Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number SK-1926 (Softcopy SK-1408)
Collection Type Skripsi
Title Perbandingan Kinerja CPU dan GPU Pada Platform Android: Studi Kasus Proses Ekstraksi Skeleton dengan Menggunakan Convolution Pose Machine (CPM)
Author Rama Widragama Putra;
Publisher Depok : Fakultas Ilmu Komputer Universitas Indonesia, 2020
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
SK-1926 (Softcopy SK-1408) TERSEDIA
Tidak ada review pada koleksi ini: 49057
ABSTRAK Nama : Rama Widragama Putra Program Studi : Ilmu Komputer Judul : Perbandingan Kinerja CPU dan GPU Pada Platform Android: Studi Kasus Proses Ekstraksi Skeleton dengan Menggunakan Convolution Pose Machine (CPM) Pembimbing : Dr. Ir. Erdefi Rakun M.Sc. Para penyandang tunarungu berkomunikasi menggunakan bahasa isyarat resmi di Indonesia, yaitu SIBI (Sistem Isyarat Bahasa Indonesia). Dengan menggunakan aplikasi penerjemah Bahasa isyarat ke teks akan membantu komunikasi antara tunarungu maupun non-tunarungu. Dengan menggunakan pre-trained model CPM (EdvardHua, 2018) akan mendapatkan informasi berupa titik-titik skeleton seperti titik tangan, bahu, dan siku. Informasi titik skeleton itu akan digunakan untuk memprediksi kata. Namun, proses tersebut perlu berjalan secara real-time, yaitu ketika pengguna membuka kamera maka akan langsung mendapatkan respon. Untuk mencapai itu diperlukan mobile deep learning framework, sehingga proses inference bisa menjadi lebih cepat dengan bantuan runtime GPU. Penelitian ini berfokus menjalankan inference menggunakan mobile deep learning framework untuk implementasi modul ekstraksi skeleton secara real-time pada Android. Pada penelitian ini digunakan Tensorflow mobile (runtime hanya CPU), MACE, dan SNPE. Dilakukan pengukuran dari sisi latency, penggunaan energi, penggunaan memori, penggunaan daya, dan perubahan suhu. Hasil pengukuran menunjukkan bahwa penggunaan MACE dan SNPE dengan runtime GPU menghasilkan latency yang lebih kecil dibandingkan penggunaan CPU. Penggunaan CPU menyebabkan thermal throttling, sehingga terjadi penurunan kinerja. Dengan runtime GPU menghasilkan penggunaan energi, memori, dan daya yang lebih sedikit dibandingkan CPU. Kenaikan suhu ketika menggunakan runtime GPU lebih kecil dibandingkan CPU. Kata kunci: SIBI, Convolution Pose Machine (CPM), mobile deep learning framework, Tensorflow mobile, Mobile AI Compute Engine (MACE), Snapdragon Neural Processing Engine (SNPE), latency, thermal throttling, CPU, GPU