Didik Pranoto

Mengenal Lebih Dekat Fog Computing
Abstract— Fog computing masih terdengar asing
bagi orang awam dan belum banyak yang
mengetahuinya. Fog computing di era digital saat
ini, telah dirasakan oleh masyarakat dalam
kehidupan sehari hari. Fog computing digunakan
email dan juga media social. Fog computing
merupakan paradigma yang memperluas
komputasi dan layanan Cloud computing ke tepi
jaringan. Fog computing menyediakan layanan
data, penyimpanan, komputasi dan aplikasi kepada
pengguna akhir. Karakteristik dari Fog computing
yaitu kedekatannya dengan pengguna akhir,
dukungannya untuk mobilitas, dan distribusi
geografisnya yang padat. Fog computing
mendukung segla aplikasi Internet yang sedang
berkembang saat ini. Fog computing memiliki
distribusi geografis yang luas, sehingga dapat
diposisikan dengan baik untuk data real time besar
dan analisis waktu nyata. Fog computing juga
mendukung titik pengumpulan data yang
terdistribusi padat.
Keywords— Fog computing, Internet of Things
(IoT)
I. PENDAHULUAN
Fog Computing merupakan area penelitian yang
sedang berkembang dan memperluas layanan
cloud computing mobile untuk memenuhi
kebutuhan pelanggan antara perangkat dan cloud.
Arsitektur cloud computing saat ini tidak sesuai
dengan Internet of Things (IoT) di mana sensor dan
aktuator tertanam dalam objek fisik yang
terhubung ke Internet melalui jaringan kabel dan
nirkabel. Perangkat cloud computing dalam
jumlah miliaran yang terhubung (IoT)
menghasilkan terabyte data setiap hari yang
membutuhkan infrastruktur yang lebih baik untuk
penyebaran, penambangan data, dan analitik ( Data
besar). Fog computing bekerja bersama dengan
cloud computing untuk mengatasi tantangan
tersebut dan mengoptimalkan penggunaan semua
1
Department of Chemical Engineering, Faculty of Engineering,
Universitas Lampung, Gedung H, Lt 2, Jalan Prof. Soemantri Brojonegoro
No. 1, Bandar Lampung, Indonesia.
2
Department of Physics, Faculty of Mathematics and Natural Sciences,
Colorado State University, Fort Collins, CO 80523 USA.
*
Correspondence to T. Author, email: third.author@eng.unila.ac.id. Tel.:
+62-721-704947; fax.:+62-721-704948.
sumber daya secara efisien. International Journal
of Fog Computing (IJFC) melalui publikasi
tersebut bertujuan untuk menyediakan forum
internasional bagi para peneliti untuk
mendiskusikan, mengatasi tantangan tersebut dan
mengusulkan solusi inovatif, produk, teori dan
konsep untuk infrastruktur komputasi masa depan
yang mulus. Fog computing merupakan
paradigma komputasi yang menjanjikan dan dapat
memperluas komputasi awan hingga ke tepi
jaringan. Fog computing ini menyediakan layanan
yang lebih dekat dengan pengguna akhir,
distribusi geografis yang lebih besar,
pengumpulan sumber daya lokal, pengurangan
latensi dan penghematan bandwidth backbone.
Fog computing mendukung aplikasi yang
terisolasi secara vertical dan peka terhadap latensi.
Fog computing juga menyediakan komputasi,
penyimpanan, dan konektivitas jaringan yang ada
disetiap tempat , scalable, berlapis, federated, dan
terdistribusi. Dalam makalah ini, saya telah
mengidentifikasi kemacetan fog computing
dengan klasifikasi wawasan tentang cloud
computing, sesuai dengan resolusi state-of-earth
yang sesuai. Fog computing ini menghadapi
tantangan keamanan dan privasi misalnya intrusi,
kejahatan dunia maya dalam desain,
implementasi, operasi atau kontrol internal.
II. PROGAM FOG COMPUTING
A. Pengertian Fog Computing
Fog Computing merupakan paradigma dengan kemampuan
terbatas seperti komputasi, penyimpanan, dan layanan
jaringan dalam cara yang terdistribusi antara perangkat akhir
yang berbeda dan komputasi awan klasik. Komputasi ini
memberikan solusi yang baik untuk aplikasi IoT yang
sensitif terhadap latensi. Fog computing mempunyai istilah
yang awalnya diciptakan oleh Cisco, fog computing telah
didefinisikan oleh banyak peneliti dan organisasi dari
sejumlah sudut pandang yang berbeda. Yi et al telah
mendefinisikan secara umum fog computing. Beliau
menyatakan bahwa; “Fog Computing merupakan arsitektur
komputasi terdistribusi secara geografis dengan kumpulan
sumber daya yang terdiri dari satu atau lebih perangkat
heterogen yang terhubung di mana-mana (termasuk
perangkat tepi) di tepi jaringan dan tidak secara eksklusif
didukung mulus oleh layanan Cloud, untuk secara
kolaboratif memberikan perhitungan elastis, penyimpanan,
dan komunikasi ( dan banyak layanan dan tugas baru
lainnya) di lingkungan yang terisolasi untuk sejumlah besar
klien di dekatnya ”. Vaquero dan Radio-Merino juga
mendefinisikan fog computing sebagai; “Skenario di mana
sejumlah besar perangkat heterogen (nirkabel dan kadang-
kadang otonom) di manapun, terdesentralisasi
berkomunikasi, berpotensi bekerja sama di antara mereka
dengan jaringan untuk melakukan tugas penyimpanan dan
pemrosesan tanpa campur tangan pihak ketiga. Tugas
tersebut dapat mendukung fungsi jaringan dasar atau layanan
dan aplikasi baru yang berjalan di lingkungan asandbox.
