<![CDATA[Perkembangan teknologi informasi yang pesat mendorong peningkatan kebutuhan akan sistem penyimpanan data yang andal dan efisien, khususnya pada sektor industri telekomunikasi. PT XYZ sebagai salah satu perusahaan telekomunikasi terbesar di Indonesia menghadapi tantangan terkait variasi beban kerja pada 32 server block storage yang mereka miliki. Perbedaan performa server akibat variasi metrik seperti IOPS, service time, dan bandwidth berpotensi menyebabkan ketidakseimbangan beban serta penurunan efisiensi infrastruktur TI. Penelitian ini bertujuan untuk menganalisis dan mengkategorikan beban kerja server block storage di PT XYZ menggunakan dua metode klasterisasi populer, yaitu K-Means dan DBSCAN. Metode penelitian yang digunakan meliputi pengumpulan data performa server, proses preprocessing data, penerapan algoritma clustering, serta evaluasi hasil klasterisasi menggunakan ground truth sebagai acuan validasi. Hasil penelitian menunjukkan bahwa kedua metode mampu mengelompokkan server ke dalam tingkatan beban kerja, namun DBSCAN terbukti lebih akurat dengan tingkat akurasi mencapai 87,72%, dibandingkan K-Means yang hanya mencapai 23,60%. Selain itu, DBSCAN juga efektif dalam mengidentifikasi server dengan pola beban kerja anomali sebagai noise, yang tidak terdeteksi oleh K-Means. Kesimpulan dari penelitian ini adalah bahwa metode DBSCAN lebih direkomendasikan untuk analisis beban kerja server block storage di PT XYZ guna mendukung strategi penyeimbangan beban kerja dan optimalisasi penggunaan sumber daya TI secara lebih efisien]]>
Copyrights © 2025
