Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTeknologi di bidang perangkat lunak dan perangkat keras semakin berkembang cepat. Masalah keterbatasan kapasitas suatu komputer memicu berkembangnya sebuah inovasi yang disebut dengan High Performance Computing HPC . HPC merupakan sekumpulan komputer yang digabungkan dalam sebuah jaringan dan dikoordinasi oleh software khusus. Cloud Computing merupakan paradigma yang relatif baru dalam bidang komputasi. Pada penelitian ini dilakukan pengujian terhadap performansi High Performance Computing Cluster HPCC berbasis cloud menggunakan layanan OpenStack dalam menjalankan fungsi dasar Message Passing Interface. Pengujian dilakukan menggunakan program Mpptest dan SIMPLE-O. Penggunaan server yang tidak mendukung hypervisor KVM pada pengujian point-to-point communication dapat menurunkan performansi HPCC berbasis cloud sebesar 3,1 - 12,4 dibandingkan dengan HPCC berbasis non-cloud. Pada pengujian point-to-point communication dengan 2 server yang mendukung hypervisor KVM, HPCC berbasis cloud unggul dibandingkan HPCC berbasis non-cloud sebesar 1,6 ndash; 2,7 . Pada pengujian performansi HPCC dalam melakukan fungsi MPI collective communication tidak ditemukan perbedaan berarti antara kedua cluster dimana HPCC berbasis non-cloud mengungguli HPCC berbasis cloud sebesar 0 - 1,4 . Pada pengujian menggunakan program SIMPLE-O didapati performansi HPCC berbasis cloud dan non-cloud imbang jika semua instance dijalankan dengan server yang mendukung hypervisor KVM, apabila terdapat instance yang dijalankan server tanpa dukungan KVM maka HPCC berbasis non-cloud unggul 96,2 dibandingkan HPCC berbasis cloud. Ketersedian modul KVM pada server yang menjadi host suatu instance sangat berpengaruh terhadap performansi HPCC berbasis cloud.

---

ABSTRACTSoftware and hardware technologies have been developing rapidly. Capacity limation problems found in computers triggered a development of a new innovation called High Performance Computing HPC . HPC is a cluster of computers in a network coordinated by a special software. Cloud Computing is a new paradigm in computation field. In this research, series of test are done to find out the performance of cloud and non cloud based High Performance Computing Cluster HPCC while running basic functions of Message Passing Interface. Tests are done using Mpptest and SIMPLE O program. By using a server that does not support KVM in point to point communication test could decrease the performance of cloud based HPCC by 3,1 to 12,4 compared to non cloud based HPCC. During the test of point to point communication using 2 servers that support KVM hypervisor, cloud based HPCC is ahead of non cloud based HPCC by 1,6 to 2,7 . During the test of collective communication, there are no significant differences between performances of the two cluster, with non cloud based HPCC is ahead by 0 to 1,4 compared to cloud based HPCC. During the test using SIMPLE O program, the two cluster is even in term of performance as long as every instance is run by servers that support KVM hypervisor, if there is an instance that is run by a server that does not support KVM hypervisor then the performance of non cloud based HPCC is still ahead by 96,2 compared to cloud based HPCC. During the performance testing of HPCC while running collective communication, noticable performance difference between cloud and non cloud based HPCC was not found. The availability of KVM module in a server that is used to host an instance is really essential to the cloud based HPCC performance."

"ABSTRAKPada skripsi ini telah dibangun infrastruktur cloud dengan menggunakan Openstack platform. Openstack menjanjikan infrastruktur yang scalable yang menjadikan platform cloud ini digemari banyak pengguna cloud. Tujuan dari skripsi ini adalah untuk mempelajari kinerja jaringan OpenStack berdasarkan implementasi Neutron dan memberikan rekomendasi rancangan jaringan optimal untuk integrasi high performance computing. Parameter kinerja jaringan seperti throughput, packet loss dan latency akan dievaluasi berdasarkan transmisi data TCP dan UDP dengan menggunakan alat benchmark IPerf. Hasil dari eksperimen menunjukkan kinerja Openstack hampir tidak memiliki hambatan dalam penggunaan bandwidth jaringan. Hasil penelitian juga menunjukkan bahwa lokasi virtual machine di instansiasi dan alamat jaringan akan mempengaruhi kinerja jaringan. Skripsi ini juga akan membahas alur yang digunakan untuk menganalisa perbedaan hasil kinerja jaringan virtual machine pada cloud serta menampilkan hasil pengolahan data kinerja jaringan yang kemudian akan memberikan rancangan cloud yang optimal untuk integrasi high performance computing.

