Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Semakin meningkatnya kebutuhan untuk meningkatkan kemampuan komputasi, dan miniaturisasi perangkat komputer menyebabkan kenaikan heatflux yang dapat berakibat pada penurunan usia pakai CPU dimana 55% kegagalan pada CPU disebabkan oleh panas berlebih. Hal inilah yang mendorong penelitian dalam disipasi panas pada CPU. Eksperimen pada skripsi ini menggunakan heatsink dengan desain batik Parangkusumo sebagai fin yang menggunakan bahan tembaga dan dimanufaktur dengan 3D Printing metal. Selain itu, Eksperimen juga dilakukan dengan mengombinasikan heatsink BatiX dengan PCM RT 35 yang diinjeksikan ke dalam heatsink agar dapat lebih meningkatkan disipasi panas. Percobaan dilakukan dengan memberikan variasi beban kalor, temperatur udara dan kecepatan udara untuk mengetahui kinerja disipasi panas pada temperatur yang lebih tinggi, dan menentukan korelasi Nusselt pada fin heatsink BatiX. Eksperimen membuktikan bahwa penambahan PCM dapat menurunkan temperatur permukaan CPU hingga 8%, dan waktu setpoint naik pada kisaran 5-10% ......Increasing computational capabilities and the miniaturization of computer devices have led to an increase in heat flux, which can result in a decrease in the lifespan of CPUs. In fact, 55% of CPU failures are caused by excessive heat. This has driven research in CPU heat dissipation. The experiment in this thesis utilizes a Parangkusumo batik-inspired heatsink design, with copper as the material, manufactured using 3D Printing metal. Additionally, the experiment combines the BatiX heatsink with PCM RT 35, injected into the heatsink to enhance heat dissipation. The experiment involves varying the heat load, air temperature, and airflow velocity to assess the heat dissipation performance at higher temperatures and determine the Nusselt correlation on the BatiX heatsink fins. The experiment demonstrates that the addition of PCM can reduce CPU surface temperature by up to 8% and increase the setpoint time within the range of 5-10%

Abstrak :
GPU atau singkatan dari Graphical Processing Unit merupakan mikroprosesor khusus yang berfungsi memercepat proses rendering grafik 2 dimensi atau 3 dimensi. GPU telah digunakan di beberapa perangkat seperti sistem yang telah ditanam, telepon genggam, komputer, workstation, dan game console. Penggunaan GPU sangat membantu efisiensi penggunaan waktu dalam proses perhitungan. Struktur paralel yang dimilikinya membuat efektivitas GPU lebih baik dibandingkan Control Processing Unit (CPU). Saat ini penggunaan GPU tidak hanya di bidang ilmu komputer saja, kemampuan yang dimiliki GPU dalam proses perhitungan yang rumit dan berulang-ulang menyebabkan penggunaanya telah dimanfaatkan di berbagai bidang. Dalam bidang kedokteran, GPU dimanfaatkan dalam mendiagnosis sebuah penyakit, sementara pada bidang akuntansi GPU digunakan dalam perhitungan data yang sangat banyak. Pada penelitian ini akan dijelaskan mengenai efektivitas penggunaan GPU dalam menjalankan sebuah program dan aplikasi serta perbedaannya dengan penggunaan CPU biasa.

Abstrak :
Semakin majunya perkembangan teknologi informasi saat ini menuntut semakin cepatnya kebutuhan mikroprosesor yang memiliki kemampuan komputasi yang sangat tinggi. Pada Central Processing Unit (CPU) generasi terakhir ditanamkan sekitar 1,17 miliar transistor yang berarti lebih banyak panas yang dihasilkan. Total disipasi panas untuk CPU berkinerja tinggi adalah sekitar 110 W hingga 140 W dan akan terus naik apabila frekuensi dan tegangan CPU dinaikan. Dengan fluks kalor yang semakin tinggi sistem pendinginan konvensional Heatsink Fan (HSF) yang biasa digunakan sudah tidak lagi memadai untuk meredam panas CPU. Pada penelitian ini dilakukan pengujian terhadap performa dari nano fluida sebagai fluida kerja yang digunakan bersamaan dengan liquid block ? heatpipe dan termoelektrik untuk mendinginkan CPU. Pengaruh konsentrasi dari partikel nano terhadap base fluid juga diteliti dan hasilnya dibandingkan dengan sistem pendingin konvensional (HSF) yang sudah ada. Dari hasil pengujian, Liquid block ? heatpipe mempunyai keunggulan yang lebih signifikan dalam proses penyerapan kalor dari CPU dibandingkan dengan sistem pendinginan konvensional. Sistem Liquid bloc ? heatpipe dengan fluida kerja nano fluids telah terbukti memberikan hasil yang lebih baik dengan peningkatan pada kinerja termal dibandingkan base fluid-nya. Performa yang lebih tinggi didapat dengan menggabungkan liquid block - heatpipe, nano fluids dan termoelektrik karna berhasil menurunkan temperatur CPU dibawah ruangan.

