Data yang efisien dan algoritme penjadwalan pekerjaan yang

intensif CPU untuk cloud Perawatan Kesehatan.

Diajukan untuk memenuhi salah satu tugas mata kuliah Pengantar Teknologi
Informasi.

Dosen Pengampu : Alvino Oktaviano ST, M.Kom

Kelompok

1. Annissa Namira Salsabilla : 231011400069

2. Nurhaliza Eka Saputri : 231011403467
3. Nur Abidah Rambe : 231011400084
4. Zahra Choirunnisa : 231011400067

Program Studi Teknik Informatika

Universitas Pamulang
2023
 KATA PENGANTAR
Alhamdulillah, puji serta syukur kami ke hadirat allah SWT atas rahmat dan
Izin-Nya sehingga dapat menyelesaikan tugas makalah ini dengan mudah guna
memenuhi tugas kelompok untuk mata kuliah Pengantar Teknologi Informasi yang
berjudul “ Data yang efisien dan algoritme penjadwalan pekerjaan yang intensif
CPU untuk cloud Perawatan Kesehatan “ dari dosen pengampu Alvino Oktaviano
ST, M.Kom.

Sholawat serta salam kami tetap tercurahkan kepada nabi Muhammad

SAW. terima kasih kepada anggota kelompok kami yang telah berkontribusi dalam
bentuk pikiran atau materi dalam menyelesaikan makalah ini. Kami sangat berharap
semoga makalah ini dapat memberikan manfaat serta menambah pengetahuan bagi
pembaca.

Kami menyadari masih banyak kekurangan dalam penyusunan makalah

ini karena keterbatasan pengetahuan dan pengalaman kami, maka dari itu kami
sangat mengharapkan kritik dan saran yang membangun pembaca demi
kesempurnaan makalah ini.

2
KATA PENGANTAR ....................................................................................................... 2
DAFTAR ISI......................................................................... Error! Bookmark not defined.
BAB I .................................................................................................................................. 4
PENDAHULUAN ............................................................................................................. 4
Latar Belakang ................................................................................................................ 4
Rangkuman ..................................................................................................................... 7
Rumusan Masalah .......................................................................................................... 9
Tujuan Penulisan .......................................................................................................... 10
BAB II .............................................................................................................................. 11
PEMBAHASAN .............................................................................................................. 11
BAB III............................................................................................................................. 13
PENUTUP........................................................................................................................ 13
Kesimpulan ................................................................................................................... 13
DAFTAR PUSTAKA ...................................................................................................... 14

3
 BAB I
PENDAHULUAN

Latar Belakang
Fleksibilitas dan elastisitas komputasi awan meningkatkan permintaan
dan popularitasnya di kalangan peneliti, pelajar, industri, dan lainnya. Karena,
sejumlah besar data diproduksi setiap hari, mengelola data tersebut menjadi
rumit dan memakan waktu bagi banyak perusahaan seperti Microsoft, Yahoo,
Google, dll. Lingkungan komputasi awan menyediakan sumber daya yang
berbeda untuk pengguna sebagai layanan dengan menerapkan model layanan
yang berbeda seperti perangkat lunak sebagai layanan, platform sebagai
layanan, dan infrastruktur sebagai layanan.

Industri kesehatan, salah satu sektor terbesar memanfaatkan

lingkungan komputasi awan untuk memenuhi permintaan sumber daya yang
terus meningkat secara eksponensial. Sistem perawatan kesehatan mencakup
berbagai macam pekerjaan mulai dari mengidentifikasi patah tulang secara
manual hingga penerapan pengobatan molekuler dalam pengobatan yang
dipersonalisasi. Tantangan saat ini memaksa industri perawatan kesehatan
modern untuk mengubah proses bisnis mereka menjadi sepenuhnya otomatis
dan hemat biaya agar dapat bersaing dengan para pesaing mereka.

Membeli dan menggunakan sistem komputer canggih untuk pekerjaan

yang berbeda sangatlah mahal, yang selanjutnya membutuhkan sumber daya
manusia tambahan. Lingkungan cloud adalah jawaban untuk masalah yang
disebutkan di atas, yang dapat menghilangkan kebutuhan akan investasi modal
yang besar dan sumber daya manusia tambahan untuk pemeliharaan komputer.