---

ABSTRACTIn this thesis, a cloud infrastructure is built using Openstack platform. Openstack promises a scalable infrastructure that makes this platform as favourite for cloud users. The purpose of this thesis is to study the performance of Openstack network based on the implementation of Neutron to provide recommendations of the optimal network design for the integration of high performance computing. Network performance parameters such as throughput, packet loss and latency will be evaluated based on TCP and UDP transmission data using IPerf benchmarking tool. The result of the experiments show that Openstack performance have no network bandwidth bottleneck. The result also show that the location where virtual machine is instantiate and network address will affect network performance. This thesis will also discuss the flow used to analyze the differences in virtual machine network performance results in the cloud and display the results of virtual machine network performance which will then provide an optimal cloud design for the integration of high performance computing."

"Data kehadiran adalah data yang penting baik di lingkup sekolah, universitas, maupun perkantoran untuk karyawan. Presensi yang berupa tandatangan dapat dipalsukan oleh siapa saja dan kapan saja. Sehingga dibutuhkan sebuah perangkat yang dapat mempermudah proses absensi sekaligus mendeteksi keterlambatan siswa/pegawai sebelum memasuki ruangan. Skripsi ini mengembangkan Smart Presence System berbasis Face Recognition dengan machine learning yang dirancang dengan komputasi pada awan (Cloud Computing) dan komputasi pada sebuah node/titik (Fog Computing). Skripsi ini melakukan perbandingan performa Smart Presence System yang dibangun dengan Cloud Computing menggunakan layanan AWS Face Rekognition dan Fog Computing yang ditulis menggunakan bahasa Python dengan library OpenCV yang menggunakan perangkat Raspberry Pi sebagai titik komputasi. Penulis telah melakukan pengujian perbandingan waktu komputasi, penggunaan memori, serta penggunaan biaya antara Cloud Computing dan Fog Computing. Pengujian waktu komputasi dilakukan dengan menggeser router/titik uji sejauh 3 meter, 5 meter dan 7 meter dari sensor kamera. Pengujian waktu komputasi pada Cloud Computing didpat sebesar 11.02 detik, 2.99 detik dan 3.02 detik dengan total penggunaan memori sebesar 0.0042 MB dan total biaya yang diperlukan untuk membangun rancangan Cloud Computing sebesar Rp2.819.516 dalam penggunaan 12 bulan. Dan rata-rata waktu untuk komputasi pada fog sebesar 0.723 detik, 0.99 detik, 1.94 detik dengan total penggunaan memori sebesar 540MB dan total biaya untuk membangun rancangan ini sebesar Rp2.220.00 dalam penggunaan 12 bulan.

---

Attendance document is an important thing in schools, universities, and offices for employees. Attendance is usually done by giving a signature on a piece of paper, and it can be forged by anyone. In school, attendance is usually done manually by the teacher and it takes time. So we need a device that can simplify the attendance process and can not be forged. This thesis has developed a Smart Presence System with machine learing designed with Cloud Computing and Fog Computing. This Thesis compared the performance of The Smart Presence System that built with Cloud Computing using AWS Rekognition and Fog Computing that built in Raspberry pi and written in python and library Opencv. The author has tested the comparison of Cloud Computing and Fog Computing in Computing Time, Memory usage and Cost. Computing time testing is done by shifting the router/test point as far as 3 meters, 5 meters, and 7 meters. The computing time on Cloud Computing were 11.02s, 2.99s, and 3.02s with total memory usage of 0.0042MB and the total cost is Rp.2.819.516 in 12 months of use. And The computing time on Fog Computing were o.72s, 0.99s, and 1.94s with the total memory usage of 540MB and the total cost to build this architecture is Rp2.220.000 in 12 months of use."

"ABSTRAKGalera MySQL adalah perangkat lunak open source yang digunakan untuk clusterbasis data MySQL. HAProxy adalah salah satu load balancer yang cukup banyakdigunakan. Skripsi ini menganalisis implementasi sistem deteksi plagiarisme padacloud computing dengan memanfaatkan kedua aplikasi tersebut guna menunjangpeningkatan kinerja sistem. Pengujian pada sistem dilakukan denganmembandingkan kinerja penambahan node. Pengujian difokuskan padakemampuan sistem dalam menjawab permintaan pengguna, waktu pemrosesan,serta kemampuan sistem dalam memproses banyaknya data. Hasil peningkatankinerja yang paling terlihat adalah pada kemampuan sistem dalam menjawabpermintaan POST pengguna. Tercatat peningkatan kinerja sistem dalammenjawab permintaan POST pengguna hingga 20,97% pada sistem dengan 4-node dibandingkan dengan sistem node tunggal.

