Integrasi Konteks Semantik dan Waktu Akses dalam Algoritma Caching Adaptif untuk Optimalisasi Kinerja Sistem

Abstrak

Dalam sistem komputasi modern, caching merupakan teknik penting untuk meningkatkan efisiensi akses data. Namun, algoritma caching tradisional seperti LRU dan LFU memiliki keterbatasan dalam menangani dinamika data yang kompleks. Penelitian ini mengusulkan algoritma caching adaptif yang mengintegrasikan konteks semantik dan profil waktu akses untuk meningkatkan kinerja sistem. Pendekatan ini memanfaatkan model embedding semantik berbasis Sentence-BERT dan analisis temporal dari pola akses pengguna. Pengujian dilakukan melalui simulasi menggunakan dataset nyata dan sintetis, serta dibandingkan dengan metode caching konvensional seperti KVShare dan LRU. Hasil evaluasi menunjukkan bahwa algoritma yang diusulkan mampu meningkatkan cache hit rate hingga lebih dari 83%, mengurangi latensi rata-rata menjadi sekitar 61 ms, dan menjaga efisiensi penggunaan sumber daya. Selain itu, algoritma ini menunjukkan kemampuan adaptif yang baik terhadap perubahan pola akses dinamis serta responsif terhadap penyesuaian parameter semantik. Dengan demikian, integrasi konteks semantik dan informasi temporal memberikan kontribusi signifikan dalam pengoptimalan manajemen cache. Algoritma ini berpotensi diterapkan pada sistem edge computing, layanan LLM, dan platform berbasis cloud. Saran untuk penelitian lanjutan meliputi implementasi dalam lingkungan nyata, penerapan pembelajaran mesin prediktif, serta eksplorasi parameter adaptif secara dinamis.