Prediksi Benchmark SPEC CPU2017 Menggunakan Random Forest

Baskoro Adjie, Bayu (2026) Prediksi Benchmark SPEC CPU2017 Menggunakan Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (426kB)
	PDF BAB_I.pdf Download (296kB)
	PDF BAB_II.pdf Download (334kB)
	PDF BAB_III.pdf Download (316kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (437kB)
	PDF BAB_V.pdf Download (248kB)
	PDF DAFTAR_PUSTAKA.pdf Download (273kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (362kB)

Abstract

Benchmark SPEC CPU2017 digunakan secara luas oleh akademisi, vendor prosesor, dan penyedia layanan komputasi sebagai standar evaluasi performa CPU. Namun, sebagaimana ditunjukkan dalam penelitian Meiliu Lu et al., pendekatan prediksi performa berbasis machine learning masih menghadapi keterbatasan ketika diaplikasikan pada konfigurasi perangkat keras yang tidak sepenuhnya terwakili dalam data pelatihan. Kondisi ini menjadi tantangan bagi pemangku kepentingan industri yang membutuhkan estimasi performa CPU secara cepat tanpa menjalankan benchmark secara langsung. Penelitian ini mengembangkan dan mengevaluasi model prediksi berbasis Random Forest untuk mengestimasi empat metrik utama SPEC CPU2017, yaitu CINT2017, CFP2017, CINT2017rate, dan CFP2017rate, berdasarkan spesifikasi perangkat keras. Model dilatih menggunakan dataset resmi SPEC CPU2017 melalui tahapan pra-pemrosesan, rekayasa fitur, dan seleksi fitur multi-tahap. Evaluasi performa dilakukan melalui validasi internal menggunakan skema hold-out dan cross-validation, serta pengujian kemampuan generalisasi model menggunakan data pengujian yang dipisahkan sejak awal dari data pelatihan. Hasil pengujian menunjukkan bahwa model Random Forest mampu mempertahankan akurasi prediksi yang tinggi pada tahap training dan validasi dengan nilai kesalahan yang relatif rendah. Pada tahap pengujian generalisasi, model masih mampu menghasilkan estimasi performa yang cukup mendekati nilai benchmark aktual, meskipun pada beberapa konfigurasi tertentu terjadi peningkatan deviasi prediksi. Temuan ini menunjukkan bahwa distribusi dan keragaman data pelatihan berperan penting dalam menentukan kemampuan generalisasi model prediksi performa CPU berbasis machine learning.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Baskoro Adjie, Bayu (00000061617)
Contributors:	Samuel, Samuel
Keywords:	SPEC CPU2017, Random Forest, Prediksi Performa CPU, Evaluasi Model, Generalisasi
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Date Deposited:	28 Jan 2026 08:05
URI:	https://kc.umn.ac.id/id/eprint/44214

Actions (login required)

View Item