Salman, Salman (2026) PERBANDINGAN PERFORMA RSTUDIO DAN PYTHON TERHADAP BIG DATA ANALYTICS BERBASIS GREEN COMPUTING. Other thesis, Universitas Siliwangi.
1. Cover.pdf
Download (101kB)
2. Lembar Pengesahan Tugas Akhir.pdf
Download (564kB)
3. Pengesahan Penguji Sidang Tugas Akhir.pdf
Download (451kB)
4. Lembar Pernyataan Keaslian.pdf
Download (375kB)
5. Abstract.pdf
Download (112kB)
6. Abstrak.pdf
Download (127kB)
7. Halaman Motto Dan Persembahan.pdf
Download (68kB)
8. Kata Pengantar.pdf
Download (859kB)
9. Daftar Isi.pdf
Download (156kB)
10. Daftar Tabel.pdf
Download (113kB)
11. Daftar Gambar.pdf
Download (84kB)
12. Daftar Lampiran.pdf
Download (79kB)
13. BAB I.pdf
Download (177kB)
14. BAB II.pdf
Download (324kB)
15. BAB III.pdf
Download (455kB)
16. BAB IV.pdf
Restricted to Repository staff only
Download (429kB)
17. BAB V.pdf
Restricted to Repository staff only
Download (176kB)
18. Daftar Pustaka.pdf
Download (189kB)
19. Lampiran.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Perkembangan teknologi digital mendorong peningkatan data berskala menengah sehingga dibutuhkan platform analitik yang tidak hanya dari sisi performa dalam pemanfaatan sumber daya sesuai prinsip Green Computing. Penelitian ini bertujuan membandingkan performa penggunaan sumber daya komputasi antara R (melalui RStudio) dan Python pada konteks Big Data Analytics dengan mengukur waktu eksekusi, utilisasi CPU, penggunaan memori, dan konsumsi energi. Metode yang digunakan adalah pendekatan komparatif melalui benchmarking terstandarisasi pada dataset “AI4I 2020 Predictive Maintenance’’ pada lingkungan uji yang sama dan diulang sebanyak tiga kali. Hasil pengujian menunjukkan RStudio mencatat waktu eksekusi rata-rata 19.916,67 ms, utilisasi CPU 0,08%, penggunaan memori 75,43 MB, dan konsumsi energi 440,95 J, sedangkan Python mencatat waktu eksekusi rata-rata 270.447,73 ms, utilisasi CPU 1,14%, penggunaan memori 689,67 MB, dan konsumsi energi 7.178,24 J. Pembahasan menunjukkan bahwa perbedaan efisiensi tidak semata-mata ditentukan oleh platform, tetapi dipengaruhi oleh karakteristik workload dan rancangan pipeline analitik yang diterapkan. Penelitian ini menyimpulkan bahwa evaluasi Green Computing pada analitik data perlu mempertimbangkan trade-off antara performa dan efisiensi sumber daya dengan fleksibilitas ekosistem, sehingga pemilihan platform sebaiknya disesuaikan dengan desain pipeline dan kebutuhan implementasi.
Kata Kunci – Big Data Analytics, Benchmarking, Green Computing, Python, RStudio.
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | L Education > L Education (General) |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | user1 user1 user1 |
| Date Deposited: | 17 Sep 2026 03:52 |
| Last Modified: | 17 Sep 2026 03:52 |
| URI: | https://repositori.unsil.ac.id/id/eprint/7970 |
