UNIDHAUNIDHA

Jurnal Sistem Informasi Dan InformatikaJurnal Sistem Informasi Dan Informatika

Penelitian ini mengimplementasikan mekanisme Redis Publish/Subscribe (Pub/Sub) menggunakan bahasa pemrograman Python untuk pengiriman data suhu sensor IoT secara real-time. Fokus utama penelitian adalah mengatasi tantangan latensi dalam distribusi data untuk kebutuhan pencatatan (logging) dan sistem notifikasi (alerting). Sistem dirancang dengan arsitektur di mana data suhu dipublikasikan ke kanal Redis, yang kemudian diterima secara simultan oleh beberapa subscriber. Satu unit subscriber berfungsi mencatat data ke basis data untuk analisis historis, sementara unit lainnya memvalidasi ambang batas suhu guna memicu peringatan instan saat terjadi anomali. Hasil pengujian menunjukkan bahwa penggunaan Redis Pub/Sub secara efektif melakukan dekopling (decoupling) antara pengirim dan penerima data, sehingga meningkatkan skalabilitas sistem. Arsitektur ini terbukti mampu mendistribusikan informasi dengan latensi rendah dan efisiensi tinggi. Penelitian ini menyimpulkan bahwa Redis Pub/Sub merupakan solusi andal untuk sistem monitoring IoT yang membutuhkan respons cepat dan sinkronisasi data antara fungsi pemantauan serta tindakan preventif.

Penelitian ini berhasil membuktikan metoda komunikasi antara perangkat IoT dengan server redis dan edge pemroses.Edge pemroses dapat berupa PC atau aplikasi berbasis web yang mampu memproses data dari sensor untuk visualisasi, sistem pemberitahuan (alerting) serta pengolahan data.Mekanisme pub/sub redis sebagai perantara memungkinkan banyak edge pemroses dapat mengakses data sensor tanpa membebani kinerja jaringan dan komputasi edge sensor.Setiap edge pemroses dapat memproses data secara independen sesuai dengan fungsinya masing-masing.

Berdasarkan penelitian ini, terdapat beberapa arah pengembangan penelitian lanjutan yang menarik untuk dieksplorasi. Pertama, penelitian dapat difokuskan pada pengembangan algoritma prediktif untuk menganalisis data suhu yang dikumpulkan, sehingga dapat memprediksi potensi anomali suhu di masa depan dan memberikan peringatan dini. Kedua, integrasi dengan teknologi machine learning dapat dilakukan untuk mengoptimalkan ambang batas suhu secara dinamis berdasarkan pola data historis, sehingga meningkatkan akurasi sistem peringatan. Ketiga, penelitian dapat mengkaji penggunaan teknologi edge computing untuk memproses data suhu secara lokal di perangkat IoT, sehingga mengurangi ketergantungan pada koneksi jaringan dan mempercepat respons sistem terhadap anomali suhu.

Read online
File size314.75 KB
Pages5
DMCAReport

Related /

ads-block-test