Joutica : Journal of Informatic Unisla
Vol 11 No 02 (2026): SEPTEMBER

Penyetelan Parameter Berbantuan Machine Learning untuk Penjadwalan Cloud Berbasis Metaheuristik

Ardi Pujiyanta (Universitas Ahmad Dahlan Yogyakarta)
Faisal Fajri Rahani (Universitas Ahmad Dahlan Yogyakarta)
Taufiq Ismail (Universitas Ahmad Dahlan Yogyakarta)



Article Info

Publish Date
21 Sep 2026

Abstract

Penjadwalan cloud berbasis metaheuristik sangat dipengaruhi oleh kualitas pemilihan parameter algoritma. Namun, pada banyak penelitian, parameter genetic algorithm masih ditetapkan secara tetap atau dituning secara konvensional, sehingga kurang adaptif terhadap perubahan karakteristik workload. Penelitian ini mengusulkan pendekatan penyetelan parameter berbantuan machine learning untuk penjadwalan cloud berbasis metaheuristik guna memprediksi parameter genetic algorithm berdasarkan karakteristik workload cloud. Dataset yang digunakan berasal dari GoCJ mentah yang ditransformasikan menjadi 45 skenario workload melalui tiga regime, yaitu tight, medium, dan loose. Tahapan penelitian meliputi pembentukan fitur workload, pelabelan parameter terbaik genetic algorithm, pembangunan model prediksi parameter, serta evaluasi dampaknya terhadap performa penjadwalan. Metode usulan, yaitu GA-ML, dibandingkan dengan FCFS, EDF, GA-Default, dan GA-Grid. Hasil eksperimen menunjukkan bahwa GA-ML memberikan performa lebih baik dibandingkan GA-Grid pada tiga dari empat metrik evaluasi. Secara khusus, GA-ML menurunkan total penalty sebesar 8,269%, weighted tardiness sebesar 8,804%, dan violation rate sebesar 1,366% dibandingkan GA-Grid. Namun, GA-ML menghasilkan makespan sedikit lebih tinggi sebesar 0,582%. Hasil uji Wilcoxon signed-rank menunjukkan bahwa perbedaan antara GA-ML dan GA-Grid signifikan pada seluruh metrik. Temuan ini menunjukkan bahwa penyetelan parameter berbantuan machine learning efektif untuk meningkatkan performa penjadwalan berbasis SLA, terutama dalam menekan penalti, keterlambatan berbobot, dan tingkat pelanggaran deadline, meskipun terdapat trade-off kecil pada makespan.

Copyrights © 2026






Journal Info

Abbrev

informatika

Publisher

Subject

Computer Science & IT Control & Systems Engineering

Description

Topics cover the following areas (but are not limited to): Enterprise Systems (ES) Enterprise Resource Planning Business Process Management Customer Relationship Management Marketing Analytics System Dynamics E-business and e-Commerce Marketing Analytics Supply Chain Management and Logistics ...