Parameter Optimization Supports Vector Machine Using Genetic Algorithms to Improve the Efficiency of Data Transfer Prediction on Google Cloud

Namruddin, Respaty
Mahendra, Ricky
Kunaefi, Aang
Bakar, Ramlah Abu

Journal of System and Computer Engineering
Vol 6 No 1 (2025): JSCE: January 2025

Efisiensi transfer data merupakan elemen kunci dalam infrastruktur cloud seperti Google Cloud. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi efisiensi transfer data menggunakan Support Vector Machine (SVM) yang dioptimasi dengan Algoritma Genetika (GA). Dataset berisi informasi tentang ukuran file, latensi jaringan, utilisasi server, dan waktu transfer data. Algoritma Genetika diterapkan untuk mencari parameter optimal, yaitu nilai C dan gamma. Hasil penelitian menunjukkan bahwa optimasi parameter menggunakan GA mampu meningkatkan akurasi prediksi hingga 90%, dibandingkan metode tradisional Grid Search yang mencapai akurasi maksimal sebesar 88%.