Implementasi Load Balancing Di Web Server Menggunakan Metode Berbasis Sumber Daya CPU Pada Software Defined Networking

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 9, Juni 2017, hlm. 904-914

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Implementasi Load Balancing Di Web Server Menggunakan Metode Berbasis Sumber Daya CPU Pada Software Defined Networking Riski Julianto1, Widhi Yahya2, Sabriansyah Rizqika Akbar3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected],[email protected], [email protected] Abstrak Pada zaman sekarang, telah terjadi trafik yang besar dalam jaringan. Hal ini ditandai dengan pengguna yang semakin tinggi yang akan meningkatkan kompleksitas jaringan seperti beban server meningkat dan sulit melakukan konfigurasi setiap perangkat dari vendor yang berbeda, sehingga perlu adanya web server yang baik. Jika web server tunggal, maka akan menimbulkan SPOF (Single Point of Failure). Penggunaan server cluster dengan load balancing akan meningkatkan performansi web server yang di terapkan dalam Software Defined Network. Load balancing dengan metode berbasis sumber daya merupakan metode pembagian beban menggunakan penggunaan CPU terkecil dari server sebagai acuan. Melalui implementasi sistem didapat server membagi beban dengan baik. Pengujian dengan banyak koneksi dan rate yang dibagi menjadi 3 bagian yaitu low untuk rate 40, medium untuk rate 80 dan high untuk rate 160. Parameter pengujian yang digunakan adalah throughput, response time, dan CPU Usage menggunakan tool Httperf dan psutil. Hasil dari pengujian yang diperoleh dengan nilai throughput rata-rata sebesar 947,9 KB/s, response time rata-rata sebesar 6.2 ms, dan CPU Usage sebesar 59.82% pada server pertama, 69.73% pada server kedua dan 93,24 % pada server ketiga. Dengan perbandingan algoritma Round Robin, metode berbasis CPU lebih baik dibandingkan Round Robin berdasarkan pengujian yang dilakukan. Kata Kunci: Load balancing ,CPU, resource, Software Defined Network

Abstract Nowadays, there has been a great traffic in the network. It is characterized by an increasingly high users will increase the complexity of the network such as increased server load and hard to configure any devices from different vendorss, so there needs to be a good web server. If a single web server, it will cause SPOF (Single Point of Failure). The use of cluster servers with load balancing will improve the performance of web servers implemented in Software Defined Network. Load balancing with resource-based methods is a load-sharing method using the smallest CPU usage of the server as a reference. Through the implementation of the system obtained server divide the load well. Testing with many connections and rate divided into 3 parts that is low to rate 40, medium to rate 80 and high for rate 160. The testing parameters used are throughput, response time, and CPU usage using Httperf and psutil tools. The results of the test obtained with the average throughput value of 947.9 KB / s, response time average of 6.2 ms, and CPU Usage of 59.82% on the first server, 69.73% on the second server and 93,24% on the third server. By comparison of the Round Robin algorithm, the CPU-based method is better than Round Robin based on the tests performed. Keywords: Load balancing ,CPU, resource, Software Defined Network

IPTEK, orang-orang tersebut cukup menggunakan situs atau website di internet, dimana website tersebut dioperasikan oleh web server tunggal maupun multiple server. Menurut statistik Kementerian Komunikasi dan Informatika (Kemkominfo, 2016) menyatakan, pengguna internet di Indonesia telah mencapai 82 juta orang. Dengan capaian tersebut,

1. PENDAHULUAN Pada zaman modern seperti yang kita lihat sekarang ini, orang-orang ingin menggunakan alat yang fleksibel untuk mendapatkan informasi dan terjadi trafik yang besar di dalam jaringan Sesuai dengan perkembangan zaman dan Fakultas Ilmu Komputer Universitas Brawijaya

