Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Kolaboratif Sains
Owen Hadrian Fadjri
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Other

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

Found 1 Documents
Search

 1 
Pemanfaatan Pemodelan Dan Simulasi Neural Network Untuk Prediksi Kinerja Sistem Komputasi: Kajian Literatur: Utilization of Neural Network Modeling and Simulation for Predicting Computing System Performance: A Literature Review Owen Hadrian Fadjri; Rahmad Rizki
Jurnal Kolaboratif Sains Vol. 8 No. 12: Desember 2025 - In Progress
Publisher : Universitas Muhammadiyah Palu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56338/jks.v8i12.9380

Abstract

Penelitian ini bertujuan untuk mengkaji pemanfaatan pemodelan dan simulasi berbasis Neural Network dalam memprediksi kinerja sistem komputasi melalui pendekatan studi literatur. Peningkatan kompleksitas beban kerja pada sistem komputasi modern menuntut metode prediksi yang lebih adaptif dan akurat. Melalui penelusuran artikel nasional dan internasional, ditemukan bahwa model deep learning seperti LSTM, GRU, CNN-LSTM, dan pendekatan hibrida mampu menangkap pola non-linier dan dinamika beban secara efektif. Hasil kajian menunjukkan bahwa metode ini mampu meningkatkan akurasi prediksi penggunaan CPU, memori, waktu eksekusi, serta efisiensi energi. Selain itu, integrasi prediksi dengan mekanisme autoscaling terbukti meningkatkan pemanfaatan sumber daya dan menurunkan waktu respons sistem. Namun, tantangan tetap ada, terutama terkait generalisasi model lintas hardware dan kebutuhan interpretabilitas. Temuan ini menegaskan pentingnya pengembangan model prediksi yang lebih adaptif dan efisien untuk mendukung performa sistem komputasi modern.
Co-Authors Rahmad Rizki