Grafik Data Pengujian Analisis unjuk kerja pengaruh Hit Ratio pada Squid Proxy terhadap sumber daya komputer.

81 dilakukan sebanyak tiga puluh kali per target hit. Tabel berikut adalah rata rata dari masing masing tiga puluh kali pengujian per target hit. Tabel Rata Rata Kategori: Aktif Target HIT eth- ISP MB eth- klien MB CPU Memory MB Disk MB HTTP Request cached HTTP Request total Byte Saving 10 18.85 21.34 3.98 61.91 27.73 177 1767 11.67 20 19.01

25.23 4.18

64.54 29.87

397 1982 24.65 30 22.33

36.14 4.33

66.28 31.7 782 2601 38.21 40 30.82

62.09 4.67

70.67 34.1 1832 4579 50.36 50 32.27

92.95 4.96

71.23 38.23

3709 7392 65.28 Tabel 5.1-3 Tabel Rata Rata Pengujian Kategori Web Aktif

5.2. Grafik Data Pengujian

Menurut Draper 1971 dan Rawlings 1988 yang dikutip oleh Sampurna 2012, dalam menentukan model regresi yang paling sesuai, nilai statistika yang biasa dipakai adalah koefisien determinan R 2 yang bernilai 0 ≤ R 2 ≤ 1 atau dengan koefisien korelasi r yang bernilai -1 ≤ r ≤ 1. Nilai koefisien korelasi juga dipakai untuk menentukan arah hubungan antara dua variabel. Jika bernilai positif + maka hubungannya naik, berarti setiap terjadi kenaikan pada variabel X, diikuti dengan kenaikan pada variabel Y. Jika koefisien korelasi bernilai negatif -, arah garis regresinya menurun, itu berarti setiap terjadi kenaikan pada variabel X, diikuti dengan penurunan pada variabel Y. Setelah semua data terkumpul, dilakukan olah data terhadap setiap variabel pada masing masing skenario untuk menentukan bentuk persamaan regresi 82 yang sesuai serta mengetahui model yang sesuai untuk menjelaskan arah pertumbuhan pada masing masing skenario. Nilai yang dicari adalah koefisien korelasi r dengan menggunakan rumus: = ∑ − ̅ − ̅ √∑ − ̅ ∑ − ̅ Koefisien determinan, merupakan nilai kuadrat dari koefisien korelasi r, atau dapat dihitung dengan rumus: = ∑ ′ − ̅ ∑ − ̅ Sedangkan untuk mencari nilai slope b dan intercept a, dapat menggunakan formula sebagai berikut: = � ∑ − ∑ ∑ � ∑ − ∑ = ̅ − ̅ Selain itu, dicari juga nilai standard error estimates atau simpangan baku perkiraan Sy’ dengan menggunakan nilai koefisien determinan yang telah didapat sebelumnya. Rumus untuk mencari simpangan baku perkiraan adalah: ′ = � √ − 83 Bentuk garis regresi yang akan dicari untuk memperkirakan garis model yang cocok adalah adalah regresi linier Y ’=a+bx, logaritmik Y’=a+b lnx, dan eksponensial Y ’=ae bx . Untuk membandingkan model yang paling cocok dari ketiga model regresi tersebut, dilakukan penghitungan satu per satu untuk setiap variabel. Untuk menyelesaikan persamaan non-linier logaritmik dan eksponensial, perlu dilakukan transformasi agar masing masing dapat diselesaikan dengan rumus di atas. Bentuk transformasinya adalah sebagai berikut: Untuk model eksponensial: = �� | = Untuk model logaritmik: = | = �� Penentuan model regresi yang sesuai dipertimbangkan dengan mengambil model yang memiliki nilai koefisien determinan R 2 terbesar dan simpangan baku perkiraan Sy’ terkecil. Karena koefisien determinan memperlihatkan seberapa dekat perbedaan setiap nilai Y pada masing masing nilai X. Sedangkan simpangan baku digunakan untuk melihat seberapa jauh penyimpangan Y’ terhadap nilai Y. 84 5.2.1. Analisa ethernet statistic Proxy ke internet Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan byte usage Proxy ke internet eth-ISP dari masing masing kategori web: Kategori: Statis Variabel: eth-ISP r R 2 a b Sy Linier 0.978 0.957 3.862 0.061 0.182 Logaritmik 0.965 0.931 0.812 1.497 0.231 Eksponensial 0.971 0.943 4.050 0.011 0.210 Tabel 5.2-1 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Internet, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke