PROSIDING Vol. 01, Tahun 2016 ISSN: 2477 – 2097 166 ANALISIS KOMPARASI CACHE REPLACEMENT ALGORITHM UNTUK MENINGKATKAN KINERJA PROXY SERVER PASAR GROSIR PEKALONGAN Eskandaru Erin Sadewa

  

ANALISIS KOMPARASI CACHE REPLACEMENT ALGORITHM UNTUK

MENINGKATKAN KINERJA PROXY SERVER PASAR GROSIR

PEKALONGAN

1) 1) 1)

  

Eskandaru Erin Sadewa , Muhammad Anif , Sidiq Syamsul Hidayat

1 Teknik Telekomunikasi Politeknik Negeri Semarang

  E-mail : eskandarusadewa@yahoo.com

  

Abstract

For the sake of online marketing, it is necessary to build network infrastructure in wholesale

market Pekalongan. The purpose is to give internet access for seller and visitors. It is equipped

with proxy server and cache server as well. Cache replacement algorithm is needed to give

space for new object in cache. There are algorithms and every algorithm has their own

characteristic. Hence, it is necessary to choose cache replacement algorithm which meet the

access characteristic in wholesale market Pekalongan. This research contains a comparative

analysis for Least Frequency Used with Dynamic Aging (LFUDA) algorithm and Greedy Dual

Size Frequency (GDSF) algorithm based on several parameters. Those are hit ratio, byte hit

ratio, response time, and size distribution. Using calamaris and SARG, mean value is resulted.

Mean for LFUDA hit ratio is 10,74%, while GDSF is 14,01%. Mean for LFUDA byte hit ratio

is 5,30%, while GDSF is 5,78%. LFUDA response time mean is 102.574,87 sec, and GDSF is

121.188,06 sec. Size distribution for LFUDA shows that LFUDA tends to save large and

popular object. GDSF tends to maximaze small and popular object and minimize large and

popular object. Meanwhile the tendency of internet client access is browsing with small object

size less than 100KB. Based on comparative analysis on both algorithms, also considering the

tendency of internet client access, GDSF algorithm is selected as the suitable one.

  Keywords: Proxy server, Cache Replacement Algorithm, LFUDA, GDSF.

  

Abstrak

Dalam rangka mewujudkan online marketing, pasar grosir Pekalongan akan difasilitasi

infrastruktur jaringan yang melayani kebutuhan akses Internet. Infrastruktur dilengkapi dengan

proxy server yang juga berfungsi sebagai cache server. Algoritma penghapusan cache

bertujuan menjaga cache tetap memiliki ruang bagi object baru. Terdapat berbagai jenis

algoritma sedangkan setiap algoritma memiliki sifat masing-masing. Oleh karena itu

diperlukan pemilihan algoritma yang sesuai dengan karakteristik akses pasar grosir

Pekalongan. Penelitian berisi analisis perbandingan algoritma Least Frequency Used with

Dynamic aging (LFUDA) dan algoritma Greedy Dual Size Frequency (GDSF) berdasarkan

parameter hit ratio, byte hit ratio, response time serta size distribution. Menggunakan tool

calamaris dan SARG, diperoleh nilai rata-rata hit ratio LFUDA sebesar 10,74%, GDSF sebesar

14,01%, diperoleh nilai rata-rata byte hit ratio LFUDA sebesar 5,30%, GDSF sebesar 5,78%,

diperoleh nilai rata-rata response time LFUDA sebesar 102.574,87 sec dan GDSF sebesar

121.188,06 sec. Size distribution LFUDA menunjukkan kecenderungan menyimpan object

dengan ukuran besar dan populer. Sedangkan size distribution GDSF menunjukkan

kecenderungan memaksimalkan object kecil yang populer dan meminimalkan object besar

yang populer. Sementara itu kecenderungan akses client pada pasar grosir Pekalongan adalah

browsing dengan ukuran object kurang dari 100KB. Berdasarkan perbandingan algoritma, serta

menimbang kecenderungan akses pasar grosir Pekalongan, dipilih algoritma GDSF sebagai

algoritma yang cocok.

