Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 5, No. 10, Oktober 2021, hlm. 4296-4303 http://j-ptiik.ub.ac.id

Implementasi Load Balancing pada Cloud Computing dengan Algoritme

Improved Weighted Least Connection
Muhammad Denny Chrisna Pujangga1, Nurul Hidayat2, Fariz Andri Bakhtiar3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1denny.chrisnap@gmail.com, 2ntayadih@ub.ac.id, 3fariz@ub.ac.id

Abstrak
Load balancing adalah salah satu mekanisme pendistribusian beban kerja yang banyak digunakan pada
sistem terdistribusi. Salah satu algoritme load balancing yang banyak diterapkan adalah Algoritme
Weighted Least Connection. Namun, terdapat permasalahan pada Algoritme Weighted Least
Connection ketika dilakukan penambahan server ke sistem clustered server ketika traffic jaringan
sedang tinggi, algoritme tersebut akan membebankan beban kerja secara terus menerus ke server baru,
sehingga mengakibatkan ketidakmerataan distribusi beban kerja. Untuk mengatasi permasalahan ini,
dilakukan pengembangan pada algoritme Weighted Least Connection, yaitu dengan menggabungkan
dua algoritme menjadi satu, yaitu algoritme Server Selection dan algoritme Overload Reduce
digabungkan menjadi algoritme Improved Weighted Least Connection. Penelitian ini menerapkan
algoritme Improved Weighted Least Connection pada arsitektur cloud menggunakan simulator
CloudSim Plus. Hasil dari penelitian ini menunjukkan bahwa pendistribusian task algoritme Weighted
Least Connection lebih merata dibanding dengan algoritme Improved Weighted Least Connection pada
beban kerja yang lebih berat. Sementara untuk perbedaan pendistribusian task kepada VM 3, tidak
terdapat perbedaan yang jauh antara algoritme Weighted Least Connection dengan algoritme Improved
Weighted Least Connection, dengan rata-rata 4,81 task per-10 detik dan rata-rata 28,3% cpu usage untuk
algoritme Weighted Least Connection, dan rata-rata 4,75 task per-10 detik dan rata-rata 28,02% cpu
usage untuk algoritme Improved Weighted Least Connection.
Kata kunci: server, Cloud computing, load balancing, weighted least connection, cloudsim plus
Abstract
Load balancing is a workload distribution mechanism that is widely used in distributed systems. One of
the most widely used load balancing algorithms is the Weighted Least Connection Algorithm. The
Weighted Least Connection algorithm has a problem that when a new server is added to the server
cluster system when there are many user requests, the Weighted Least Connection algorithm will
distribute the workload intensively to the new server, causing an uneven distribution of server
workloads. To overcome this problem, the Weighted Least Connection algorithm was developed by
combining two algorithms, the Server Selection algorithm and the Overload Reduce algorithm into one
algorithm, namely the Improved Weighted Least Connection algorithm. This study applies the Improved
Weighted Least Connection algorithm on the cloud architecture using the CloudSim Plus simulator. The
results of this study indicate that the distribution of the Weighted Least Connection algorithm task is
more even than the Improved Weighted Least Connection algorithm on heavier workloads. Meanwhile,
for the difference in the distribution of tasks to VM 3, there is not much difference between the Weighted
Least Connection algorithm and the Improved Weighted Least Connection algorithm, with an average
of 4.81 tasks per 10 seconds and an average of 28.3% cpu usage for the algorithm. Weighted Least
Connection, and an average of 4.75 tasks per 10 seconds and an average of 28.02% cpu usage for the
Improved Weighted Least Connection algorithm.
Keywords: server, cloud computing, load balancing, weighted least connection, cloudsim plus

