Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Romero Putra Pratama, Naufal
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Kalman Filter State Estimation untuk Demand Driven Predictive Autoscaling pada Kubernetes Romero Putra Pratama, Naufal; Yahya, Widhi; Andria Siregar, Reza
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Efisiensi pengelolaan sumber daya menjadi tantangan krusial di lingkungan cloud-native yang dinamis, terutama karena Horizontal Pod Autoscaler (HPA) berbasis metrik CPU yang reaktif kerap gagal mengantisipasi lonjakan beban, memicu keterlambatan respons dan thrashing yang berulang (yaitu osilasi jumlah replika), serta representasi beban yang keliru karena CPU hanyalah metrik supply-side, bukan sinyal permintaan aktual pengguna. Penelitian ini mengusulkan autoscaler proaktif berbasis Kalman Filter (selanjutnya disebut KF Proactive) yang bersifat training-free dan lightweight, memanfaatkan metrik Requests Per Second (RPS) untuk mengestimasi sekaligus memprediksi beban kerja secara real-time. Empat varian autoscaler diuji pada klaster Kubernetes single-node menggunakan trace replay dataset NASA HTTP Log 13 Juli 1995, dengan 6 kali pengulangan per varian. Hasil pengujian menunjukkan KF Proactive unggul signifikan dalam efisiensi sumber daya, hanya mengonsumsi 37,65 pod-hours atau 60,7% lebih rendah dibandingkan HPA berbasis CPU yang mencapai 95,77 pod-hours, sekaligus mencatatkan availability sempurna tanpa satu pun error 5xx selama pengujian. Meskipun demikian, efisiensi tersebut menghadirkan trade-off yang perlu dicermati, yaitu SLO compliance latensi P95 KF Proactive tercatat 96,39%, lebih rendah dibandingkan HPA berbasis CPU sebesar 99,84%, sebagai konsekuensi langsung dari konfigurasi parameter yang secara sengaja diarahkan untuk memprioritaskan efisiensi sumber daya.
Co-Authors Andria Siregar, Reza Widhi Yahya