  Kata kunci: Proxy server, Cache Replacement Algorithm, LFUDA, GDSF

  PENDAHULUAN

  Tuntutan perkembangan zaman mendorong pelaku bisnis untuk mengembangkan usaha sehingga dapat terjangkau lebih luas. Model pemasaran secara tradisional perlahan mulai ditinggalkan oleh pelaku bisnis (Fisk,2006). Dengan media Internet, maka jangkauan pemasaran (market scalability) menjadi sangat luas kemudian hal tersebut menjadi keuntungan bagi pemilik usaha sebagai potensi untuk perkembangan usaha (Nugroho, 2011). Pasar grosir Pekalongan sebagai salah satu pusat bisnis dan usaha memiliki potensi yang besar untuk dikembangkan agar jangkauan pemasaran menjadi luas dan tidak terbatas pada wilayah pasar. Oleh karena itu perlu dibangun website sistem informasi sebagai media penyimpanan, penampilan serta pengelolaan seluruh informasi mengenai produk, identitas toko.

  Dalam rangka mengoptimalkan infrastruktur jaringan Internet yang dibangun, maka digunakan proxy server sebagai server yang menjembatani jaringan internal pasar dengan jaringan Internet. Proxy server merupakan sistem komputer yang berada diantara client yang melakukan permintaan object dan server yang melayani permintaan

  

object (Saputra dan Witono, 2013). Salah satu fungsi utama proxy server adalah sebagai

cache server dan sebagai content filter. Cache akan mengurangi bandwidth jaringan

  eksternal dan dapat mengurangi rerata waktu pemuatan sebuah web page (Dilley, Arlitt, dan Perret, 1999).

  Namun, ruang penyimpanan cache yang ada pada proxy server memiliki kapasitas yang tetap sehingga akan ada saat ketika penyimpanan cache pada proxy telah penuh terisi object. Dengan demikian perlu dilakukan penghapusan object pada cache atau yang biasa disebut cache replacement policy. Terdapat berbagai macam algoritma dalam menentukan object yang dapat dihapus, seperti Least Frequency Used with Dynamic aging (LFUDA) dan Greedy Dual Size Frequency (GDSF). Dengan karakteristik serta kebutuhan akses user Internet di pasar grosir Pekalongan, maka dilakukan pengujian sehingga diketahui aktivitas browsing yang menjadi karakteristik penggunaan Internet di jaringan pasar grosir Pekalongan. Kemudian dapat diketahui performansi kedua cache replacement algorithm tersebut sebagai algoritma penghapusan yang paling optimal untuk diterapkan pada proxy server pasar grosir Pekalongan. Caching adalah salah satu manfaat yang dimiliki proxy server. Cache menyimpan object-object yang diminta oleh client dari server asli. Dengan demikian permintaan Z

PERANCANGAN DAN PEMBUATAN SISTEM

  Pada Gambar 1 dijelaskan tentang topologi jaringan yang akan dibangun. Sistem yang akan dibangun bertujuan untuk memberi akses Internet pada pasar. Client yang ada di pasar grosir terhubung dengan jaringan melalui perangkat access point yang tersebar di pasar. Access point tersebut kemudian terhubung dengan kantor melalui antena point to point. Di kantor, terdapat perangkat router, server serta modem GPON.

  

Router di kantor menjadi perangkat yang menghubungkan jaringan akses client serta

server dengan Internet melalui modem GPON. Sehingga jaringan yang berada di pasar

  dapat terhubung dengan Internet.

  _{Kantor Pasar Grosir Pekaongan}

  INTERNET _{AP PtP1 Pedagang dan Pedagang dan Pengunjung Pengunjung Pedagang dan Pengunjung Pasar Blok Barat MODEM GPON AP 2 MIKROTIK RB 450 G} AP PtP2

_{AP 3}

_{Pedagang dan Pengunjung AP 1 Squid Proxy Server Cache Replacement Algorithm: 1. LFUDA 2. GDSF}

_{Pedagang dan}

_Pengunjung

AP 4

_{AP 5}

  Gambar 1. Perancangan Sistem

Router juga akan mengalihkan akses Internet web dari client ke proxy terlebih dahulu.