Meningkatnya pengguna internet

1. PENDAHULUAN mengakibatkan meningkatnya traffic pada

Fakultas Ilmu Komputer

Universitas Brawijaya 4296
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
jaringan internet, yang tentunya mengakibatkan
meningkatnya kebutuhan sumber daya
komputasi. Cloud computing atau komputasi
awan dapat dijadikan sebagai salah satu solusi
untuk mengatasi permasalahan ini. Cloud
computing sendiri merupakan sebuah konsep
yang mengacu pada layanan dan aplikasi yang
dijalankan pada jaringan terdistribusi (Sosinky,
2011).
Fenomena meningkatnya traffic
jaringan pada internet ini memacu meningkatnya
kebutuhan sumber daya komputasi, salah
satunya pada server. Tingkat sumber daya
komputasi dan jumlah task yang dibebankan
kepada server yang tidak seimbang dapat
mempengaruhi kinerja server tersebut.Terdapat
dua metode yang dapat diterapkan untuk
mengatasi permasalahan ini, yaitu pada server
tunggal dapat diterapkan metode scale-up, dan
pada server jamak dapat diterapkan metode
scale-out (Cardellini, et al., 2002). Cloud
computing memungkinkan untuk mengatasi
permasalahan in dengan menerapkan metode
scale-out pada sistem clustered server.
Metode scale-out sendiri memiliki
permasalahan availability. Metode scale-out
membutuhkan mekanisme pendistribusian
beban kerja atau task agar kinerja server selalu
stabil. Salah satu mekanisme pendistribusian
beban kerja yang dapat diterapkan adalah load
balancing. Load balancing merupakan sebuah
mekanisme yang dapat mengatur pendistribusian
beban kerja yang masuk ke sistem clustered
server, sehingga menstablikan kinerja server,
dan memungkinkan server untuk memproses
task dengan cepat (Rahman, et al., 2014).
Terdapat beberapa algoritme yang umum
diterapkan pada load balancing, salah satunya
yaitu Algoritme Weighted Least Connection.
Terdapat permasalahan pada algoritme
Weighted Least Connection, yaitu ketika
dilakukan penambahan virtual machine atau
server ke sistem clustered server di saat tingkat
traffic jaringan sedang tinggi, algoritme tersebut
akan membebankan beban kerja secara terus
menerus ke server yang baru ditambahkan ke
sistem clustered server, mengakibatkan
distribusi beban kerja yang tidak merata (Singh
& Kaur, 2018). Singh dan Kaur mengusulkan
pengembangan pada algoritme Weighted Least
Connection untuk mengatasi permasalahan ini
dilakukan pengembangan ini dilakunan dengan
menggabungkan dua algoritme menjadi satu,
yaitu algoritme Server Selection dan algoritme
Overload Reduce digabungkan menjadi
Fakultas Ilmu Komputer, Universitas Brawijaya
4297
algoritme Improved Weighted Least Connection
(Singh & Kaur, 2018). Cara kerja algoritme
Server Selection adalah dengan
mendistribusikan task yang masuk ke sistem
clustered server sesuai dengan rasio bobot setiap
server pada satu sistem clustered server.
Sedangkan cara kerja algoritme Overload
Reduce adalah dengan menetapkan batasan
sebuah server dapat dibebankan task sehingga
memungkinkan server untuk tidak melebihi
kapasitas beban kerja yang dapat ditangani
dalam satu waktu. Apabila jumlah task yang
distribusikan pada server tersebut telah melebihi
Batasan yang telah ditentukan, maka server
tersebut tidak akan dibebankan task lebih lanjut
sampai jumlah task server tersebut tidak
melebihi batasan yang telah ditentukan
sebelumnya. Hasil yang didapat membuktikan
bahwa algoritme Improved Weighted Least
Connection berhasil mendistribusikan beban
kerja kepada setiap server secara merata, dan
tidak membebankan task secara berlebihan pada
server baru (Singh & Kaur, 2018).
Penerapan algoritme Improved Weighted
Least Connection pada penelitian ini dilakukan
dengan menggunakan sistem clustered server,
kemudian dilakukan perbandingan hasil kinerja
antara algoritme Weighted Least Connection dan
algoritme Improved Weighted Least Connection
untuk mengetahui apakah kinerja algoritme
Weighted Least Connection lebih baik
dibandingkan dengan algoritme Improved
Weighted Least Connection. Penelitian ini,
menerapkan arsitektur cloud computing
menggunakan framework simulator CloudSim
Plus. Adapun mekanisme load balancing juga
akan diterapkan pada arsitektur tersebut.
Penelitian ini diharapkan dapat meningkatkan
kinerja loab balancer dan cloud computing ke
depannya.
2. LANDASAN KEPUSTAKAAN
Penelitian ini menggunakan dua penelitian
terdahulu sebagai referensi yang dirujuk.
Penelitian pertama berjudul “Load balancing
pada Cloud computing Menggunakan Metode
Least Connection” yang dilakukan oleh Ari
Wibowo (2018). Penelitian ini mengangkat
permasalahan ketidakmerataan beban kerja
server pada Cloud computing (Wibowo, 2018).
Penelitian ini mengusulkan solusi di mana
dlilakukan penerapan load balancing dengan
menggunakan algoritme least connection.
Mekanisme Load balancing itu sendiri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4298

