Perbandingan Kinerja Dynamic Load Balancer Berbasis Balancer Genetic Algorithm dan Resource-Aware Least Busy pada Virtual Machine Web App UKM Laos Course

Abstract

Peningkatan permintaan terhadap layanan digital mendorong kebutuhan akan manajemen sumber daya yang efisien dalam lingkungan cloud computing. Load balancing memainkan peran penting dalam mendistribusikan beban kerja secara merata ke seluruh virtual machine guna menjaga kualitas layanan dan mencegah kelebihan beban pada server. Penelitian ini membandingkan kinerja metode Balancer Genetic Algorithm (BGA) dan Resource-Aware Least Busy (RALB) sebagai pendekatan dynamic load balancing yang diimplementasikan pada Proxmox Virtual Environment yang meng-host aplikasi web UKM LAOS Course. Kedua algoritma dikembangkan dalam bahasa pemrograman Go dan diintegrasikan dengan HAProxy melalui mekanisme weighting. Evaluasi kinerja dilakukan menggunakan Grafana K6 pada empat skenario load testing (average load, stress, soak, dan breakpoint) dan empat kondisi server (normal, CPU spike, memory spike, dan bandwidth limitation), dengan total 32 kombinasi pengujian. Empat metrik yang diukur meliputi load distribution, migration time, response time, dan throughput. Hasil penelitian menunjukkan bahwa BGA secara konsisten menghasilkan load distribution yang lebih merata dan migration time yang lebih rendah pada hampir seluruh skenario, sementara RALB mengungguli BGA dalam response time dan throughput, khususnya pada kondisi beban yang relatif stabil. Tidak ada satu pun algoritma yang menunjukkan keunggulan secara mutlak pada seluruh metrik. BGA lebih sesuai diterapkan pada sistem yang membutuhkan distribusi sumber daya yang seimbang dan stabil, sedangkan RALB lebih tepat untuk layanan yang mengutamakan latensi rendah dan kapasitas permintaan yang tinggi.