Dengan demikian, semua akses http Internet dilakukan oleh proxy server. Squid proxy

  

server menyimpan object yang diambil langsung dari Internet ke dalam cache. Sehingga

  jika terdapat client yang mengakses object yang sama, squid akan meneruskan object yang telah disimpan di cache. Squid merupakan aplikasi server yang digunakan dalam membangun proxy server ini. Proxy server akan dikonfigurasi menjadi transparent

  

proxy . Selain menggunakan squid, dibutuhkan tools yang mampu mengukur parameter

  yang akan diteliti pada tugas akhir ini. Aplikasi Calamaris, serta SARG menjadi tool yang digunakan untuk mengukur parameter hit ratio, byte hit ratio, response time serta distribution.

  size Perancangan Pengambilan Data dan Penggantian Cache Replacement Algorithm

  Pada penelitian ini dilakukan pengujian terhadap dua algoritma penghapusan

  

cache (cache replacement algorithm) yaitu algoritma LFUDA dan GDSF. Pengujian

  terhadap kedua algorima ini dilakukan dengan menerapkan algorima satu per satu masing-masing dua minggu. Pengujian pertama menggunakan algoritma LFUDA selama dua minggu, kemudian setelah itu digunakan algoritma GDSF pada dua minggu setelah itu.

  Selama empat minggu tersebut setiap request dari client akan dilayani oleh proxy . Squid menyimpan object-object dan menempatkan pada cache sebelum

  server

  diteruskan ke client. Selama pelayanan request dari client, squid menyimpan aktivitas yang dilakukan di dalam log. Terdapat tiga log yang dimiliki squid yakni access.log,

  

cache .log, dan store.log (Saini, 2011). Log tersebut digunakan aplikasi Calamaris dan

SARG sebagai input sebelum diolah dan disajikan dalam bentuk web.

  Squid proxy menggunakan cache memory sebesar 64 MB. Sedangkan kapasitas tersebut digunakan untuk menyimpan object maksimum berukuran 4 MB dan minimum berukuran 0KB.

  Pembuatan Sistem

  Sistem dibangun dengan melakukan instalasi jaringan beserta konfigurasi server dan router. Instalasi jaringan dilakukan dengan memasang access point, antena point to

  

point serta pemasangan router dan server. Konfigurasi pada server squid dilakukan dengan menghapus tanda pagar, serta menambahi perintah yang diperlukan. Perintah untuk membuka file squid.conf tersebut adalah nano /etc/squid/squid.conf

HASIL DAN PEMBAHASAN

  Berdasarkan parameter yang diteliti, data dikelompokkan menjadi empat. Data hit

  

ratio , data byte hit ratio, data response time, serta data size distribution. Data hit ratio,

byte hit ratio dan size distribution diambil dari calamaris, sedangkan data response time

  diambil dari SARG.

  Hit ratio Hit ratio mendeskripsikan perbandingan jumlah request yang hit dibanding

  dengan total request dari client. Pada hasil percobaan ditunjukkan kedua Tabel hit ratio dari kedua algoritma. Jika dibandingkan adalah sebagai berikut Gambar 2 Hit ratio

  Pada Gambar 2 dapat dilihat bahwa dalam 14 hari pengujian, algoritma GDSF memiliki hit ratio yang lebih tinggi pada semua hari pengujian. Hal tersebut menunjukkan bahwa GDSF memiliki performa hit ratio yang lebih baik daripada LFUDA selama 14 hari pengujian. Hal tersebut dimungkinkan terjadi karena GDSF mempertimbangkan ukuran atau size object untuk menentukan apakah object tersebut dihapus atau tidak. Dengan demikian, size object yang besar lebih cenderung cepat dihapus, sehingga tersedia ruang lebih untuk menyimpan banyak object kecil yang berpotensi menambah hit ratio.

  Byte hit ratio Byte hit ratio adalah perbandingan byte yang diterima dari cache dengan byte

  keseluruhan yang diterima client. Dari hasil percobaan mengenai byte hit ratio dapat ditunjukkan pada Gambar 3. Pada Gambar 3 ditunjukkan performa kedua algoritma mengenai byte hit ratio. Pengujian hari ketiga GDSF dapat menyusul nilai byte hit ratio dari LFUDA. Hal tersebut dapat terjadi karena keberhasilan GDSF memelihara object kecil dan populer semakin banyak dirujuk oleh client sehingga meski ukuran object kecil tetapi banyak dirujuk menambah nilai byte hit ratio.

