Analisa Kinerja Sistem - Blog Sivitas STIKOM Surabaya

Chapter 3.WorkloadClusteringSecara umum hasil pengukuran dari satu atau beberapa workload terdiri atassejumlah besar komponen. Misalnya, hasil pengukuran dari waktu CPU (CPUtime) dapat terdiri atas beberapa puluh, ratusan atau bahkan ribuan data.Karena itu untuk kebutuhan analisa data, akan sangat berguna apabila datadatayang memiliki kemiripan sifat dapat dikelompokkan ke dalam satu clustertersendiri. Salah satu metoda clustering yang akan dibicarakan dalam bagianini adalah Minimum Spanning Tree Method. Adapun langkah-langkah prosesmelakukan clustering adalah sebagai berikut:• Mulai dengan cluster k = n.• Tentukan titik tengah dari cluster ke-i, dimana i = 1, 2, · · · , k. Titiktengah memiliki parameter nilai sama dengan rata-rata semua titik didalam cluster.• Hitung matrik jarak antar cluster.• Tentukan elemen terkecil dan tidak nol dari jarak tersebut. Gabungkandua buah cluster dengan jarak terpendek.• Ulangi langkah 2 sampai 4 sampai semua komponen berada dalam satucluster.Contoh: Perhatikan 5 buah workload yang diterapkan pada dua buah parameterdi bawah ini. CPU Time dan Jumlah Disk I/O diukur dengan 5 buahprogram. Data setelah diskalakan adalah sebagai berikut:Langkah 1. Mula-mula anggaplah terdapat cluster sejumlah i sesuai denganjumlah program.Langkah 2. Nilai tengah dari masing-masing cluster adalah {2, 4}, {3, 5},{1, 6}, {4, 3} dan {5, 2}.Langkah 3. Dengan menggunakan rumusan jarak Euclidean, jarak antarmatrik adalah sebagai berikut:60