Perpustakaan Digital ITB

Kehadiran Edge Computing merupakan sebuah solusi bagi sistem IoT atau Internet of Things yang sebelumnya sudah umum diimplementasikan pada Cloud Computing. Edge Computing digunakan karena Cloud Computing memiliki keterbatasan seperti latensi yang tinggi, bandwidth yang terbatas, biaya yang mahal, dll. Namun Edge Computing tidak luput dari berbagai macam masalah seperti keterbatasan sumber daya komputasi (gpu, cpu, bandwidth) yang menyebabkan waktu pemrosesan menjadi lama. Oleh karena itu, diperlukan sebuah sistem cerdas yang dapat melakukan alokasi computing resource agar setiap data yang masuk dapat diproses sesuai kebutuhannya dan tidak menimbulkan backlog yang dapat menghambat keberlangsungan sistem. Sistem yang dimaksud adalah resource allocator berbasis accuracy-sensitivity yang dapat melakukan alokasi resource (bandwidth) untuk yang bertujuan untuk meningkatkan rata-rata akurasi pada ketersediaan bandwidth yang terbatas dengan cara mengestimasi kebutuhan VAP menggunakan sensisitivitas akurasi. accuracy- sensitivity yang dimaksud adalah inferDiff, sebuah satuan untuk mengestimasi seberapa sensitif akurasi dari sebuah video berubah terhadap perubahan bandwidth. Persyaratan yang harus dipenuhi dalam mendesain subsistem resource allocator tersebut adalah penggunaan sistem operasi open-source Linux, memiliki overhead yang minimal (maksimal 25%), dan berhasil meningkatkan rata-rata akurasi melalui pengalokasian bandwidth secara berkala. Subsistem resource allocator yang dirancang akan melakukan alokasi bandwidth pada periode waktu yang sudah ditentukan (profiling) dengan cara memerintahkan kepada VAP atau perangkat yang terhubung untuk menaikan dan menurunkan bandwidth mereka. Kedua hasil deteksi tersebut akan dibandingkan dengan hasil deteksi pada bandwidth saat ini untuk memperoleh pseudo f1-score atau yang dikenal dengan inferDiff. Melalui inferDiff ini resource allocator akan melakukan pemrosesan data untuk membuat data menjadi dependen antara satu dengan yang lainnya. Proses selanjutnya adalah optimisasi yang salah satunya menggunakan i teknik linear programming untuk memperoleh alokasi bandwidth terbaik bagi setiap VAP. Selanjutnya alokasi tersebut akan diinfokan kepada seluruh VAP yang terhubung dan resource allocator akan menunggu hingga waktu profiling berikutnya tiba. Terdapat 3 jenis pengujian yang dilakukan, pengujian pertama adalah verifikasi sistem alokasi bandwidth untuk mengetahui apakah resource allocator sudah bekerja sesuai dengan yang diharapkan atau tidak. Pengujian kedua adalah melakukan perbandingan antara rata-rata akurasi yang diperoleh resource allocator dan baseline-nya. Selain itu dilakukan perbandingan pengaruh standar video encoding H.264 dan H.265. Hasil pengujian 2 ini menunjukan resource allocator berhasil menaikan akurasi maksimal sebesar 1% dan H.264 memperoleh rata-rata kenikan yang lebih tinggi dibanding H.265. Pengujian ketiga adalah mengukur overhead yang dimiliki oleh resource allocator terhadap baseline-nya. Berdasarkan hasil pengujian ini, diketahui bahwa overhead pada H.264 lebih rendah dibandingkan H.265 dengan overhead maksimal pada angka 25%.