Perpustakaan Digital ITB

Platform praktikum berbasis Kubernetes harus menyediakan sumber daya bagi banyak praktikan yang masuk serentak. Penyediaan reaktif menambah node hanya setelah permintaan datang, sehingga praktikan menunggu selama lag penyediaan. Penyediaan berlebih menjaga ketersediaan tetapi memboroskan biaya. Diperlukan model keputusan yang menyeimbangkan biaya dan ketersediaan layanan. Tugas akhir ini membahas model keputusan ekonomi penyediaan sumber daya pada platform praktikum yang dimigrasikan ke Azure Kubernetes Service. Beban praktikum diklasifikasikan berdasarkan profil sumber daya lalu dipetakan ke keluarga layanan Azure yang sesuai. Kapasitas node diukur dan dimodelkan secara analitis. Fungsi biaya ekonomi memilih cara sewa reserved dan pay-as-you-go tiap node yang meminimalkan biaya total. Metode pengerjaan meliputi analisis kebutuhan, perancangan model dan arsitektur, serta implementasi pada klaster Azure Kubernetes Service. Pengujian empiris pada klaster nyata mencakup pengukuran kapasitas dan lag penyediaan. Klasifikasi beban dan model biaya juga diuji. Hasil pengujian menunjukkan kapasitas node mengikuti model linear. Lag penyediaan turun sekitar 98 persen dengan penyediaan proaktif, dari 136 detik menjadi sekitar dua detik. Beban praktikum machine learning terpetakan ke keluarga compute-optimized F-series. Konfigurasi satu node reserved dan dua node pay-as-you-go menekan biaya semester sekitar 66 persen dibandingkan menyewa seluruh node secara reserved penuh. Kedua objektif tercapai, yaitu penyediaan yang efisien dan ketersediaan layanan yang terjaga