diterapkan pada data center cloud yang di yang digunakan, di mana keudanya
dalamnya terdapat lima virtual machine. Hasil menggunakan algoritme Improved Weighted
yang didapatkan dari penelitian ini adalah Least Connection.
algoritme least connection bekerja dapat
mendistribusikan beban server secara merata 3. METODOLOGI
(Wibowo, 2018). Adapun hubungan penelitian Bagian ini akan menjelaskan mengenai
yang akan dilakukan dengan penelitian ini langkah-langkah penerapan mekanisme load
adalah kesamaan pada arsitektur yang balancing pada komputasi awan (cloud
digunakan, di mana keduanya menggunakan computing) dengan algoritme Improved
arsitektur Cloud computing. Weighted Least Connection. Adapun kerangka
Penelitian kedua berjudul “An Improved penelitian yang digunakan seperti yang
Weighted Least Connection Scheduling ditunjukkan pada Gambar 1.
Algorithm for Load balancing in Web Cluster
Systems”, yang dilakukan oleh Singh dan Kaur
(2018). Penelitian ini membahas terkait
permasalahan pada algoritme Weighted Least
Connection. di mana ketika dilakukan
penambahan server baru ke dalam clustered
server system ketika tingkat traffic jaringan
sedang berada pada titik yang tinggi, algoritme
tersebut akan membebankan beban kerja secara
terus menerus ke server baru, mengakibatkan
distribusi beban kerja yang tidak merata (Singh
& Kaur, 2018). Untuk mengatasi permasalahan
ini, dilakukan pengembangan pada algoritme
Weighted Least Connection, yaitu dengan
menggabungkan dua algoritme menjadi satu,
yaitu algoritme Server Selection dan algoritme
Overload Reduce digabungkan menjadi
algoritme Improved Weighted Least Connection
(Singh & Kaur, 2018). Cara kerja algoritme Gambar 1. Diagram Alur Metodologi Penelitian
Server Selection adalah dengan
mendistribusikan task yang masuk ke sistem 4. ANALISIS KEBUTUHAN
clustered server sesuai dengan rasio bobot setiap
server pada satu sistem clustered server. Analisis kebutuhan menjelaskan terkait apa
Sedangkan cara kerja algoritme Overload saja kebutuhan yang dibutuhkan untuk
Reduce adalah dengan menetapkan batasan membangun sistem pada penelitian ini.
sebuah server dapat dibebankan task sehingga
memungkinkan server untuk tidak melebihi 4.1 Kebutuhan Perangkat Keras
kapasitas beban kerja yang dapat ditangani Terdapat satu perangkat keras yang
dalam satu waktu. Apabila jumlah task yang dibutuhkan untuk menjalankan penelitian ini,
distribusikan pada server tersebut telah melebihi yaitu satu unit komputer. Adapun komputer
Batasan yang telah ditentukan, maka server tersebut harus memiliki spesifikasi berikut agar
tersebut tidak akan dibebankan task lebih lanjut simulasi penelitian dapat berjalan:
sampai jumlah task server tersebut tidak • Minimal kekuatan CPU 800MHz Intel
melebihi batasan yang telah ditentukan Pentium III.
sebelumnya. Hasil yang didapat membuktikan • Minimal RAM 512 MB.
bahwa algoritme Improved Weighted Least • Minimal kapasitas penyimpanan 750 MB.
Connection berhasil mendistribusikan beban
kerja kepada setiap server secara merata, dan 4.2 Kebutuhan Perangkat Lunak
tidak membebankan task secara berlebihan pada
Berikut merupakan kebutuhan perangkat
server baru (Singh & Kaur, 2018). Hubungan
lunak yang harus terpenuhi agar simulasi
antara penelitian yang akan dilakukan dengan
penelitian dapat berjalan:
penelitian ini adalah algoritme load balancing
a. Minimal sistem operasi yang

