METODOLOGI PENELITIAN Metode penelitian dilakukan berdasar

Menasce dan Almeida (1998b) yang dapat dilihat pada Gambar 10.

Gambar 10 Metodologi penelitian.

Analisis Lingkungan Jaringan IPB

Untuk mendapatkan rencana kapasitas yang terbaik bagi kinerja web IPB diperlukan

suatu pengetahuan tentang jaringan IPB yaitu antara lain:

• Perangkat keras (client danserver). • Perangkat lunak (sistem operasi,

aplikasi).

• Konektivitas dan protokol jaringannya.

Pada penelitian ini akan dibuat rencana kapasitas untuk web dan proxy server IPB. Setiap transaksi Internet ke luar atau ke web server IPB yang dilakukan oleh pengguna di jaringan internal IPB akan melalui proxy server. IPB mempunyai dua proxy server,

proxy server dengan IP 172.17.0.11 menangani permintaan pengguna di sekitar rektorat dan KPSI, juga empat fakultas di IPB yaitu Fakultas Peternakan (Fapet), Fakultas Kedokteran Hewan (FKH), Fakultas Kehutanan (Fahutan) dan Fakultas Ekonomi dan Menejemen (FEM). Sedangkan proxy server 172.17.0.18 menangani permintaan pengguna dari seluruh fakultas di IPB selain empat fakultas pada proxy server 172.17.0.11. Pada penelitian ini tidak dilakukan penelitian pada proxy server 172.17.0.18 karena tidak didapatkan data log pada periode yang sama dengan proxy server 172.17.0.11. Gambar 11 menunjukkan lingkungan jaringan IPB.

Analisis Spesifikasi Komputer yang Digunakan pada Web dan Proxy Server IPB

Spesifikasi komputer yang digunakan pada

web server dan proxy server IPB yang akan digunakan sebagai dasar untuk pembuatan rencana kapasitas memiliki spesifikasi sebagai berikut:

1 Komputer web server IPB

(172.17.0.14):

• Sistem Operasi Windows Server 2003, Enterprise Edition (5.2, Build 3790) Service Pack 2 (3790.srv03_sp2_gdr.070304-2240)

System Manufacturer: HP

• System Model: ProLiant ML350 G4p

• Prosesor: Intel(R) Xeon(TM) CPU 3.40GHz (2 CPU atau dual core)

• RAM 512 MB

• Web server Apache 2.0

• DBMS Microsoft SQL 2000

2 Komputer proxy server IPB

(172.17.0.11):

• Sistem Operasi Linux Redhat Enterprise Edition versi 3.0.1

• Prosesor: Intel(R) Pentium(R) 4 CPU 1.5 Hz

• RAM 256 MB

• Proxy serverSquid 2.0

Komputer web server IPB digunakan untuk menangani permintaan pengguna pada web IPB yaitu www.ipb.ac.id. Di sisi lain

proxy server IPB (172.17.0.11) digunakan untuk menangani permintaan dari jaringan internal IPB ke web server IPB atau keluar IPB (Internet). Jaringan internal IPB meliputi lingkungan rektorat, LSI, dan juga empat fakultas di IPB yaitu Fapet, FKH, Fahutan, dan FEM.

Pengkarakterisasian Model Beban Kerja

Pengkarakterisasian model beban kerja adalah suatu proses penggambaran sistem beban kerja global yang kemudian dibagi dalam beberapa komponen beban kerja. Pembagian komponen beban kerja didasarkan pada beberapa parameter, yaitu:

1 Parameter sumber daya

Penggambaran sumber daya yang mempengaruhi kinerja. Pada penelitian ini parameter sumber daya yaitu waktu penggunaan CPU dan besar penggunaan memori.

