STRATEGI OFFLOADING TUGAS ADAPTIF BERBASIS HEURISTIK PADA EDGE COMPUTING IOT

Abstract

Pertumbuhan pesat Internet of Things (IoT) menyebabkan peningkatan jumlah perangkat dan volume data yang harus diproses secara real-time dengan latensi rendah. Ketergantungan penuh pada cloud computing sering kali menimbulkan keterlambatan akibat keterbatasan bandwidth dan jarak geografis. Oleh karena itu, edge computing diperkenalkan untuk mendekatkan proses komputasi ke sumber data. Namun, keterbatasan sumber daya pada node edge menjadikan penentuan strategi offloading tugas sebagai permasalahan penting dalam menjaga kualitas layanan. Penelitian ini mengusulkan strategi offloading tugas adaptif berbasis heuristik dengan mempertimbangkan beberapa parameter sistem, yaitu latensi, utilisasi CPU, dan panjang antrean. Metode yang diusulkan dievaluasi melalui simulasi pada skenario layanan IoT real-time dan dibandingkan dengan pendekatan baseline static latency-only. Hasil simulasi menunjukkan bahwa strategi yang diusulkan mampu menurunkan latensi rata-rata sebesar 15–30% serta menghasilkan distribusi beban yang lebih seimbang pada node edge, terutama pada kondisi beban tinggi. Hasil ini menunjukkan bahwa pendekatan heuristik adaptif efektif dalam meningkatkan kinerja sistem edge computing untuk layanan IoT real-time.