ANALISIS KOMPARATIF EFISIENSI DAN KINERJA PROSESOR INTEL XEON 6 DAN AMD EPYC 9004 PADA LINGKUNGAN SERVER VIRTUALISASI

Isi Artikel Utama

Andre Oktora
Irvan K
Johanes H K
Mohamad Ridwan
Jan Everhard Riwurohi

Abstrak

Peningkatan konsumsi daya pada pusat data global menempatkan efisiensi energi (performance-per-watt) sebagai metrik krusial dalam pemilihan prosesor server modern, terutama dalam lingkungan komputasi awan dan virtualisasi berbasis container. Penelitian ini bertujuan untuk menganalisis komparatif kinerja (throughput relatif) dan efisiensi energi () antara prosesor Intel Xeon 6 (arsitektur hybrid) dan AMD EPYC 9004 (arsitektur Zen 4 dengan 96 core) di bawah skenario peningkatan beban kerja container. Studi ini menggunakan pendekatan kuantitatif simulatif berbasis data sekunder, mengimplementasikan model matematis yang mereplikasi degradasi kinerja dan peningkatan konsumsi daya seiring penambahan jumlah container (10 hingga 100). Hasil simulasi menunjukkan bahwa AMD EPYC 9004 unggul secara signifikan. Prosesor ini tidak hanya mempertahankan throughput absolut yang lebih tinggi di seluruh beban kerja ( hingga 463.30 pada 100 container), tetapi juga menunjukkan skalabilitas yang lebih baik (degradasi minimal  dari ). Keunggulan kinerja ini menghasilkan Efisiensi Energi () yang superior (mencapai 2.47), yang membuktikan bahwa arsitektur berdensitas inti tinggi mampu mengkompensasi TDP yang sedikit lebih tinggi, memberikan rasio performance-per-watt yang lebih ekonomis. Disimpulkan bahwa AMD EPYC 9004 merupakan pilihan yang lebih optimal bagi pengelola data center yang mencari solusi kinerja tinggi yang stabil dan efisien energi untuk beban kerja virtualisasi yang intensif.

Rincian Artikel

Cara Mengutip
[1]
A. Oktora, I. K, J. H. K, M. Ridwan, dan J. E. Riwurohi, “ANALISIS KOMPARATIF EFISIENSI DAN KINERJA PROSESOR INTEL XEON 6 DAN AMD EPYC 9004 PADA LINGKUNGAN SERVER VIRTUALISASI”, JTM, vol. 14, no. 2, hlm. 82–88, Des 2025.
Bagian
Articles

Referensi

[1] AMD. (2023). AMD EPYC™ 9004 Series Processors Technical Overview. Advanced Micro Devices, Inc. https://www.amd.com

[2] Chaudhary, S., Kumar, D., & Singh, R. (2023). Energy-efficient CPU performance modeling for containerized cloud environments. Journal of Cloud Computing, 12(1), 45–59.

[3] Gowan, T. (2024). Deep dive: AMD EPYC Genoa architecture explained. AnandTech. https://www.anandtech.com

[4] Goyal, P., & Banga, R. (2023). Container-based virtualization for cloud data centers: Trends and performance implications. IEEE Transactions on Cloud Computing, 11(3), 421–432.

[5] Hennessy, J. L., & Patterson, D. A. (2023). Computer Architecture: A Quantitative Approach (7th ed.). Morgan Kaufmann.

[6] Huang, Z., Xu, L., & Chen, H. (2023). Comparative study of virtualization and containerization performance in multicore architectures. Journal of Systems Architecture, 147, 103019.

[7] Intel. (2024). Intel® Xeon® 6 Processor Family Overview. Intel Corporation. https://www.intel.com

[8] International Energy Agency. (2024). Data Centers and Data Transmission Networks. IEA Publications. https://www.iea.org

[9] Kumar, P., & Singh, V. (2022). Comparative evaluation of virtualization technologies in container-based systems. IEEE Access, 10, 107421–107433.

[10] Li, J., & Patel, S. (2024). Energy-efficient server processor architectures: A comparative review. IEEE Access, 12(4), 20541–20553. https://doi.org/10.1109/ACCESS.2024.3256712

[11] Patel, S., & Wu, L. (2022). Performance comparison of modern server CPUs: Xeon vs EPYC. Journal of Computer Systems, 18(2), 55–67.

[12] Phoronix. (2024). Phoronix Test Suite Benchmark Results. https://www.phoronix.com

[13] SPEC. (2023). Standard Performance Evaluation Corporation CPU 2023 Benchmark Report. https://www.spec.org

[14] Zaharia, M., Xin, R. S., & Stoica, I. (2023). Modern data center performance evaluation techniques. ACM Computing Surveys, 55(9), 1–38.

[15] Zhang, T., Liu, X., & Chen, H. (2024). Simulated performance analysis of CPU microarchitecture using Docker-based frameworks. Future Generation Computer Systems, 159, 238–252.

[16] Zhang, Y., Liu, X., & Lin, J. (2023). Virtualization-aware energy optimization in cloud servers. ACM Transactions on Architecture and Code Optimization, 20(1), 1–15.

[17] Zhao, Y., Li, H., & Wang, J. (2021). Virtualization performance evaluation in cloud computing using containerized environments. Journal of Systems Architecture, 118, 102144.