KONTROL KETERSEDIAAN NODE SERVER PADA SERVER CLUSTER DENGAN KLUSTERISASI DATA UPTIME MENGGUNAKAN ALGORITMA K-MEANS

摘要

Keberadaan teknologi server cluster telah memberikan banyak keuntungan kepada manusia. Terutama untuk kepentingan komputasi. Namun dibalik keuntungan tersebut terdapat resiko yang berpengaruh besar terhadap alam. Diantaranya penggunaan lahan yang luas, penggunaan daya yang sangat besar dan menghasilkan panas. Tentunya hal tersebut akan memberikan dampak yang buruk bagi lingkungan sekitar. Melihat fenomena tersebut, penulis memfokuskan penelitian untuk mengembangkan server cluster yang memiliki komsumsi daya yang lebih rendah. Hal itu diwujudkan dengan memberikan penjadwalan waktu nyala pada node yang berada dalam server cluster berdasarkan hasil clustering terhadap uptime dan load average dari masing-masing node dengan menggunakan algoritma K-Means clustering. Clustering ini menghasilkan keluaran node dengan uptime dan load average yang tinggi. Node yang memiliki uptime dan load average yang paling tinggi akan mendapatkan penjadwalan pemadaman pada esok harinya pada jam dimana node tersebut memiliki uptime dan load average yang paling rendah. Dari penelitian ini terbukti bahwa penggunaan algoritma K-means clustering pada uptime dan load average mampu mengelompokkan tingkat kesibukan node , dan sistem ini mampu mengurangi konsumsi daya listrik pada server cluster. Pemadaman satu node server menghasilkan pengurangan penggunaan arus sebesar 0.2A.; The existence of server cluster technology has been benefiting us, mainly in the context of computation. However, the utility of the existing server cluster is reported having negative effects on environment, for instance the use of wide land area, the need of big power and the heat production. Thus this study is aimed to develop the server cluster that required lower power consumption. In so doing the scheduled uptime was arranged for the node within the server cluster based on the clustering result toward the uptime and load average on each node using K-Means clustering algorithm. The clustering would produce the node outcome with the high value of uptime and load average. Then the node with the highest value of uptime and load average would be scheduled to turn off in the next day when it reached the lowest value of its uptime and load average. The result proved that the use of K-Means clustering algorithm on the uptime and load average is able to group the bustle level of the node and also able to decrease the consumption of the electricity power on server cluster. The scheduling node outage was able to reduce the use of a current of 0.2A.