---

ABSTRACTGalera MySQL is an open source software that is used to cluster the MySQLdatabase. HAProxy is one load balancer that is widely used. This mini-thesisanalyze the implementation of plagiarism detection systems on cloud computingby utilizing both application to support enhanced system performance . Tests onthe system is done by comparing the performance of additional nodes. Testingfocused on the ability of the system in responding to user requests, processingtime, and in the ability to process the amount of data. The most visible resultingincrease in the performance is the system's ability to answer the POST request.Noted that system performance increases in answering the users? POST request upto 20.97% at the 4-node system compared to a single node system ."

"Supermarket adalah tempat yang sering menjadi pilihan untuk orang berbelanja. Hampir semua supermarket masih menggunakan keranjang belanja (shopping basket). Proses belanja banyak memakan waktu. Oleh karena itu dibutuhkan suatu perangkat pada smart shopping basket berbasis Internet of Things (IoT) agar kegiatan beberlanja lebih efektif dan efisien. Skripsi ini telah melakukan percobaan ekspreimental untuk sistem Edge Computing pada Smart Shopping Basket sebagai Alternatif Sistem Cloud Computing Internet of Things untuk membantu pembeli dalam kegiatan berbelanja menjadi lebih cepat. Sistem terdiri dari perangkat keras Raspberry Pi dan webcam dan perangkat lunak Python, TFLite, OpenCV dan Google Cloud Vision API untuk mendeteksi objek belanja dan mengukur berapa lama objek dideteksi. Hasil deteksi objek tersebut dikalkulasi dan dikirimkan ke end-user dengan bentuk struk hasil belanja melalui aplikasi Telegram.Penulis telah melakukan uji coba perangkat dengan 2 skenario utama yaitu Skenario #1 “Edge Computing” dan #2 “Cloud Computing”. Uji coba dilakukan dengan menggeser perangkat sejauh 0.3 meter sebanyak 10 kali dari titik acuan berupa router dengan 2 jenis propagasi yaitu Line of Sight dan Non-Line of Sight. Penulis juga memberi beberapa variabel tambahan untuk mengukur beberapa faktor yang mungkin mempengaruhi performa waktu perangkat. Varibel itu berupa resolusi gambar (480p dan 720p) dan banyak objek yang dideteksi (2 Objek dan 4 Objek). Berdasarkan uji coba skenario di atas, didapatkan waktu rata-rata total sebesar 1.75 detik untuk Skenario #1 “Edge Computing” dan 8.24 detik untuk Skenario #2 “Cloud Computing”.

---

Supermarket is a place that is often the choice to fulfill their basic needs. Almost all supermarkets still use shopping basket. The shopping process takes a lot of time. Therefore, we need a device on the Internet of Things (IoT) -based smart shopping basket so that shopping activities are more effective and efficient. This thesis has conducted experimental experiments for the Edge Computing system on Smart Shopping Basket as an Alternative Cloud of Computing Internet of Things System to help shoppers shop faster. The system consists of Raspberry Pi hardware and webcam and Python, TFLite, OpenCV, and Google Cloud Vision API software to detect shopping objects and measure how long they are detected. The object detection results are calculated and sent to end-users in the form of shopping receipts through the Telegram application.

The author has tested the device with 2 main scenarios namely Scenario # 1 "Edge Computing" and # 2 "Cloud Computing". The trial was carried out by shifting the device as far as 0.3 meters 10 times from the reference point in the form of a router with 2 types of propagation namely Line of Sight and Non-Line of Sight. The author also provides several additional variables to measure several factors that might affect the device's time performance. The variable is in the form of image resolution (480p and 720p) and many objects are detected (2 Objects and 4 Objects). Based on the above scenario test, a total average time of 1.75 seconds is obtained for Scenario # 1 "Edge Computing" and 8.24 seconds for Scenario # 2 "Cloud Computing"."

"Industri perbankan di Indonesia saat ini belum mengadopsi layanan cloud computing akibat dari peraturan Bank Indonesia dan Pemerintah. Penelitian ini bertujuan menjelaskan faktor-faktor yang mempengaruhi perusahaan perbankan untuk mengadopsi layanan cloud computing dilihat dari konteks technology, environtment, dan organization. Analisis ini menggunakan kerangka TOE (Technology-Organization-Environtment), teori DOI (Diffusion of Innovation), dan metoda PLS (Partial Least Square). Hasil penelitian ini menunjukkan bahwa faktor technology tidak berpengaruh signifikan bagi perusahaan perbankan untuk mengadopsi cloud computing, namun faktor organization dan environtment berpengaruh signifikan bagi perusahaan perbankan dalam mengadopsi cloud computing, dimana model yang dihasilkan dalam penelitian ini cukup kuat (moderate) sebesar 36.1 %.

