Claim Missing Document
Check
Articles

Found 12 Documents
Search

Implementasi Load Balancing pada Cluster Server Berbasis Raspberry Pi Memanfaatkan Algoritma Least Connection Ghozi Mubarak, Fauzan; Primananda, Rakhmadhany; Setia Budi, Agung
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129452

Abstract

Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan.   Abstract Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.
IMPLEMENTASI FUZZY K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENYAKIT SKIZOFRENIA PADA RUMAH SAKIT JIWA DAERAH (RSJD) Dr. AMINO GONDOHUTOMO Setia Budi, Agung; Prihati, Yani; Tridian Galih, Sinta
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 5 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/1v0fwk69

Abstract

Skizofrenia merupakan gangguan mental berat yang ditandai oleh gejala kompleks dan sering tumpang tindih antar tipe, sehingga menyulitkan proses diagnosis secara akurat. Penelitian ini bertujuan untuk mengimplementasikan algoritma Fuzzy K-Nearest Neighbor (FKNN) guna mengklasifikasikan jenis skizofrenia berdasarkan gejala pasien, dengan menggunakan data rekam medis dari RSJD Dr. Amino Gondohutomo. FKNN dipilih karena kemampuannya dalam menangani ketidakpastian data dan menghasilkan klasifikasi berbasis derajat keanggotaan, sehingga lebih adaptif terhadap variasi gejala yang bersifat samar. Sebanyak 300 data pasien digunakan dan dibagi menjadi data latih dan data uji (70:30), melalui tahapan encoding, normalisasi, dan proses klasifikasi dengan parameter k = 5 dan m = 2. Evaluasi dilakukan menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil akhir menunjukkan bahwa model FKNN mampu mencapai akurasi sebesar 83%, yang menandakan performa good clasification dan potensi implementatif dalam. Kata Kunci: Skizofrenia, Fuzzy K-Nearest Neighbor, Klasifikasi, Data Mining