Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Implementasi Load Balancing pada Cluster Server Berbasis Raspberry Pi Memanfaatkan Algoritma Least Connection

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 2 (2025) · pp. 429–436

DOI
10.25126/jtiik.2025129452
ISSN
2528-6579, 2355-7699
Published
2025-04-24
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan. Abstract Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.

English

Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan. Abstract Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.

Keywords

Collaboration network of the authors

36 authors · 102 co-authorship links · 10 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Lambung Mangkurat University
  • Indonesia Open University
  • Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW
  • Gunadarma University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Hurriyatul FitriyahUniversity of Brawijaya3
Rizal MaulanaUniversity of Brawijaya3
Eko SetiawanUniversity of Brawijaya3
Mochammad Hannats Hanafi IchsanUniversity of Brawijaya2
Giservin Tifira ZainUniversity of Brawijaya2
Denisha TrihapningsariGunadarma University2
Risqy Siwi PradiniInstitut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW2
Mayang Anglingsari PutriAffiliation unknown2
Risqy Siwi PradiniAffiliation unknown2
Denisha Trihapningsari TrihapningsariAffiliation unknown2
Mayang Anglingsari PutriIndonesia Open University2
Eko SetiawanUniversity of Brawijaya2
Muhammad AlkaffLambung Mangkurat University1
Yuslena SariLambung Mangkurat University1
Husnul KhatimiLambung Mangkurat University1
Puja DarmawanLambung Mangkurat University1
Adhitya BhawiyugaUniversity of Brawijaya1
Muhammad Hanif Azhar EfendiUniversity of Brawijaya1
Angga Sukma BahariUniversity of Brawijaya1
Mahardeka Tri AnantaUniversity of Brawijaya1
Jeffry Atur FirdausUniversity of Brawijaya1
Edita Rosana WidasariUniversity of Brawijaya1
Ragil Hadi PrasetyoUniversity of Brawijaya1
Barlian Henryranu PrasetioUniversity of Brawijaya1
Arsal Wildan NaviaddinUniversity of Brawijaya1
Nanda Amaliatus SholichaUniversity of Brawijaya1
Fauzan Adzima TohariAffiliation unknown1
Nur Hazbiy ShaffanAffiliation unknown1
Fauzan Adzima TohariAffiliation unknown1
Nur Hazbiy ShaffanAffiliation unknown1
Naufal Mohamad GhifaryAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Implementasi Load Balancing pada Cluster Server Berbasis Raspberry Pi Memanfaatkan Algoritma Least Connection</dc:title>
	<dc:title xml:lang="en">Implementasi Load Balancing pada Cluster Server Berbasis Raspberry Pi Memanfaatkan Algoritma Least Connection</dc:title>
	<dc:creator xml:lang="en">Ghozi Mubarak, Fauzan</dc:creator>
	<dc:creator xml:lang="en">Primananda, Rakhmadhany</dc:creator>
	<dc:creator xml:lang="en">Setia Budi, Agung</dc:creator>
	<dc:creator xml:lang="id">Ghozi Mubarak, Fauzan</dc:creator>
	<dc:creator xml:lang="id">Primananda, Rakhmadhany</dc:creator>
	<dc:creator xml:lang="id">Setia Budi, Agung</dc:creator>
	<dc:subject xml:lang="en">Load Balancing</dc:subject>
	<dc:subject xml:lang="en">Docker </dc:subject>
	<dc:subject xml:lang="en">Ansible</dc:subject>
	<dc:subject xml:lang="en">Cluster Server</dc:subject>
	<dc:subject xml:lang="en">Raspberry Pi</dc:subject>
	<dc:subject xml:lang="en">Docker Swarm</dc:subject>
	<dc:subject xml:lang="id">Load Balancing </dc:subject>
	<dc:subject xml:lang="id">Docker</dc:subject>
	<dc:subject xml:lang="id">Ansible</dc:subject>
	<dc:subject xml:lang="id">Cluster Server</dc:subject>
	<dc:subject xml:lang="id">Raspberry Pi</dc:subject>
	<dc:subject xml:lang="id">Docker Swarm</dc:subject>
	<dc:description xml:lang="id">Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan.
 
Abstract
Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.</dc:description>
	<dc:description xml:lang="en">Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan.
 
Abstract
Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-04-24</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9452</dc:identifier>
	<dc:identifier>10.25126/jtiik.2025129452</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 2: April 2025; 429-436</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 2: April 2025; 429-436</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.122</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9452/1423</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>