2 Parameter beban kerja

Penggambaran beban kerja yang mempengaruhi kinerja. Karakteristik beban kerja dibagi menjadi:

• Parameter intensitas beban kerja yang menyediakan suatu pengukuran beban kerja pada sistem. Pada penelitian ini parameter intensitas beban kerja meliputi jumlah hit per detik pada proxy server, jumlah transaksi per detik pada web server. • Parameter permintaan service pada

beban kerja yaitu menspesifikasikan total waktu service yang dibutuhkan oleh komponen utama pada masing-masing sumber daya. Pada penelitian ini parameter permintaan service

adalah waktu service CPU untuk melakukan transaksi pada web server

dan proxy server.

Untuk mendapatkan parameter-parameter tersebut maka dilakukan pengamatan trafik pada web server dan proxy server IPB. Sehingga data hasil pengamatan trafik dapat digunakan untuk pengkarakterisasian beban kerja, di mana hasil dari pengkarakterisasian beban kerja tersebut akan digunakan untuk membuat model server.

Pengamatan Trafik pada Web Server dan Proxy Server IPB

Untuk menentukan model beban kerja maka dilakukan monitoring trafik pada web server dan proxy server IPB. Pada monitoring

trafik digunakan teknik pengukuran sebagai berikut:

• Variabel yang akan diukur

dispesifikasikan terlebih dahulu. Pada penelitian ini variabel yang akan diukur adalah rata-rata utilisasi CPU dan penggunaan memori yang digunakan. Penentukan nilai utilisasi CPU menggunakan model server M/M/1 dan M/M/2. Variabel yang dibutuhkan meliputi arrival rate, service rate, hit rate

pada proxy server IPB.

• Setelah diketahui variabel yang akan diukur, maka ditentukan perangkat lunak untuk memonitor web server dan proxy server IPB, kemudian dilakukan pengumpulan data. Pada penelitian ini nilai arrival rate pengguna dan hit rate request diperoleh dari data log web server

log web server dan data log proxy server

dapat dilihat pada Lampiran 1 dan Lampiran 2. Pengukuran waktu penggunaan CPU (service rate) dan penggunaan memori didapatkan dengan menggunakan protokol SNMP melalui NMS ke web server IPB dan secara

remote ke proxy server IPB melalui komputer lokal. Web server IPB akan dikonfigurasikan sebagai SNMP agent. Contoh format data penggunaan CPU dan memori pada web server IPB dapat dilihat pada Lampiran 3. Pengambilan data penggunaan CPU dan memori pada proxy server dilakukan dengan koneksi Secure Shell (SSH) menggunakan perangkat lunak Putty. Contoh format data penggunaan CPU dan memori pada proxy server IPB dapat dilihat pada Lampiran 4. Gambar 12 menunjukkan arsitektur cara pengambilan data dari NMS ke web server dan proxy server IPB.

PC di Lab NCC (172.18.17.129)

Proxy Server IPB I (172.17.0.18)

Proxy Server IPB II (172.17.0.11) Computer Remote Linux Computer Remote Linux NMS OID

Web Server IPB (172.17.0.14) SNMP AGENT di Windows Put ty Pu^tty W inSC P Wi^nSC P Ca ch_em gr .cgi C^achem gr^.c gi

Gambar 12 Arsitektur pengambilan data dari NMS ke server melalui SNMP dan cachemgr.cgi.

Perangkat Keras dan Perangkat Lunak yang Digunakan pada NMS

Spesifikasi komputer yang digunakan sebagai NMS dan komputer lokal adalah komputer personal (PC) dengan spesifikasi prosesor Intel Pentium IV 2,4 GHz, memori 256 MB, Harddisk 80 GB dan sistem operasi Windows XP Professional Edition. Perangkat lunak yang digunakan untuk melakukan

monitoring web server IPB adalah sebagai berikut:

Net-SNMP, merupakan perangkat lunak berbasis SNMP yang digunakan untuk mengamati trafik jaringan. Dalam penelitian ini Net-SNMP diinstal pada komputer NMS. Net-SNMP digunakan

untuk mengamati kinerja CPU dan memori pada server(net-snmp 2006).