---

In the past few years,the growth of information technology is increasing rapidly resulting in a high demand for microprocessor that has a very high computing ability. On the last generation of CPU 1,17 billion transistor were planted which means a lot of heat were created. The total heat dissipation resulting from high end CPU is about 110 to 140 W which will rise if CPU voltage and frequency increased. With a higher heat flux, the conventional cooling system such a Heatsink Fan (HSF) commonly used can no longer dissipate heat from CPU. In this research, nano fluids were tested with liquid block - heatpipe and thermoelectric to cool the CPU. The concentration effect of the nano partikel against base fluids also tested and the result will be compare with the existing conventional cooling system. From the test result, liquid block - heatpipe have more significant result compare to existing conventional (HSF) cooling system. Liquid block system with nano fluids has proven to give a better result compare to its base fluids. Higher performance obtained by combining the liquid block - heatpipe, nano fluids and thermoelectric whic is succeded in reducing CPU below ambient temperature.

Abstrak :
Dalam skripsi iru dibuat perangkat lunak untuk mensimulasikan proses yang dilakul:an oleh Unit Pemroses Pusat (CPU) pada jaringan lokal akses radio untuk menangani hubungan antara perangkat radio dan konsentrator. Perangkat lunak CPU ini berfungsi untuk melakukan proses pennintaan sambungan, proses pemanggilan, proses pembubaran, penerjemahan informasi dan pemeriksaan kondisi pelanggan. Unit CPU bekerja lama dengan Digital Consentrator Unit (DCU) dan Time Division Unit (TDU) dalam melakukan tugasnya dan menerima perubahan status pelanggan dari unit Operation and Mainten'aMe Center (OMC). Hubungan antara TDU-CPU-DCU bersifat kontinu sedangkan hubungan antara CPU dengan OMC tidak bersifat kontinu. Unit CPU menggunakan mikrokontroler 80186 yang merupakan keluarga 80x86, oleh karena itu perangkat lunak dibuat dengan menggunakan bahasa pemrograman Assembly 80x86. Uji coba dilakukan dengan mengamati proses yang dilakukan oleh CPU dalam proses Originating, Terminating dan Release mclalui program bantu Turbo Debugger versi 3.0. Selain itu juga diamati proses pent cmahan format bit yang dil irim dari TDU ke DCU dan dari DCU ke TDU serta pemeriksaan kondisi port dan kanal serta slot pelanggan. Pada bagian akhir, dihitung lamanya wak-tu proses yang dilakukan oleh CPU untuk masing-masing proses yang telah disebutkan. Bila digunakan frekuensi clock sebesar 8 MH7, waktu yang diperlukan untuk sate kali proses Originating adalah sebesar 188 _s, satu proses Terminating sebesar 206,625 ps dan sate proses Release sebesar 89,375 _s. Bila pelanggan ber umlah ri, maka waktu proses keseiuruhan didapat dengan mengalikan waktu tersebut dengan n.

