Optimasi Differentiate Quality of Experience Scheduler dengan Whale Optimization untuk Peletakan Container pada Aplikasi Deep Learning

Putra, Taufiq Odhi Dwi (2024) Optimasi Differentiate Quality of Experience Scheduler dengan Whale Optimization untuk Peletakan Container pada Aplikasi Deep Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025221005-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (7MB)

Abstract

Perkembangan teknologi di bidang kecerdasan buatan atau artificial
intelligence (AI) menimbulkan semakin banyak dikembangkan aplikasi berbasis
AI. Karakteristik aplikasi berbasis AI yaitu disamping memerlukan CPU dan
memori untuk komputasi, jenis aplikasi ini juga memerlukan GPU dan video
memori. Semakin kompleks model AI yang digunakan maka semakin tinggi
kebutuhan GPU dan video memori. Selain kompleksitas dari model AI, request
yang konkuren juga mengakibatkan konsumsi video memori menjadi lebih besar.
Agar konsumsi video memori tidak melebihi kapasitas dari perangkat yang tersedia,
dikarenakan jumlah request yang konkuren cukup tinggi, maka diperlukan metode
scheduler untuk menjadwalkan pelayanan request – request yang datang, utamanya
request yang datang secara konkuren.
Pada penelitian ini mengoptimalkan metode scheduling Differentiate
Quality of Experience Scheduler (DQoES) dengan beberapa metode penempatan
container yang diusulkan. Metode penempatan container yang diusulkan
merupakan modifikasi dari metode penempatan container Discrete Whale
Optimization (DWO-CP) dan juga dari whale optimization digabungkan dengan
suatu prosedur menjadi metode hybrid yang diusulkan. Whale optimization yang
digunakan yaitu DWO-CP dan whale optimization yang diusulkan.
Berdasarkan hasil eksperimen yang didapatkan metode hybrid yang
diusulkan dengan whale optimization yang diusulkan berhasil mampu
mengoptimalkan metode scheduling DQoES, yang dibuktikan dengan rata – rata
xwaktu tunggu dan waktu tunggu terlama dari metode penempatan container hybrid
yang diusulkan dengan whale optimization yang diusulkan lebih pendek
dibandingkan metode penempatan container default docker swarm, dimana metode
penempatan container default docker swarm digunakan pada metode scheduling
DQoES sebelumnya.

Item Type:	Thesis (Masters)
Subjects:	Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > Q Science (General) > Q325 GMDH algorithms. Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > Q Science (General) > Q337.3 Swarm intelligence
Depositing User:	Taufiq Odhi Dwi Putra
Date Deposited:	05 Aug 2024 07:38
Last Modified:	05 Aug 2024 07:38
URI:	http://repository.its.ac.id/id/eprint/111975

Actions (login required)

View Item