Getif, merupakan perangkat lunak yang digunakan untuk mendapatkan OID pada suatu MIB. Pada penelitian ini digunakan OID untuk mendapatkan data CPU dan memori dari server(WTCS 1998).

Gawk, merupakan perangkat lunak yang dapat melakukan parsing terhadap suatu

file. Fungsi utamanya adalah mencari isi dari sebuah file secara baris-per-baris yang berisikan pola tertentu dan kemudian melakukan seleksi atau pemformatan ulang terhadap file tersebut.

Remote Desktop, adalah multi channel Protocol (RDP) yang mengizinkan pengguna terkoneksi dengan komputer di mana di dalamnya berjalan Microsoft terminal service. Client yang mengakses komputer remote dapat menggunakan sistem operasi apapun termasuk Linux, FreeBSD, Solaris, dan Mac OS X

.

Server menggunakan TCP

port 3389 (Wikipedia 2007a).

Perangkat lunak yang digunakan untuk melakukan monitoring proxy server IPB adalah sebagai berikut:

Cache manager.cgi adalah program yang secara default sudah terinstal pada

proxy server Squid menggunakan konfigurasi tertentu. Program ini menggunakan tampilan web yang menghasilkan berbagai macam hasil statistik tentang konfigurasi dan kinerja dari proxy server Squid (cachemgr 2007).

PuTTY adalah free software yang menyediakan koneksi teletype network

(

telnet) dan Secure Shell

(SSH) pada

platform Win32 dan Unix. Dengan menggunakan tampilan terminal emulator (Wikipedia 2007b).

WinScp adalah sebuah perangkat lunak bagi client File Transfer Protocol (FTP),

Secure File Transfer Protocol (SFTP).

WinScp berbasis open source pada sistem operasi Windows, yang berfungsi untuk securefile transfer antara komputer

remote dan komputer lokal. Selain itu. WinSCP juga mendukung secure shell

(SSH) dan protokol SCP (Wikipedia 2007c).

Data Parsing

Setelah dilakukan pengambilan data dari

server dan proxy server, kemudian akan dilakukan dataparsing dengan menggunakan

Gawk. Data yang diambil yaitu data log request pengguna, data waktu penggunaan CPU, dan data penggunaan memori. Hal ini dilakukan untuk mendapatkan hasil parsing

yang akan digunakan untuk menghitung

arrival rate, service rate, utilisasi CPU, dan rata-rata penggunaan memori.

Hasil pengamatan trafik web server dan

proxy server IPB yaitu data log dan data penggunaan CPU, dan memori, digunakan untuk menentukan model kinerja dan server.

Mekanisme Pengambilan Data

Dasar mekanisme pengambilan data CPU danmemoripada server dan proxy server IPB yang digunakan dalam penelitian ini adalah ITU-T E.500. Pengukuran dilakukan selama 10 hari atau lebih, di mana dalam 1 hari dilakukan pengukuran selama 1 jam dan dilakukan pada saat jam sibuk. Jam sibuk merupakan waktu di mana permintaan client

terhadap webserver atau proxy server paling banyak. Dalam penelitian ini pengambilan data CPU di web server IPB dilakukan pada periode waktu dari jam 13.00 hingga jam 14.00, sedangkan pada proxy server IPB didapatkan jam sibuk pada periode waktu dari jam 08.00 hingga jam 09.00. Periode waktu tersebut diperoleh berdasar parsing data log web server pada periode 30 hari bulan Januari, sedangkan data log proxy server IPB pada periode 10 hari bulan Januari. Berdasar ITU-T E.500, dalam kurun waktu 1 jam tersebut, pengukuran dilakukan per 5-15 menit. Pengukuran web server IPB dilakukan per 5 menit sehingga dalam 1 jam terdapat 12 hasil pengukuran. Sedangkan pada proxy server

dilakukan per 10 menit sehingga terdapat 6 hasil pengukuran. Hasil parsing jam sibuk

web server dan proxy server IPB dapat dilihat pada Lampiran 5 dan Lampiran 6.