internet untuk web statis terjadi secara linier dan dapat dirumuskan dengan persamaan: Prediksi = 3.862 + 0.061 hit ratio Persamaan 5.2.1 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.182 MB 85 Kategori: Dinamis Variabel: eth-ISP r R 2 a b Sy Linier 0.985 0.970 11.633 0.311 0.828 Logaritmik 0.929 0.864 -3.764 7.766 1.752 Eksponensial 0.995 0.990 13.285 0.015 0.486 Tabel 5.2-2 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Internet, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke internet untuk web dinamis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 13.285 e 0.015 hit ratio Persamaan 5.2.2 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.486 MB 86 Kategori: Aktif Variabel: eth-ISP r R 2 a b Sy Linier 0.946 0.895 13.061 0.387 1.876 Logaritmik 0.873 0.761 -4.263 8.871 2.823 Eksponensial 0.952 0.906 15.035 0.016 1.772 Tabel 5.2-3 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Internet, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke internet untuk web aktif terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 15.035 e 0.016 hit ratio Persamaan 5.2.3 Dengan kesalahan baku perkiraan Sy’ sebesar : ±1.772 MB 87 Grafik 5.2-1 Grafik Perbandingan Total Byte Usage Dari Proxy Ke Internet Berdasarkan grafik diatas, dapat dilihat bahwa kebutuhan byte usage ke internet menunjukkan arah pertumbuhan yang positif seiring dengan bertambahnya hit ratio . Perbandingan byte usage ke internet untuk kategori web statis cukup rendah jika dibandingkan dengan kebutuhan untuk web dinamis dan aktif. Hal ini disebabkan, secara teori, karena konten yang terkandung dalam web statis berukuran lebih kecil dibandingkan dengan web dinamis dan aktif. Grafik di atas juga menunjukkan bahwa pertumbuhan byte usage ke internet pada kategori dinamis dan aktif meningkat secara eksponensial. Ini berarti pertumbuhan yang dialami meningkat secara drastis pada setiap kenaikan hit ratio. Sedangkan untuk kategori web statis, pertumbuhan yang dialami cenderung konstan pada setiap kenaikan hit ratio. Hal ini terjadi karena pada kategori web statis, isi 5 10 15 20 25 30 35 40 45 1 0 2 0 3 0 4 0 5 0 6 0 e th -ISPMB HIT Ratio Perbandingan Ethernet Statistic Proxy ke Internet Statis Dinamis Aktif Linear Statis Expon. Dinamis Expon. Aktif 88 konten yang dikandung selain ukurannya tidak besar, juga relatif kurang bervariasi. Artinya, konten yang ada pada web tipe statis cenderung tidak berubah-ubah. Sedangkan pada kategori web dinamis dan aktif, ukuran dan jenis konten lebih bervariasi dibanding web statis. 89 5.2.2. Analisa ethernet statistic Proxy ke klien Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan byte usage Proxy ke klien eth-klien dari masing masing kategori web: Kategori: Statis Variabel: eth-klien r R 2 a b Sy Linier 0.984 0.968 3.120 0.137 0.355 Logaritmik 0.934 0.873 -3.343 3.247 0.704 Eksponensial 0.991 0.983 3.917 0.019 0.259 Tabel 5.2-4 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Klien, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke klien untuk web statis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 3.917 e 0.019 hit ratio Persamaan 5.2.4 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.259 MB 90 Kategori: Dinamis Variabel: eth-klien r R 2 a b Sy Linier 0.899 0.807 -10.247 1.734 11.978 Logaritmik 0.789 0.623 -81.721 37.878 16.765 Eksponensial 0.969 0.939 10.502 0.040 6.757 Tabel 5.2-5 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Klien, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke klien untuk web dinamis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi =10.502 e

