BAB II Tinjauan Pustaka II.1. Riwayat penelitian terkait Penelitian terkait pembangunan sistem IoT telah berlangsung dari tahun 1990 hingga 2024. Teknologi yang dikembangkan meliputi fungsi pusat data, kriteria temperatur untuk pusat data, proses akuisisi data. Berikut merupakan detail rujukan disajikan pada Tabel II.1. Tabel II.1 Rujukan peneliti terhadap landasan teori yang digunakan dalam penelitian ini. No Penulis Judul Penerbit Hasil 1 Koçoğlu & Demirkol, 2020 Data in the Contex of Industry 4.0 Book (Who runs the World:Data, 2020. 71-92) Bagaimana fungsional Data center yang memiliki korelasi bahwa data center diciptakan untuk dapat menangani komputasi berat dengan fungsi dan sistem pendinginan yang optimal 2 (Metha et al., 2018) Application of IoT to Optimize Data Center Operations IEE Conference, 2018 Seiring berkembangnya permintaan dan kebutuhan data, operasi Data Center perlu dioptimasi untuk memenuhi kebutuhan tsb No Penulis Judul Penerbit Hasil 3 (Medina- Santiago et al., 2020) Adaptive Model IoT for Monitoring in Data Centers IEE Access, 2020, 5622- 5634 membangun sebuah sistem IoT untuk melakukan monitoring serta optimasi dari temperatur dan kelembaban pada sebuah Data Center 4 (Roy et al., 2016) Energy-Efficient Data Centers and Smart temperature control system with IoT sensing 7th IEEE Annual Information Technology, Electronics and Mobile Communication Conference, IEEE IEMCON 2016 Diajukan proses monitoring dan kontrol yang minim interaksi operator, yang diotomasi berdasarkan sumber energi yang digunakan serta kebutuhan beban pendinginan dari Data Center 5 R. He.,dkk (2019) Data-driven digital twin technology for optimized control in process systems ISA Trans, vol. 95, pp. 221– 234, Dec. 2019, Optimisasi industrial proses dalam penggunaan digital twin 6 E. M. Budi, dkk (2022) Comparison of structural analysis and principle component analysis for leakage prediction on superheater in boiler IAES International Journal of Artificial Intelligence (IJ-AI), vol. 11, no. 4, p. 1439, Dec. 2022, Analisa struktural terkait karakteristik mesin. 7 C.F. Lazaga, dkk (2022) Optimization of Dew Point, Humidity, and Temperature in Data Centers using Genetic Algoritma with Multiple Linear Regression TENCON 2022 - 2022 IEEE Region 10 Conference (TENCON), IEEE, Nov. 2022 Kondisi ruangan pusat data tidak boleh melalui dew point No Penulis Judul Penerbit Hasil 8 H. Weytjens et al., 2023 Learning uncertainty with artificial neural networks for predictive process monitoring Appl Soft Comput, vol. 125, p. 109134, Aug. 2022 Proses akuisisi data yang baik untuk sistem IoT 9 A. J. Sutrisno et al., 2022 Program Aplikasi Rekonsiliasi Data untuk Pendeteksian Gross Error pada Sistem Tangki Ganda yang Berinteraksi IAES International Journal of AI Pembuatan model data reconciliation and gross error detection dengan menggunakan fungsi Least Square 10 S. Narasimhan et al., 2020 Data Reconciliation & Gross Error Detection: An Intelligent Use of Process Data IEEE, 2020 Proses rekonsiliasi data pada sebuah plant industrial 11 Y. Miao, et al., 2009 Industrial Processes: Data Reconciliation and Gross Error Detection Measurement and Control, vol. 42, no. 7, pp. 209–215, Sep. 2009 Konsep proses rekonsiliasi data pada plant industrial 12 S. R. Sutradhar et al., 2017 IIR based digital filter design and performance analysis,” in 2017 2nd International Conference on Telecommunication and Networks (TEL-NET) IEEE, Aug. 2017 Filter IIR untuk melakukan filtrasi data original.