Dalam penelitian ini, hasil pengukuran tersebut disimpan dalam bentuk file teks, yang sebelumnya telah dilakukan parsing dari file

mentah hingga data trafik hanya terdiri dari

service rate dan penggunaan memori. Data log web server digunakan untuk menghitung

arrival rate pada web server dan hit rate pada

proxy server. Parameter tersebut kemudian digunakan untuk menghitung utilisasi CPU,

sedangkan data penggunaan memori

digunakan untuk menghitung rata-rata penggunaan memori.

Format data utilisasi CPU proxy server

secara keseluruhan dan Squid sudah berupa persentase nilai utilisasi CPU.

Penentuan Model Server dan Kinerja

Parameter pada karakterisasi beban kerja digunakan untuk membuat model server.

Model server dapat dinotasikan dengan notasi Kendall.

Pada penelitian ini model kinerja yang digunakan adalah model server side, dengan model server open queueing network yaitu

infinite population dan infinite queue. Jumlah orang yang mengakses web server dan proxy server IPB sangat banyak dan tak terhingga sehingga digunakan model antrian infinite population. Selain itu karena setiap permintaan dari pengguna tidak pernah ditolak oleh server, maka model antrian diasumsikan sebagai infinite queue.

Proxy server menggunakan satu CPU saja untuk memproses permintaan pengguna sehingga digunakan model antrian M/M/1. Di sisi lain, web server IPB menggunakan dua CPU sehingga menggunakan model antrian M/M/2.

Validasi Model Kinerja

Validasi model kinerja dilakukan dengan pengukuran secara langsung pada web server

IPB. Pada proxy server tidak dilakukan validasi karena pengukuran kinerja pada proxy server dilakukan secara remote dari komputer lokal sehingga pengukuran sudah pasti valid. Model kinerja dinyatakan valid jika kesalahan pengukuran yang terjadi hanya 1-30%. Jika kesalahan lebih dari 30%, maka perlu dilakukan proses kalibrasi. Gambar 13 menunjukkan cara untuk melakukan validasi pada model kinerja.

Real System ^Performance Model Kalibrasi Model Diterima? Pengukuran Kalkulasi

Menghitung Utilisasi CPU dan Penggunaan memori Mangukur Utilisasi CPU

dan Penggunaan memori

Tidak

Gambar 13 Cara untuk melakukan validasi pada model kinerja.

Analisis dan Prediksi Kinerja

Berdasar hasil model kinerja, validasi kinerja, dan peramalan kinerja maka akan dilakukan analisis kinerja web server dan

proxy server IPB. Analisis kinerja dilakukan untuk megetahui apakah kinerja server masih stabil untuk menangani request dari pengguna, bagaimana kinerja di masa yang akan datang, dan apakah perlu dilakukan penggantian spesifikasi perangkat keras pada dan proxy server IPB.

Kinerja server dapat dilihat dari utilisasi CPU dan penggunaan memori. Jika utilisasi CPU tinggi, maka CPU melakukan proses yang sangat besar dan kinerja server pada level kejenuhan. Kondisi yang seperti ini menyebabkan CPU dan memori perlu diperbaharui. Sebaliknya, jika utilisasi CPU dan penggunaan memori masih stabil atau belum pada level kejenuhan maka CPU dan memori tidak perlu diperbaharui.

HASIL DAN PEMBAHASAN

Pengambilan data penggunaan CPU (service time) dan data penggunaan memori untuk setiap request web IPB (172.17.0.14) dari pengguna tidak dapat dilakukan. Data tersebut seharusnya bisa didapatkan melalui protokol SNMP, namun pada sistem operasi Windows tidak ditemukan OID penggunaan CPU (service time) dan memori untuk setiap permintaan web dalam MIBnya. Hal tersebut diketahui melalui program getif yang dapat mendeteksi OID komputer dengan sistem operasi Windows. Namun OID penggunaan CPU dan memori untuk setiap permintaan web tidak ditemukan melalui program getif

tersebut. Sehingga data penggunaan CPU dan memori yang digunakan adalah data untuk setiap proses yang terjadi pada sistem operasi tersebut. Data tersebut dapat digunakan untuk mengetahui utilisasi CPU dan penggunaan memori dari web server.

