PENGEMBANGAN SISTEM AUTOMATIC WORKLOAD THROTTLING BERBASIS PYTHON UNTUK MITIGASI THERMAL THROTTLING CPU PADA PERANGKAT KOMPUTER

Peningkatan kebutuhan komputasi modern mendorong prosesor bekerja pada beban tinggi, namun kondisi tersebut berpotensi meningkatkan suhu operasional CPU dan memicu thermal throttling. Penelitian ini bertujuan mengembangkan sistem Python-based Yield Thermal Intelligent Handling & Automation (PYTHIA) sebagai mekanisme pengendalian beban kerja CPU berbasis perangkat lunak untuk membantu memitigasi thermal throttling secara adaptif. Sistem ini memanfaatkan pembacaan suhu real-time dari Libre Hardware Monitor (LHM) Web Server dan menerapkan logika kontrol berbasis duty-cycle worker untuk menyesuaikan beban kerja CPU berdasarkan ambang suhu yang telah ditentukan.

Pengujian dilakukan pada dua prosesor dengan karakteristik berbeda, yaitu AMD Ryzen 7 7730U dan Intel Core i7-10750H, melalui tiga fase eksperimen: sebelum throttling, cooldown, dan automatic throttling. Hasil pengujian menunjukkan bahwa PYTHIA mampu memantau suhu prosesor secara real-time dan menurunkan beban kerja ketika suhu meningkat. Pada AMD Ryzen 7 7730U, sistem mampu menjaga suhu lebih stabil setelah fase cooldown dan automatic throttling.

Sementara itu, pada Intel Core i7-10750H, sistem tetap dapat merespons kenaikan suhu, meskipun fluktuasi temperatur masih cukup tinggi dan beberapa kali mendekati rentang 90–95°C. Sebagai catatan, fluktuasi suhu yang tinggi pada Intel Core i7-10750H menunjukkan bahwa sistem masih memerlukan penyempurnaan pada mekanisme kontrol adaptif agar stabilitas termal dapat tercapai lebih optimal. Secara keseluruhan, PYTHIA terbukti mampu membantu mengurangi risiko thermal throttling melalui pengendalian beban kerja adaptif, meskipun mekanisme kontrol masih perlu disempurnakan agar perubahan duty-cycle lebih halus dan stabilitas suhu lebih optimal.