Kajian Penerapan Load Balancing dan Backup Server untuk Mengurangi Downtime pada Sistem Informasi Akademik Perguruan Tinggi

Dian Maylani Silaban; Junita Saranina Br Barus; Charles Butar-Butar

doi:10.31004/riggs.v5i2.11765

Authors

Dian Maylani Silaban Universitas Methodist Indonesia
Junita Saranina Br Barus Universitas Methodist Indonesia
Charles Butar-Butar Universitas Muhammadiyah Sumatera Utara

DOI:

https://doi.org/10.31004/riggs.v5i2.11765

Keywords:

Sistem Informasi Akademik, Load Balancing, Backup Server, Downtime, High Availability

Abstract

Sistem Informasi Akademik (SIMAK) mendukung layanan penting perguruan tinggi, seperti pengisian Kartu Rencana Studi, pengelolaan nilai, akses Kartu Hasil Studi, penyusunan jadwal, dan administrasi akademik. Lonjakan akses secara bersamaan pada periode puncak serta ketergantungan pada satu server dapat menimbulkan kelebihan beban, penurunan kinerja, dan downtime. Penelitian ini mengkaji penerapan load balancing dan backup server sebagai strategi infrastruktur untuk meningkatkan ketersediaan, keandalan, dan kontinuitas layanan akademik. Metode yang digunakan adalah studi literatur deskriptif kualitatif melalui pengumpulan, seleksi, perbandingan, dan sintesis penelitian terkini mengenai HAProxy, arsitektur multi-server, replikasi basis data, failover otomatis, pengelolaan pencadangan, pemantauan, dan high availability berbasis Kubernetes. Hasil kajian menunjukkan bahwa load balancing mampu mendistribusikan permintaan pengguna ke beberapa server aplikasi, mencegah penumpukan sumber daya pada satu node, serta mengalihkan trafik ketika server backend mengalami gangguan. Backup server dan basis data tereplikasi melengkapi mekanisme tersebut dengan menjaga ketersediaan data dan mengambil alih layanan ketika server utama gagal. Pencadangan penuh dan inkremental yang terjadwal, health check, pemantauan kinerja, serta pengujian pemulihan berkala diperlukan agar redundansi berfungsi secara efektif. Sintesis penelitian merekomendasikan arsitektur tiga lapis yang mencakup load balancer, server aplikasi tersinkronisasi, dan basis data tereplikasi dengan prosedur backup serta failover otomatis. Integrasi ini dapat mengurangi single point of failure, meningkatkan skalabilitas saat aktivitas akademik memuncak, dan menjadi dasar pengembangan infrastruktur SIMAK perguruan tinggi yang tangguh.

Downloads

Download data is not yet available.

References

1. Misbullah, A., Nazaruddin, Rasudin, & Zulfan. (2020). Analisa Proses Migrasi Mysql Non-Cluster Ke Cluster Dalam Menangani Fail-Over Sistem Akademik Universitas Syiah Kuala. Cyberspace: Jurnal Pendidikan Teknologi Informasi, 4(1), 40. https://doi.org/10.22373/cj.v4i1.7246

2. Pradipta, K. S., Arna, G., Saskara, J., Gede, B., & Yudistira, K. (2026). Implementasi Kubernetes Cluster untuk High Availability dan Load Balancing SIAK Undiksha. 4(4), 12831–12840.

3. Rahmatulloh, A., & MSN, F. (2017). Implementasi Load Balancing Web Server menggunakan Haproxy dan Sinkronisasi File pada Sistem Informasi Akademik Universitas Siliwangi. Jurnal Nasional Teknologi Dan Sistem Informasi, 3(2), 241–248. https://doi.org/10.25077/teknosi.v3i2.2017.241-248

4. Rosano, A., & Sudaradjat, D. (2020). Manajemen Backup Data untuk Penyelamatan Data Nasabah pada Sistem Informasi Perbankan ( Studi Kasus : PT Bank XYZ ). 4(2), 210–217.

5. Syaputra, A. W., & Assegaff, S. (2017). ANALISIS DAN IMPLEMENTASI LOAD BALANCING DENGAN METODE NTH PADA JARINGAN DINAS PENDIDIKAN PROVINSI JAMBI. 2(4).

6. Wirawan, A., Gatra, R., Hidayat, H., & Prasetyawan, D. (2024). Implementasi Load Balancing dengan HAProxy di Sistem Informasi Akademik UIN Sunan Kalijaga. 9(1), 39–49.

