Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Waskitho Wibisono
Fakultas Teknologi Informasi
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENINGKATAN KINERJA SISTEM MULTI AGEN DENGAN OPTIMALISASI ALOKASI BEBAN (STUDI KASUS ENKRIPSI DATA DENGAN ALGORITMA AES) Muhammad Rizka; Waskitho Wibisono; Tohari Ahmad
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol. 5, No. 2 Agustus 2014
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (531.848 KB)

Abstract

Sistem multi agen merupakan sekumpulan agen yang saling berinteraksi dan berkomunikasi untuk melaksanakan suatu tujuan tertentu. Dalam mewujudkan sistem multi agen yang skalabel dan efisien maka agen-agen dalam sistem multi agen harus dapat bersifat autonomous, proactive dan flexible terhadap lingkungan dalam keadaan tertentu. Dalam menangani job yang didistribusikan oleh sistem ke setiap agen dapat saja terjadi ketidakseimbangan workload diantara agen-agen. Load balancing merupakan salah satu solusi ketika ketidakseimbangan workload terjadi dalam sistem multi agen. Sistem multi agen yang penulis usulkan yaitu menerapkan load balancing dalam pengalokasikan workload ke setiap agen secara dinamis. Sistem multi agen yang dibangun terdiri dari agent worker yang bertugas dalam melakukan eksekusi job dan agent monitor yang bertanggung jawab dalam mengawasi kondisi agent worker dan mengalokasikan job kesetiap agent worker. Load balancing system dilakukan dengan pertimbangan tiga parameter yaitu kondisi load agent worker, antrian job dan resource komputasi komputer dimana agen-agen tersebut berada. Studi kasus yang diterapkan pada penelitian ini adalah enkripsi data dengan algoritma AES (Advanced Encryption Standard). Hasil pengujian menunjukkan bahwa metode usulan dapat meningkatkan kinerja sistem multi agen dalam melakukan proses enkripsi job hingga mencapai 30,99 % dibandingkan dengan Distribusi Uniform (DU).
PENINGKATAN KINERJA SISTEM MULTI AGEN DENGAN OPTIMALISASI ALOKASI BEBAN (STUDI KASUS ENKRIPSI DATA DENGAN ALGORITMA AES) Muhammad Rizka; Waskitho Wibisono; Tohari Ahmad
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol. 5, No. 2 Agustus 2014
Publisher : Institute for Research and Community Services, Udayana University

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

Abstract

Sistem multi agen merupakan sekumpulan agen yang saling berinteraksi dan berkomunikasi untuk melaksanakan suatu tujuan tertentu. Dalam mewujudkan sistem multi agen yang skalabel dan efisien maka agen-agen dalam sistem multi agen harus dapat bersifat autonomous, proactive dan flexible terhadap lingkungan dalam keadaan tertentu. Dalam menangani job yang didistribusikan oleh sistem ke setiap agen dapat saja terjadi ketidakseimbangan workload diantara agen-agen. Load balancing merupakan salah satu solusi ketika ketidakseimbangan workload terjadi dalam sistem multi agen. Sistem multi agen yang penulis usulkan yaitu menerapkan load balancing dalam pengalokasikan workload ke setiap agen secara dinamis. Sistem multi agen yang dibangun terdiri dari agent worker yang bertugas dalam melakukan eksekusi job dan agent monitor yang bertanggung jawab dalam mengawasi kondisi agent worker dan mengalokasikan job kesetiap agent worker. Load balancing system dilakukan dengan pertimbangan tiga parameter yaitu kondisi load agent worker, antrian job dan resource komputasi komputer dimana agen-agen tersebut berada. Studi kasus yang diterapkan pada penelitian ini adalah enkripsi data dengan algoritma AES (Advanced Encryption Standard). Hasil pengujian menunjukkan bahwa metode usulan dapat meningkatkan kinerja sistem multi agen dalam melakukan proses enkripsi job hingga mencapai 30,99 % dibandingkan dengan Distribusi Uniform (DU).
Co-Authors Muhammad Rizka Tohari Ahmad