Web Server

Pengukuran kinerja web server meliputi utilisasi CPU dan rata-rata penggunaan memori.

a. Utilisasi CPU

Dalam penelitian ini dilakukan pengukuran terhadap utilisasi CPU pada web server

dengan model kinerja server side dan model server open queueing network menggunakan antrian M/M/2. Model kinerja server side

dapat terlihat pada Gambar 14.

Gambar 14 Model kinerja server side.

Arsitektur model server open queueing network dengan menggunakan model antrian M/M/2 dapat dilihat pada Gambar 15.

CPU 1 2 1 6 Incoming Link outgoing Link 3 Router LAN Web server CPU CPU 2

Gambar 15 Model kinerja server side dalam antrian M/M/2.

Berdasar Gambar 15 model server terdiri dari dua CPU di mana penghitungan utilisasi CPU dan penggunaan memori hanya dilakukan pada web server saja dengan mengabaikan kinerja LAN, router, incoming link dan outgoing link.

Pengambilan data waktu penggunaan CPU dan penggunaan memori dilakukan dengan menggunakan protokol SNMP melalui PC yang berada di lab NCC (172.18.17.129)

ke web server IPB (172.17.0.14) yang berada di rektorat. PC di lab NCC dikonfigurasikan sebagai NMS dan web server IPB akan dikonfigurasikan sebagai SNMP agent. Pengambilan data dilakukan pada jam sibuk web IPB yaitu pada jam 13.00 hingga jam 14.00 WIB. Gambar 16 menunjukkan arsitektur cara pengambilan data dari NMS ke

web server IPB.

Gambar 16 Arsitektur pengambilan data dari NMS ke servermelalui protokol SNMP.

Berdasar Gambar 16, pengambilan data menggunakan protokol SNMP dilakukan dengan program netsnmp berdasar OID yang telah didefinisikan oleh MIB yang terdapat pada SNMP Agent. Nilai OID server dapat diketahui dengan menggunakan program getif. Nilai OID untuk mengetahui proses yang dijalankan oleh CPU adalah 1.3.6.1.2.1.25.4.2 sedangkan nilai OID untuk mengetahui nilai service rate dan penggunaan memori adalah 1.3.6.1.2.1.25.5.1.

Pengambilan data dilakukan pada tanggal 25 April hingga 16 Mei 2007. Data trafik yang digunakan merupakan hasil pengukuran selama 16 haridari 20 hari pengambilan data. Hal ini dilakukan karena pada periode pengambilan data terdapat beberapa kesalahan yang menyebabkan hasil pengambilan data tidak dapat digunakan untuk proses berikutnya. Proses berikutnya adalah penghitungan utilisasi CPU dan penggunaan memori sebagai parameter kinerja web server. Namun hal tersebut tidak terlalu berpengaruh terhadap hasil yang akan didapat.

Hasil pengambilan data terdiri dari 12 file

setiap harinya. Setiap file mengandung data penggunaan CPU yaitu service rate dalam proses per senti detik, nama proses, pid dari proses yang terjadi. Pengambilan data dilakukan per 5 menit dalam periode waktu satu jam, sehingga terdapat 192 file data. Kemudian data dikenai parsing menggunakan program gawk, sehingga data hanya mengandung informasi mengenai jumlah proses yang terjadi per 5 menit dan service rate pada setiap proses. Selanjutnya data tersebut akan diolah untuk mengukur utilisasi

CPU. Nilai arrival rate dan service rate

dikonversi ke proses per milli second (ms). Penghitungan utilisasi CPU dihitung dengan menggunakan model M/M/2 karena

web server IPB menggunakan dua CPU untuk menangani proses. Formulasi M/M/2 dengan diagram transisi rantai Markov infinite population, infinite queue, dual CPU dapat dilihat pada Gambar 17.

