Yogyakarta — Tim peneliti dari Departemen Teknik Elektro dan Informatika (DTEDI), Sekolah Vokasi Universitas Gadjah Mada (UGM), mengembangkan prototipe smart greenhouse berbasis Internet of Things (IoT) untuk mendukung pengelolaan budidaya melon secara lebih terukur, otomatis, dan efisien. Penelitian ini merupakan bagian dari upaya pengembangan teknologi tepat guna yang dapat diterapkan pada sektor pertanian hortikultura, khususnya untuk mendukung kemandirian produksi buah berkualitas.
Gangguan pada layanan digital dapat menimbulkan kerugian besar, baik bagi penyedia layanan maupun penggunanya. Pada sistem microservice yang tersusun dari banyak layanan kecil, tim IT sering membutuhkan waktu lama untuk menemukan komponen penyebab gangguan dan memahami jenis masalahnya. Tim peneliti Departemen Teknik Elektro dan Informatika (DTEDI) Sekolah Vokasi UGM melaporkan hasil pengembangan GAMA-RCA, kerangka kerja berbasis kecerdasan buatan (AI) untuk membantu proses diagnosis tersebut secara otomatis.
Layanan digital seperti perbankan daring, belanja daring, dan layanan publik kini banyak dibangun dengan arsitektur microservice, yaitu sistem yang tersusun dari banyak layanan kecil yang saling terhubung. Arsitektur ini membuat sistem lebih fleksibel dan mudah dikembangkan. Namun, ketika satu komponen mengalami gangguan, dampaknya dapat merambat ke layanan lain hingga menghentikan layanan secara keseluruhan. Menjawab tantangan tersebut, tim peneliti Departemen Teknik Elektro dan Informatika (DTEDI) Sekolah Vokasi UGM mengembangkan metode berbasis kecerdasan buatan (AI) untuk mengenali sumber dan jenis gangguan pada sistem microservice secara otomatis.
Perkembangan teknologi komunikasi nirkabel dan Internet of Things (IoT) telah meningkatkan penggunaan berbagai perangkat seperti WiFi, Bluetooth, dan ZigBee dalam berbagai sektor kehidupan. Namun, semakin padatnya penggunaan pita frekuensi berpotensi menimbulkan interferensi yang dapat menurunkan kualitas dan keandalan komunikasi. Menjawab tantangan tersebut, tim peneliti Departemen Teknik Elektro dan Informatika Sekolah Vokasi UGM mengembangkan metode berbasis machine learning untuk mendeteksi dan mengklasifikasikan berbagai jenis sinyal interferensi pada sistem komunikasi nirkabel. Penelitian ini merupakan salah satu upaya pengembangan teknologi komunikasi cerdas yang mendukung peningkatan kualitas infrastruktur digital.
Penerapan teknologi 5G yang masif membawa tantangan besar dalam pengelolaan sumber daya dan keandalan jaringan. Sebagai solusi komprehensif, Dr. Ir. Ronald Adrian, S.T., M.Eng., IPM., ASEAN Eng. bersama tim peneliti memperkenalkan arsitektur orkestrasi berbasis Deep Reinforcement Learning (DRL) untuk infrastruktur jaringan 5G edge. Terobosan ini menjadi pendorong utama bagi dua pilar Sustainable Development Goals (SDGs), yakni Tujuan 12 (Konsumsi dan Produksi yang Bertanggung Jawab) serta Tujuan 9 (Industri, Inovasi, dan Infrastruktur).
Kemajuan infrastruktur telekomunikasi masa depan menuntut keseimbangan antara inovasi teknologi dan efisiensi energi. Menjawab tantangan tersebut, riset terbaru yang dipimpin oleh Dr. Ir. Ronald Adrian, S.T., M.Eng., IPM., ASEAN Eng. berhasil mengembangkan sistem manajemen zero-touch otonom untuk jaringan edge 5G. Inovasi ini secara langsung mendukung pencapaian Sustainable Development Goals (SDGs), khususnya Tujuan 9 (Industri, Inovasi, dan Infrastruktur) dan Tujuan 12 (Konsumsi dan Produksi yang Bertanggung Jawab).
Penelitian proyek akhir mahasiswa Prodi Teknologi Rekayasa Internet angkatan 22, Cornelius Avant Dio Octavian, bersama dosen Ir. Unan Yusmaniar Oktiawati, S.T., M.Sc., Ph.D., IPU., mengembangkan sistem asisten virtual untuk lansia usia 60 tahun ke atas dengan pendekatan edge computing. Deteksi jatuh, deteksi wajah, dan percakapan berbasis kecerdasan buatan diproses langsung di perangkat lokal, tanpa mengirim gambar dari kamera ke server cloud. Sistem ini dirancang membantu keluarga memantau keselamatan lansia sekaligus menjaga kemandirian mereka.
Transformasi digital dan pengembangan kawasan cerdas menuntut infrastruktur jaringan seluler yang andal serta berlatensi rendah, namun dengan kendala sistem jaringan sering mengalami gangguan layanan (fault occurrence rate). Pengujian kualitas jaringan tradisional melalui metode drive testing dinilai sangat mahal dan tidak efisien secara waktu. Di sisi lain, pemantauan terpusat (centralized learning) menimbulkan pemborosan uplink bandwidth, pengurasan daya baterai perangkat, serta risiko serius terhadap kebocoran data privasi sensitif pengguna seperti lokasi real-time dan riwayat panggilan.
Dalam beberapa tahun terakhir, permintaan untuk pemrosesan data secara real-time dan pengelolaan sumber daya dalam lingkungan komputasi terdistribusi telah menjadikan komputasi edge semakin penting. Seiring dengan berkembangnya Internet of Things (IoT), kebutuhan akan teknologi komunikasi yang efisien dan infrastruktur ICT yang kuat semakin mendesak. Salah satu tantangan utama dalam pengelolaan sumber daya di dalam komputasi edge adalah penjadwalan dan optimalisasi, terutama terkait dengan konsumsi energi dan waktu tunda (latency).
In recent years, the demand for real-time data processing and resource management in distributed computing environments has made edge computing increasingly vital. As the Internet of Things (IoT) continues to expand, the need for efficient communication technologies and robust ICT infrastructure has never been more pressing. One of the primary challenges in resource management within edge computing is scheduling and optimization, particularly concerning energy consumption and latency.
This research proposal aims to address these challenges by developing a model for energy and latency optimization using metaheuristic optimization algorithms, specifically Bacterial Foraging Optimization (BFO). The BFO algorithm will be enhanced by integrating a fuzzy system to improve its performance, aiding in the convergence of BFO in relation to scheduling efficiency while reducing latency and energy consumption.
