<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA"^^ . "Bencana IT yang tidak dapat diprediksi dapat mengganggu operasional bisnis\r\nsecara signifikan, khususnya apabila tidak ada kesiapan yang memadai dalam\r\npenanganannya. Dampak dari bencana tersebut dapat mencakup hilangnya data,\r\ninformasi dan catatan penting perusahaan, yang berdampak langsung pada\r\nkeberlanjutan operasional. Salah satu langkah penting untuk meningkatkan\r\nkesiapan dalam menghadapi gangguan operasional tersebut adalah dengan\r\nmelakukan analisis kemungkinan bencana dan merancang rencana pemulihan\r\n(Disaster Recovery Planning). Tantangan utama dalam penerapan DRP yaitu\r\npenentuan prioritas pemulihan mesin virtual yang efisien, serta pengelolaan waktu\r\ntoleransi data (RPO) yang optimal, mengingat banyaknya VM yang harus\r\ndipulihkan dalam waktu yang terbatas.\r\nPenelitian bertujuan untuk mengembangkan metode optimasi DPR berbasis\r\nalgoritma genetika yang dapat diimplementasikan pada vMware Site Recovery\r\nManager (SRM). Algoritma genetika diterapkan untuk menentukan prioritas\r\npemulihan VM berdasarkan SLA nya degan langkah-langkah pembentukan\r\nkromosom, inisialisasi populasi, evaluasi fitness, seleksi, crossover dan mutasi\r\nuntuk menghasilkan solusi yang paling efesien. Proses seleksi memilih individu\r\nterbaik berdasarkan fitness function, crossover akan menghasilkan solusi baru\r\ndengan menggabungkan solusi sebelumnya, dan mutasi akan memperkenalkan\r\nkeragaman dalam solusi yang dihasilkan. Evaluasi fitness digunakan untuk menilai\r\nkualitas solusi berdasarkan pengurangan waktu pemulihan dan minimisasi\r\ngangguan operasional.\r\nHasil penelitian menunjukkan bahwa penerapan algoritma genetika berhasil\r\nmengurangi waktu downtime sistem IT secara signifikan. Untuk critical VMs,\r\nwaktu downtime berkurang dari 22 menit 45 detik menjadi 14 menit 34 detik,\r\nsementara untuk non-critical VMs berkurang dari 3 menit 8 detik menjadi 1 menit\r\n58 detik. Peningkatan efisiensi pemulihan mencapai hingga 50%, membuktikan\r\nbahwa algoritma genetika mampu mengoptimalkan SRM secara signifikan. Dengan\r\ndemikian, model ini memberikan kontribusi yang substansial terhadap keberhasilan\r\nDRP dan dapat menjadi acuan dalam strategi pemulihan bencana IT di masa\r\nmendatang.\r\n\r\n\r\nUnpredictable IT disasters can significantly disrupt business operations,\r\nespecially when there is inadequate preparedness in handling them. The impact of\r\nsuch disasters can include the loss of data, information, and critical company\r\nrecords, which directly affect operational continuity. One important step to improve\r\npreparedness for operational disruptions is by conducting disaster scenario analysis\r\nand developing a Disaster Recovery Plan (DRP). The main challenge in\r\nimplementing DRP is determining the efficient prioritization of virtual machine\r\nrecovery, as well as managing the optimal data recovery point objective (RPO),\r\nconsidering the large number of VMs that must be recovered within a limited time.\r\nThis research aims to develop a DRP optimization method based on a genetic\r\nalgorithm that can be implemented on VMware Site Recovery Manager (SRM).\r\nThe genetic algorithm is applied to prioritize VM recovery based on their Service\r\nLevel Agreements (SLA), using the steps of chromosome formation, population\r\ninitialization, fitness evaluation, selection, crossover, and mutation to generate the\r\nmost efficient solution. The selection process identifies the best individuals based\r\non the fitness function, crossover combines previous solutions to create new ones,\r\nand mutation introduces diversity in the generated solutions. Fitness evaluation is\r\nused to assess the solution quality based on recovery time reduction and operational\r\ndisruption minimization.\r\nThe results show that applying the genetic algorithm significantly reduced IT\r\nsystem downtime. For critical VMs, downtime was reduced from 22 minutes 45\r\nseconds to 14 minutes 34 seconds, while for non-critical VMs, downtime decreased\r\nfrom 3 minutes 8 seconds to 1 minute 58 seconds. The recovery efficiency improved\r\nby up to 50%, demonstrating that the genetic algorithm can significantly optimize\r\nSRM. Therefore, this model provides a substantial contribution to DRP success and\r\ncan serve as a reference in future IT disaster recovery strategies."^^ . "2025-02-10" . . . . . . . . . . "Universitas Mercu Buana-Menteng"^^ . . . "Biro Perpustakaan, Universitas Mercu Buana-Menteng"^^ . . . . . . . . <> . . "Setiyo"^^ . "Budiyanto"^^ . "Setiyo Budiyanto"^^ . . "Yoga Putra"^^ . "Setiawan"^^ . "Yoga Putra Setiawan"^^ . . . . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "55422120007-YOGA PUTRA SETIAWAN-01 Cover - Yoga Putra Setiawan.pdf"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . . "OPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA\r\nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN\r\nALGORITMA GENETIKA (Text)"^^ . . "HTML Summary of #96608 \n\nOPTIMASI DISASTER RECOVERY PLANNING (DRP) PADA \nSITE RECOVERY MANAGER (SRM) MENGGUNAKAN \nALGORITMA GENETIKA\n\n" . "text/html" . . . "621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn"@en . .