Cloud Task Scheduling Menggunakan Cat Swarm Optimization Algorithm dan Opposition Based Learning

Dhaifullah, Shidqi (2023) Cloud Task Scheduling Menggunakan Cat Swarm Optimization Algorithm dan Opposition Based Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000108-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Seiring dengan semakin berkembangnya teknologi cloud computing, semakin banyak bisnis dan organisasi yang menggunakan teknologi ini karena manfaat yang ditawarkan dari segi harga, fungsionalitas, dan fleksibilitas. Karena itu, adalah penting bagi pengguna dan penyedia layanan bahwa teknologi dasar yang menjalankan cloud dibuat seefisien mungkin. Salah satu topik inti dari teknologi cloud computing adalah Cloud Resource Management (CRM). Ia adalah sebuah aktivitas yang mencakup provisioning, scheduling, dan monitoring. Sebuah CRM yang diimplementasikan dengan benar merupakan suatu hal yang esensial bagi untuk mengelola sumber daya secara efisien tanpa melanggar perjanjian quality of service. Task scheduling adalah sebuah komponen dari CRM yang dijalankan setelah proses provisioning pada sumber daya selesai. Scheduling yang tidak benar dapat menyebabkan penurunan performa. Oleh sebab itu, sebuah mekanisme scheduling yang efisien adalah penting bagi sebuah CRM, dan hal ini telah menjadi sebuah topik yang penting dalam riset cloud computing. Maka oleh sebab itu penulis mengusulkan sebuah sistem task scheduling yang menggunakan Cat Swarm Optimization (CSO) dengan Opposition-Based Learning (OBL). Penelitian ini dilakukan dengan menjalankan dua skenario pada CloudSim, sebuah alat simulasi cloud environment. Dalam skenario pertama, sistem task scheduling hanya menggunakan Cat Swarm Optimization. Adapun dalam skenario kedua, sistem task scheduling menggunakan Cat Swarm Optimization dan digabungkan dengan Opposition-Based Learning (CSO-OBL). Hasil dari penelitian ini menemukan bahwa implementasi Cat Swarm Optimization dapat menghasilkan resource utilization yang lebih baik sebesar 24% hingga 57%, throughput yang lebih baik sebesar 21% hingga 50%, dan energy consumption yang lebih rendah sebesar 15% hingga 31% dibandingkan dengan Genetic Algorithm. Lebih lanjut, pada kasus di mana variasi data tinggi, penggunaan Opposition Based-Learning dapat menghasilkan penjadwalan yang lebih baik sebesar 10% untuk parameter-parameter tersebut dibandingkan dengan hanya menggunakan Cat Swarm Optimization.
=================================================================================================================================
As cloud computing technology advances further, more businesses and organizations are now utilizing the technology for the benefits it offers in terms of cost, functionality, and flexibility. Thus, it is important both for consumers and service providers that the underlying technology that enables the cloud be as efficient as possible. One of the central topics of cloud computing technology is Cloud Resource Management (CRM). It is an umbrella activity that encompasses provisioning, scheduling, and monitoring. A properly implemented CRM is essential to manage resources efficiently without violating quality of service agreements. Task scheduling is a component of CRM that is executed after resources have been provisioned. Improper scheduling might lead to a decrease in performance. As such, an efficient scheduling mechanism is important for a CRM, and it has become an important issue in cloud computing research. The author therefore proposes a task scheduling system using Cat Swarm Optimization algorithm (CSO) with Opposition-Based Learning (OBL). This research is conducted by running two scenarios on CloudSim, a cloud environment simulation tool. In the first scenario the task scheduling system only uses Cat Swarm Optimization, whereas the second uses both Cat Swarm Optimization and Opposition-Based Learning combined (CSO-OBL). The results of this research finds that the usage of Cat Swarm Optimization yields improvements, notably in resource utilization, throughput, and energy consumption compared to Genetic Algorithm. Usage of Cat Swarm Optimization results in a 24% to 57% improvement in resource utilization, a 21% to 50% improvement in throughput, and a 15% to 30% reduction in energy consumption. Furthermore, the use of Opposition Based Learning yields a further 10% improvement in aforementioned parameters, compared to the use of Cat Swarm Optimization by itself.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cloud Computing, Task Scheduling, Cat Swarm, Opposition Based Learning, CloudSim
Subjects:	Q Science > QA Mathematics > QA76.585 Cloud computing. Mobile computing.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Shidqi Dhaifullah
Date Deposited:	06 Dec 2023 01:22
Last Modified:	06 Dec 2023 01:22
URI:	http://repository.its.ac.id/id/eprint/103479

Actions (login required)

View Item