Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tren teknologi yang berkembang saat ini menuntut fleksibilitas dalam hal penyediaan infrastruktur, agar aplikasi dapat lebih mudah dikembangkan dengan menggunakan sumberdaya yang fleksibel dan mudah untuk dikelola. Tesis ini membahas tentang evaluasi dan analisis ujicoba kinerja SDDC Kemenkeu untuk menilai kesesuaian pemanfaatan Data Center menggunakan konsep SDDC, dimana penelitian dilakukan dengan melakukan ujicoba kinerja aplikasi yang memiliki karakteristik dan spesifikasi yang sama dan dapat berjalan baik pada lingkungan virtualisasi DC maupun SDDC Kemenkeu. Perbandingan kinerja aplikasi dilakukan menggunakan indikator yang dijadikan acuan pengukuran, yaitu response time, deployment time, dan number of concurrent users. Ketiga indikator tersebut merupakan parameter yang dapat menunjukkan kualitas kinerja suatu aplikasi, yaitu seberapa baik aplikasi menyediakan layanan kepada pengguna akhir dan seberapa baik suatu aplikasi memanfaatkan infrastruktur yang mendasarinya. Hasil dari penelitian menunjukkan bahwa teknologi SDDC dapat diterapkan dalam penyediaan infrastruktur dengan menggunakan sumberdaya yang fleksibel dan mudah untuk dikelola.

---

The current technological trends demand flexibility in the provision of infrastructure, so that applications can be more easily developed using resources that are flexible and easy to manage. This thesis discusses the evaluation and analysis of Ministry of Finance SDDC performance tests to assess the suitability of Data Center utilization using the SDDC concept, where research is conducted by testing application performance that has the same characteristics and specifications and can run well in the DC and SDDC virtualization environments of the Ministry of Finance. Comparison of application performance is done using indicators that are used as reference measurements, namely response time, deployment time, and number of concurrent userss. These three indicators are parameters that can indicate the quality of an application's performance, namely how well the application provides services to end users and how well an application utilizes the underlying infrastructure. The results of the study indicate that SDDC technology can be applied in infrastructure provision by using resources that are flexible and easy to manage.

Abstrak :
Arsitektur model deep learning kini sudah semakin kompleks setiap harinya. Namun semakin besar model maka dibutuhkan kekuatan komputasi yang cukup besar juga dalam menjalankan model. Sehingga tidak semua perangkat Internet of Things (IoT) dapat menjalankan model yang begitu besar secara efisien. Untuk itu teknik model optimization sangat diperlukan. Pada penelitian kali ini penulis menggunakan metode optimasi menggunakan layer weight regularization, serta penyederhanaan arsitektur model pada hybrid deep learning model. Dataset yang digunakan pada penelitian kali ini adalah N-BaIoT. Sementara evaluasi performa model yang digunakan adalah accuracy, confussion matrix, dan detection time. Dengan tingkat accuracy yang sama, model yang diusulkan berhasil meningkatkan waktu deteksi model lebih cepat 0,8 ms dibandingkan dengan model acuan. ......The deep learning model architecture is getting more complex every day. However, the larger the model, the greater the computational power is needed to run the model. So not all Internet of Things (IoT) devices can run such a large model efficiently. For this reason, model optimization techniques are needed. In this study, the author uses an optimization method using layer weight regularization, as well as simplification of the model architecture on the hybrid deep learning model. The dataset used in this research is N-BaIoT. While the evaluation of the performance of the model used is accuracy, confusion matrix, and detection time. With the same level of accuracy, the proposed model succeeded in increasing the detection time of the model by 0.8 ms faster than the reference method.