Abstrak :
Android merupakan sistem operasi mobile paling banyak digunakan saat ini di seluruh dunia. Sebanyak 80% pangsa pasar sistem operasi telepon pintar dikuasai oleh Android. Berdasarkan laporan yang dirilis oleh Symantec menunjukkan tren malware pada android yang meningkat hampir 8 kali lipat hanya dalam waktu 1 tahun. Diperlukan adanya sebuah sistem yang secara khusus dibuat untuk dapat melakukan analisa terhadap malware berbasis android. Agar analisa dapat dilakukan oleh siapa saja dan dimana saja, maka perlu dibuat sistem yang mudah digunakan, ringan, dan efektif. Xubuntu yang merupakan kombinasi dari Ubuntu yang stabil dan XFCE yang ringan kemudian dipilih sebagai dasar dari sistem untuk rancang bangun Distro Linux AMOS. Beberapa perangkat lunak opensource ditambahkan kedalam sistem untuk melakukan analisa seperti apktool, apkanalyser, apkinspector, android sdk, droidbox, androguard dan lainnya. Pengujian dilakukan dengan tes perbandingan platform dan fungsionalitas antara AMOS dengan Kali Linux dan Santoku Linux dengan parameter pengukuran berupa waktu respon, cpu usage, dan memory usage. Dari hasil pengujian didapatkan hasil bahwa AMOS memiliki keunggulan dalam hal efisiensi penggunaan CPU yang lebih baik dengan hanya menggunakan 7,8% saat menjalankan 1 buah Emulator Android. ......Android mobile operating system has become the most widely used today throughout the world. Almost 80% share of smartphone operating system market dominated by android. With such a high level of distribution make android becomes a new target for malware to evolve and distributed. Based on report by Symantec indicate that in 1 year number of malware samples in android had increasing almost 8 times. Its Necessary to have a system that is specifically made to do an android -based malware analysis. It needs to make the system easy to use , lightweight , and effective so that the analysis can be done by anyone and anywhere. Xubuntu is a combination of Ubuntu and XFCE then selected as the basis for the design of the AMOS system. Some open-source software is added into the system to perform analysis such as apktool , apkanalyser , apkinspector , android sdk , droidbox , androguard and others. a comparison test between the AMOS platform with Kali Linux and Santoku Linux with measurement parameters such as response time, CPU usage, and memory usage also done in this research. Based on examination results, AMOS become the best in cpu usage efficiency with only 7.8% from total cpu when executing an android emulator.

Abstrak :
Para penyandang tunarungu berkomunikasi menggunakan bahasa isyarat resmi di Indonesia, yaitu SIBI (Sistem Isyarat Bahasa Indonesia). Dengan menggunakan aplikasi penerjemah Bahasa isyarat ke teks akan membantu komunikasi antara tunarungu maupun non-tunarungu. Dengan menggunakan pre-trained model CPM (EdvardHua, 2018) akan mendapatkan informasi berupa titik-titik skeleton seperti titik tangan, bahu, dan siku. Informasi titik skeleton itu akan digunakan untuk memprediksi kata. Namun, proses tersebut perlu berjalan secara real-time, yaitu ketika pengguna membuka kamera maka akan langsung mendapatkan respon. Untuk mencapai itu diperlukan mobile deep learning framework, sehingga proses inference bisa menjadi lebih cepat dengan bantuan runtime GPU. Penelitian ini berfokus menjalankan inference menggunakan mobile deep learning framework untuk implementasi modul ekstraksi skeleton secara real-time pada Android. Pada penelitian ini digunakan Tensorflow mobile (runtime hanya CPU), MACE, dan SNPE. Dilakukan pengukuran dari sisi latency, penggunaan energi, penggunaan memori, penggunaan daya, dan perubahan suhu. Hasil pengukuran menunjukkan bahwa penggunaan MACE dan SNPE dengan runtime GPU menghasilkan latency yang lebih kecil dibandingkan penggunaan CPU. Penggunaan CPU menyebabkan thermal throttling, sehingga terjadi penurunan kinerja. Dengan runtime GPU menghasilkan penggunaan energi, memori, dan daya yang lebih sedikit dibandingkan CPU. Kenaikan suhu ketika menggunakan runtime GPU lebih kecil dibandingkan CPU. ......People with hearing impairments use the official sign language in Indonesia, namely SIBI (Sistem Isyarat Bahasa Indonesia). Using a sign language-to-text translator application will help the communication between people with hearing impairments and people without hearing impairment. By using the pre-trained CPM model (EdvardHua, 2018), the information in the form of skeleton points such as the points of the hands, shoulders, and elbows will be obtained. The skeleton point information will be used to predict its translation words. However, the translation process needs to be run in real- time, which is when users open their cameras then they will immediately receive a respond. To achieve that goal, we need a mobile deep learning framework, with the result that the inference process is faster with the help of the GPU runtime. This research focuses on running inferences using a mobile deep learning framework to implement real-time skeleton extraction module in Android. This research uses Tensorflow mobile (runtime only for CPU), MACE, and SNPE. Measurements of the latency, energy usage, memory usage, power usage, and temperature change were taken. The measurement results show that the use of MACE and SNPE with GPU runtime is in lower latency than with the use of CPU. Measurement with CPU usage causes thermal throttling, resulting in decreased performance. Measurement with GPU runtime results in lower usage of energy, memory and power compared to the measurement with CPU. The temperature increase when using the GPU runtime is lower than when using the CPU.