904

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Indonesia berada pada peringkat ke-8 di dunia. Sehingga, kebutuhan masyarakat akan akses informasi yang cepat di Indonesia sangatlah tinggi. Untuk keperluan akses informasi yang cepat dan handal, perlu adanya web server yang baik. Seiring berjalan waktu, pengguna web server juga meningkat sehingga dibutuhkan web server yang handal. Jika web server yang dimiliki hanya ada satu yang maka memungkinkan terjadinya "a single point of failure" (SPOF), yaitu kondisi server yang jika gagal merespon maka sistem akan tidak berfungsi. Hal itu bisa terjadi karena terlalu banyak request yang harus di handle oleh satu buah web server tadi. Maka dibuatlah web server dengan arsitektur multiple server, yaitu kumpulan dari beberapa web server yang saling terhubung dan bekerja sama, yang memiliki fungsi untuk mencapai keandalan (reliability) dan ketersediaan (availability) yang tinggi (Harikesh,2011). Didalam multiple server tersebut, dibutuhkan mekanisme dalam pembagian beban agar performansi server tetap stabil. Sebab, Jika suatu server gagal merespon maka akan menimbulkan masalah dan kerugian yang lumayan besar. Beberapa mekanisme dalam pembagian beban pada web server dengan menggunakan teknik load balancing, yaitu suatu mekanisme pembagian beban server dengan beban trafik di distribusikan pada dua atau lebih jalur koneksi secara seimbang . Tujuan mekanisme tersebut agar memaksimalkan troughput, trafik dapat berjalan optimal,memperkecil waktu tanggap dan menghindari overload pada salah satu jalur koneksi (Sirajuddin,2012). Load balancing memiliki banyak metode ataupun algoritma dalam implementasinya, seperti pada penelitian sebelumnya menggunakan algortima Round Robin dengan kesimpulan algoritma Round Robin mampu membagi beban trafik dengan server yang berbeda (Wilda,2016). Namun, peneliti ingin menggunakan metode berdasarkan resource atau sumber daya yang dimiliki oleh sebuah server sebagai acuan dalam mengambil keputusan atas server yang dipilih pada saat client melakukan request. Karena dengan mengambil sumber daya yaitu CPU yang paling ringan atau kecil, kemungkinan meningkatkan kinerja dan meringankan beban server. Dalam perkembangan paradigma jaringan akibat kompleksitas jaringan di atas, di temukanlah paradigma baru bahwa penggunaan software untuk mengatur trafik dan rute dalam suatu jaringan yaitu paradigma Sofware Defined Fakultas Ilmu Komputer, Universitas Brawijaya

905

Network (SDN). Sofware Defined Network adalah sebuah paradigma baru di jaringan yang mana terjadi pemisahan antara control plane dan data plane dalam suatu jaringan (Foundation Open Network ,2012). Penerapan load balancing diharapkan lebih optimal pada Sofware Defined Network karena pengaturan trafik lebih terpusat daripada arsitektur jaringan tradisional atau saat ini Dari beberapa referensi diatas dapat disimpulkan bahwa suatu web server dapat dilakukan optimasi terhadap pembagian bebannya dengan berbagai algoritma serta dengan metode berdasarkan penggunaan CPU dari web server. Oleh karena itu penulis akan melakukan penelitian dengan judul "Implementasi Load Balancing di Web Server Menggunakan Metode Berbasis Sumber Daya CPU pada Software Defined Networking". Metode berbasis resource dipilih karena dengan mengetahui penggunaaan resource yaitu penggunaan CPU server kita bisa mengetahui server mana yang bebannya sedikit memproses suatu request sehingga beban dapat di distribusikan dengan baik. 2. LANDASAN KEPUSTAKAAN 2.1 Kajian Pustaka Penelitian-peneltian sebelumnya menerapkan sistem load balancing dengan menggunakan berbagai algoritma dan menggunakan mininet sebagai simulator namun masih dalam arsitektur Software Defined Network. Pada penelitian ini menggunakan TPLink sebagai openflow switch. 2.2 Load Balancing Load balancing adalah salah satu teknik atau metode yang digunakan dalam pembagian beban web server dalam jaringan. Teknik ini mendistribusikan beban trafik pada dua atau lebih jalur koneksi secara seimbang, agar trafik dapat berjalan optimal.Load balancing juga mendistribusikan beban kerja secara merata di dua atau lebih komputer, link jaringan, CPU, hard drive, atau sumber daya lainnya, untuk mendapatkan pemanfaatan resource yang optimal (Sirajuddin, 2012). 2.2.1 Metode Load balancing berbasis resource Penulis menggunakan metode berbasis sumber daya atau resource, karena dengan


