<![CDATA[Pertumbuhan perangkat mobile yang pesat dalam lima tahun terakhir telah memicu lonjakan trafik data dan menuntut solusi komputasi yang lebih efisien dan responsif. Mobile Edge Computing (MEC) menjadi pendekatan strategis dengan mendekatkan sumber daya komputasi ke pengguna melalui penempatan edge server di sekitar base station untuk menurunkan latensi dan meningkatkan kualitas layanan digital secara keseluruhan. Namun, karena keterbatasan biaya, penempatan server di seluruh base station tidaklah praktis, sehingga diperlukan strategi optimasi yang mampu memilih lokasi paling potensial secara efektif, terarah, dan terukur. Penelitian ini mengusulkan integrasi metrik Potential User (PU) ke dalam algoritma Quantum-behaved Particle Swarm Optimization (QPSO) sebagai pendekatan proaktif dalam seleksi lokasi server edge. Metrik PU dirancang untuk menyaring base station berdasarkan frekuensi dan durasi interaksi pengguna, sehingga hanya lokasi dengan keterikatan pengguna yang tinggi dan kebutuhan layanan yang stabil dipertimbangkan dalam proses optimasi. Hasil pengujian menunjukkan bahwa penggunaan PU dalam QPSO secara signifikan meningkatkan performa keseluruhan, tercermin dari penurunan nilai fitness gabungan hingga 76,5% dibandingkan QPSO tanpa PU. Selain itu, pendekatan ini mencatat peningkatan kualitas solusi hingga 96,3% dibanding metode konvensional seperti K-Means, Top-K, dan Random. Temuan ini menegaskan pentingnya mempertimbangkan pola interaksi pengguna aktif dalam strategi penempatan edge server guna meningkatkan efisiensi sistem, performa layanan, serta pemanfaatan sumber daya secara optimal dalam arsitektur MEC yang kompleks dan dinamis.]]>
Copyrights © 2025
