PARALELISASI WCET-AWARE DARI APLIKASI BERBASIS MODEL

UNTUK MULTI-CORE: PENDEKATAN ARGO

TUGAS AKHIR

ABDUL HAMID
20180020012

PROGRAM STUDI D3 TEKNIK ELEKTRONIKA

FAKULTAS TEKNIK, KOMPUTER DAN DESAIN
SUKABUMI
JULI 2022
 KATA PENGANTAR

Skripsi berjudul “Paralelisasi WCET-Aware dari Aplikasi Berbasis Model untuk Multi-Core:
Pendekatan ARGO”. Tujuan penulisan tugas akhir ini adalah syarat lulus menyelesaikan masa studi dan
mendapatkan penganugerahan gelar Ahli Madya (A.Md).

Sehubungan dengan itu penulis menyampaikan penghargaan dan ucapan terima kasih yang sebesar-
besarnya kepada :
1. Bapak Rektor Universitas Nusa Putra Sukabumi, Dr. H. Kurniawan, S.T., M.Si., M.M.
2. Wakil Rektor I ARCI Universitas Nusa Putra Sukabumi, Anggy Pradiftha J, S.Pd., M.T.
3. Ketua Program Studi S1 Teknik Elektro Universitas Nusa Putra Sukabumi, Aryo De Wibowo MS,
S.T., M.T.
4. Dosen Pembimbing I, Aryo De Wibowo MS, S.T., M.T.
5. Dosen Pembimbing II, Edwinanto, S.T., M.T.
6. Ketua Penguji, Marina Artiyasa, S.T., M.T.
7. Para Dosen Program Studi S1 Teknik Elektro Universitas Nusa Putra Sukabumi
8. Orang tua dan keluargaPuji syukur kami panjatkan ke hadirat Allah SWT, berkat rahmat dan karunia-
Nya akhirnya penulis dapat menyelesaikan
9. Rekan –rekan mahasiswa S1 Teknik Elektro Universitas Nusa Putra
10. Pihak terkait yang membantu penyelesaian skripsi ini

Penulis menyadari bahwa tugas akhir ini masih jauh dari kesempurnaan, oleh karena itu kritik dan saran
yang membangun dari berbagai pihak sangat kami harapkan demi perbaikan. Amin Ya Rabbal ’Alamin.
 BAB 1
PENDAHULUAN

1. Latar Belakang
Peningkatan kinerja dengan biaya yang lebih rendah sambil
mempertahankan keandalan dan kemampuan program secara real-time adalah tuntutan
penting di beberapa domain seperti industri dirgantara dan otomotif. Didorong oleh
pembatasan teknologi dalam desain chip, akhir dari pertumbuhan eksponensial
kecepatan clock, dan meningkatnya permintaan untuk kinerja komputasi, bahkan
prosesor tertanam yang paling kuat, tidak dapat mengatasi tuntutan ini, yang mengarah
pada meningkatnya penggunaan multi-dan banyak- arsitektur inti.

2. Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan pada point sebelumnya,

maka perlu dilakukan penelitian Paradigma Antarmuka Sinergis Otak-Mesin Untuk
Kendali Robot Multi-Dof.
3.Tujuan Penelitian

Berdasarkan rumusan masalah yang telah disusun maka didapat tujuan penelitian
yaitu menganalisis robot Brain-machine interfacing (BMI) dalam Paradigma
Antarmuka Sinergis Otak-Mesin Untuk Kendali Robot Multi-Dof.

4. Manfaat Penelitian

Manfaat skripsi ini sebagai sumbangsih terhadap keilmuan (sains) dan

dapat mengetahui aspek teknis.
 BAB II
PENELITIAN TERKAIT DAN METODOLOGI

2.1 Penelitian Terkait

2.1.1 Antarmuka Otak-Komputer oleh Rajesh P.N. Rao dan Reinhold Scherer

Baru-baru ini, CNN melaporkan masa depan brain-computer interfaces

(BCI) BCI adalah perangkat yang memproses sinyal otak pengguna untuk
memungkinkan komunikasi dan interaksi langsung dengan lingkungan. BCI melewati
jalur keluaran normal dan mengandalkan pemrosesan sinyal digital dan pembelajaran
mesin untuk menerjemahkan sinyal otak ke tindakanSecara historis, BCI
dikembangkan dengan aplikasi biomedis, seperti memulihkan komunikasi pada
individu yang lumpuh total dan mengganti fungsi motorik yang hilang.
2.1.2 Operasi Antarmuka Otak-Komputer Perangkat Robotik dan Prostetik

Aktivitas otak menghasilkan sinyal listrik pada kulit kepala atau

permukaan kortikal atau di dalam otak. Brain-computer interfaces (BCI)
menerjemahkan sinyal-sinyal ini dari sekadar refleksi aktivitas otak
menjadi output yang mengomunikasikan maksud pengguna tanpa
partisipasi saraf dan otot perifer. Karena mereka tidak bergantung pada
kontrol neuromuskular,

2.1.3 Antarmuka otak-komputer dalam rehabilitasi neurologis

Kemajuan terbaru dalam analisis sinyal otak, melatih pasien untuk
mengontrol sinyal ini, dan meningkatkan kemampuan komputasi telah
memungkinkan orang dengan cacat motorik yang parah untuk menggunakan sinyal
otak mereka untuk komunikasi dan kontrol objek di lingkungan mereka, sehingga
melewati sistem neuromuskular mereka yang terganggu.
2.1.4 Antarmuka otak-komputer untuk komunikasi dan kontrol