Kebutuhan dasar dari aplikasi perawatan kesehatan adalah sejumlah

besar node komputasi berkinerja tinggi, yang dapat dipenuhi oleh cloud. Teknologi
virtualisasi yang digarisbawahi dari cloud memfasilitasi pengguna untuk membuat
versi virtual dari sumber daya fisik yang tersedia seperti server, perangkat

4
penyimpanan, jaringan, atau bahkan sistem operasi. Virtualisasi dapat
diimplementasikan dengan dua cara, yaitu virtualisasi berbasis hypervisor dan
virtualisasi berbasis container.

VM yang dibuat oleh teknologi virtualisasi berbasis hypervisor

mengkonsumsi lebih banyak ruang daripada kontainer. Docker adalah salah
satu platform yang paling populer untuk menyiapkan lingkungan virtualisasi
berbasis kontainer. Kontainer, yang juga dikenal sebagai VM, dibuat di atas
kernel OS host.

Sebelum pekerjaan apa pun memulai eksekusi ke node fisik apa pun,
sekumpulan sumber daya seperti CPU, memori, penyimpanan, dan bandwidth
jaringan ditetapkan dalam bentuk Virtual Machine (VM). VM ini
mengabstraksikan detail node fisik dari setiap pekerjaan yang masuk karena
mengemulasi lingkungan komputasi.

Sangat penting untuk mengelola sumber daya dalam jumlah besar

sambil menugaskan sejumlah besar pekerjaan terkait perawatan kesehatan ke
beberapa node komputasi. Masalah utamanya adalah penjadwalan pekerjaan
yang dihasilkan dari staf rumah sakit, pasien, peneliti, dll. Banyak peneliti
mengklasifikasikan masalah penjadwalan menjadi penjadwalan yang sadar
sumber daya dan penjadwalan yang sadar jaringan. Penjadwalan sadar sumber
daya terutama berfokus pada penjadwalan pekerjaan berdasarkan kebutuhan
sumber daya, seperti penyimpanan, memori, CPU, dll. oleh pekerjaan.

Di sisi lain, penjadwalan yang sadar jaringan terutama berfokus pada

penjadwalan pekerjaan berdasarkan bandwidth jaringan yang dibutuhkan.
Namun, penjadwal harus cukup efisien untuk menangani berbagai jenis
pekerjaan terlepas dari jenis pekerjaan dengan tujuan untuk memaksimalkan
pemanfaatan server fisik yang digunakan dan infrastruktur jaringan yang

5
digarisbawahi. Pada bagian selanjutnya, kami akan membahas penerapan cloud
dalam sistem perawatan kesehatan, seperti yang ditunjukkan pada Gbr.

1. Termasuk penelitian yang terkait dengan tubuh manusia. Kontribusi utama

dari penelitian kami dapat diringkas sebagai berikut.
 Kami menerapkan komputasi dan rasio muatan data I/O untuk
mengklasifikasikan pekerjaan perawatan kesehatan yang masuk.
 Dua algoritma penjadwalan yang efisien diusulkan secara eksklusif
didedikasikan untuk pekerjaan perawatan kesehatan yang intensif CPU dan
intensif data.
 Untuk memberikan tingkat lingkungan bebas kesalahan yang lebih tinggi
untuk VM yang menjalankan pekerjaan perawatan kesehatan, sebuah
mekanisme untuk memantau dan memulihkan VM dari kegagalan
diusulkan.

6
Rangkuman

Fleksibilitas dan elastisitas komputasi awan meningkatkan

permintaan dan popularitasnya di kalangan peneliti, pelajar, industri, dan
lainnya. Karena, sejumlah besar data diproduksi setiap hari, mengelola data
tersebut menjadi rumit dan memakan waktu bagi banyak perusahaan seperti
Microsoft, Yahoo, Google, dll. Lingkungan komputasi awan menyediakan
sumber daya yang berbeda untuk pengguna sebagai layanan dengan
menerapkan model layanan yang berbeda seperti perangkat lunak sebagai
layanan, platform sebagai layanan, dan infrastruktur sebagai layanan.