0.04 hit ratio

Persamaan 5.2.5 Dengan kesalahan baku perkiraan Sy’ sebesar : ±6.757 MB 91 Kategori: Aktif Variabel: eth-klien r R 2 a b Sy Linier 0.951 0.904 -6.474 1.801 8.307 Logaritmik 0.857 0.734 -84.063 40.371 13.820 Eksponensial 0.986 0.972 12.862 0.038 4.494 Tabel 5.2-6 Tabel Curve Estimation Untuk Byte Usage Dari Proxy Ke Klien, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte usage dari Proxy ke klien untuk web aktif terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 12.862 e 0.038 hit ratio Persamaan 5.2.6 Dengan kesalahan baku perkiraan Sy’ sebesar : ±4.494 MB Grafik 5.2-2 Grafik Perbandingan Total Byte Usage Dari Proxy Ke Klien 20 40 60 80 100 120 140 1 0 2 0 3 0 4 0 5 0 6 0 e th kl ie n MB HIT Ratio Perbandingan Ethernet Statistic Proxy ke Klien Statis Dinamis Aktif Expon. Statis Expon. Dinamis Expon. Aktif 92 Grafik di atas menunjukkan bahwa untuk byte usage dari Proxy ke klien, terjadi peningkatan secara eksponensial pada ketiga kategori web. Dibandingkan dengan grafik byte usage dari Proxy ke internet, byte usage dari Proxy ke klien membentuk kurva dengan peningkatan yang lebih tinggi. Tingginya peningkatan pada byte usage dari Proxy ke klien disebabkan karena jika terjadi hit, Proxy server hanya melakukan validasi obyek yang diminta oleh klien ke server asli di internet, dan tidak mengambil dokumen yang ada di webserver asli. Jika dokumen yang diminta oleh klien sebelumnya telah masuk dalam cache dan ketika divalidasi ke server aslinya dokumen tersebut belum kadaluarsa, maka Proxy server akan memberikan dokumen tersebut kepada klien yang meminta. Semakin sering sebuah dokumen diminta kembali, yang artinya semakin besar hit ratio, maka seiring peningkatan hit ratio byte usage dari Proxy ke klien akan semakin meningkat lebih besar daripada byte usage dari Proxy ke internet. 93 5.2.3. Analisa persentase penghematan bit byte saving Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan persentase penghematan bit byte saving dari masing masing kategori web: Kategori: Statis Variabel: byte saving r R 2 a b Sy Linier 0.997 0.993 -1.052 0.664 0.771 Logaritmik 0.952 0.907 -32.574 15.776 2.875 Eksponensial 0.989 0.978 3.379 0.034 1.403 Tabel 5.2-7 Tabel Curve Estimation Untuk Persentase Penghematan Bandwidth, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte saving untuk web statis terjadi secara linier dan dapat dirumuskan dengan persamaan: Prediksi = -1.052 + 0.664 hit ratio Persamaan 5.2.7 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.771 94 Kategori: Dinamis Variabel: byte saving r R 2 a b Sy Linier 0.966 0.932 -5.844 1.382 5.267 Logaritmik 0.880 0.775 -66.585 31.354 9.611 Eksponensial 0.981 0.963 3.193 0.041 3.887 Tabel 5.2-8 Tabel Curve Estimation Untuk Persentase Penghematan Bandwidth, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte saving untuk web dinamis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Y’=3.193 e 0.041 hit ratio Persamaan 5.2.8 Dengan kesalahan baku perkiraan Sy’ sebesar : ±3.887 95 Kategori: Aktif Variabel: byte saving r R 2 a b Sy Linier 1.000 0.999 -1.846 1.329 0.540 Logaritmik 0.970 0.941 -66.615 32.101 4.561 Eksponensial 0.971 0.943 3.259 0.042 4.489 Tabel 5.2-9 Tabel Curve Estimation Untuk Persentase Penghematan Bandwidth, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan byte saving untuk web aktif terjadi secara linier dan dapat dirumuskan dengan persamaan: Prediksi = -1.845 + 1.329 hit ratio Persamaan 5.2.9 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.540 