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4299

digunakan adalah Windows 7 64-bit dengan masing-masing virtual machine

b. Minimal versi framework Cloud Sim memiliki rasio sumber daya komputasi 3:1:2:2
yang digunakan adalah Cloudsim secara berurutan. Setiap entitas yang telah
Plus versi 6.0.0. disebutkan memiliki lima spesifikasi utama,
c. Integrated Development yaitu processing elements (PE) atau CPU core
Environment (IDE) yang sudah dengan satuan million instructions per second
mendukung Java Development Kit (MIPS), Random Access Memory (RAM),
versi 8. Bandwidth, dan kapasitas penyimpanan
d. Minimal Library Java Development (Storage). Parmeter ini akan menentukan
Kit versi 8 seberapa cepat entitas tersebut dapat memproses
cloudlet yang dibebankan. Spesifikasi Host
5. PERANCANGAN ditunjukkan pada Tabel 1

5.1 Gambaran Umum Arsitektur Sistem Tabel 1 Spesifikasi Host, Host 0

Berikut ini ditunjukkan Gambaran Umum Nama Komponen Spesifikasi
Arsitektur Sistem pada Gambar 2. Processing 16
Elements (PE)
MIPS 10000
RAM 40960
Bandwidth 80000
Storage 800000
VMs 4

Host merupakan padanan cloudsim untuk

komputer fisik. Pada penelitian ini host tersebut
akan disimulasikan empat virtual machine.
Adapun host tersebut memiliki 16 processing
elements (PE) dengan 10000 million instructions
per second (MIPS) untuk setiap PE, 40960
(40GB) RAM, 80000 bandwidth, dan 800000
storage. Sumber daya yang dialokasikan ke
setiap virtual machine mengikuti rasio kapasitas
sumber daya yang telah ditetapkan.

5.3 Perancangan Alur Sistem

Gambar 2. Gambaran Umum Arsitektur Sistem
Pada Gambar 3. Berikut, ditunjukkan Alur
Terdapat empat entitas yang harus kerja sistem simulator Cloud Sim Plus.
diterapkan agar simulasi Cloudsim Plus dapat
berjalan, yaitu Datacenter, Datacenter Broker,
host, dan virtual machine. Pada penelitian ini,
digunakan sejumlah satu datacenter, satu host,
dan empat virtual machine (VM) yang diberi
nama VM1, VM2, VM3, dan VM4. Virtual
machine atau server keempat nantinya akan di-
submit ke datacenter di tengah jalannya
simulasi. Proses Trial-and-error dilakukan
untuk mendapatkan spesifikasi ini, yaitu dengan
menyesuaikan jumlah virtual machine atau
server dan panjang task yang akan dibebankan.

