Teknologi Jaringan pintar (Smart Grid)

Berbicara tentang energi masa depan yang mengarah kepada teknologi ramah lingkungan. Mengingat energi yang berasal dari fosil (BBM) akan habis dan merupakan bukan sumber energi yang tidak dapat diperbaharui. Sudah saatnya Indonesia mengembangkan energi terbarukan seperti menggunakan tenaga surya / matahari, air dan angin. Oleh karena itu ada suatu konsep teknologi yang mampu memecahkan masalah tersebut, dan teknologi baru tersebut  bernama Smart Grid  atau Jaringan Cerdas. Kenapa disebut Jaringan Cerdas (Smart Grid) ?, dan apa itu smart grid?.

Smart Grid adalah suatu konsep jaringan cerdas yang harapkan untuk memenuhi kebutuhan energi listrik yang di masa sekarang maupun masa mendatang sudah menjadi kebutuhan primer. Dimana komunikasi terjadi dua arah antara produsen listrik serta konsumennya telah diimplementasikan menggunakan teknologi analog bertahun-tahun lamanya dan merupakan teknologi yang menggabungkan bidang informasi, komunikasi dan tenaga listrik yang bertujuan untuk menghemat atau efisiensi penggunaan tenaga listrik.

Smart grid berpotensi menjadi revolusi dalam penghematan energi. Contohnya, dengan teknologi ini, pengguna rumahan tidak hanya bertindak sebagai konsumen, tetapi juga bisa sebagai produsen. Teknologi ini masih butuh banyak pengembangan di sisi bidang informasi, komunikasi serta tenaga listriknya, belum lagi dari sisi bisnis dan kebijakan pemerintah.

Smart grid memiliki empat bagian besar, yakni sistem tenaga, kontrol, komunikasi, dan aplikasi. Selain itu,smart grid juga memiliki pusat penyimpanan energi yang berfungsi mengantisipasi perubahan beban secara mendadak ataupun fluktuasi pada pembangkit.

Ini merupakan sumber energi kelistrikan dengan konsep terintegrasi dan mengurangi ketergantungan terhadap sumber daya alam yang tidak dapat diperbaharui. Beberapa sumber energi potensial yang dapat digunakan dalam pengembangan konsep ini adalah panas matahari dan panas bumi.

Untuk mengaplikasikan smart grid, jaringan komputer dan komunikasi data memainkan peranan penting dalam sistem. sistem komunikasi yang digunakan harus memunyai kecapatan memadai, memiliki dua arah komunikasi, dan terintegrasi secara penuh. Selain itu, jaringan membutuhkan protocol dan standar sehingga memudahkan dalam implementasinya. Salah satu keunggulan konsumen yang terhubung dengan smart grid dapat memilih kapan menggunakan energi listrik saat harganya murah dan menghentikannya ketika mahal.

Dengan demikian teknologi ini akan sangat membantu pelanggan untuk hemat penggunaan energi.  Jadi dapat dikatakan penyediaan listrik dengan teknologi smart grid ini identik dengan kebutuhan untuk suatu pergeseran ke arah paradigma operasional baru, yaitu memantau dan mengelola transmisi dan distribusi tenaga listrik dari sumber pembangkitan untuk memenuhi perubahan kebutuhan listrik dari pelanggan.

Apa saja keuntungan smart grid?

1.      Self healing: Istilah self healing, sebenarnya hanya mengacu pada kemampuan Smart grid untuk mengantisipasi, mendeteksi dan merespon terhadap masalah atau gangguan yang terjadi pada sistem. Menggunakan informasi yang dikirim secara realtime oleh sensor-sensor yang dipasang di seluruh sistem, Smart grid dapat secara cepat bereaksi untuk mengatasi gangguan yang terjadi.

2.      Consumer participation : konsumen lebih tahu bagaimana cara berhemat listrik dengan pertimbangan informasi real time tentang keadaan sistem. Lebih jauh lagi, bila pelanggan memiliki panel surya atau turbin angin, mereka dapat menggunakan sendiri, menyimpan, atau menjual listrik yang dihasilkan kepada produsen. Hal ini dimungkinkan karena tiap-tiap rumah sudah terkoneksi ke dalam sistem secara dua arah, sehingga listrik tidak hanya mengalir dari sistem ke rumah, tapi juga dari rumah ke sistem.

3.       High quality power : konsep sistem yang lebih stabil dimana losses atau rugi-rugi bisa lebih dihindari.

4.      Accommodate generation option : sumber-sumber listrik yang menggunakan energi terbarukan seperti angin, sinar matahari, dan microhydro dapat masuk ke dalam sistem sehingga pilihan pembangkitan dan sumber-sumbernya lebih beragam. Hal ini menyebabkan sistem menjadi lebih andal karena diversifikasi sumber energi listrik yang digunakan lebih banyak karena dengan konsep ini, memungkinkan konsumen-konsumen membangkitkan listriknya sendiri dan membayar serta dibayar sesuai dengan marjin yang terjadi antara pembangkitan dan pemakaian listriknya sendiri.

referensi : sumber 1 , sumber 2

Generasi Teknologi Ipad 3

Penggila teknologi dan  gadget-freak sedang demam dengan peluncuran iPad3 (16 Maret 2012) - Oh, versi terbaru ini diberi nama "The iPad", jadi tidak mengikuti seri sebelumnya, iPad2.

