Nama : Afief Dwi Cahyo
Kelas : 4IA22
NPM : 54409210
Mata Kuliah : Pengantar Komputasi Modern
Dosen : Ibu Rina Noviana
Dibuat tanggal 26 Maret 2013
MANAJEMEN JARINGAN LALU LINTAS
Abstraksi :
Tujuan dibuat jurnal in membahas masalah yang berkaitan dengan Manajemen Jaringan Lalu Lintas. Sebuah kategori yang relatif baru dari jaringan manajemen cepat menjadi suatu keharusan dalam bisnis konvergensi Jaringan. Organisasi menengah dan besar menemukan mereka harus mengontrol perilaku jaringan lalu lintas untuk memastikan bahwa strategis mereka aplikasi selalu mendapatkan sumber daya yang mereka butuhkan untuk tampil maksimal. Mengendalikan lalu lintas jaringan memerlukan membatasi bandwidth yang untuk aplikasi tertentu, menjamin bandwidth minimum kepada orang lain, dan tanda lalu lintas dengan prioritas tinggi atau rendah. Latihan ini disebut Manajemen Jaringan Lalu Lintas.
Tujuan dibuat jurnal in membahas masalah yang berkaitan dengan Manajemen Jaringan Lalu Lintas. Sebuah kategori yang relatif baru dari jaringan manajemen cepat menjadi suatu keharusan dalam bisnis konvergensi Jaringan. Organisasi menengah dan besar menemukan mereka harus mengontrol perilaku jaringan lalu lintas untuk memastikan bahwa strategis mereka aplikasi selalu mendapatkan sumber daya yang mereka butuhkan untuk tampil maksimal. Mengendalikan lalu lintas jaringan memerlukan membatasi bandwidth yang untuk aplikasi tertentu, menjamin bandwidth minimum kepada orang lain, dan tanda lalu lintas dengan prioritas tinggi atau rendah. Latihan ini disebut Manajemen Jaringan Lalu Lintas.
KOMPUTASI PEMBOBOTAN DOKUMEN BERBAHASA INDONESIA
MENGGUNAKAN MAPREDUCE
Abstraksi :
Data elektronik diramalkan akan mencapai 1,8 zettabyte pada tahun 2011. Data elektronik yang besar tersebut perlu diolah untuk memperoleh manfaat lebih. Adakalanya aplikasi yang dibuat membutuhkan komputer dengan sumber daya yang tinggi sebagai lingkungan implementasi dan biasanya harga untuk komputer dengan sumber daya yang tinggi tidaklah murah sedangkan untuk komputer dengan spesifikasi yang tidak terlalu tinggi akan kurang reliable dalam menangani data yang begitu besar. Terinspirasi oleh adanya Google File System (GFS) dan MapReduce yang dikembangkan oleh Google maka Apache mengembangkan Hadoop Distributed File System (HDFS) dan Hadoop MaprReduce framework untuk menyelesaikan permasalahan dengan melibatkan data yang sangat besar yang berbasiskan Java dan open source. Tujuan dari tugas akhir ini adalah melakukan komputasi pembobotan dokumen berbahasa Indonesia manggunakan MapReduce. Dokumen yang akan dibobotkan adalah dokumen abstraksi tugas akhir yang diperoleh dari digital library ITS, www.digilib.its.ac.id. Pembobotan yang dilakukan menggunakan metode TFIDF. Waktu komputasi pembobotan dokumen berbahasa Indonesia menggunakan frameword Hadoop MapReduce memberikan hasil yang lebih cepat jika dibandingkan dengan hasil pembobotan dokumen berbahasa Indonesia tanpa menggunakan framework Hadoop MapReduce sebesar 137,88% terutama pada komputasi Job I.
Data elektronik diramalkan akan mencapai 1,8 zettabyte pada tahun 2011. Data elektronik yang besar tersebut perlu diolah untuk memperoleh manfaat lebih. Adakalanya aplikasi yang dibuat membutuhkan komputer dengan sumber daya yang tinggi sebagai lingkungan implementasi dan biasanya harga untuk komputer dengan sumber daya yang tinggi tidaklah murah sedangkan untuk komputer dengan spesifikasi yang tidak terlalu tinggi akan kurang reliable dalam menangani data yang begitu besar. Terinspirasi oleh adanya Google File System (GFS) dan MapReduce yang dikembangkan oleh Google maka Apache mengembangkan Hadoop Distributed File System (HDFS) dan Hadoop MaprReduce framework untuk menyelesaikan permasalahan dengan melibatkan data yang sangat besar yang berbasiskan Java dan open source. Tujuan dari tugas akhir ini adalah melakukan komputasi pembobotan dokumen berbahasa Indonesia manggunakan MapReduce. Dokumen yang akan dibobotkan adalah dokumen abstraksi tugas akhir yang diperoleh dari digital library ITS, www.digilib.its.ac.id. Pembobotan yang dilakukan menggunakan metode TFIDF. Waktu komputasi pembobotan dokumen berbahasa Indonesia menggunakan frameword Hadoop MapReduce memberikan hasil yang lebih cepat jika dibandingkan dengan hasil pembobotan dokumen berbahasa Indonesia tanpa menggunakan framework Hadoop MapReduce sebesar 137,88% terutama pada komputasi Job I.
Tidak ada komentar:
Posting Komentar