<![CDATA[Penelitian ini bertujuan untuk menganalisis performa algoritma Sailfish Optimization (SFO) untuk permasalahan Routing and Spectrum Allocation (RSA) pada Elastic Optical Networks (EONs) dengan topologi EONet 19 node dan 37 link. Simulasi dilakukan secara dinamis menggunakan metode Monte Carlo dengan model Posisson Arrival pada traffic load 20-110 Erlang sebanyak 10 iterasi. SFO diimplementasikan untuk mengoptimasi pada alokasi spektrum menggunakan fungsi fitness multi objektif, kemudia dibandingkan dengan algoritma konvensional k-Shortest Path First-Fit (kSP-FF) sebagai baseline. Implementasi dan analisis performa pada algoritma SFO dilakukan menggunakan Python pada platform Google Collab. Hasil penelitian menunjukkan bahwa algoritma SFO menunjukkan keunggulan yang dapat bersaing dengan metode konvensional kSP-FF. Pada metrik Blocking Probability, rata-rata BP SFO sebesar 0,010 sementara pada kSP-FF 0,008 dengan selisih yang sangat kecil. Pada metrik Resource Utilization (RU), kedua algoritma menghasila performa yang sebanding, hal ini menunjukkan RU pada SFO maupun kSP-FF memilki tingkat pemanfaatan sumber daya spektrum yang hampir sama setiap jaringan. Dari sisi Average Path Length (APL), SFO dapat mengugguli kSP-FF pada beban 70 dan 80 Erlang dengan selisih 7,6 km, yang menunjukkan kemampuan SFO dalam memilih jalur yang lebih efisien pada kondisi trafik padat. Penelitian ini memberikan bukti bahwa algoritma SFO feasible diterapkan pada permasalahan RSA di EONs dengan performa yang kompetitif dengan metode konvensional. Penelitian ini juga memberikan landasan bagi pengembangan lebih lanjut dalam eksplorasi algoritma metaheuristik berbasis populasi pada optimasi jaringan optik elastis. Kata kunci: Elastic Optical Networks (EONs), Routing and Spectrum Allocation (RSA), Sailfish Optimization (SFO), Blocking Probability (BP), Resource Utilization (RU), Average Path Length (APL) ]]>