5.2 Spesifikasi Entitas Simulasi

Simulasi pada penelitian ini menggunakan
arsitektur cloud computing dengan satu
datacenter, satu host, dan empat virtual machine,

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4300

Gambar 4 Alur Kerja Algoritme Server Selection

Gambar 3 Alur Sistem
Pertama-tama, dilakukan penyusunan entitas-
entitas penting, yaitu data center, datacenter
broker, host, dan virtual machine. Setelah
keempat entitas sebelumnya disusun, kemudian
dilakukan penyusunan cloudlet atau task.
Cloudlet ini nantinya akan di-submit ke
datacenter dan didistribusikan ke setiap server
atau virtual machine. Setelah menginisiasi
semua entitas, simulasi dapat dimulai dengan
menjalankan entias-entitas yang telah diinisiasi.
Mekanisme load balancing akan dijalankan
ketika terdapat cloudlet yang masuk ke
datacenter. Setelah semua cloudlet selesai
dijalankan, simulasi dapat diakhiri dengan
melakukan shut down atau mematikan semua
entitas. Terakhir, simulasi akan mencetak hasil
akhir dari pengerjaan cloudlet yang telah
dilakukan.
Berikut ini merupakan notasi yang digunakan
pada Gambar 4:
a. i = server yang dipilih
b. j = server selanjutnya
c. n = jumlah server
Algoritme server selection melakukan
perbandingan untuk setiap server pada daftar
server aktif. Algoritme ini akan dijalankan oleh
datacenter setiap kali terdapat task yang masuk
ke datacenter tersebut. Berdasarkan Gambar 3.4,
algoritme server selection membandingkan
beban kerja setiap server, lalu mengambil server
dengan beban kerja paling sedikit berdasarkan
rasio sumber daya komputasi dan jumlah task
yang dilayani, untuk dibebankan task yang
masuk ke datacenter. Selanjutnya, pada Gambar
5., ditunjukkan alur kerja algoritme Overload
Reduce.

5.4 Perancangan Mekanisme Load

balancing
Mekanisme yang diterapkan pada
penelitian ini adalah load balancing dengan
menggunakan algoritme improved weighted
least connection. Algoritme improved weighted
least connection sendiri merupakan gabungan
dari algoritme overload reduce dan algoritme
server selection. Pada Gambar 4. Berikut,
ditunjukkan alur kerja algoritme Server
Selection.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 5 Alur Kerja Algoritme Overload Reduce
Algortime overload reduce bekerja dengan
melakukan pengecekan pada setiap server aktif.
Apabila terdapat server yang telah melebihi
batasan beban kerja yang telah ditentukan, maka
server tersebut akan dikeluarkan dari sistem
penjadwalan dan tidak akan menerima task lebih
lanjut. Algoritme ini juga melakukan
pengecekan pada server yang telah
dinonaktifkan. Apabila terdapat server yang
memiliki beban kerja kurang dari batasan beban
kerja yang telah ditentukan, maka server tersebut
akan dimasukkan kembali ke sistem
penjadwalan, sehingga server tersebut dapat
menerima task kembali.
5.5 Metode Evaluasi
Penelitian ini menggunakan dua metode
pengujian, yaitu pengujian connection number
dan pengujian cpu usage. Setiap pengujian
dilakukan sebanyak satu kali membebankan
sejumlah task kepada server setiap terdapat event
cloudsim selama dua detik. Pengujian dilakukan
selama 150 detik waktu cloudsim. Dari hasil
yang didapat, kemudian dilakukan perbandingan
kinerja antara algoritme Improved Weighted
Least Connection dengan algoritme Weighted
Least Connection.
6. IMPLEMENTASI
Bagian ini menjelaskan terkait
implementasi yang dilakukan pada penelitian
Fakultas Ilmu Komputer, Universitas Brawijaya
4301
ini, yaitu implementasi arsitektur sistem dan
implementasi algoritme. Implementasi arsitektur
sistem dilakukan untuk merealisasikan
rancangin arsitektur sistem yang telah dibuat,
yaitu empat entitas yang telah didefinisikan
sebelumnya, antara lain datacenter, host, virtual
machine, dan cloudlet, sedangkan Implementasi
algoritme dilakukan untuk merealisasikan
rancangan algoritme yang telah dibuat. Bahasa
pemrograman yang digunakan pada
penelitian ini adalah Java.
7. PENGUJIAN
Pengujian dilakukan dengan mengirimkan
empat cloudlet yang akan disubmit pada awal
simulasi. Selanjutnya, simulasi akan
mengirimkan sejumlah satu cloudlet server
setiap terdapat event cloudsim selama dua detik.
Simulasi dilakukan sebanyak tiga kali dengan
menggunakan cloudlet dengan panjang yang
berbeda pada setiap percobaan, dan dilakukan
selama 150 detik waktu CloudSim. Hasil
pengujian algoritme Improved Weigted Least
Connection kemudian dibandingkan dengan
hasil pengujian dengan algoritme Weigted Least
Connection.
7.1 Pengujian Connection Number
Pengujian ini dilakukan untuk melihat rata-rata
pendistribusian cloudlet atau task yang dilayani
oleh setiap server atau virtual machine. Hasil
dari pengujian connection number untuk
algoritme Improved Weighted Least Connection
ditunjukkan pada Gambar 6.
Rata-rata Pengujian Connection Rate pada
Algoritme Improved Weighted Least Connection
30
25
Jumlah Cloudlet
20
15
10
5
0
50 60 70 80 90 100 110 120 130 140 150
Waktu Simulasi
VM0 VM1 VM2 VM3
Gambar 6 Grafik Rata-rata Algoritme Improved
Weighted Least Connection pada Pengujian
Connection Rate
Gambar 6 menunjukkan bahwa tidak terdapat
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4302