mengetahui resource dari server, dapat memperkecil kemungkinan server gagal merespon atau error dengan mengetahui apakah beban server terlalu berat dengan melihat resourcenya yaitu nilai CPU yang terpakai. Ketika user melakukan request, sebelumnya server telah mengirimkan resource ke controller dan membandingkan nilai resource tersebut yaitu berupa nilai CPU Usage server. Kemudian diambil nilai terkecil lalu controller mengirimkan packet out ke switch berisi perintah untuk forward paket ke server dengan resource terkecil tersebut agar beban server seimbang. Mekanisme pemilihan server dengan algoritma resource based dapat dilihat pada pseudocode berikut. Begin S = server C = CPU Utilization SC = {(S,C}) If No Resource In List Find minimum server in SC Return server End

906

controller tersebut dapat kita program secara langsung. 2.4 Openflow Awalnya SDN sangat identik dengan OpenFlow sehingga ada sebagian orang yang beranggapan bahwa Sofware Defined Network adalah OpenFlow, hal ini tidak terlalu benar karena OpenFlow hanya merupakan sebuah elemen pada arsitektur Sofware Defined Network. Berikut arsitektur openflow switch pada gambar 2.

Gambar 2 Arsitektur Open Flow Switch

Gambar 1 Implementasi metode CPU resource

Pada Gambar 1 di atas menjelaskan cara kerja load balancing dengan metode CPU resource yaitu memilih IP dan CPU resource dari server 1 sebagai default jika tidak ada resource yang dikirim server. Selama ada server yang hidup dengan CPU Resourcenya paling kecil dibanding yang dipilih maka dilakukan perbandingan nilai CPU resourcenya lalu di direct ke IP Server dengan CPU resource terkecil tersebut. Sehingga dengan melihat penggunaan CPU terkecil, pembagian beban pada web server dapat dilakukan dengan seimbang maka kinerja web server dapat memberikan respon yang baik terhadap request dari user. (Pradip Wawge.2014) 2.3 Software Defined Network (SDN) Software Defined Network adalah sebuah paradigma baru di dunia networking, merupakan sebuah pendekatan baru untuk membangun, mendesain serta me-manage jaringan komputer. Sedangkan pengertian yang sebenarnya menurut Open Networking Foundation (organisasi pengembang Sofware Defined Network), bahwa Sofware Defined Network adalah suatu arsitektur jaringann dimana control network dipisahkan dari system forwardingnya, dan

Fakultas Ilmu Komputer, Universitas Brawijaya

OpenFlow merupakan open standar komunikasi protokol yang mampu melakukan pemisahan antara control plene dan data plane dari sebuah perangkat jaringan, serta mampu menciptakan komunikasi yang sangat baik antara control plane dan data plane (Openflow Organization,2011). 3. METODOLOGI PENELITIAN Pada bagian ini akan dijelaskan tentang langkah yang dilakukan dalam pengerjaantugas akhir. Berikut gambar 3 merupakan tahapantahapan metodologi penelitian yang digambarkan dengan diagram alir.


