IMPLEMENTASI PRIORITY SCHEDULING UNTUK OPTIMASI PERFORMA GAMING PADA SISTEM OPERASI WINDOWS

Mhd. Alwi Azmi Harahap

Authors

Mhd. Alwi Azmi Harahap Universitas Muhammadiyah Sumatera Utara

Keywords:

Priority Scheduling; Process Priority Class; MMCSS; High-Resolution Timer; Optimasi Gaming; Windows

Abstract

Performa Gaming pada sistem operasi Windows seringkali mengalami degradasi akibat mekanisme penjadwalan CPU bawaan yang mendistribusikan waktu komputasi secara merata antara proses game dan ratusan proses latar belakang. Kondisi ini memicu fenomena micro-stutters, peningkatan latensi input, dan instabilitas Frame Per Second (FPS), terutama pada komputer berspesifikasi menengah. Penelitian ini mengimplementasikan metode Priority Scheduling melalui pengembangan aplikasi desktop hibrida "CorePriority Optimizer" berbasis Electron.js, React.js, dan PowerShell Persistent Session yang secara dinamis memanipulasi Process Priority Class, memodifikasi registri Multimedia Class Scheduler Service (MMCSS) System Responsiveness, serta mengunci High-Resolution Timer pada 0,5 ms. Pengujian eksperimental dilaksanakan pada lima objek uji game (Wuthering Waves, Honkai: Star Rail, Zenless Zone Zero, HoloCure, dan Hololive Dreams) dengan empat skenario prasetel (Baseline, Minimum, Normal, Maximum) masing-masing sebanyak 10 kali run menggunakan CapFrameX v1.8.6.2. Hasil penelitian menunjukkan bahwa prasetel Maximum berhasil meningkatkan stabilitas 1% Low FPS hingga +31,5% dan 0,1% Low FPS hingga +242,4%, menurunkan beban CPU hingga 8,51%, serta mereduksi suhu operasional CPU hingga 8,21 °C. Sistem keamanan Protected System Blocklist dan Auto-Restore Snapshot bekerja 100% stabil tanpa memicu error maupun BSOD selama 2.000 menit pengujian. Penelitian ini membuktikan bahwa intervensi penjadwalan di level sistem operasi merupakan pendekatan yang efektif dan aman untuk mengoptimalkan performa Gaming tanpa modifikasi permanen pada sistem.

References

Alamari, J., & Chow, C. E. (2021). A proposed design for cross platform applications using web technologies. IEEE Access, 9, 32100–32112.

Andi Zulherry, Siregar, F. A., Zuli Agustina Gultom, & Elza Ahmad Raihan. (2023). Optimalisasi website untuk monitoring jaringan OPD di Dinas Kominfo Kota Medan dengan metode triangulasi. Jurnal Komputer Sains, 4(2), 112–119.

Diallo, B., Ouamri, A., & Keche, M. (2023). A hybrid approach for WebRTC video streaming on resource-constrained devices. Software: Practice and Experience, 53(4), 890–908.

Hajjar, O., Mekhallalati, E., Annwty, N., Alghayadh, F., Keshta, I., & Algabri, M. (2024). Performance assessment of CPU scheduling algorithms: A scenario-based approach with FCFS, RR, and SJF. Journal of Computer Science, 20(9), 972–985.

Jadon, S., Kannan, P. K., Kalaria, U., Varsha, K. R., Gupta, K., & Honnavalli, P. B. (2024). A comprehensive study of load balancing approaches in real-time multi-core systems for mixed real-time workloads. ACM Computing Surveys, 56(3), 1–28.

Ramadhani, F., & Firdaus, M. (2025). Analisa peran proses block control (PBC) terhadap sistem operasi pada Windows 10. MARS: Jurnal MIPA dan Sains, 3(5), 1134–1142.

Sakshi, Sharma, C., Sharma, S., Kautish, S., Alsallami, S. A. M., Khalil, E. M., & Wagdy Mohamed, A. (2022). A new median-average round robin scheduling algorithm: An optimal approach for reducing turnaround and waiting time. Alexandria Engineering Journal, 61(12), 10400–10415.

Savarimalai, P., Chellappan, M., Nidhya, M. S., Thomas, M. M., Nallathambi, S., & Selvaraj, M. (2026). A context-aware intelligent scheduling framework for modern operating systems using hybrid machine learning. Future Generation Computer Systems, 145, 234–251.

Xing, S., Wang, Y., & Liu, W. (2025). Self-adapting CPU scheduling for mixed database workloads via hierarchical deep reinforcement learning. Symmetry, 17(7), 1109–1125.