96 Grafik 5.2-3 Grafik Perbandingan Persentase Penghematan Bit Grafik di atas menunjukkan persentase besarnya selisih antara jumlah bit yang diberikan ke klien dengan jumlah bit yang digunakan ke internet. Perhitungan ini dapat dirumuskan dengan: = − � � Disitu digambarkan bahwa penghematan pada kategori statis dan aktif membentuk kurva linier, itu artinya terjadi penghematan secara konstan seiring dengan meningkatnya nilai hit ratio. Namun pada kategori dinamis, peningkatan yang terjadi cenderung bersifat eksponensial dan pada titik tertentu bergerak melampaui garis pertumbuhan pada penghematan bit kategori aktif. Hal tersebut terjadi karena web dinamis memiliki konten berukuran besar namun jumlah -10 10 30 50 70 90 110 1 0 2 0 3 0 4 0 5 0 6 0 e th -ISPMB HIT Ratio Perbandingan Persentase Byte Saving Statis Dinamis Aktif Linear Statis Expon. Dinamis Linear Aktif 97 obyeknya sedikit, dibanding dengan web aktif dengan konten berjumlah banyak namun masing masing obyek berukuran kecil. Hal ini dapat dibuktikan dengan melihat perbandingan HTTP request dengan eth-klien pada grafik 5.2-4 di bawah ini. Dari situ dapat dilihat bahwa dengan nilai ethernet statistic yang hampir sama, HTTP request yang dihasilkan pada web aktif berjumlah dua kali lipat dari web dinamis. Grafik 5.2-4 Perbandingan HTTP Request dan eth klien 10 20 30 40 50 60 70 80 90 100 500 1000 1500 2000 2500 3000 3500 4000 1 0 2 0 3 0 4 0 5 0 e th k li e n MB Ju m lah H T T P Re q u e st HIT Ratio P erbandingan HTTP Request dengan eth -klien HTTP Req Statis HTTP Req Dinamis HTTP Req Aktif eth klien Statis eth klien Dinamis eth klien Aktif 98 5.2.4. Analisa disk usage Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan penggunaan cache disk disk dari masing masing kategori web: Kategori: Statis Variabel: disk r R 2 a b Sy Linier 0.856 0.733 16.819 0.024 0.208 Logaritmik 0.949 0.900 15.363 0.670 0.127 Eksponensial 0.853 0.727 16.821 0.001 0.210 Tabel 5.2-10 Tabel Curve Estimation Untuk Penggunaan Cache Disk, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan cache disk untuk web statis terjadi secara logaritmik dan dapat dirumuskan dengan persamaan: Prediksi = 15.363 + 0.670 lnhit ratio Persamaan 5.2.10 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.127 MB 99 Kategori: Dinamis Variabel: disk r R 2 a b Sy Linier 0.972 0.944 23.616 0.181 0.622 Logaritmik 0.923 0.851 15.114 4.272 1.014 Eksponensial 0.974 0.948 23.997 0.006 0.599 Tabel 5.2-11 Tabel Curve Estimation Untuk Penggunaan Cache Disk, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan cache disk untuk web dinamis terjadi secara ekaponensial dan dapat dirumuskan dengan persamaan: Prediksi = 23.997 e 0.006 hit ratio Persamaan 5.2.11 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.599 MB 100 Kategori: Aktif Variabel: disk r R 2 a b Sy Linier 0.985 0.971 24.757 0.252 0.616 Logaritmik 0.930 0.865 13.011 5.925 1.330 Eksponensial 0.992 0.985 24.465 0.008 0.450 Tabel 5.2-12 Tabel Curve Estimation Untuk Penggunaan Cache Disk, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan cache disk untuk web aktif terjadi secara ekaponensial dan dapat dirumuskan dengan persamaan: Prediksi = 25.465 e 0.008 hit ratio Persamaan 5.2.12 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.450 MB 101 Grafik 5.2-5 Grafik Perbandingan Penggunaan Cache Disk Pada grafik perbandingan di atas dapat dilihat bahwa penggunaan disk pada kategori statis menunjukkan kurva yang cenderung bertumbuh secara logaritmik. Dalam