907

yang telah dibuat sebelumnya. Adapun implementasi sistem sebagai berikut. 1. Melakukan konfigurasi pada switch 2. Melakukan instalasi controller POX 3. Melakukan konfigurasi pada server 4. Mengakses halaman webserver oleh client 5. Menganalisa hasil output 3.4. Pengujian dan Analisis Sistem

Gambar 3 Diagram Alir Metode Penelitian

Dalam tahap pengujian, peneliti akan melakukan pengujian terhadap jumlah prosesor apakah mempengaruhi sistem atau tidak. Selanjutnya, melakukan analisis sekaligus menilai throughput,response time dan CPU Usage yang terjadi pada web server atau sistem load balancing..

3.1. Studi Literatur

3.5. Kesimpulan

Studi literatur bertujuan untuk menjadi dasar teori dalam melakukan penelitian ini. Jenis literatur yang dapat digunakan yaitu artikel, buku, jurnal, e-book, website serta laporan penelitian sebelumnya.

Tahap ini juga merupakan tahapan yang ditujukan untuk mengoreksi kesalahan yang ada mulai dari bab metode penelitian hingga pengujian sistem. Pada bab ini juga terdapat kesimpulan yang diambil berdasarkan hasil pengujian dan analisa sistem. Serta ditambahkan saran sebagai referensi untuk penelitian yang akan datang.

3.2. Perancangan Sistem Tahap ini merupakan tahapan untuk membangun sistem dari penelitian setelah melakukan studi literatur dan analisis kebutuhan sistem. Perancangan sistem dapat dilihat pada gambar dibawah.

4. ANALISIS KEBUTUHAN 4.1 Deskripsi Umum Sistem Sistem load balancing berbasis sumber daya dengan parameter CPU merupakan sistem load balancing yang menggunakan sumber daya CPU server terkecil sebagai faktor pembagian beban server dalam Softwate Defined Network .Penggunaan sumber daya atau resource CPU pada server membutuhkan beberapa kebutuhan agar sistem dapat berjalan sesuai dengan yang diharapkan 4.2 Kebutuhan Sistem

Gambar 4 Diagram Perancangan Sistem

Pada gambar 4 merupakan diagran perancangan sistem. Dalam sistem ini akan dipecah menjadi beberapa subsistem yaitu Subsistem Switch, Subsistem Controller, Subsistem Server dan Subsistem Client 3.3. Implementasi Sistem Implementasi sistem dibuat berdasarkan perancangan kebutuhan dan perancangan sistem Fakultas Ilmu Komputer, Universitas Brawijaya

Kebutuhan dalam penilitian ini terbagi menjadi dua yaitu kebutuhan fungsional dan kebutuhan non-fungsional. Kebutuhan fungsional sistem yaitu Controller dapat berjalan menggunakan POX,Switch dapat memforward paket dari jaringan dan server dapat memberikan respon terhdap request dari client. Kebutuhan non fungsional meliputi kebutuhan perangkat keras yaitu 3 buah Laptop dengan spesifikasi: • Laptop I sebagai server virtual a. Intel(R) Core-i5 - CPU @ 2.6 GHz


b. RAM 8 GB c. Harddisk kapasitas 1000GB d. Monitor 14 inch • Laptop II, sebagai Controller: a. Intel Celeron b. RAM 2 GB c. Harddisk kapasitas 500 GB d. Monitor 14 inch • Laptop III, sebagai client: a. AMD A8 CPU @ 2,1 GHz b. RAM 8 GB c. Harddisk kapasitas 500 GB d. Monitor 14 inch Kebutuhan perangkat lunak yaitu daftar perangkat lunak yang digunakan untuk implementasi load balancing berbasis resource dalam Software Defined Network. a. Sistem Operasi Windows 7 64 Bit/Linux Ubuntu LTS b. Python c. Apache Web server d. Virtual Box e. JetBrains PyCharm /VI Editor f. Google Chrome/MozillaFirefox 5. PERANCANGAN DAN IMPLEMENTASI Pada bagian ini akan dijelaskan perancangan dan implemntasi sistem yang akan dibuat. Bagian ini menjelaskan juga akan lebih detail konsep perancangan load balancing, pengecekan paket, alur komunikasi, alur sistem dan diagram blok perancangan sistem.