---

The banking industry in Indonesia has yet to adopt cloud computing services as a result of the regulation of Bank Indonesia and the Government. This study aims to explain the factors that affect the banking companies to adopt cloud computing services viewed from the context of technology, environtment, and organization. This analysis uses a framework TOE (Technology-Organization-Environment), the theory DOI (Diffusion of Innovation), and the method of PLS (Partial Least Square).

These results indicate that the technology factors had no significant effect for banking companies to adopt cloud computing, but the organization and environtment influential factors significant for the banking companies to adopt cloud computing, where the model is produced in this study is quite strong (moderate) of 36.1%."

"Dalam era revolusi industri 4.0, integrasi teknologi menjadi kunci untuk meningkatkan produktivitas di sektor manufaktur. Dalam konteks ini, penggunaan Cloud Computing, Internet of Things (IoT), dan Machine Learning (ML) memainkan peran penting. IoT dan Cloud Computing digunakan untuk mengelola proses pengumpulan dan pengolahan data, terutama dari sensor mesin. Data ini kemudian dapat digunakan untuk pelatihan model ML, khususnya dalam kasus Predictive Maintenance. Predictive Maintenance bertujuan untuk memprediksi kapan suatu mesin memerlukan perawatan. Dalam penelitian sebelumnya, pendekatan masalah hanya memilih satu metode (klasifikasi atau regresi). Oleh karena itu, penelitian ini menciptakan metode Predictive Maintenance yang menggabungkan keduanya. Model yang dikembangkan menggunakan dua jenis pendekatan: Random Forest Tree untuk klasifikasi dan LSTM (Long Short-Term Memory) dengan Fully Connected layer untuk prediksi. Hasil pengujian menunjukkan bahwa model yang menggunakan LSTM untuk klasifikasi dan regresi mencapai akurasi 100%. Diikuti dengan hasil recall, precission, dan F-1 score yang mencapai 1.00. Oleh karena itu, LSTM dapat dianggap sebagai algoritma terbaik untuk Predictive Maintenance dalam industri manufaktur.

---

In the era of the 4th industrial revolution, technology integration is key to improving productivity in the manufacturing sector. In this context, the use of Cloud Computing, Internet of Things (IoT), and Machine Learning (ML) plays a crucial role. IoT and Cloud Computing are used to manage the process of data collection and processing, especially from machine sensors. This data can then be used for ML model training, particularly in the case of Predictive Maintenance. Predictive Maintenance aims to predict when a machine requires maintenance. In previous research, the problem approach often involved choosing only one method (classification or regression). Therefore, this study created a Predictive Maintenance method that combines both approaches. The developed model uses two types of approaches: Random Forest Tree for classification and LSTM (Long Short-Term Memory) with a Fully Connected layer for prediction. Test results show that the model using LSTM for both classification and regression achieves 100% accuracy. Additionally, the recall, precision, and F-1 score results also reach 1.00. Therefore, LSTM can be considered the best algorithm for Predictive Maintenance in the manufacturing industry."

"Cloud computing merupakan teknologi mutakhir yang dapat digunakan oleh organisasi dalam mendukung proses bisnisnya. Cloud computing memungkinkan organisasi melakukan efisiensi biaya dan pengelolaan sistem TI. Lembaga Pengembangan Uji Kompetensi akan memanfaatkan Teknologi cloud untuk membangun Sistem Uji Kompetensi Tenaga Kesehatan Nasional. Tujuan dari penggunaan teknologi cloud adalah untuk memudahkan pengelolaan infrastruktur Sistem Uji Kompetensi Tenaga Kesehatan Nasional dengan tetap terpenuhinya kebutuhan keamanan sistem. Penelitian ini akan membahas perancangan arsitektur keamanan Sistem Uji Kompetensi Tenaga Kesehatan Nasional berbasis Infrastructure as a Service dengan menggunakan NIST Cloud-adapted Risk Management Framework dari dokumen NIST SP 500-299 mengenai Arsitektur Referensi Keamanan Cloud.

---

Cloud computing is cutting-edge technology that can be used by organization to support its business processes. Cloud computing allows organization to do efficiency for IT system cost and management. Lembaga Pengembangan Uji Kompetensi will use Cloud technology to build a Sistem Uji Kompetensi Tenaga Kesehatan Nasional. The goal of cloud technology use is to simplify the infrastructure management of Sistem Uji Kompetensi Tenaga Kesehatan Nasional while fulfilling the system security requirement. This study will discuss cloud security architecture design for Sistem Uji Kompetensi Tenaga Kesehatan Nasional on Infrastructure as a Service using NIST Cloud-adapted Risk Management Framework from NIST SP 500-299 documents about Cloud Security Reference Architecture."

