Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Pemrosesan Paralel dalam Mendukung Layanan Prediksi Cuaca
Muhammad Imam Fauzan Putra Perdana Nasution (2018) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Cuaca menjadi salah satu pengaruh keberlangsungan hidup manusia dan dapat digunakan sebagai bahan pendukung pengambilan keputusan, contohnya dengan memanfaatkan hasil prediksi cuaca. Hasil prediksi cuaca perlu dihasilkan secepat mungkin, agar memiliki waktu yang lebih banyak untuk pengambilan keputusan. Bertambahnya jumlah lokasi yang perlu diprediksi pada batas waktu tertentu menyebabkan beban komputasi sistem prediksi cuaca menjadi bertambah, sehingga layanan yang diberikan berpotensi kurang optimal. Penelitian ini bertujuan untuk mengoptimasi waktu pemrosesan penentuan dan pembuatan model prediksi cuaca dengan pemrosesan paralel. Pemrosesan paralel menggunakan arsitektur multithreaded dan metode prediksi cuaca menggunakan metode autoregressive integrated moving average (ARIMA). Hasil eksperimen menunjukkan waktu pemrosesan pada tahap penentuan model terbaik dapat dioptimasi menjadi lima kali lebih efisien dengan menggunakan satu worker model identifier, lima worker best model finder dan sepuluh worker model builder pada seluruh skenario jumlah data. Pada tahap pembuatan model prediksi menggunakan pemrosesan paralel, waktu pemrosesan menjadi tiga kali lebih efisien pada jumlah data observasi sebanyak 4320 dan mencapai enam kali lebih efisien pada jumlah data observasi sebanyak 8640. Pada tahap pembuatan model prediksi menggunakan pemrosesan paralel, jumlah worker yang optimal adalah sepuluh worker model builder. Kata Kunci: prediksi cuaca, pemrosesan paralel, ARIMA, multithreaded, worker.
Ringkasan Alternatif
Weather can be used as a decision support material, such as by utilizing weather prediction results. Weather prediction results are required to be obtained soon for supporting decision making. The increase in the number of locations that needed to be predicted in a certain amount of time causing the computation of weather prediction system to be higher, hence the service provided is not optimal. This study aims to optimize the time of the determination and making of weather prediction models by utilizing parallel processing. The process uses multithreaded architecture, and the weather prediction method use autoregressive integrated moving average (ARIMA). The experiment shows that the processing time at the determining the best model phase can be optimized to be five times more efficient by using one model identifier worker, five best model finder workers, and ten model builder workers in all scenarios of data. The time of making predictive models phase using parallel processing are three times more efficient in the 4320 observation data scenario and reaches six times for efficient in the 8640 observation data scenario. In the making predictive models phase using parallel processing, the optimal number of workers are ten model builder workers. Keywords: weather prediction, parallel processing, ARIMA, multithreaded, worker.