  Gambar 3 Byte hit ratio

  Response time Response time adalah ukuran waktu yang dihitung dari saat client mengirimkan

request object hingga client menerima object tersebut. Dari hasil pengujian, dapat

  dibandingkan response time kedua algoritma seperti berikut ini Gambar 4 Response time

  Pada Gambar 4 ditunjukkan nilai response time kedua algoritma menunjukan nilai waktu dalam satuan milisec. Algoritma GDSF memiliki response time yang besar pada pengujian hari pertama, hari ketujuh dan hari ke empat belas. Hal ini terjadi karena pada hari tersebut banyak object yang diambil dari server asli, sehingga membutuhkan waktu yang lebih besar untuk object sampai ke client.

  Karakteristik Akses

  Data size distribution dibagi menjadi beberapa tabel. Setiap tabel memiliki variabel interval ukuran object yang dibagi menjadi delapan kategori yaitu I untuk size object interval 0 - 0 Byte

  II untuk size object interval 100 - 999 Bytes

  III untuk size object interval 1KB - 9,9 KB

  IV untuk size object interval 10 KB – 99,9 KB V untuk size object interval 100 KB

• – 999,9 KB

  VI untuk size object interval 1 MB

• – 9,99 MB

  VII untuk size object interval 10 MB

• – 99,9 MB

  VIII untuk size object interval 100 MB

• – 999,9 MB

Pendistribusian ukuran object perlu dipahami untuk mengetahui persentasi hit serta byte hit berdasarkan ukuran object. Namun sebelum dibahas mengehai hal tersebut perlu dipahami karakteristik client dalam mengakses Internet dari jaringan pasar grosir Pekalongan. Dari hasil pengujian selama empat minggu diperoleh karakteristik client sebagai berikut ini

  Gambar 5 Karakteristik Akses Client Sesuai dengan yang ditunjukkan pada Gambar 5 selama waktu pengujian, dari delapan kategori object client cenderung mengakses ukuran file dengan kategori kategori II, III dan IV merupakan kategori ukuran object yang sering diakses oleh client. Pada pengujian pertama kategori II, III, dan IV menempati 94% dari total request

  

object . Sedangkan pada pengujian kedua kategori II, III dan IV menempati 93% dari

  total request object. Hal tersebut menunjukkan bahwa karakteristik client dalam mengakses internet adalah browsing dengan ukuran object kurang dari 100KB.

  Distribusi Persentasi Hit ratio

  Gambar 6 Distribusi Persentasi Hit ratio Dari Gambar 6 di atas dapat dilihat bahwa LFUDA memiliki kecenderungan untuk memasukan object ke dalam cache tanpa melihat ukuran object. Terlihat pada hari pertama hingga hari ke empat LFUDA cenderung mempertahankan object dengan ukuran besar (kategori V). Selain itu, object kategori VI juga dimasukkan ke dalam

  

cache di awal hari pengujian dan semakin kecil di akhir hari pengujian. Persentasi hit

untuk object dengan kategori III cenderung lebih sedikit dari yang dilakukan GDSF.

  Di lain sisi, GDSF mempertahankan object dengan kategori II, serta memaksimalkan dengan kategori III dan IV, kemudian object dengan kategori V juga dimasukkan

  object

  kedalam cache namun jumlah tidak sebanyak yang dilakukan oleh LFUDA. Berarti bahwa GDSF meminimalkan object dengan kategori V untuk masuk ke dalam cache. GDSF sangat kecil memasukkan kategori VI ke dalam cache. Hal tersebut dapat dibuktikan dengan nilai rata rata setiap kategori. Rata rata persentasi kategori II, III, dan IV GDSF lebih tinggi, sedangkan untuk kategori V dan VI LFUDA lebih tinggi.

  Distribusi Persentasi Byte hit ratio

  Gambar 7 Distribusi Persentasi Byte hit ratio Dari hasil persentasi byte hit yang ditunjukkan pada Gambar 7 bahwa untuk ukuran

  

object kategori V, LFUDA menunjukan performa lebih baik dalam byte hit. Berarti

  bahwa dari semua request object ukuran kategori V, LFUDA mampu memberikan byte hit lebih baik dari GDSF. Namun untuk semua request kategori II GDSF lebih baik dari LFUDA. Sedangkan object kategori III dilayani baik oleh GDSF dibanding LFUDA. Dan untuk object kategori VI LFUDA menunjukkan performa lebih baik dari GDSF. Sehingga dapat disimpulkan LFUDA cenderung dapat melayani client yang mengakses object dengan ukuran besar lebih baik dibanding GDSF.