"Private Cloud merupakan pemodelan teknologi Cloud Computing yang hanya memberikan layanan kepada pengguna tertentu. Kebutuhan akan performa server yang baik, tentunya mempengaruhi layanan yang ditawarkan suatu provider cloud kepada penggunanya. Oleh karena itu, pembuatan Cloud Computing dengan memilih layanan Private Cloud pada skripsi ini dilakukan dengan membuat simulasi nyata pada jaringan fisik menggunakan CentOS dengan Eucalyptus di dalamnya. Metode instalasi menggunakan konfigurasi Cloud in a Box. Lima pengujian diimplementasikan untuk mengetahui performa server Private Cloud ini. Instances dibuat sibuk seolah-olah menjalankan sebuah aplikasi sehingga terlihat kinerja dari server cloud. Parameter pengujian yang digunakan untuk pengukuran performa server adalah Load Average, CPU Usage dan Memory Usage. Dari hasil pengukuran menunjukkan bahwa parameter Load Average dengan load tertinggi sebesar 4,35 satuan proses dan CPU Usage tertinggi mencapai nilai 95,04% ketika seluruh instance aktif menjalankan aplikasi. Memory usage server mencapai 4740,95 MB dan untuk seluruh instance menggunakan memori sebesar 29,37% dari penggunaan memori pada server. Tiga parameter di atas menunjukkan kesesuaian server cloud dalam menangani pengguna pada jaringan privat IaaS ini dengan konsep Cloud IaaS pada umumnya.

---

Private Cloud is a technology model of Cloud computing that only provide service to a particular user. Requirement for a good server performance, of course, affect the service offered to the user of a cloud provider. Therefore, making cloud computing by choosing a Private Cloud service in this thesis was to create a simulation of the real physical network using CentOS with Eucalyptus in it. Installation method using configuration Cloud in a Box. Five tests are implemented to determine the performance of the server's Private Cloud. Instances kept busy as running an application and visible the performance of the server cloud. Testing parameters used to measure the performance of the server is the Load Average, CPU Usage and Memory Usage.

From the measurement results indicate that the parameter Load Average with the highest load of 4.35 units and the highest CPU usage reaches 95.04% when all active instances running the application. Memory usage of server and to achieve 4740.95 MB memory instances amounting to 29.37%. Three parameters above indicates suitability of cloud servers to handle the user's private network to the concept of Cloud IaaS IaaS in general."

"Keberadaan data center pada sistem cloud computing sangat besar artinya. Data center yang terletak pada lapisan IaaS pada sistem cloud berisi komponen fisik yang meliputi komponen komputasi seperti server dan switch dan komponen non komputasi seperti sistem pendingin dan pengaturan suhu. Seiring dengan meningkatnya jumlah pengguna data center, maka konsumsi daya listrik pada data center akan meningkat. Telah diusulkan skema penghematan energi pada data center yakni skema DVFS dan DNS. Pada penelitian ini telah disimulasikan menggunakan GreenCloud, yang merupakan ekstensi dari NS2, kepada tiga macam arsitektur data center yakni two-tier, three-tier dan three-tier high-speed dengan jenis workload adalah High Performance Computing HPC. Penerapan skema penghematan meliputi skema DVFS dan DNS saja serta DVFS dan DNS sekaligus. Dari hasil yang diperoleh menunjukkan bahwa penerapan skema DNS menunjukkan hasil terbaik karena berhasil melakukan penghematan rata-rata sebesar 63,42% pada server dan hampir 100% pada switch.

---

The existence of a data center in the cloud computing system was huge. Data center is located on the IaaS layer cloud systems containing physical component includes computing components such as servers and switches and non-computing components such as cooling systems and temperature regulation. Along with the increasing number of users of data center, then the electric power consumption in the data center will increase. Energy conservation schemes have been proposed in the data center is DNS and DVFS.

In this study has been simulated using GreenCloud, which is an extension of NS2, the three kinds of data center architecture these are two-tier, three-tier and three-tier high-speed with the type of data center workloads is HPC High Performance Computing. The applications of the savings schemes include schemes DVFS only, DNS only and both DVFS and DNS. From the results obtained indicate that the application of the DNS control scheme is the best because it managed to save an average of 63.42% on the server and almost 100% on the switch for all data center architecture."