![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
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%.