908

Gambar 5 Diagram Alir Perancangan Sistem

Berdasarkan Gambar 5 di atas dapat kita lihat bahwa untuk memulai perancangan implementasi sistem load balancing dimulai dengan konfigurasi pada beberapa perangkat, yaitu switch, controller, dan server hingga dilakukan pengujian dan penarikan kesimpulan. 5.1.2. Alur Sistem Alur sistem load balancing pada software defined network dengan menggunakan metode berbasis sumberdaya yang akan di rancang sesuai diagram berikut:

5.1 Perancangan 5.1.1. Diagram alir perancangan sistem Pada bagian ini akan dijelaskan perancangan sistem dimulai dengan tahapan yang tertera pada bab sebelumnya hingga pengujian yang dilakukan terhadap sistem.

Gambar 6 Sequence diagram Alur Sistem

Pada gambar 6 di atas merupakan gambar diagram alir sistem secara keseluruhan dan dibagi menjadi beberapa langkah-langkah,yaitu : 1. Menjalankan controller Fakultas Ilmu Komputer, Universitas Brawijaya


2. Server mengirimkan sumber dayanya ( resource). 3. Switch melakukan filter paket resource dan mengirimkan nya ke controller 4. Client melakukan request dengan mengakses ip virtual 5. Switch melakukan pengecekan paket dari jaringan. 6. Setelah switch menerima aksi dari Controller maka dilakukan proses forwarding ke server yang ada di dalam jaringan sesuai metode pembagian server penelitian. 7. Server memberikan respon dan memfoward respon dari request user Kemudia Switch memforward paket respon server ke client. 5.2 Implementasi Pada tahap implementasi ini, perangkat yang digunakan sistem harus dikonfigurasi agar dapat bejalan dengan baik.Perangkat tersebut diantaranya adalah switch,controller,server dan client. Berikut tampilan dari perangkat switch yang digunakan pada penelitian ini.

909

Gambar 8 Controller telah menerima resouce dari server 1

Pada Gambar 8 merupakan tampilan dari controller yang menunjukkan bahwa controller telah menerima resource dari perintah script yang telah dibuat sebelumnya. Selanjutnya jika client melakukan request maka akan ditampilkan ke server mana request tersebut di forward oleh switch.Beikut tampilan respon respon dari sistem load balancing berbasis resource.

Gambar 7 perangkat keras switch TP-Link

5.2.1. Menjalankan script udp_client Untuk mengirimkan nilai CPU resource dari server perlu kita jalankan file python dengan nama udp_client1 pada server. dengan cara: Python udp_client1.py

Berikut tampilan hasil resource dari server pada controller.

Gambar 9 Hasil Load balancing

Berdasarkan gambar 9 di atas menjelaskan bahwa algoritma resource based berjalan dengan pembagian server berjalan dengan baik. 6. PENGUJIAN 6.1 Hasil Pengujian A. Terhadap Penggunaan Prosesor atau CPU Pada skenario yang pertama in ini dilakukan pengujian terhadap webserver dengan jumlah core yang berbeda. Untuk yang pertama dilakukan seperti tabel 1 dibawah. Tabel 1 Nama server dan jumlah core Nama Server 1 2


Jumlah Core 4 buah 2 buah


3

1 buah

Pengujian ini dilakukan dengan banyak koneksi 50 , 100, 200 dan 500 dengan rate yaitu 1. Berikut hasil dari pembagian beban server yang ada.