grafik tersebut, terjadi pertumbuhan yang tinggi pada periode 10-20 hit ratio di awal, kemudian pertumbuhan tersebut mulai melambat seiring dengan bertambahnya nilai hit ratio. Ini berarti, hit ratio memberikan pengaruh besar terhadap penggunaan disk hanya pada dua periode hit di awal. Jika dilihat pada kolom HTTP request pada tabel 5.1~, jumlah obyek yang di request pada dua periode diawal memang terlihat cukup banyak, dan kemudian setelahnya bertambah dengan selisih yang kecil. Selain itu, ukuran konten pada web statis berukuran lebih kecil dibanding kategori web lainnya. Untuk kategori web dinamis dan aktif, pada periode hit di awal terlihat peningkatannya justru tidak terlalu besar. Namun untuk periode hit selanjutnya, terjadi peningkatan yang cukup besar seiring 5 10 15 20 25 30 35 40 45 1 0 2 0 3 0 4 0 5 0 6 0 Me m o ry MB HIT Ratio Perbandingan Cache Disk usage Statis Dinamis Aktif Log. Statis Expon. Dinamis Expon. Aktif 102 dengan meningkatnya hit ratio. Terlihat bahwa pola pertumbuhan pada web statis berkebalikan dengan pola pertumbuhan yang terjadi pada web dinamis dan aktif. 103 5.2.5. Analisa memory usage Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan penggunaan memory memory dari masing masing kategori web: Kategori: Statis Variabel: memory r R 2 a b Sy Linier 0.872 0.760 48.137 0.029 0.227 Logaritmik 0.958 0.917 46.489 0.779 0.133 Eksponensial 0.870 0.757 48.175 0.001 0.228 Tabel 5.2-13 Tabel Curve Estimation Untuk Penggunaan Memory, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan memory untuk web statis terjadi secara logaritmik dan dapat dirumuskan dengan persamaan: Prediksi = 46.489 + 0.779 lnhit ratio Persamaan 5.2.13 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.133 MB 104 Kategori: Dinamis Variabel: memory r R 2 a b Sy Linier 0.984 0.969 53.858 0.138 0.346 Logaritmik 0.946 0.896 47.257 3.291 0.638 Eksponensial 0.985 0.971 53.975 0.002 0.339 Tabel 5.2-14 Tabel Curve Estimation Untuk Penggunaan Memory, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan memory untuk web dinamis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 53.975 + e 0.002 hit ratio Persamaan 5.2.14 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.339 MB 105 Kategori: Aktif Variabel: memory r R 2 a b Sy Linier 0.980 0.961 59.495 0.248 0.701 Logaritmik 0.961 0.923 47.243 6.038 0.992 Eksponensial 0.981 0.962 59.788 0.004 0.694 Tabel 5.2-15 Tabel Curve Estimation Untuk Penggunaan Memory, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan memory untuk web aktif terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 59.788 + e 0.004 hit ratio Persamaan 5.2.15 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.694 MB 106 Grafik 5.2-6 Grafik Perbandingan Penggunaan Memory Grafik di atas menunjukkan pola pertumbuhan penggunaan memory pada kategori web statis meningkat secara logaritmik, sementara kategori dinamis dan aktif menunjukkan pola pertumbuhan yang eksponensial Namun jika dilihat secara visual, pertumbuhannya mendekati linier. Jika dibandingkan dengan pola peningkatan pada grafik penggunaan disk, nilai peningkatan penggunaan memory bernilai kurang lebih dua kali lipat dari nilai penggunaan disk. Hal ini disebabkan karena Squid mengalokasikan penggunaan memory dalam jumlah tertentu, dan dapat menambahkan nilai alokasi apabila dibutuhkan. Alokasi memori ini berisi proses untuk mejalankan program Squid itu sendiri, menyimpan cache di main memory , serta metadata dari cache yang disimpan dalam disk. Hanya