Apa sih keunggulan The iPad dibanding versi pendahulunya?

Layar semakin tajam 

Kualitas gambar yang lebih tajam dari HDTV dengan retina display 2048 x 1536 pixels--setara dengan 3,1 juta pixels, serta kamera 5MP dengan auto-exposure dan auto-focus. Lihat perbandingannya:

iPad 2 vs The iPad

Ketajaman layar The iPad juga diuji oleh Lukas Matis, seorang mahasiswa Computer Science di ETH, Zurich dengan cara melihatnya di bawah mikroskop. Hasilnya bisa lihat berikut (merupakan bukti hebatnya The iPad).

 

Prosesor

Prosesor The iPad A5X sementara iPad2 masih A5

Prosesor yang lebih cepat dengan A5X yang mengutilisasi quad core graphics. Tentunya, prosesor terbaru ini semakin mendukung ketajaman gambar yang dihasilkan.

Dimensi

The iPad lebih tebal dari versi pendahulunya. Bila iPad2 setebal 8,8 mm maka The iPad 9,4 m

Konektivitas

iPad baru ini juga menawarkan fitur konektivitas LTE untuk jaringan seluler 4G.

64 GB Wi-Fi 3G = US$829. Hebatnya, dengan teknologi LTE maka membuka halaman web jauh lebih cepat.  Dan, tidak perlu menunggu saat membuka file video dari internet karena dengan apps Verizon, prosesnya menggunakan tethering.

Tethering ini bisa mengkonversi koneksi internet menjadi Wi-Fi hot spot. Artinya, laptop atau gadget lain yang berada di dekatnya bisa menikmati kecepatan koneksi yang sama (dilansir dari AT&T). 


sumber : apakabardunia.com , Ipad Specs , Ipad Feature

Parallel Computing Review

    Hasil dan Pembahasan

Pada bagian ini peneliti mencoba melakukan analisa   terhadap   program   perkalian   matriks sebagai   kasus.   Percobaan   dilakukan   dengan variasi besar ukuran matriks sehingga mencapai ukuran maksimum. Variasi ukuran berupa variasi dimensi grid, block, dan thread. Pada percobaan ini peneliti juga memanfaatkan shared memory di GPU. Selain melihat akibat dari variasi dimensi grid, block, dan thread, peneliti juga akan melihat perbandingan waktu komputasi dan error diantara setiap  jenis  prosesor,  yaitu  CPU,  GPU  non- shared, dan GPU dengan shared memory.

Untuk melihat dampak dari variasi ukuran digunakan program perkalian matriks yang menghasilkan output berupa waktu yang dibutuhkan oleh GPU dengan shared-memory, GPU dengan non-shared memory, dan CPU biasa dalam mengalikan matriks dengan ukuran yang berbeda-beda. Selain itu program ini juga memberikan  output  berupa  error  yang  terjadi pada penghitungan matriks menggunakan GPU, baik dengan shared memory maupun dengan non- shared memory. Program akan meminta input dari user terlebih dahulu (input 1 untuk menghitung waktu eksekusi matriks, dan input 2 untuk mengecek  selisih  error,  dan  3  adalah  untuk melihat nilai variasi dari perubahan ukuran thread dan block).

Di bawah ini adalah grafik hasil output program, garis merah menandakan error pada penggunaan non-shared memory dan garis hijau menandakan error pada penggunaan shared memory.

Berdasarkan grafik pada gambar 4, error yang   terjadi   pada   perhitungan   menggunakan GPU, baik menggunakan shared memory maupun non shared, tidak terlalu signifikan. Pertumbuhan fungsi error juga dapat ditoleransi sebab bersifat linier. Hal ini membuktikan bahwa akurasi hasil perhitungan   menggunakan   GPU   cukup   baik dengan tingkat error yang rendah serta pertumbuhan fungsi yang linear. Selain melakukan perhitugan matriks dengan GPU dan CPU peneliti juga melakukan uji coba dalam variasi jumlah thread yang digunakan pada penghitungan perkalian matriks. Gambar 5 menunjukkan tampilan grafik pada output di atas, garis merah menandakan error yang terjadi pada eksekusi yang menggunakan non-shared memory dan garis hijau menandakan error yang terjadi pada  eksekusi  yang  menggunakan  shared memory.

Dari data di atas tampak bahwa running time GPU jauh lebih cepat dibandingkan dengan running time CPU. Hal ini terjadi karena iterasi kedua, iterasi untuk mencari nilai callValue pada node   sampai   root,   dikerjakan   secara   paralel dengan memanfaatkan fitur-fitur seperti shared memory yang pengaksesan datanya lebih cepat dibandingkan dengan global memori. Shared memory ini juga dimanfaatkan untuk melakukan reduksi pada proses penghitungan callValue pada setiap node sehingga mengurangi jumlah memori yang dipakai. Reduksi digunakan pada banyak algoritma paralel untuk meningkatkan paralelisme program. Pada program ini, jika reduksi tidak dilakukan maka kemungkinan besar penghitungan callValue akan dilakukan pada CPU. Hal ini tidak efisien  karena  iterasi  yang  paling  banyak dilakukan ada pada bagian yang harus direduksi ini. Oleh sebab itu, dengan memparalelkan iterasi kedua maka program akan berjalan jauh lebih cepat.