Selama bertahun-tahun, orang telah berspekulasi bahwa aktivitas

elektroensefalografik atau tindakan elektrofisiologis lain dari fungsi otak
mungkin menyediakan saluran non-otot baru untuk mengirim pesan dan
perintah ke dunia luar - antarmuka otak-komputer (BCI)

2.1.5 Telepresence dengan Menyebarkan Robot Avatar dengan Brain-

Robot Interfacing
Naskah ini menjelaskan secara rinci pengembangan robot avatar
untuk tugas pendamping manusia. Mobile robot mewujudkan manusia jarak
jauh yang berkomunikasi dengan manusia lain sambil berjalan dekat dengan
mobile robot. Robot menggunakan antarmuka fisik untuk menyebarkan
mobilitas, sensor, dan telepresence dengan personifikasi di seluruh beberapa
perilaku manusia jarak jauh.
2.1 Ikhtisar Rantai Alat Pemrograman Argo
Di ARGO, kami mengatasi tantangan untuk mendapatkan perkiraan
WCET yang ketat untuk multi-core dengan menggabungkan perhitungan WCET
dengan paralelisasi otomatis model aplikasi. Model aplikasi secara otomatis
diparalelkan, dipetakan, dan dijadwalkan ke perangkat keras multi-inti. Selama
fase penjadwalan, akses paralel ke sumber daya bersama, seperti infrastruktur
komunikasi dan memori bersama, dipertimbangkan.

2.2 Spesifikasi Desain Berbasis Model

Di ARGO, pengguna akhir mendeskripsikan aplikasi mereka
menggunakan kombinasi pemodelan aliran data, kerangka kerja pemodelan Xcos
sumber terbuka, dan pemrograman tingkat tinggi menggunakan Scilab2. Untuk
menyediakan kerangka kerja yang dapat diperluas, perilaku semua komponen
Xcos yang digunakan di ARGO juga dijelaskan dalam bahasa Scilab
2.3 Konstruksi model program paralel

Hasil dari tahap penjadwalan/pemetaan digunakan untuk mengubah

representasi program awal menjadi model program paralel eksplisit, di mana
sinkronisasi dibuat jelas, dan pemetaan alamat memori akhir dari variabel dan
buffer diperoleh. Hasil dari tahap ini adalah IR paralel eksplisit, yang digunakan
untuk menjalankan analisis WCET tingkat sistem, dan menghasilkan kode C
mengikuti model pemrograman sadar WCET untuk platform target.

2.4 Analisis WCET tingkat kode dan tingkat sistem

Analisis WCET tingkat kode dan tingkat sistem bersama-sama
menghitung WCET multi-core untuk arsitektur target. Pendekatan kami
bergantung pada representasi program paralel yang eksplisit, di mana
informasi tentang WCET tingkat inti/kode dan tingkat sistem diekspos.
Estimasi WCET tingkat kode menghitung WCET yang terisolasi dari fragmen
kode pada satu inti, terlepas dari fragmen inti yang ditetapkan ke inti lainnya.
 BAB III
METODOLOGI PENELITIAN

3.1 Tantangan dalam produktivitas desain

Sistem akuisisi Emotiv yang digunakan dalam makalah ini tidak

memiliki saluran langsung di atas korteks motorik primer, tetapi memiliki trek,
FC5, FC6, P7, dan P8, di sekitar wilayah tersebut.Jadi, untuk studi MI,
seseorang dapat menggunakan Emotiv adalah sistem akuisisi EEG portabel
berbiaya rendah, dan oleh karena itu, dalam beberapa tahun terakhir, para
peneliti telah menggunakannya untuk melihat P300, potensi bangkitan visual
keadaan tunak, dan bentuk gelombang ERD / ERS

3.4 Performa Online Kontrol Robot Multi-DOF Simultan oleh Co-Adaptive BMI
Setelah pelatihan pengontrol robot menggunakan algoritma pembelajaran
motor sinergis, subjek siap untuk menggerakkan lengan robot dengan niat motorik
mereka. Subjek dari satu ujung menghasilkan sinyal otak yang diinstruksikan
 BAB IV
HASIL DAN DISKUSI

Pada bagian ini, kami menjelaskan beberapa pendekatan ko-adaptif yang

diterapkan oleh peneliti lain. Sebuah perbandingan rinci sulit karena studi berbeda
mengenai paradigma dan evaluasi kinerja. Perbandingan intuitif dari pelatihan dan
hasil validasi makalah ini diberikan agar sesuai dengan hasil kami dengan literatur
yang ada. Faller dkk. mengembangkan paradigma pelatihan berbasis isyarat ko-
adaptif untuk BCI berbasis ERD untuk memberi manfaat bagi pasien dengan
disabilitas berat, termasuk mereka yang mengalami cedera tulang belakang
 BAB V
KESIMPULAN DAN SARAN

Dalam makalah ini, kami telah mengusulkan paradigma BMI baru yang
mengintegrasikan MI EEG untuk mengekstrak niat target dengan dekoder adaptif
untuk sinyal kortikal dan kontrol pembelajaran motor sinergis untuk mengatasi
kontrol periferal dari lengan robot redundan multijoint dengan adaptasi dinamika
lingkungan. kemampuan. Metode yang diusulkan memungkinkan robot yang
dikendalikan BMI untuk secara sistematis menggunakan penggunaan sambungan
yang berbeda tergantung pada muatan yang diberikan melalui proses pembelajaran
TERIMA KASIH