Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cuaca merupakan sebuah kondisi alam yang terjadi di suatu tempat dan berubah-ubah dalam waktu yang relatif singkat, sehingga para ahli meteorologi harus dapat memperoleh data cuaca setiap waktunya secara real-time. Solusi yang sudah diterapkan adalah weather station konvensional yang dapat memberikan informasi cuaca secara otomatis, namun memerlukan infrastruktur yang kokoh karena koneksi antar stasiun menggunakan kabel, yang berakibat pada biaya yang tinggi dan fleksibilitas sistem yang rendah. Penelitian ini memberikan informasi cuaca secara otomatis dengan membuat sebuah weather station berbasis mikrokontroler yang dapat melakukan komunikasi melalui Internet. Sistem yang dibangun memanfaatkan web-service OpenWeatherMap sebagai sumber data cuaca, web-service ThingSpeak sebagai media penyajian dan analisa data cuaca, serta modul GPS sebagai penanda lokasinya. Sistem juga akan menggunakan sensor suhu dan kelembapan untuk mendapatkan data real-time. Sistem akan memberikan data cuaca seperti: kecepatan angin, suhu, kelembapan, tekanan udara dan curah hujan beserta data lokasi dari data-data tersebut seperti: garis lintang, garis bujur dan ketinggian. Tingkat akurasi rata-rata sistem dalam membaca nilai suhu sangat baik, yaitu 98,5%. Sistem memiliki runtime minimum sebesar 72 jam. Perubahan konfigurasi periode update memiliki pengaruh langsung terhadap performa sistem sehingga didapatkan konfigurasi yang paling baik adalah 30 detik.

---

Weather is a natural condition that occurs and change in a relatively short time, demanding meteorologists to be able to obtain weather data in real-time. The solution that has been implemented is a conventional weather station that can provide weather information automatically, which requires a solid infrastructure for the connection between the station using the cable, resulting in high cost and low flexibility system.

This study provides weather information automatically by making a microcontroller based weather station that is able to communicate over the internet. The system utilizes OpenWeatherMap and ThingSpeak web-service as a source of weather data and a tool for weather data presentation and analysis, respectively, with a GPS module to get its location data. The system will also be using a DHT11 sensor to obtain real-time weather data. This system will provide weather data such as wind speed, temperature, humidity, air pressure and rainfall along with the location data. The overall temperature measurement accuracy of the system is 98,5%, which is good. The system has a minimum runtime of 72 hours. Configuring system to a different update period has a direct effect to the performance of the system. The most suitable update period configuration for the system is 30 seconds."

"Large Language Model (LLM) generatif merupakan jenis model machine learning yang dapat diaplikasikan dalam industri jurnalisme, khususnya dalam proses pembuatan dan validasi berita. Namun, LLM memerlukan sumber daya yang besar untuk operasionalnya serta membutuhkan waktu proses inferensi yang relatif lama. Penelitian ini bertujuan untuk mengembangkan layanan web machine learning yang memanfaatkan LLM generatif untuk proses pembuatan dan validasi berita. Tujuan lainnya adalah menciptakan sistem dengan mekanisme manajemen beban yang efisien untuk meminimalkan waktu inferensi. Pengembangan melibatkan beberapa tahap, yakni analisis kebutuhan stakeholder, perancangan desain dan arsitektur, implementasi, serta evaluasi. Dalam implementasi layanan web machine learning, pengembangan ini berfokus pada manajemen GPU untuk meningkatkan kecepatan proses inferensi LLM. Selain itu, dilakukan implementasi design pattern untuk meningkatkan skalabilitas dalam penambahan model machine learning. Untuk manajemen beban, dikembangkan dua mekanisme, yaitu load balancer dan scheduler. Implementasi load balancer memanfaatkan NGINX dengan metode round-robin. Sedangkan untuk scheduler, digunakan RabbitMQ sebagai antrean, dengan publisher menerima permintaan dan subscriber mendistribusikan permintaan ke layanan yang tersedia. Berdasarkan API Test, layanan ini berhasil melewati uji fungsionalitas dengan waktu respons API sekitar 1-2 menit per permintaan. Evaluasi performa pada kedua mekanisme manajemen beban menunjukkan tingkat keberhasilan 100%, dengan waktu respon rata-rata meningkat seiring dengan peningkatan jumlah request per detik. Pengelolaan beban dengan load balancer menghasilkan waktu respon yang lebih cepat, sementara pengelolaan beban dengan scheduler menghasilkan mekanisme yang lebih efektif pada proses koneksi asinkron.

---

Generative Large Language Model (LLM) is a type of machine learning model that can be applied in the journalism industry, especially in the process of news generation and validation. However, LLM requires large resources for its operation and requires a relatively long inference process time. This research aims to develop a machine learning web service that utilizes generative LLM for news generation and validation. Another goal is to create a system with an efficient load management mechanism to minimize inference time. The development involves several stages, namely stakeholder needs analysis, design and architecture, implementation, and evaluation. In the implementation of machine learning web services, this development focuses on GPU management to increase the speed of the LLM inference process. In addition, the implementation of design patterns is done to improve scalability in adding machine learning models. For load management, two mechanisms are developed: load balancer and scheduler. The load balancer implementation utilizes NGINX with the round-robin method. As for the scheduler, RabbitMQ is used as a queue, with the publisher receiving requests and the subscriber distributing requests to available services. Based on the API Test, the service successfully passed the functionality test with an API response time of about 1-2 minutes per request. Performance evaluation on both load management mechanisms showed a 100% success rate, with the average response time increasing as the number of requests per second increased. The use of a load balancer results in faster response times, while load management with a scheduler results in a more effective mechanism for asynchronous connection processes."

"Penelitian ini menganalisis sistem pemantauan dan pengendalian IoT berbasis Arduino Uno, Thingspeak Web-service dan Aplikasi Twitter OAuth yang diimplementasikan untuk konsep Green Building berbasis sosial media. Sistem ini menggunakan modul wifi ESP8266-01 yang terhubung dengan jaringan wifi yang sama pada web-server untuk mengirim dan menerima data secara real-time. Penggunaan Aplikasi Twitter OAuth menggunakan berkas PHP dilakukan untuk mengatasi ketidakmampuan resource yang dimiliki oleh Arduino Uno untuk berkomunikasi dengan Twitter melalui koneksi SSL. Latency yang dihasikan pada system ini sebesar 3,33 % dengan rentang waktu update 2-3 detik. Rata-rata waktu update ke Twtter sebesar 36,2 detik melalui pengujian sebanyak 10 kali dengan response time untuk mengaktifkan aktuator sebesar 4,5 detik dan secara garis besar berdasarkan tabel checklist fungsi didapatkan tingkat fungsionalitas sistem sebesar 92%.

---

This research proposes a monitoring and controlling system using Arduino Uno, Thingspeak Web-service and Twitter OAuth Application in implementing the Green Building Program based on social media. The system processed received and sent data from ESP8266-01 that connected through same connection with web-server for real-rime cases. Using Twitter OAuth Application for this system came along with PHP script is done to addressed the lack of Arduino?s resource that unable to connect to the Twitter servers through SSL. The evaluation was verified by experiments, latency average scored 3,33 % with range of 2-3 seconds update time. Average of time updates to Twitter was 36,2 seconds through testing as many as 10 times. Response time to activated the actuator by 4,5 seconds and the checklist table parameters valued the system functionality as 92%. Based on the experiments, the system was stated as satisfying and worked well."