Afandi, Muhammad Asril and Fauzan, Wily Ahmad and Abdillah, Muhammad Fadly (2026) INTEGRASI MODUL NETWORK GENERATOR BERBASIS CLOUD COMPUTING PADA SISTEM PENDUKUNG KEPUTUSAN TANGGAP BENCANA RESPOND-OR-X. Diploma thesis, Universitas YARSI.

	Text 1. HALAMAN JUDUL.pdf Download (156kB)
	Text 5. LEMBAR PENGESAHAN.pdf Download (61kB)
	Text 4. LEMBAR PERNYATAAN.pdf Download (49kB)
	Text 2. ABSTRAK.pdf Download (176kB)
	Text 10. BAB 1.pdf Download (253kB)
	Text 15. DAFTAR PUSTAKA.pdf Download (181kB)
	Text 11. BAB 2.pdf Restricted to Registered users only Download (218kB)
	Text 12. BAB 3.pdf Restricted to Registered users only Download (283kB)
	Text 13. BAB 4.pdf Restricted to Registered users only Download (17MB)
	Text 14. BAB 5.pdf Restricted to Registered users only Download (206kB)
	Text 16. LAMPIRAN.pdf Restricted to Registered users only Download (7MB)

Abstract

Modul Network Generation (NG) merupakan komponen penting dalam penyediaan data untuk mendukung modul Assisted Evacuation Planning (AEP). Namun, sistem yang berjalan saat ini, yaitu RESPOND-OR-X, masih memiliki beberapa keterbatasan, yaitu proses pembuatan NG yang bersifat sekuensial, konversi data Protocolbuffer Binary Format (PBF) menjadi OpenStreetMap (OSM) dan OSM menjadi Graph Network yang masih dilakukan secara manual menggunakan Command Line Interface (CLI) dan skrip Python, serta belum meratanya ketersediaan data OSM di seluruh wilayah Indonesia (blank spot). Penelitian ini bertujuan mengintegrasikan modul NG berbasis cloud untuk meningkatkan efisiensi waktu pemrosesan serta mengotomatisasi proses konversi data dan pemotongan peta. Metodologi penelitian meliputi analisis kebutuhan melalui wawancara, perancangan sistem berbasis arsitektur cloud, implementasi, dan pengujian sistem. Sistem dikembangkan dengan menerapkan parallel processing menggunakan layanan Amazon Elastic Container Service (ECS), sehingga beban kerja komputasi dapat didistribusikan ke beberapa container task yang berjalan secara paralel. Hasil pengujian menunjukkan bahwa sistem berhasil menjalankan proses pembuatan NG secara paralel. Pengujian terhadap 10 data NG DKI Jakarta secara paralel menghasilkan rata-rata waktu pemrosesan sekitar 35 menit. Dibandingkan dengan hasil analisis performa modul NG oleh Tim 01 Respond-OR (2024) pada platform komputasi AMD Ryzen 3970X 32-core yang menghasilkan rata-rata waktu pemrosesan sebesar 93,37 menit untuk jumlah Point of Interest (POI) berkisar antara 36 hingga 56, hasil pengujian menunjukkan pengurangan waktu pemrosesan sekitar 60%. Selain itu, sistem berhasil mengotomatisasi proses pemotongan peta dan konversi data sehingga proses pembuatan NG tidak lagi bergantung pada penggunaan CLI dan skrip Python secara manual. Dengan demikian, penerapan arsitektur cloud dan parallel processing dapat meningkatkan efisiensi waktu pemrosesan serta mempermudah proses pembuatan NG untuk mendukung pengambilan keputusan dalam situasi tanggap bencana.

Actions (login required)

View Item