saja, besarnya alokasi ini tidak ditentukan oleh pengguna, namun Squid melakukannya sendiri secara otomatis. Jadi nilai cache_mem yang diatur pada file squid.conf tidak 10 20 30 40 50 60 70 80 1 0 2 0 3 0 4 0 5 0 6 0 Me m o ry MB HIT Ratio Perbandingan Penggunaan Memory Statis Dinamis Aktif Log. Statis Expon. Dinamis Expon. Aktif 107 menentukan jumlah maksimal memori yang dialokasikan oleh Squid. Namun hanya mengatur besaran maksimal nilai memory yang akan digunakan Squid untuk melakukan caching ke dalam main memory. Karena memory juga digunakan untuk menyimpan informasi metadata yang berisi informasi mengenai obyek yang di simpan dalam disk cache, maka seiring dengan meningkatnya penggunaan disk untuk caching, penggunaan memory juga ikut mengalami peningkatan dengan pola pertumbuhan yang hampir sama. 108 5.2.6. Analisa CPU usage Berikut ini adalah tabel curve fit yang diperoleh dari hasil perhitungan pada variabel hit ratio dengan penggunaan CPU dari masing masing kategori web: Kategori: Statis Variabel: CPU r R 2 a b Sy Linier 0.829 0.688 0.640 0.006 0.055 Logaritmik 0.930 0.866 0.286 0.162 0.036 Eksponensial 0.814 0.662 0.641 0.008 0.057 Tabel 5.2-16 Tabel Curve Estimation Untuk Penggunaan CPU, Kategori Web Statis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan CPU untuk web statis terjadi secara logaritmik dan dapat dirumuskan dengan persamaan: Prediksi = 0.286 + 0.162 lnhit ratio Persamaan 5.2.16 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.036 109 Kategori: Dinamis Variabel: CPU r R 2 a b Sy Linier 0.950 0.902 0.815 0.037 0.171 Logaritmik 0.879 0.772 -0.838 0.845 0.261 Eksponensial 0.965 0.930 1.041 0.019 0.144 Tabel 5.2-17 Tabel Curve Estimation Untuk Penggunaan CPU, Kategori Web Dinamis Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan CPU untuk web dinamis terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 1.041 e 0.019 hit ratio Persamaan 5.2.17 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.144 110 Kategori: Aktif Variabel: CPU r R 2 a b Sy Linier 0.989 0.979 3.689 0.025 0.051 Logaritmik 0.936 0.875 2.545 0.578 0.124 Eksponensial 0.993 0.985 3.738 0.006 0.042 Tabel 5.2-18 Tabel Curve Estimation Untuk Penggunaan CPU, Kategori Web Aktif Berdasarkan tabel curve estimation di atas, dapat disimpulkan bahwa prediksi pertumbuhan penggunaan CPU untuk web aktif terjadi secara eksponensial dan dapat dirumuskan dengan persamaan: Prediksi = 3.738 e 0.006 hit ratio Persamaan 5.2.18 Dengan kesalahan baku perkiraan Sy’ sebesar : ±0.042 111 Grafik 5.2-7 Grafik Perbandingan Penggunaan CPU Dari grafik di atas dapat dilihat bahwa nilai penggunaan CPU untuk kategori aktif mengalami pertumbuhan eksponensial yang nilainya terpaut cukup jauh dengan kategori dinamis dan statis. Hal ini disebabkan karena jumlah total HTTP request yang harus dieksekusi pada web aktif lebih banyak dibanding dua kategori yang lain. Selain itu, konten atau program yang ada pada pada web aktif kebanyakan dieksekusi di sisi klien. Berbeda dengan web dinamis dan statis. Selain jumlah total HTTP request yang diproses lebih kecil dari web aktif, sebagian besar programnya dieksekusi di sisi web server, sehingga tidak terlalu memberatkan kinerja Proxy server yang dalam penelitian ini adalah sebagai perwakilan dari klien yang sesungguhnya. 0.00 1.00 2.00 3.00 4.00 5.00 6.00 1 0 2 0 3 0 4 0 5 0 6 0 CPU HIT Ratio Perbandingan CPU Usage Statis Dinamis Aktif Log. Statis Expon. Dinamis Expon. Aktif 112

BAB VI KESIMPULAN DAN SARAN

6.1. Kesimpulan