Dokumentasi Humas Polinela | LAMPUNGPRO.CO/Ist

BANDAR LAMPUNG (Lampungpro.co) : Tim peneliti dari Politeknik Negeri Lampung (Polinela) telah berhasil mengembangkan inovasi dalam bidang perikanan cerdas dengan memanfaatkan teknologi komputasi tepi (edge computing). Penelitian yang dipimpin oleh Eko Win Kenali, S.Kom., M.Cs., ini berfokus pada efektivitas penggunaan cluster perangkat tepi yang dilengkapi dengan GPU tertanam untuk pemantauan kualitas air secara real-time.

Penelitian yang berjudul "Inovasi Teknologi Berbasis AIoT & Edge Computing untuk Perikanan Indonesia" ini melibatkan tim peneliti yang terdiri dari Halim Fathoni, ST., M.Sc., Jaka Fitra, S.Kom., M.T.I., Dani Rofianto, S.Mat., M.Kom., dan Khusnatul Amaliah, S.Kom., M.Kom. Tim ini berhasil mengkaji bagaimana teknologi edge computing dapat diimplementasikan dalam peningkatan kualitas air di sektor akuakultur, dengan pengumpulan data yang dikelola oleh Kubernetes.

Edge computing adalah metode pemrosesan data yang dilakukan di dekat sumber data (edge), bukan di pusat data terpusat. Pendekatan ini mengurangi latensi, meningkatkan kecepatan pemrosesan, dan menyempurnakan kemampuan analisis data secara real-time, yang sangat bermanfaat untuk aplikasi berbasis IoT.

Dalam penelitian ini, para peneliti menggunakan Rancher Kubernetes Engine untuk mempermudah pengelolaan server tepi, menciptakan solusi cluster yang ringan dan efektif. "Arsitektur Edge Computing dengan Lightweight Kubernetes memungkinkan model kami mencapai kinerja optimal dengan konfigurasi penjadwalan yang mampu meningkatkan performa perangkat heterogen," ungkap Eko Win Kenali.

Penelitian ini diawali dengan konfigurasi perangkat edge computing untuk memantau kualitas air di lingkungan akuakultur. Data yang dikumpulkan oleh sensor air dipantau melalui Lightweight Kubernetes dan disimpan dalam database MySQL. Sistem ini kemudian diuji di bawah Rancher Kubernetes Engine untuk menilai kinerja keseluruhan, termasuk penggunaan bandwidth server edge dan konsumsi daya perangkat keras seperti CPU, RAM, dan GPU.

Salah satu tujuan utama penelitian ini adalah mengevaluasi kecepatan dan keandalan transfer data melalui jaringan, serta responsivitas server terhadap permintaan. Tim juga melakukan pengujian lebih lanjut dengan memantau model deteksi ikan yang berjalan dalam lingkungan kontainer di perangkat tepi. Penyesuaian dilakukan untuk memastikan kinerja optimal, mengidentifikasi kemacetan, dan memperbaiki kinerja sistem.

Namun, penelitian ini juga menghadapi beberapa tantangan teknis. Salah satu kendala utama adalah keterbatasan sumber daya pada perangkat Jetson Nano yang digunakan, yang memengaruhi kinerja dan stabilitas sistem. Ketika sumber daya perangkat tepi melebihi batas, koneksi SSH antara host dan perangkat sering terputus, dan kapasitas penyimpanan yang terbatas juga menjadi masalah.

Untuk mengatasi kendala ini, tim peneliti membangun cluster database terpisah dari perangkat tepi dan menggunakan kipas tambahan untuk mengurangi suhu pada Jetson Nano, yang cenderung mengalami overheat saat beban kerja meningkat. Solusi ini membantu menjaga performa perangkat tetap optimal.

Hasil penelitian menunjukkan bahwa komputasi tepi memiliki potensi besar untuk diintegrasikan dalam sistem akuakultur cerdas. Meskipun terdapat tantangan teknis, temuan ini membuka peluang pengembangan lebih lanjut dalam teknologi pemantauan dan deteksi yang lebih efisien dan andal.

Ke depan, tim peneliti merencanakan perluasan platform ini untuk mendukung pendeteksian perilaku ikan dan analisis prediktif dari aliran data multi-sumber. Mereka juga berharap penelitian ini dapat memberikan kontribusi signifikan terhadap pengembangan teknologi cerdas dalam sektor perikanan, yang diharapkan dapat meningkatkan efisiensi dan produktivitas budidaya ikan di Indonesia.

Penelitian ini tidak hanya menjadi tonggak penting dalam integrasi teknologi canggih di sektor perikanan, tetapi juga diharapkan dapat menjadi dasar untuk aplikasi praktis dalam skala yang lebih luas. (***)