Analisis Penerapan Forecasting dalam Menentukan Kebutuhan Storage pada Pusat Data Kementerian Keuangan
DOI:
https://doi.org/10.30595/jrst.v7i2.17579Keywords:
Storage, Analisis, Forecast, Kuantitatif, Virtual MachineAbstract
Penerapan transformasi digital pada Pusat Data Kementerian Keuangan pada seluruh proses bisnis dilakukan secara cepat dan fleksibel dengan memanfaatkan sumber daya perangkat server maupun storage yang terpasang. Seiring meningkatnya kebutuhan penyimpanan data maka diperlukan penambahan server storage demi mendukung pengelolaan sistem TIK. Metode forecasting yang digunakan dalam kajian ini adalah metode kuantitatif. Bahan kajian dalam melakukan forecast terhadap kebutuhan storage adalah utilisasi pengguna storage tahun 2021. Berdasarkan dari hasil pengolahan data yang menggunakan metode forecasting kuantitatif dibandingkan dengan kebutuhan sebenarnya pada tahun 2022 sesuai dengan perhitungan forecasting, apabila dibandingkan dengan tahun 2021 dimana perhitungan kebutuhan dihitung dengan menjumlahkan sisa storage dengan kebutuhan organisasi. Dimana perhitungan kebutuhan kapasitas storage dapat dilakukan dengan menjumlahkan forecasting penggunaan storage pada tahun yang telah berjalan, perhitungan peremajaan storage, usulan kebutuhan storage setiap divisi pada tahun yang akan datang dan selanjutnya jumlah tersebut ditambahkan dengan buffer sebanyak 20% dari total penjumlahan, maka dapat disimpulkan bahwa kapasitas storage Pusat Data Kementerian Keuangan saat ini setelah dikurangi kebutuhan peremajaan, dan forecasting utilisasi tahun 2021 masih tersedia dengan jumlah yang cukup memadai. Dimana total storage yang tersedia sebanyak 1.983,98 TB dibandingkan dengan total kebutuhan penggunaan storage sebesar 570,388 TB pertahun. Sesuai dengan hasil forecasting maka tidak dilakukan pembelian perangkat storage pada tahun 2022.
References
Astuti, Ria, Ikhwan Ruslianto, Jurusan Rekayasa Sistem Komputer, dan Fakultas H. MIPA Universitas Tanjungpura Jalan Hadari Nawawi Pontianak. 2020. “Rancang Bangun Network Attached Storage Pada Raspberry Pi 3 Model B Berbasis Website.” Coding : Jurnal Komputer dan Aplikasi 08(01):185–96.
Astuti, V. D. 2020. “Analisis Kebutuhan Rak Penyimpanan Rekam Medis Aktif Pasien Rawat Inap Di Rumah Sakit Umum Pindad Bandung.” INFOKES (Informasi Kesehatan) 2024(1):97–108.
Asynari, Ellin, Dede Wahyudi, dan Qurrotul Aeni. 2020. “Analisis Peramalan Permintaan Pada Geprek Bensu Menggunakan Metode Time Series.” Teknologi Dan Sisitem Informasi 4(3):215–20.
Guo, Wei, Wei Ge, Xudong Lu, dan Hui Li. 2019. “Short-Term Load Forecasting of Virtual Machines Based on Improved Neural Network.” IEEE Access 7:121037–45. doi: 10.1109/ACCESS.2019.2936875.
Januschowski, Tim, Jan Gasthaus, Yuyang Wang, David Salinas, Valentin Flunkert, Michael Bohlke-Schneider, dan Laurent Callot. 2020. “Criteria for classifying forecasting methods.” International Journal of Forecasting 36(1):167–77. doi: 10.1016/j.ijforecast.2019.05.008.
Malik, Erwin Arrahman, Helfy Susilawati, dan Ade Rukmana. 2000. “ID : 33 Analisis Kebutuhan Storage dan Bandwidth Serta Perencanaan Jaringan Internet Pada Sistem Informasi Pelayanan Kesehatan Berbasis Website Analysis of Storage and Bandwidth Needs and Internet Network Planning on Web-Based Health Service Information S.” (November 2021):257–66.
Nasution, Akmal. 2019. “METODE WEIGHTED MOVING AVERAGE DALAM M-FORECASTING PENDAHULUAN Teknologi mobile sekarang ini berkembang pesat , seperti terlihat dari lembaga riset digital marketing , emarketer yang memperkirakan pada 2018 jumlah pengguna aktif smartphone di Indonesia le.” JURTEKSI (Jurnal Teknologi dan Sistem Informasi) V(2):119–24.
Riyono, Joko, dan Christina Eni Pujiastuti. 2020. “Evaluasi Pelatihan Pembuatan Forecasting Untuk Perancangan Produk Berorientasi Pasar Dengan Minitab Kepada Karang Taruna Di Bekasi.” Kumawula: Jurnal Pengabdian Kepada Masyarakat 3(2):348. doi: 10.24198/kumawula.v3i2.28534.
Sujath, R., Jyotir Moy Chatterjee, dan Aboul Ella Hassanien. 2020. “A machine learning forecasting model for COVID-19 pandemic in India.” Stochastic Environmental Research and Risk Assessment 34(7):959–72. doi: 10.1007/s00477-020-01827-8.
Syam, Aziz Ahmadi, Zufri Hasrudy Siregar, dan Uun Novalia Harahap. 2022. “Perencanaan kapasitas dan waktu produksi menggunakan metode Capacity Requirement Planning (CRP) pada industri tahu tempe.” Jurnal VORTEKS 3(1):174–81. doi: 10.54123/vorteks.v3i1.152.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Maria Adiningsih, Dwi Yulianti, Arief Wibowo
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access)
JRST (Jurnal Riset Sains dan Teknologi) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