Gambar 10 Grafik hasil sistem load balancing

Berdasarkan grafik di atas dapat disimpulkan bahwa server dengan jumlah core yang banyak maka beban akan didistrbusikan pada server dengan jumlah core terbesar tersebut. B. Throughput (req/s) Pada pengujian skenario ini dilakukan dengan banyak koneksi 100 dengan rate 1000, banyak koneksi 200 dengan rate 2000 dan banyak koneksi 400 dengan rate sebesar 4000. Berikut hasil yang diperoleh

Gambar 11 Grafik hasil pengujian terhadap throughput

• •

Request: jumlah request dari client ke server Throughput: banyaknya request dibagi dengan satu satuan waktu. Berdasarkan Gambar 11 diatas dapat disimpulkan bahwa semakin besar request yang dilakukan maka nilai dari throughput semakin menaik.


910

C. Response Time (ms) Pada pengujian skenario ini dilakukan sama seperti perlakuan pengujian throughput. Berikut hasil yang diperoleh.

Gambar 12 Grafik hasil pengujian terhadap response time

Berdasarkan Gambar 12 diatas dapat disimpulkan bahwa semakin besar request yang dilakukan maka nilai dari response time semakin besar juga. Hal ini disebabkan server menerima beban yang semakin banyak sehingga diperlukan waktu yang besar untuk memproses setiap request dari client. D. CPU Usage (%) Pada pengujian skenario ini dilakukan dengan rate low,mid,dan high sama seperti pengujian sebelumnya. Berikut grafik hasil pengujian yang diperoleh.

Gambar 13 Grafik hasil pengujian terhadap penggunaan CPU antar server

Berdasarkan Gambar 13 diatas dapat disimpulkan bahwa jika request masih dalam kondisi low dan medium, semua server masih pada kondisi stabil.Namun, ketika kondisi high penggunaan CPU dari semua server terjadi kenaikan jika request yang diberikan di atas kemampuan server artinya semua beban dibagi secara seimbang tanpa membebani server utama


berdasarkan request dari client dan besar nilai CPU Usage server utama. 6.6 Perbandingan algoritma Round Robin dengan metode berbasis sumber daya CPU 6.6.1 Pengujian Throughput Berikut grafik hasil pengujian yang diperoleh dengan dilakukan perbandingan dapat dilihat pada grafik dibawah ini.

911

Namun dengan kondisi rate high, metode berbasis CPU lebih baik dibanding dengan algoritma Round Robin. 6.6.3 Pengujian CPU Usage Untuk pengujian CPU Usage sama seperti pengujian sebelumnya yaitu menggunakan rate low dengan banyak koneksi atau request sebanyak 1200, diikuti med dengan 2400. Berikut jika dilakuka perbandingan berdasarkan kedua algoritma penggunaan CPU di atas dengan grafik dibawah ini:

Gambar 14 Grafik perbandingan nilai throughput antara Round Robin dan metode berbasis CPU

Berdasarkan gambar 14 di atas, dapat disimpulkan bahwa nilai throughput untuk kondisi rate low dan med, algoritma Round Robin lebih tinggi dari metode berbasis CPU. Namun dengan kondisi rate high algoritma metode berbasis CPU lebih baik dibanding dengan algoritma Round Robin. 6.6.2 Pengujian Response Time Berikut jika dilakukan perbandingan dengan metode berbasis CPU resource dapat dilihat pada grafik dibawah ini.

Gambar 16 Grafik perbandingan CPU Usage antara Round Robin dan metode berbasis CPU

Berdasarkan gambar 16 di atas dapat disimpulkan bahwa beban CPU pada Round Robin pada tiap server mengalami peningkatan karena beban dibagi bersama bergantian, namun pada metode berbasis CPU Usage beban dibagi secara adil, hal ini terlihat dari CPU Usage server 1 metode berbasis CPU cenderung stabil dibanding pada Round Robin.