λ λ λ λ λ

µ 2µ 2µ 2µ 2µ

Gambar 17 Diagram transisi rantai Markov model antrian M/M/2.

Nilai peluang idle didapatkandengan cara menurunkan persamaan pada local balance

dan global balance, sehingga akan didapatkan nilai p₀ dan p_n sebagai:

µ λ µ λ + − = 2 2 0 p

...(4) 0 1 2 1 2 p p n n n − ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ =ρ ...(5) Utilisasi CPU dapat dicari menggunakan:

⁼ ⎜⎜_⎝^⎛ ₊⁻ ⎟⎟_⎠^⎞ 0 0 1 1 2 p p ρ ...(6) Dengan menurunkan persaman p_n maka utilisasi CPU pada saat n > 0 didapatkan dengan mengunakan persamaan:

1 1 + − = n n p p ρ ………..(7)

Penurunan formulasi M/M/2 dapat dilihat pada Lampiran 7. Berdasar persamaan 4 dan 6 maka untuk menghitung utilisasi CPU diperlukan parameter arrival rate dan service rate. Arrival rate pada web server diperoleh dari rata-rata jumlah kedatangan proses yang terjadi pada web server. Sedangkan service rate didapatkan berdasar pengambilan data waktu penggunaan CPU oleh setiap proses dalam proses per ms. Seluruh nilai service rate pada setiap proses dari 192 file tersebut dirata-ratakan. Hasil pengukuran rata-rata

service rate dan arrival rate untuk setiap harinya selama 16 hari dapat dilihat pada Gambar 18 dan 19.

Service rate 16 Hari 0 100 200 300 400 500 600 700 800 900 1000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 pengukuran hari

ke-S e rv ic e ra te

Gambar 18 Grafik rata-rata service rate proses

web server selama 16 hari. Arrival rate 16 Hari

0 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 pengukuran hari

ke-A rri v a l ra te

Gambar 19 Grafik rata-rata arrival rate proses

web server selama 16 hari. Hasil penghitungan rata-rata keseluruhan selama 16 hari untuk setiap proses didapatkan bahwa rata-rata arrival rate adalah sebesar 5.5

proses perms, sedangkan rata-rata service rate

adalah sebesar 688.064 proses per ms, atau setiap proses dijalankan oleh CPU dalam waktu 0.0015 ms. CPU akan tetap stabil jika utilisasi CPU lebih dari 0 dan kurang dari 1 atau 10≤ρ< . Sehingga berdasar persamaan formulasi M/M/2, didapatkan nilai hasil penghitungan p₀ atau peluang idle pada saat proses pertama datang ke CPU adalah sebesar 0.984. Berdasar formulasi M/M/2 didapatkan utilisasi CPU dari web server adalah sebesar 0.0159 atau 1.59%. Berdasar hasil tersebut diketahui bahwa utilisasi CPU tidak berada pada level kejenuhan dan CPU mengalami

idle yaitu sebesar 98.4%. Dari hasil tersebut terlihat bahwa kinerja CPU web server IPB masih tetap stabil karena nilai arrival rate

jauh lebih kecil dari service rate, sehingga didapatkan utilisasi CPU juga sangat rendah.

