[TDJarkom2009][Sesi9][0906503856-Revaldo Ilfestra Metzi Zen] De06, Luo07

[category TDJarkom2009]
[title Revaldo Ilfestra Metzi Zen(0906503856) - De06, Luo07]

MiNT-m: An Autonomous Mobile Wireless Experimentation Platform [De06]

MiNT-m adalah sebuah platform yang dikembangkan oleh penulis paper ini untuk membantu mengembangkan dan mengevaluasi sembarang eksperimen yang menggunakan wireless protocol. Motivasinya adalah disebabkan karena tiap eksperimen yang menggunakan wireless connection itu biasanya berbeda-beda requirement dalam hal physical topology, radio channel characteristic dan mobility pattern, sehingga cara mengevaluasinya pun berbeda pula. MiNT-m ini menjadikan robot yang mobile untuk bergerak sehingga dapat disimulasikan bagaimana kemampuan dari wireless jika yang memiliki device itu bergerak. Penelitian-penelitian sebelumnya yang terkait adalah Node Mobility mengenai pergerakan suatu node, kemudian node tracking, bagaimana mentrack suatu node dan testbed visualization, yaitu bagaimana menyajikan platform tersebut dalam graphical user interface(GUI).

Ide MiNT-m ini sangat menjanjikan yaitu mengurangi biaya pada saat eksperimen wireless connection, karena tidak harus lagi membuat device untuk mengevaluasi dari eksperimen tersebut. Namun hal ini tidak mudah dilakukan karena adanya kendala yaitu

1. Karena menggunakan robot maka diharapkan robot yang digunakan tidak menghabiskan biaya yang banyak. Karena eksperimen seperti ini membutuhkan banyak robot
2. Pergerakan robot tersebut haruslah tidak terbatas dengan maksud bisa melewati permukaan-permukaan yang sulit sehingga masalah ini tidak menjadi kendala
3. Diusahakan interfensi manusia seminimal mungkin disebabkan riset mungkin saja membutuhkan waktu selama 24 jam 7 hari
4. Menurut saya ada satu kendala yang tidak disebut oleh penulis paper, yaitu bagaimana mendesain GUI yang mudah sehingga tidak mempersulit peneliti yang hendak menggunakan MiNT-m

Diharapkan pada kedepannya robot yang digunakan bisa lebih banyak lagi sehingga simulasi dari eksperimen akan semakin akurat hasilnya. Menurut saya penelitian seperti ini sangatlah diperlukan untuk mengurangi biaya penelitian pervasive computing, dibutuhkan sebuah standar platform yang mempermudah para ilmuwan untuk meneliti tentang pervasive computing. Apabila penelitian ini semakin berkembang maka akan mempercepat terjadinya pengembangan metode-metode pervasive computing yang mempermudah kehidupan manusia.

 

KLEM: A Method for Predicting User Interaction Time and System Energy Consumption during Application Design [Luo07]

Paper ini memperkenalkan suatu metode baru bernama Keystroke Level Energy Model (KLEM) yang merupakan perluasan metode Keystroke Level Model (KLM). Metode KLM merupakan sebuah metode pemodelan interaksi manusia dengan komputer. Sedangkan KLEM menggunakan metode KLM untuk memprediksi penggunaan energi pada saat mendesign suatu aplikasi, dimana penelitian-penelitian sebelumnya lebih difokuskan pada manajemen energi pada saat aplikasi berjalan seperti pengoptimalisasian display. KLEM ini terdiri dari dua hal utama yaitu Modelling Process dan Energy Characterizing Process . Modelling Process dimana metode KLM dilakukan untuk mendapatkan model interkasi user dan Energy Characterizing Process untuk mendapatkan prediksi energy yang akan digunakan.

Cara Kerja metode KLEM adalah sebagai berikut pertama memodelkan interaksi user dengan menggunakan KLM. Hasil dari model ini dijalankan pada target platform software desain untuk dilihat penggunaan energi pada saat aplikasi itu berjalan. Kemudian penulis paper ini melakukan penelitian dengan mencoba suatu aplikasi yang kaya akan interaksi user seperti pointing, dragging, make a line, maka dipilihlah aplikasi Choice Way Guide untuk kota New York. Penelitian itu dicoba pada 10 orang yang awalnya mereka dilatih terlebih dahulu untuk menggunakan device. Hal ini dilakukan karena KLM berasumsi bahwa interaksi antara user dan computer tidak ada error. Ini menurut saya adalah salah satu kelemahan dari metode KLM namun dengan adanya asumsi mempermudah pembuatan model. Metode ini menghasilkan error yang tidak melebihi 10%, Hasil yang didapat bagus karena asumsi yang berlaku bahwa tidak ada error. Kedepannya metode ini akan digunakan untuk interaksi user yang lebih luas seperti speech recognition dan speech playback untuk output. Diharapkan dari penelitian ini adalah kita bisa mengurangi penggunaan energi pada suatu aplikasi pada saat software desain, karena kekurangan energi adalah masalah yang penting pada suatu pervasive computing.