Industri kesehatan, salah satu sektor terbesar memanfaatkan

lingkungan komputasi awan untuk memenuhi permintaan sumber daya yang
terus meningkat secara eksponensial. Sistem perawatan kesehatan mencakup
berbagai macam pekerjaan mulai dari mengidentifikasi patah tulang secara
manual hingga penerapan pengobatan molekuler dalam pengobatan yang
dipersonalisasi. Tantangan saat ini memaksa industri perawatan kesehatan
modern untuk mengubah proses bisnis mereka menjadi sepenuhnya otomatis
dan hemat biaya agar dapat bersaing dengan para pesaing mereka.

Membeli dan menggunakan sistem komputer canggih untuk

pekerjaan yang berbeda sangatlah mahal, yang selanjutnya membutuhkan
sumber daya manusia tambahan. Lingkungan cloud adalah jawaban untuk
masalah yang disebutkan di atas, yang dapat menghilangkan kebutuhan akan
investasi modal yang besar dan sumber daya manusia tambahan untuk
pemeliharaan computer. Kebutuhan dasar dari aplikasi perawatan kesehatan
adalah sejumlah besar node komputasi berkinerja tinggi, yang dapat dipenuhi
oleh cloud.

Teknologi virtualisasi yang digaris bawahi dari cloud memfasilitasi

pengguna untuk membuat versi virtual dari sumber daya fisik yang tersedia
seperti server, perangkat penyimpanan, jaringan, atau bahkan sistem operasi.

7
Virtualisasi dapat diimplementasikan dengan dua cara, yaitu virtualisasi
berbasis hypervisor dan virtualisasi berbasis container.

VM yang dibuat oleh teknologi virtualisasi berbasis hypervisor

mengkonsumsi lebih banyak ruang daripada kontainer. Docker adalah salah
satu platform yang paling populer untuk menyiapkan lingkungan virtualisasi
berbasis kontainer. Kontainer, yang juga dikenal sebagai VM, dibuat di atas
kernel OS host.

Sangat penting untuk mengelola sumber daya dalam jumlah besar

sambil menugaskan sejumlah besar pekerjaan terkait perawatan kesehatan ke
beberapa node komputasi. Masalah utamanya adalah penjadwalan pekerjaan
yang dihasilkan dari staf rumah sakit, pasien, peneliti, dll. Banyak peneliti
mengklasifikasikan masalah penjadwalan menjadi penjadwalan yang sadar
sumber daya dan penjadwalan yang sadar jaringan. Namun, penjadwal harus
cukup efisien untuk menangani berbagai jenis pekerjaan terlepas dari jenis
pekerjaan dengan tujuan untuk memaksimalkan pemanfaatan server fisik yang
digunakan dan infrastruktur jaringan yang digaris bawahi.

1. Termasuk penelitian yang terkait dengan tubuh manusia. Kontribusi utama

dari penelitian kami dapat diringkas sebagai berikut.
 Kami menerapkan komputasi dan rasio muatan data I/O untuk
mengklasifikasikan pekerjaan perawatan kesehatan yang masuk.
 Dua algoritma penjadwalan yang efisien diusulkan secara eksklusif
didedikasikan untuk pekerjaan perawatan kesehatan yang intensif CPU dan
intensif data.
 Untuk memberikan tingkat lingkungan bebas kesalahan yang lebih tinggi
untuk VM yang menjalankan pekerjaan perawatan kesehatan, sebuah
mekanisme untuk memantau dan memulihkan VM dari kegagalan
diusulkan.

8
Rumusan Masalah

Pada pertemuan ini akan dijelaskan mengenai CPU (Central Processing Unit).
Dengan demikian maka anda harus mampu:

1. Apakah penggunaan data dan algoritma pada rumah sakit sudah sangat efisien?

2. Bagaimana menentukan parameter yang relevan untuk pekerjaan CPU intensif

dalam perawatan kesehatan, seperti pemrosesan citra medis, analisis genom, atau
pemodelan simulasi?

3. Bagaimana mengintegrasikan sistem penjadwalan dengan infrastruktur cloud

yang ada, termasuk otomatisasi alokasi sumber daya dan manajemen penyebaran
aplikasi?

4. Bagaimana mempertimbangkan kebijakan privasi data pasien dan kepatuhan

peraturan kesehatan, seperti HIPAA di Amerika Serikat atau regulasi serupa di
negara lain, dalam pengembangan algoritme dan infrastruktur cloud?

