Prabasati, Aida Fitrania (2025) Laporan Kerja Praktik ECO-FISH: Penjadwalan Tugas Cloud yang Ditingkatkan Menggunakan Artificial Fish Swarm Algorithm Berbasis Oposisi. Project Report. [s.n], [s.l.]. (Unpublished)
![]() |
Text
5025211033-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (988kB) | Request a copy |
Abstract
Komputasi awan terus berkembang dengan cepat, sehingga menjadi perhatian yang signifikan karena skala dan kompleksitasnya yang terus meningkat. Seiring dengan bertambahnya jumlah tugas, alokasi dan penjadwalan yang efisien menjadi sangat penting untuk menjaga kualitas layanan. Oleh karena itu, pengembangan algoritme penjadwalan tugas yang efektif tetap menjadi fokus utama dalam penelitian komputasi awan. Penelitian ini memperkenalkan algoritme yang disempurnakan untuk penjadwalan tugas cloud, yang dinamai ECO-FISH. Dibangun di atas Artificial Fish Swarm Algorithm (AFSA) dan dilengkapi dengan Opposition-Based Learning (OBL), ECO-FISH bertujuan untuk mengoptimalkan alokasi sumber daya di lingkungan cloud. Kami menggunakan dua skenario penjadwalan tugas untuk mengevaluasi kinerja algoritme yang kami usulkan. Skenario pertama menggunakan AFSA tradisional, sedangkan skenario kedua menggunakan algoritme ECO-FISH. Hasilnya menunjukkan bahwa ECO-FISH meningkatkan kinerja AFSA dan OBL, menghasilkan penjadwalan tugas yang lebih efektif dan pengoptimalan sumber daya.
============================================================================================================================
Cloud computing continues to evolve rapidly, leading to significant attention due to its growing scale and complexity. As the number of tasks increases, efficient allocation and scheduling become critical for maintaining service quality. Consequently, developing effective task-scheduling algorithms remains a key focus in cloud computing research. This study introduces an enhanced algorithm for cloud task scheduling, named ECO-FISH. Built on the Artificial Fish Swarm Algorithm (AFSA) and augmented with Opposition-Based Learning (OBL), ECO-FISH aims to optimize resource allocation in cloud environments. We used two task scheduling scenarios to evaluate the performance of our proposed algorithm. The first utilized the traditional AFSA, while the second employed the ECO-FISH algorithm. Results demonstrated that ECO-FISH improves the native AFSA and OBL’s performances, producing more effective task scheduling and resource optimization.
Item Type: | Monograph (Project Report) |
---|---|
Uncontrolled Keywords: | Provisioning Cloud, Penjadwalan Tugas, Kecerdasan Buatan, Algoritma Fish Swarm, Pembelajaran Berbasis Oposisi, Cloud Provisioning, Task Scheduling, Artificial Intellgence, Fish Swarm Algorithm, Opposition-Based Learning |
Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
Divisions: | Faculty of Industrial Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
Depositing User: | Aida Fitrania Prabasati |
Date Deposited: | 06 Feb 2025 06:32 |
Last Modified: | 06 Feb 2025 06:32 |
URI: | http://repository.its.ac.id/id/eprint/116291 |
Actions (login required)
![]() |
View Item |