Optimalisasi Alokasi Sumber Daya pada Arsitektur Private Cloud Menggunakan Algoritma Machine Learning

Andi Zulherry (Universitas Muhammadiyah Sumatera Utara)
Indah Purnama Sari (Universitas Muhammadiyah Sumatera Utara)
Mhd. Basri (Universitas Muhammadiyah Sumatera Utara)
Yohanni Syahra (Universitas Muhammadiyah Sumatera Utara)

Hello World
Vol. 5 No. 2 (2026): Edisi Juli 2026

Private cloud computing telah menjadi solusi infrastruktur yang banyak diadopsi oleh organisasi untuk mengelola sumber daya komputasi secara mandiri dan aman. Namun, pengelolaan alokasi sumber daya seperti CPU, memori, disk, dan bandwidth jaringan pada lingkungan private cloud sering menghadapi tantangan berupa ketidakseimbangan beban kerja, yang dapat menyebabkan kondisi over-provisioning maupun under-provisioning pada virtual machine (VM). Penelitian ini mengusulkan pendekatan optimalisasi alokasi sumber daya berbasis algoritma machine learning untuk memprediksi kebutuhan resource secara dinamis berdasarkan pola penggunaan historis. Metode yang diterapkan meliputi pengumpulan data utilisasi resource dari dataset publik, praproses data, pelatihan model Random Forest Regression, serta evaluasi performa model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R2). Hasil eksperimen menunjukkan bahwa model mampu memprediksi Disk Write Throughput dengan rata-rata R2 sebesar 0,81 dan Network Transmitted dengan rata-rata R2 sebesar 0,46 lintas tiga VM yang diuji. Penelitian ini diharapkan dapat memberikan kontribusi praktis bagi pengelola infrastruktur private cloud dalam merancang sistem alokasi resource yang lebih adaptif dan efisien.