perubahan yang signifikan pada rata-rata jumlah
user request atau task yang ditangani setiap
server atau virtual machine dari waktu ke waktu.
Selanjutnya, hasil dari pengujian connection
number untuk algoritme Weighted Least
Connection ditunjukkan pada Gambar 7.
perubahan yang signifikan rata-rata CPU usage
setiap server atau virtual machine dari waktu ke
waktu. Selanjutnya, hasil dari pengujian
pengujian CPU usage pada algoritme Weighted
Least Connection ditunjukkan pada gambar 9.
Rata-rata Pengujian CPU USage pada Algoritme
Weighted Least Connection

Rata-rata Pengujian Connection Rate pada 100

Algoritme Weighted Least Connection
80

CPU Usage (%)

30 60
40
Jumlah Cloudlet

20
20

10 0
50 60 70 80 90 100 110 120 130 140 150
Waktu Simulasi
0
50 60 70 80 90 100 110 120 130 140 150
Waktu Simulasi VM0 VM1 VM2 VM3

VM0 VM1 VM2 VM3

Gambar 7 Grafik Rata-rata Algoritme Weighted
Least Connection pada Pengujian Connection Rate
Gambar 7 menunjukkan bahwa tidak terdapat
perubahan yang signifikan pada rata-rata jumlah
user request atau task yang ditangani setiap
server atau virtual machine dari waktu ke waktu.
Gambar 9 Grafik Rata-rata Algoritme Weighted
Least Connection pada Pengujian CPU Usage
Gambar 9 menunjukkan bahwa tidak terdapat
perubahan yang signifikan rata-rata CPU usage
setiap server atau virtual machine dari waktu ke
waktu.
8. KESIMPULAN DAN SARAN

8.1 Kesimpulan
7.2 Pengujian CPU Usage Kesimpulan yang dari penelitian yang telah
Pengujian ini dilakukan untuk melihat rata-rata dilakukan adalah sebagai berikut:
CPU usage dari waktu ke waktu pada setiap a. Implementasi load balancing pada
server atau virtual machine. Hasil dari pengujian cloud computing dilakukan dengan
CPU usage untuk algoritme Improved Weighted menggunakan framework simulator
Least Connection ditunjukkan pada Gambar 8. CloudSim Plus. Adapaun framework
simulator ini menggunakan bahasa
pemrograman Java. Lingkungan atau
Rata-rata Pengujian CPU USage pada Algoritme
Improved Weighted Least Connection environment penelitian ini dibuat
dengan menginisiasi datacenter,
100 datacenter broker, host, dan virtual
80 machine.
CPU Usage (%)

