (millisecond)
(ms)
b. Daya komputasi komputer memiliki tiga tingkatan yaitu cepat, sedang, lambat.
Lambat
Sedang
Cepat
Derajat Keanggotaan
0,5
569
685
Daya Komputasi
2801
(MIPS)
Derajat Keanggotaan
Rendah
Sedang
Padat
0,5
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 113
0
27
(Job)
9
54
(Muhammad Rizka)
Jumlah Antrian
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 116
(Muhammad Rizka)
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 117
(Muhammad Rizka)
DDBAB rata-rata
6.09
4.93
5.34
5.06
5.175.35
201-300
301-400
5.655.44
Rata-rata (ms)
001-100
101-200
401-500
Job id
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 118
(Muhammad Rizka)
DDBAB rata-rata
16.17
14.99
14.45
12.81
10.18
8.92
9.05
12.73
11.1
9.86
rata-rata (ms)
001-100
101-200
201-300
301-400
401-500
Job id
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 119
(Muhammad Rizka)
DDBAB rata-rata
32.59
30.08
26.96
23.52
22.2
28.26
20.65
21.33
301-400
401-500
18
rata-rata (ms)
15.78
001-100
101-200
201-300
Job id
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 120
(Muhammad Rizka)
40.51
26.87
DDBAB rata-rata
39.45
30.07
42.1
42.52
31.85
32.41
201-300
301-400
45.41
30.66
rata-rata (ms)
001-100
101-200
401-500
job id
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 121
(Muhammad Rizka)
DDBAB rata-rata
54.77
49.69
53.99
55.32
49.7
41.76
41.8
41.04
40.95
301-400
401-500
36.86
rata-rata (ms)
001-100
101-200
201-300
JOb id
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 122
(Muhammad Rizka)
Daftar Pustaka
[1]
[2]
[3]
[4]
Drogoul, A., Vanbergue, D. & Meurisse, T., 2003. Multi-Agent Based Simulation: Where are
the Agents ?. Lecture Notes in Computer Science, Volume Multi Agent Base simulation II,
pp. 43-49.
Shin, S. Y., Lee, H. C., Song, s. K., & Youn, H. Y. (2009). A Load Balancing Scheme for
Multi-Agent Systems based on Agent State and Load Condition.
Lee, Y. J., Park, G. Y., Song, H. K., & Youn, H. Y. (2012). A Load Balancing Scheme for
Distributed Simulation Based on Multi-Agent System. International Conference on
Computer Software and Applications Workshops (pp. 613-618). Sungkyunkwan University.
S, W. & M, L., 1980. Assignment of Tasks and Resources for Distributed Processing. s.l.,
OMPCON.
Peningkatan Kinerja Sistem Multi Agen Dengan Optimalisasi Alokasi Beban 123
(Muhammad Rizka)