Berdasar formulasi M/M/2, nilai peluang

idle pada saat proses kedua datang ke server adalah sebesar 0.016, sehingga didapatkan nilai utilisasi CPU 96.90%. Berdasar hasil terlihat bahwa nilai utilisasi CPU mendekati satu. Hal ini dapat diartikan bahwa sistem masih berpeluang idle sebesar 0.016 dan penggunaan CPU pada saat proses kedua adalah sebesar 96.90%. Hal ini dapat terjadi karena sistem mempunyai dua CPU untuk

melakukan proses, sehingga ketika proses kedua datang, bisa langsung diproses oleh CPU. Namun dalam kenyataannya nilai utilisasi CPU sangat tinggi tidak pernah terjadi pada web server IPB, sehingga dapat disimpulkan bahwa hanya satu proses yang terjadi di sistem, karena nilai service time

yang rendah mengakibatkan sebelum proses berikutnya datang ke server, CPU telah selesai melakukan proses. Sehingga kinerja CPU selalu stabil. Berikut ini grafik peluang pada saat n proses di mana nilai 0≤n≤12 dapat dilihat pada Gambar 20.

Peluang Idle CPU web server

-0.5 0 0.5 1 1.5 0 1 2 3 4 5 6 7 8 9 10 11 12 n Pn

Gambar 20 Grafik peluang pada saat n proses di mana nilai 0≤n≤12.

Sedangkan grafik nilai utilisasi CPU pada saat 12

0≤n≤ dapat dilihat pada Gambar 21.

Utilisasi CPU web server IPB

0 50 100 150 0 1 2 3 4 5 6 7 8 9 10 11 12 n Ut li sa si CP U ( % )

Gambar 21 Grafik utilisasi CPU pada saat n proses di mana nilai 0≤n≤12. Tabel 1 memperlihatkan nilai peluang dan utilisasi CPU pada saat 0≤n≤5.

Tabel 1 Nilai peluang dan utilisasi CPU pada saat 0≤n≤5.

Arival

rate (λ) rate (^Serviceµ) pn

(Peluang idle) ρ Utilisa si CPU (%) Proses/ms Proses/ms 0 ^{5.5 344.031} ^{0.984 1.59} 1 ^{5.5 344.031} ^{0.016 96.90} 2 ^{5.5 344.031} ^{0.00012 99.97} 3 ^{5.5 344.031} ^{1.005E-06 99.99} 4 ^{5.5 344.031} ^{8.035E-09 99.99} 5 ^{5.5 344.031} ^{6.423E-11 99.99}

Berdasar Tabel 1, utilisasi CPU bernilai 1 di mana kondisi server tidak stabil yaitu ketika keempat proses dijalankan secara bersamaan oleh CPU. Namun berdasar hasil penelitian dengan hasil rata-rata utilisasi CPU sebesar 1.59%, kondisi di mana empat proses dijalankan secara bersamaan tidak pernah terjadi pada server, karena dalam kenyataanya CPU hanya melakukan satu proses. Nilai

service time yang rendah mengakibatkan sebelum proses berikutnya datang ke server, CPU telah selesai menjalankan proses. Jika CPU belum selesai melakukan proses maka proses selanjutnya akan masuk ke dalam antrian, sehingga kondisi CPU server IPB tetap stabil.

Berdasar formulasi M/M/2, juga dilakukan penghitungan rata-rata penggunaan CPU setiap harinya selama 16 hari. Hasil penghitungan rata-rata penggunaan CPU setiap harinya dalam periode waktu satu jam selama 16 hari ditunjukkan pada Gambar 22. Tabel Nilai utilisasi CPU web server IPB setiap hari selama 16 hari dapat dilihat pada Lampiran 8.

Utilisasi CPU selama 16 Hari

-5 0 5 10 15 20 25 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Pengukuran hari

ke-U tilis a si C P U ( % )

Gambar 22 Grafik rata-rata utilisasi CPU web server selama 16 hari.

Berdasar Gambar 22, rata-rata utilisasi CPU terbesar terjadi pada tanggal 2 Mei 2007, dengan service rate sebesar 37.466 prosesper ms dan arrival rate sebesar 6 proses per ms.

Sehingga didapatkan utilisasi CPU terbesar mencapai 19.21%. Tabel dan grafik peluang

Dalam dokumen Perencanaan Kapasitas Untuk Kinerja Web Dan Proxy Server IPB Menggunakan Model Open Queueing Network M/M/2 dan M/M/1 (Halaman 79-161)