<![CDATA[Sistem inferensi data elektrokardiogram (EKG) menggunakan CPU dengan cukup intensif. Penggunaan CPU yang intensif disebabkan oleh sistem inferensi data EKG yang terintegrasi dengan model kecerdasan buatan. Karena penggunaan CPU yang intensif tersebut, sumber daya komputasi yang tersedia harus mencukupi. Jika tidak maka akan memengaruhi quality of service ketika terdapat jumlah permintaan yang besar. Oleh karena itu, penelitian ini bertujuan untuk mengetahui bagaimana optimasi skalabilitas sistem inferensi data EKG pada lingkungan komputasi awan dilakukan. Penelitian ini dirancang untuk menurunkan waktu respons, mengurangi tingkat kegagalan permintaan, optimasi penggunaan CPU yang tersedia, dan menurunkan biaya yang dikeluarkan. Metode optimasi yang dilakukan terhadap sistem inferensi data EKG adalah menerapkan HPA dan VPA. Hasil dari penelitian menunjukkan bahwa penskalaan horizontal, yaitu HPA, memberikan keuntungan dari segi waktu respons yang lebih rendah, penggunaan CPU yang lebih optimal, dan jumlah galat permintaan yang jauh lebih rendah jika dibandingkan dengan VPA. Akan tetapi, pengeluaran biaya pada HPA lebih besar jika dibandingkan dengan VPA karena perhitungan biaya didasarkan pada jumlah penggunaan CPU.]]>
Copyrights © 2025
