PENERAPAN ARSITEKTUR EDGE INTELLIGENCE UNTUK REDUKSI LATENSI PADA SISTEM PEMANTAUAN INTERNET OF THINGS LOKAL

Penerapan Internet of Things (IoT) pada sistem pemantauan real-time umumnya memanfaatkan arsitektur pemrosesan terpusat berbasis cloud computing. Meskipun pendekatan tersebut memberikan kemudahan dalam pengelolaan dan penyimpanan data, ketergantungan terhadap server pusat sering menimbulkan permasalahan latensi, khususnya pada lingkungan jaringan lokal dengan keterbatasan bandwidth dan konektivitas internet yang tidak stabil. Latensi yang tinggi dapat mengurangi kecepatan respons sistem serta menurunkan efektivitas pengambilan keputusan secara real-time. Penelitian ini bertujuan untuk menerapkan arsitektur edge intelligence sebagai solusi dalam mereduksi latensi pada sistem pemantauan berbasis Internet of Things lokal. Pendekatan yang digunakan adalah dengan memindahkan sebagian proses pemrosesan data dan pengambilan keputusan ke node edge yang berada dekat dengan sumber data. Data sensor diproses secara lokal menggunakan mekanisme analisis berbasis ambang batas sebelum dikirimkan ke server pusat untuk keperluan penyimpanan dan visualisasi. Evaluasi kinerja sistem dilakukan dengan membandingkan latensi dan waktu respons antara sistem IoT berbasis cloud penuh dan sistem IoT yang menerapkan edge intelligence. Hasil pengujian menunjukkan bahwa pemrosesan data di sisi edge mampu menurunkan latensi secara signifikan serta meningkatkan keandalan sistem, terutama pada kondisi jaringan lokal. Dengan demikian, arsitektur edge intelligence terbukti efektif untuk mendukung sistem pemantauan IoT yang membutuhkan respons cepat dan stabil.