  Hal tersebut dapat dibuktikan pada rata-rata setiap kategori object. Rata rata persentasi kategori II, III, dan IV GDSF lebih tinggi, sedangkan untuk kategori V dan

  VI LFUDA lebih tinggi.

  Analisis Perbandingan Algoritma

  Benadit (2015) menuliskan perumusan pemberian nilai pada key tersebut untuk algoritma GDSF adalah Ki = L + fi × ci / si Dilley et al [4] menuliskan pemberian nilai pada key yang digunakan pada algoritma LFUDA adalah Ki = fi x ci + L

  Dari kedua perumusan tersebut dapat diketahui bahwa kedua algoritma memiliki rumusan yang hampir sama, tetapi berbeda pada pembagian cost dengan ukuran object (size) yang ada pada algoritma GDSF sedangkan LFUDA tidak demikian. Dengan pembagian size pada algoritma GDSF akan cenderung memberikan nilai K yang kecil untuk size object yang besar, sehingga size besar lebih cenderung untuk segera dihapus dari cache.

  Telah ditunjukkan pada data karakteristik akses client yang ada di jaringan pasar grosir Pekalongan, bahwa kategori object yang sering di-request adalah kategori I sampai dengan kategori IV. Sedangkan hasil distribusi persentasi hit ratio dan distribusi persentasi byte hit ratio untuk algoritma GDSF memiliki nilai yang lebih tinggi dari algoritma LFUDA pada kateogori object I sampai dengan kategori IV. Berdasarkan analisis yang telah dilakukan, kemudian perbandingan diringkas dalam Tabel 1 Matriks Perbandingan.

  Tabel 1 Matriks Perbandingan

  SIMPULAN

  1. Algoritma LFUDA dan GDSF sama-sama mempertahankan object populer yang berada di dalam cache. Namun, perbedaan terletak pada algoritma GDSF mempertimbangkan ukuran object. Object dengan ukuran besar cenderung tidak dipertahankan di dalam cache.

  2. Distribusi ukuran object pada LFUDA adalah cenderung memasukkan object populer dan besar

  3. Distribusi ukuran object pada GDSF adalah cenderung memaksimalkan object kecil yang populer serta meminimalkan object besar yang populer

  4. Rata-rata Hit ratio algoritma LFUDA adalah 10,74 % dan rata-rata hit ratio GDSF adalah 14,01%

  5. Rata-rata byte hit ratio algoritma LFUDA adalah 5,30 % dan rata-rata byte hit ratio GDSF adalah 5,78%

  6. Rata-rata response time algoritma LFUDA adalah 102574,87 Sec dan rata-rata

  response time GDSF adalah 121188,06 Sec

  7. Karakteristik akses dari client pasar grosir Pekalongan menunjukkan bahwa lebih dari 93% akses Internet adalah browsing dengan object kurang dari 100KB.

  8. Berdasarkan analisis perbandingan serta menimbang karakteristik akses client jaringan pasar grosir Pekalongan, dipilih algoritma GDSF sebagai algoritma penghapusan cache terbaik.

  DAFTAR PUSTAKA Fisk, P. "Marketing Genius". Capstone Publishing. 2006.

  Nugroho, A.C. "Perencanaan Strategi Komunikasi Pemasaran (Studi Deskriptif Mengenai Perencanaan Komunikasi Pemasaran yang Diterapkan oleh Nimco Clothing Company dalam Mempromosikan Produk melalui Online Media)". Skripsi Sarjana Ilmu Komunikasi Universitas Atma Jaya Yogyakarta. 2011.

  Saputra, S. E., & Witono, T. "Algoritma Penggantian Cache sebagai Optimalisasi Kinerja pada Proxy server". 2013.

  Dilley, J., Arlitt, M., & Perret, S. "Enhancement and Validation of Squid’s Cache Replacement Policy". 1999. Saini, K. "Squid Proxy server 3.1 Beginner's Guide". PACKT Publishing. 2011. Benadit, P. Julian. "Improving the Performance of a Proxy Cache Using Expectation

  Maximization with Naive Bayes Classifier". Pondicherry Engineering College Management Techniques. 2015.