60 b. 2. Pengujian pada peneltian ini

40 dilakukan dengan menjalankan proses
20 simulasi selama 150 detik waktu
0 CloudSim. Dapaun pengujian
50 60 70 80 90 100 110 120 130 140 150 dilakukan sebanyak tiga kali dengan
Waktu Simulasi panjang task yang berbeda untuk setiap
percobaan pengujian. Hasil pengujian
VM0 VM1 VM2 VM3 tersebut kemudian dibandingkan
dengan hasil pengujian algoritme
Gambar 8 Grafik Rata-rata Algoritme Improved
Weighted Least Connection. Adapun
Weighted Least Connection pada Pengujian CPU
Usage
hasil pengujian yang didapat
menunjukkan bahwa pendistribusian
Gambar 8 menunjukkan bahwa tidak terdapat task algoritme Weighted Least

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4303

Connection lebih merata dibanding Singh, G. Kaur, K. 2018. An Improved

dengan algoritme Improved Weighted
Least Connection pada beban kerja
yang lebih berat. Sementara untuk
perbedaan pendistribusian task kepada
VM 3, tidak terdapat perbedaan yang
jauh antara algoritme Weighted Least
Connection dengan algoritme
Improved Weighted Least Connection.
Hasil yang didapat menunjukkan
bahwa algoritme Weighted Least
Connection memiliki rata-rata 4,81 task
per-10 detik dan rata-rata 28,3% cpu
usage untuk, sedangkan algoritme
Improved Weighted Least Connection
memilki rata-rata 4,75 task per-10 detik
dan rata-rata 28,02% cpu usage.
Weighted Least Connection Scheduling
Algorithm for Load Balancing in Web
Cluster Systems. International Research
Journal of Engineering and Technology
(IRJET).
Sosinky, B. 2011. Cloud Computing Bible.
Wiley Publishing, Inc, Indianapolis
Wibowo, A. 2018. Load Balancing pada Cloud
Computing Menggunakan Metode Least
Connection. e-Proceeding of
Engineering: Vol.5, No.3 Desember 2018,
FTE Telkom University, Bandung.

8.2 Saran
Adapun saran yang dapat diberikan berdasarkan
kesimpulan yang telah dibuat sebelumnya adalah
sebagai berikut:
a. Menambahkan aspek jarak antara setiap
node, dan aspek jaringan. Hal ini
dikarenakan simulasi tidak
memungkinkan untuk diterapkannya
aspek-aspek tersebut
b. Menambahkan mekanisme virtual
machine migration (vm migration)
untuk memindahkan virtual machine ke
host baru dengan kapasistas komputasi
yang lebih tinggi, sehingga dapat
mencegah terjadinya overload di saat
hanya tersisa satu server yang aktif.
c. Menambahkan fungsi vertical virtual
machine scaling agar setiap sumber
daya server atau virtual machine dapat
disesuai dengan kebutuhan.

9. DAFTAR PUSTAKA
Cardellini, V. Casalicchio, E. Colajanni, M. Yu,
Philip S. 2002. The State of the Art in
Locally Distributed Web-Server Systems.
ACM Computing Surveys, Vol. 34, No. 2,
IEEE, New York.
Microsoft. 2011. Windows Server®
Administration Fundamentals, Exam 98-
365. John Wiley & Sons, Inc, US.
Rahman, M. Iqbal, S. Gao, J. 2014. Load
Balancer as a Service in Cloud
Computing. 2014 IEEE 8th International
Symposium on Service Oriented System
Engineering,

Fakultas Ilmu Komputer, Universitas Brawijaya