![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Dengan meningkatnya penggunaan teknologi, kebutuhan akan penyimpanan data
yang besar dan cepat menjadi semakin esensial. Key-Value Store merupakan salah
satu alternatif penyimpanan yang kini populer karena kemampuan penulisan
datanya yang cepat. Hal ini karena Key-Value Store memanfaatkan struktur data
Log-Structured Merge-Tree. Mengingat pentingnya Key-Value Store, peningkatan
kinerjanya melalui studi perilakunya saat runtime menjadi semakin relevan.
Umumnya, informasi ini diperoleh melalui perekaman data kinerja saat runtime,
yang selanjutnya dianalisis untuk memahami perilakunya. Namun, metode ini
dapat mengurangi kinerja sistem karena beban operasi tambahan.
Penelitian ini mengeksplorasi penggunaan pembelajaran mesin sebagai metode
alternatif untuk memperoleh informasi perilaku Key-Value Store tanpa intervensi
berat selama runtime. Penelitian ini mengidentifikasi variabel statistik kunci yang
perlu diamati untuk analisis kinerja dan mengembangkan algoritma pembelajaran
mesin untuk memprediksi statistik tersebut. Dengan pendekatan ini, penelitian ini
menawarkan solusi untuk meminimalisasi degradasi kinerja yang disebabkan oleh
perekaman data tradisional.
Kontribusi utama dari penelitian ini adalah pengembangan model pembelajaran
mesin yang dapat secara efektif memprediksi statistik kinerja Key-Value Store,
memungkinkan pemahaman yang lebih baik tentang kinerjanya tanpa
mengorbankan efisiensi operasional. Hasil penelitian menunjukkan bahwa
statistik yang dipilih dan model pembelajaran mesin yang dikembangkan efektif
dalam menginformasikan tentang aspek kinerja yang penting untuk peningkatan
sistem Key-Value Store.