Gambar 15 Grafik perbandingan nilai response time antara Round Robin dan metode berbasis CPU

Berdasarkan gambar 15 di atas, dapat disimpulkan bahwa nilai response time untuk kondisi rate low dan med, algoritma Round Robin lebih rendah dari metode berbasis CPU. Fakultas Ilmu Komputer, Universitas Brawijaya

6.6.4 Pengujian Jumlah Koneksi Pada skenario ini sama seperti pengujian sebelumnya yaitu dilakukan pengujian dengan parameter jumlah koneksi dengan melakukan koneksi sebanyak 1200, 2400 dan 4800 .Berikut tabel 2 yang menjelaskan hubungan antar koneksi dengan beban tiap server.


912

Tabel 2 Hasil pengujian terhadap jumlah koneksi Metode berbasis CPU Rate/jumlah koneksi Low/1200 Med/2400 High/4800

Beban yang diproses server Server Server Server 1 2 3 1141 53 6 2228 145 27 3574 1046 180

Berikut merupakan grafik hasil pengujian berdasarkan Tabel 2.

Gambar 18 Grafik hasil pengujian algoritma Round Robin terhadap jumlah koneksi

Berdasarkan Gambar 18 disimpulkan bahwa pada penggunaan rate low, medium dan,high dengan algoritma Round Robin membagi beban dengan beban yang sama pada setiap server. 6.7 Analisis Hasil

Gambar 17 Grafik hasil pengujian metode berbasis CPU terhadap jumlah koneksi

Berdasarkan gambar 17 diatas dapat disimpulkan bahwa semakin banyak dilakukan request maka beban server terbesar akan diterima oleh jumlah core terbesar pula yaitu server 1 dengan jumlah core sebanyak 4. Hal ini dikarenakan semakin besar jumlah core pada server akan lebih cepat memproses request dari client. Untuk pengujian terhadap algoritma Round Robin, terlihat bahwa algoritma Round Robin membagi beban dengan prinsip yang sama atau equality. Hal ini dapat dilihat dari tabel hasil pengujian dibawah ini. Tabel 3 Hasil pengujian terhadap jumlah koneksi dengan algoritma Round Robin Rate/jumlah koneksi Low/1200 Med/2400 High/4800

Beban yang diproses server Server Server Server 1 2 3 400 400 400 800 800 800 1600 1600 1600

Sehingga berdasarkan tabel 3 di atas dapat dililhat lebih detai pada grafik dibawah ini.


1. Dari skenario pengujian yang dilakukan, dengan 3 server virtual maka di dapatkan nilai jumlah rata-rata throughput akan mengalami peningkatan yaitu sebesar 947,9 KB/s. Jumlah rata-rata pembagian server didasarkan pada jumlah permintaan user sebanyak 40 kali, 80 kali dan 160 kali. 2. Jumlah rata-rata nilai response time akan bertambah seiring dengan bertambahnya jumlah request yang dilakukan terhadap server yaitu sebesar 6,2 ms. Jumlah ratarata pembagian server didasarkan pada jumlah permintaan user sebanyak 40 kali, 80 kali, dan 160 kali. 3. Jumlah rata-rata nilai CPU Usage akan bertambah seiring dengan bertambahnya jumlah request yang dilakukan terhadap server yaitu sebesar 59,82 % pada server 1 , 69,73% pada server 2 dan 93,24 % pada server 3. Jumlah rata-rata pembagian server didasarkan pada jumlah permintaan user sebanyak 1200 kali, 2400 kali dan 4800 kali dengan melakukan proses pemutaran video 720p pada setiap server. 7. PENUTUP 7.1 Kesimpulan 1. Berdasarkan perancangan dan pengujian sebelumnya, dapat disimpulkan bahwa penerapan load balancing dengan algoritma berbasis resource dengan parameter CPU terkecil pada server dapat berjalan dengan baik dan melakukan pembagian server dengan seimbang.