5. Bagaimana mengukur dampak lingkungan dari penggunaan sumber daya

komputasi cloud untuk perawatan kesehatan dan mengidentifikasi cara untuk
mengurangi jejak karbon yang dihasilkan?

6. Bagaimana mengukur dan memantau kinerja algoritme penjadwalan serta

melakukan penyesuaian berkelanjutan untuk memastikan efisiensi dan kualitas
layanan yang optimal?

7. Bagaimana memanfaatkan teknologi terbaru seperti komputasi awan

terdistribusi, containerization, atau teknik virtualisasi untuk meningkatkan efisiensi
dan kinerja sistem perawatan kesehatan di cloud?

9
Tujuan Penulisan

1. Pekerjaan terkait untuk optimalisasi kinerja sistem paralel dan

terdistribusi, penugasan sumber daya ke pekerjaan yang dijadwalkan
memainkan peran penting.
2. Penelitian pada makalah ini dengan membandingkan hasil eksperiment
dengan hasil simulasi yang dilakukan pada suatu obyek Jembatan untuk
mengkaji parameter-parameter yang sesuai pada metoda simulasi
jembatan. Metode eksperimen menggunakan terowongan angin untuk
mendapatkan koefisien-koefisien gaya gaya aerodinamika yang
dihasilkan
3. Integrasi komputasi awan dengan sistem perawatan kesehatan
4. legislasi yang dirancang untuk mempermudah pekerja AS untuk tetap
mendapatkan perilndungan jaminan kesehatan saat mereka berganti atau
kehilangan pekerjaan.
5. Metode pendinginan yang efisien, aliran udara yang dioptimalkan, dan
infrastruktur kelistrikan yang lebih baru dan lebih efisien bisa
mengurangi kerugian dari distribusi daya di data center
6. Evaluasi kinerja melalui implementasi nyata pada testbed kami dan
simulasi, yang dilakukan dengan menggunakan simulator CloudSim.
7. Pemanfaatan Technology Cloud Computing, masih tergolong baru.
Untuk itulah diperlukan edukasi ke pengguna lokal, termasuk untuk
mengantisipasi kekhawatiran tentang masalah keamanan dan privasi,
yang menjadi dua dari empat isu terpenting seputar implementasi Cloud
Computing di Indonesia.

10
 BAB II
PEMBAHASAN

A. Pengertian
Pekerjaan terkait Untuk optimalisasi kinerja sistem paralel dan terdistribusi,
penugasan sumber daya ke pekerjaan yang dijadwalkan memainkan peran
penting. Masalah pemetaan sumber daya ke pekerjaan yang masuk telah
dipelajari secara luas di [4], [5], [6]. Beberapa artikel penelitian juga telah
dipublikasikan dengan mempertimbangkan sistem layanan kesehatan di
lingkungan cloud dan big data [7]. Dalam [5], penulis merumuskan model
untuk penjadwalan tugas dan model PSO yang diusulkan berfokus pada
optimasi total eksekusi.
B. Integrasi komputasi awan dengan sistem perawatan kesehatan
Pekerjaan dalam industri kesehatan dapat dibagi menjadi dua jenis. Pertama,
pekerjaan yang terkait dengan memberikan layanan kepada pasien dan
kedua, pekerjaan yang terkait dengan sektor penelitian dan pengembangan.
Karena industri rumah sakit memindahkan proses bisnis mereka ke solusi
berbasis cloud, beragam pengguna mengakses layanan dari platform solusi
perangkat lunak yang digunakan dari jarak jauh melalui Internet. Hal ini
memungkinkan pengguna dan staf rumah sakit untuk mengakses informasi
terkait pasien dan informasi rumah sakit lainnya.
C. Kerangka penjadwalan yang diusulkan
Ide dasar dari mekanisme penjadwalan yang diusulkan adalah membagi
pekerjaan yang masuk ke dalam dua kelompok:
(a) pekerjaan yang intensif data dan
(b) pekerjaan yang intensif CPU. Kedua kelompok pekerjaan ditangani dan
dijadwalkan secara terpisah untuk mencapai tujuan yang disebutkan di atas.
aplikasi intensif data sebagian besar didedikasikan untuk pemrosesan data
dalam jumlah besar, di mana node komputasi sebagian besar sibuk dalam
operasi baca atau tulis data. aplikasi intensif data digunakan dalam
lingkungan data besar mulai dari keamanan nasional