Untuk mencari kompleksitas algoritma ini, perlu dicari kompleksitas iterasi yang paling dominan. Iterasi yang paling dominan terdapat pada  iterasi  kedua  yang  melakukan iterasi  dari baris NUM_STEPS-1 sampai root. Iterasi ini berupa  nested  loop  dengan  jumlah  inner  loop sebanyak 1.

Secara umum jumlah iterasi dapat diperkirakan dengan cara seperti persamaan 1 berikut:

Sehingga    kompleksitas    algoritma    yang diperoleh adalah O(N2).

Dari data di atas dapat dilihat bahwa setiap input bernilai dua kali input sebelumnya. Selain itu, perbandingan output CPU dengan output CPU sebelumnya rata-rata bernilai 4. Maka,

Selanjutnya   diperoleh   a   =   2   sehingga kompleksitas menjadi O(N2). Kompleksitas yang diperoleh ini cocok dengan kompleksitas yang diperkirakan   sebelumnya.   Jadi,   secara   umum kompleksitas  algoritma  Binomial  Tree  Option adalah O(N2).

     Kesimpulan

Penggunaan GPU dapat meningkatkan efisiensi perhitungan pada suatu permasalahan yang melibatkan kalkulasi secara berulang-ulang. Hal  ini  dikarenakan  tingkat  homogenitas  pada data tersebut cukup tinggi sehingga perhitungan ini sangat cocok dilakukan oleh GPU yang dapat mengeksekusi  data  secara  paralel  pada  waktu yang bersamaan.

sumber = jiki.cs.ui.ac.id/index.php/jiki/article/download/168/97 

[Pengantar Bisnis informatika]: H2C, Huru-Hara Komputer

FORENSIK JARINGAN [Part 1]

   
2.1.            Definisi Forensik Jaringan

Forensik jaringan (Network forensic) merupakan proses menangkap, mencatat dan menganalisa aktivitas jaringan guna menemukan bukti digital (digital evidence) dari suatu serangan atau  kejahatan  yang  dilakukan  terhadap  ,  atau  dijalankan  menggunakan,  jaringan  komputer sehingga pelaku kejahatan dapat dituntut sesuai hukum yang berlaku.

Network Forensic diperlukan untuk mengantisipasi   kian maraknya cyber criminal, namun masih terdapat banyak kelemahan dalam teknik maupun toolnya, yang sering dimanfaatkan oleh   para   penjahat   cyber   yang   kian   pintar.   Dengan   demikian   diperlukan   riset   untuk mengembangkan teknik dan tool forensik jaringan, di mana dalam hal ini berlomba dengan penjahat dunia maya tersebut. Kekalahan dalam perlombaan ini akan menimbulkan kerugian besar dan ancaman yang serius karena saat ini dan mendatang jaringan komputer merupakan inti dari hampir semua kegiatan.

Bukti digital dapat diidentifikasi dari pola serangan yang dikenali, penyimpangan dari perilaku normal jaringan ataupun penyimpangan dari kebijakan keamanan yang diterapkan pada jaringan.

Volume data yang diperoleh pada proses forensik tersebut sangatlah besar sehingga diperlukan ekstraksi ciri-ciri yang signifikan untuk meningkatkan ketelitian dan menghemat waktu analisa. Teknik intelligensia buatan dapat digunakan untuk melakukan otomatisasi ekstraksi ciri signifikan pada analisa forensik jaringan.

Salah satu teknik dan tool yang perlu dikembangkan adalah otomatisasi ekstraksi ciri signifikan  pada  analisa  forensik  jaringan  untuk  meningkatkan  accuracy  dan  mempercepat prosesnya.

2.2.            Sistem Offline vs Online

Sistem offline merupakan sistem yang telah diisolasi dari jaringan, sedangkan sistem online merupakan sistem yang masih terhubung ke jaringan Analisa pada sistem offline tersebut relatif lebih sederhana dibandingkan analisa pada sistem online karena hard disk dapat dijaga read only dan copy/salinan bit-stream dapat dibuat bersamaan dengan cryptographic hash dari sistem aslinya. Hash tersebut kemudian dapat dibandingkan dengan hash dari salinan bit stream untuk menunjukkan integritas salinannya.

Namun demikian pada beberapa keadaan, susah bahkan tidak mungkin untuk mengisolasi sistem dari jaringan, sehingga analisa harus dilakukan pada sistem online. Kesukaran terjadi karena sistem online masih terhubung ke jaringan, sehingga sistem terus berubah walaupun tanpa intervensi analis forensik sekalipun.

part 2 
part 3
part 4
part 5 

sumber: Suryani Alifah, ITB (23202071)