7. Pentanugraha, E., Saragih, A. S., & Christian, E. (2024). Analisis Kinerja Load Balancing Webserver Menggunakan HAProxy Terintegrasi dengan Grafana sebagai Monitoring dan Notifikasi Telegram. Journal of Information Technology and Computer Science, 4(1), 68-80. https://doi.org/10.47111/jointecoms.v4i1.13191

8. Suhatman, R., Rida, M. A. F., Surya, I., & Tasya, R. (2024). Penerapan Disaster Recovery Plan pada Database MySQL Menggunakan Metode Master to Master Replication Berbasis Docker. Jurnal Komputer Terapan, 10(1), 78-85. https://doi.org/10.35143/jkt.v10i1.6226

9. Amalia, Z., & Riskiono, S. D. (2025). Optimization of Web Server Load Balancing Using HAProxy with the Weighted Round Robin Algorithm. Jurnal Teknologi Informasi dan Pendidikan, 18(1), 823-834. https://doi.org/10.24036/jtip.v18i1.965

10. Muhammad Algazali, Surimi, L., Aksara, L. O. M. B., Nangi, J., Saputra, R. A., & Wibowo, A. H. (2025). Analisis Performansi Load Balancing Weighted Least Connection dengan HAProxy. Jurnal Informatika Polinema, 11(3). https://doi.org/10.33795/jip.v11i3.7198

11. Rifat, T. M. F., & Oktiawati, U. Y. (2025). Analisis Kinerja Algoritma Weighted Round Robin dan Weighted Least Connection pada Sistem Load Balancing Web Server dengan HAProxy Terintegrasi Cacti Monitoring. Journal of Internet and Software Engineering, 6(1). https://doi.org/10.22146/jise.v6i1.15494

12. Laksono, P. A., & Riskiono, S. D. (2025). Analisis Perbandingan Algoritma Round Robin dan Least Connection dalam HAProxy untuk Load Balancer Server Web. Dinamik, 30(2). https://doi.org/10.35315/dinamik.v30i2.10154

13. Nguyen, Q.-M., Phan, L.-A., & Kim, T. (2022). Load-Balancing of Kubernetes-Based Edge Computing Infrastructure Using Resource Adaptive Proxy. Sensors, 22(8), 2869. https://doi.org/10.3390/s22082869

14. Mondal, S. K., Wu, X., Kabir, H. M. D., Dai, H.-N., Ni, K., Yuan, H., & Wang, T. (2023). Toward Optimal Load Prediction and Customizable Autoscaling Scheme for Kubernetes. Mathematics, 11(12), 2675. https://doi.org/10.3390/math11122675

15. Augustyn, D. R., Wycislik, L., & Sojka, M. (2024). Tuning a Kubernetes Horizontal Pod Autoscaler for Meeting Performance and Load Demands in Cloud Deployments. Applied Sciences, 14(2), 646. https://doi.org/10.3390/app14020646

16. Yuan, H., & Liao, S. (2024). A Time Series-Based Approach to Elastic Kubernetes Scaling. Electronics, 13(2), 285. https://doi.org/10.3390/electronics13020285

17. Ahmad, A. A.-S., & Andras, P. (2022). Scalability Resilience Framework Using Application-Level Fault Injection for Cloud-Based Software Services. Journal of Cloud Computing, 11, 1. https://doi.org/10.1186/s13677-021-00277-z

18. Tengku Asmawi, T. N., Ismail, A., & Shen, J. (2022). Cloud Failure Prediction Based on Traditional Machine Learning and Deep Learning. Journal of Cloud Computing, 11, 47. https://doi.org/10.1186/s13677-022-00327-0

19. Alawadi, A. H., & Molnar, S. (2022). Oddlab: Fault-Tolerant Aware Load-Balancing Framework for Data Center Networks. Annals of Telecommunications, 77, 641-662. https://doi.org/10.1007/s12243-021-00898-0

20. Batista, E., Figueiredo, G., & Prazeres, C. (2022). Load Balancing between Fog and Cloud in Fog of Things Based Platforms through Software-Defined Networking. Journal of King Saud University - Computer and Information Sciences, 34, 7111-7125. https://doi.org/10.1016/j.jksuci.2021.10.003

21. Tasneem, R., & Jabbar, M. A. (2022). An Insight into Load Balancing in Cloud Computing. In Proceeding of the 2021 International Conference on Wireless Communications, Networking and Applications (pp. 1125-1140). Springer. https://doi.org/10.1007/978-981-19-2456-9_113

22. Li, J., Zhang, R., & Zheng, Y. (2022). QoS-Aware and Multi-Objective Virtual Machine Dynamic Scheduling for Big Data Centers in Clouds. Soft Computing, 26, 10239-10252. https://doi.org/10.1007/s00500-022-07327-x

23. Pradhan, A., & Bisoy, S. K. (2022). A Novel Load Balancing Technique for Cloud Computing Platform Based on PSO. Journal of King Saud University - Computer and Information Sciences, 34, 3988-3995. https://doi.org/10.1016/j.jksuci.2020.10.016