11
D. CPU dan mekanisme penjadwalan intensif data
Seperti yang telah dibahas sebelumnya, pekerjaan diklasifikasikan ke dalam
dua kelompok. Mereka adalah pekerjaan intensif CPU dan pekerjaan
intensif data. Diasumsikan bahwa kinerja waktu nyata dapat dicapai tanpa
melanggar tenggat waktu pekerjaan dengan menyediakan jumlah sumber
daya yang diperlukan ke VM yang sesuai terlepas dari jenis pekerjaannya.
Untuk menjadwalkan CPU yang terkait dengan perawatan kesehatan dan
pekerjaan intensif data, dua algoritme penjadwalan khusus disajikan di sini.
Mari kita pertimbangkan pusat data yang memfasilitasi.
E. Model analitis
Pada bagian ini, mekanisme yang diusulkan dianalisis dan diformulasikan
secara matematis. Sistem yang diusulkan dimodelkan sebagai model antrian
M/G/m/S dengan kapasitas penyangga pekerjaan yang terbatas di bagian
atas dan beberapa kedatangan pekerjaan multi-tugas seperti yang
digambarkan pada Gbr. 4. Sesuai mekanisme yang telah dibahas, pada
Bagian 4, kami memiliki dua penjadwal yang masing-masing memiliki
antrian khusus. Oleh karena itu, keseluruhan sistem dibagi menjadi dua sub-
sistem yang memiliki model antriannya masing-masing. Biarkan qc menjadi
panjang antrian untuk penjadwal CPU-intensif.
F. Implementasi dan simulasi
Bagian ini memberikan detail evaluasi kinerja melalui implementasi nyata
pada testbed kami dan simulasi, yang dilakukan dengan menggunakan
simulator CloudSim. Lingkungan percobaan, hasil yang diperoleh melalui
implementasi dan simulasi dijelaskan dalam subbagian berikut.

12
 BAB III
PENUTUP

Kesimpulan

Kerangka kerja penjadwalan baru dirancang untuk menganalisis aplikasi

layanan kesehatan di cloud, yang dapat bekerja di atas solusi manajemen cloud.
Proses penyaringan digunakan dalam kerangka kerja yang diusulkan dengan cara
setiap pekerjaan terkait perawatan kesehatan dapat diklasifikasikan dan
diidentifikasi sebagai data atau pekerjaan yang intensif CPU. Komponen-
komponen kerangka kerja ini ditempatkan dengan cara yang longgar sehingga
penggabungan komponen-komponen ini dapat memungkinkan kerangka kerja
untuk berjalan dengan cara yang sangat paralel. Selain kategorisasi.

13
 DAFTAR PUSTAKA

 Z. Li et al. Evaluating the credibility of cloud services Comput Electr Eng (2017)

 H. Roh et al. Joint flow and virtual machine placement in hybrid cloud data centers
J Network Comput Appl (2017)

 J. Zhou et al. 4s: a secure and privacy-preserving key management scheme for
cloud-assisted wireless body area network in m-healthcare social networks Inf Sci
(2015)

 S. Mahmud et al. Cloud enabled data analytics and visualization framework for
health-shocks prediction Future Gener Comput Syst (2016)

 K. Sailunaz et al. CMED: cloud based medical system framework for rural
health monitoring in developing countries Comput Electr Eng (2016)

 F. Jrad et al. Sla enactment for large-scale healthcare workflows on multi-

cloud Future Gener Comput Syst(2015)

 S. Rallapalli et al. Impact of processing and analyzing healthcare big data

on cloud computing environment by implementing hadoop cluster Procedia
Comput Sci (2016)

 H. Chen et al. Towards energy-efficient scheduling for real-time tasks

under uncertain cloud computing environment J Syst Software (2015)

 M. Liroz-Gistau et al. FP-hadoop: efficient processing of skewed

MapReduce jobs Inf Syst (2016)

 C.-H. Hsu et al. Locality and loading aware virtual machine mapping
techniques for optimizing communications in mapreduce applications
Future Gener Comput Syst (2015)

 Docker Build, ship, and run any app, anywhere. 2017. URL...

 D. Cheng et al. Improving performance of heterogeneous MapReduce

clusters with adaptive task tuningIEEE Trans Parallel Distrib Syst (2017)

14