2. Penggunaan jumlah prosesor yang lebih tinggi mempengaruhi kinerja sistem. Dengan semakin tinggi jumlah proses maka beban yang diberikan juga akan lebih besar sehingga membantu performansi sistem load balancing 3. Semakin banyak koneksi dan rate yang dilakukan maka nilai througput terjadi penurunan. Hal ini terjadi karena sistem menerima banyak koneksi dan sistem mengalami kondisi jenuh (saturated. 4. Semakin banyak koneksi dan rate yang dilakukan maka nilai response time juga menaik hal ini dikarenakan server memerlukan waktu lebih untuk request yang semakin besar juga. 5. Semakin tinggi request dan rate dilakukan maka penggunaan CPU antar server terbagi secara seimbang dengan kondisi server utama dalam keadaan stabil. 7.2 Saran Pada penelitian selanjutnya diharapkan menggunakan parameter pengujian yang lain dan menggunakan server asli atau real. 2. Dalam mekanisme pembagian beban serverpada penlitian selanjutnya dengan algoritma atau metode yang berbeda. 1.

DAFTAR PUSTAKA Adrianlara, Kolasani, A. & Ramamurthy, B., 2014. Network Innovation using OpenFlow: A Survey. CSE Journal Articles. Astuto, B.N.; Mendonça, M.; Nguyen, X.N.; Obraczka, K.; Turletti, T. A Survey of Software-Defined Networking: Past, Present, and Future of ProgrammableNetworks. IEEE Commun. Surv. Tutor. 2014,doi:10.1109/SURV.2014.012214. 00180. Buildnetworking, 2016. www.buildnetworking.com [Online] Available at: http://www.buildnetworking.com/2016/ 03/pengertian-sdn-dan-openflow-dancara.html [Accessed 2016]. Dave, S. & Maheta, P., 2014. Utilizing Round Robin Concept for Load Balancing Algorithm at Virtual Machine Level in Fakultas Ilmu Komputer, Universitas Brawijaya

913 Cloud Environment. International Journal of Computer Applications.

Feamster, N., Rexford, H.B.J., Shaikh, A. & der Merwe, J.v., 2004. The Case for Separating Routing from Routers. IEEE Foundation, O.N., 2012. opennetworking. [Online] Available at: https://www.opennetworking.org/sdnresources/sdn-definition [Accessed 19 Oktober 2016]. Fxekobudi, 2016. fxekobudi.net [Online] Available at: http://fxekobudi.net/networking/menge nal-teknologi-load-balancing [Accessed 2016]. Ganesh, S. & Ranjani, 2015. Dynamic Load Balancing using Software Defined Networks. Gaurav Banga and Peter Druschel. Measuring the capacity of a web server. In USENIX Symposium on Internet Technologies and Sistems, pages 61-71, Monterey, CA, December 1997 Jain, R.; Paul, S. Network Virtualization and Software Defined Networking for CloudComputing:A Survey. IEEE Commun. Mag. 2013, 51, 24–31 Karantha, D., 2016. Analisis Openflow loadbalancing Web server Dengan Algoritma Leastconnection pada Software Defined Network. Menkominfo, 2016. kominfo.go.id [Online] Available at: https://kominfo.go.id/index.php/content /detail/3980/Kemkominfo%3A+Penggu na+Internet+di+Indonesia+Capai+82+J uta/0/berita_satker [Accessed 2016]. McKeown, Nick, Tom Anderson, Hari Balakrishnan, Guru Parulkar, Larry Peterson, Jennifer Rexford, Scott Shenker, and Jonathan Turner. "OpenFlow:enabling innovation in campus networks." ACM SIGCOMM ComputerCommunication Review 38, No. 2 (2008): 69–74. Yahya, W., 2015. The Extended Dijkstra’sbased Load Balancing for OpenFlow.


University of Brawijaya, Taiwan. Indonesia. National International Journal of Electrical and Computer Engineering (IJECE-2015).


914

Implementasi Load Balancing Di Web Server Menggunakan Metode Berbasis Sumber Daya CPU Pada Software Defined Networking

Recommend Documents