Pengguna yang menyewakan sebagian dari perangkat mereka
untuk meng-host layanan tersebut mendapatkan insentif
untuk melakukannya ”. Fog computing juga didefinisikan
oleh Konsorsium OpenFog yang menyatakan bahwa;
“Arsitektur horizontal tingkat sistem yang mendistribusikan
sumber daya dan layanan komputasi, penyimpanan, kontrol,
dan jaringan di mana saja di sepanjang kontinum dari Cloud
to Things”.
B. Karakteristik Fog Computing
Fog Computing adalah progam tervirtualisasi yang
menyediakan layanan komputasi, penyimpanan, dan jaringan
antara perangkat akhir dengan pusat data komputasi cloud
tradisional. Fog computing ini tidak secara eksklusif terletak
di tepi jaringan.
Gambar 1 menyajikan informasi yang diidealkan, arsitektur
komputasi yang mendukung aplikasi IoT di masa depan dan
menggambarkan peran fog computing. Sumber daya
komputasi, penyimpanan, dan jaringan merupakan blok
bangunan baik cloud maupun fog. “Edge of the Network”
menyiratkan sejumlah karakteristik yang menjadikan fog
computing membentuk perluasan dari cloud.  dibandingkan dengan fog computing. Cloud computing lebih
Karakteristik dari fog computing:
• Distribusi geografis. Berbeda dengan cloud yang lebih
terpusat, layanan dan aplikasi yang ditargetkan fog menuntut
penyebaran yang luas. Fog computing akan memainkan peran
aktif dalam memberikan streaming berkualitas tinggi ke
kendaraan yang bergerak. Fog computing juga memainkan
peran aktif melalui proxy dan titik akses yang diposisikan di
sepanjang jalan raya dan trek.
• Jaringan sensor dengan skala besar untuk memantau
lingkungan, dan Smart Grid merupakan contoh lain dari
sistem terdistribusi secara inheren. Jaringan tersebut
membutuhkan sumber daya komputasi dan penyimpanan
terdistribusi.
• Jumlah node yang besar sebagai konsekuensi dari distribusi
geografis yang sangat luas. Jumlah tersebut sebagaimana
dibuktikan dalam jaringan sensor pada umumnya dan Smart
Grid pada khususnya.
• Dukungan untuk mobilitas sangat penting bagi banyak
aplikasi fog computing, yaitu untuk berkomunikasi langsung
dengan perangkat seluler dan mendukung teknik mobilitas,
seperti protokol LISP 1, yang memisahkan identitas host
dari identitas lokasi dan memerlukan sistem direktori yang
terdistribusi.
• Interaksi waktu yang nyata. Aplikasi fog computing
penting melibatkan interaksi waktu nyata daripada
pemrosesan dari batch.
• Dominasi semua akses nirkabel.
• Heterogenitas. Node fog mempunyai faktor bentuk yang
berbeda, dan akan digunakan dalam berbagai lingkungan.
• Interoperabilitas dan federasi. Dukungan tanpa batas dari
layanan tertentu (streaming merupakan contoh yang baik)
membutuhkan kerja sama dari penyedia yang berbeda.
Karenanya, komponen fog computing harus dapat
beroperasikan dan layanan harus disatukan di seluruh
domain. • Dukungan untuk analitik dan juga interaksi secara
online dengan cloud. Fog computing diposisikan untuk
memainkan peran penting dalam konsumsi dan pemrosesan
data yang dekat dengan sumber.
1) Subsubsection Heading Here: Subsubsection text
here.
III. PERBEDAAN ANTARA FOG DAN CLOUD
Arsitektur fog computing didasarkan pada kelompok cloud
computing, di mana beberapa perangkat fog computing
berpartisipasi untuk bekerja sama dengan proses. Pada sisi
lain, pusat data merupakan komponen fisik utama cloud
computing. Hal tersebut menyebabkan cloud computing
memiliki biaya operasional dan konsumsi energi yang
tinggi. Pada perbandingan antara konsumsi energi dan biaya
operasi dalam paradigma fog computing adalah rendah. fog
computing terletak lebih dekat ke pengguna, sehingga jarak
antara pengguna dengan perangkat fog computing bisa
menjadi satu atau beberapa lompatan, yang juga disetujui
oleh Hu et al. [8]. Namun, menurut Mahmud et al. [27],
jarak antara pengguna ke fog computing merupakan satu
atau dua hop. Luan et al. [28] berpendapat bahwa jarak
harus satu hop dengan konektivitas nirkabel. Namun, semua
sepakat dengan jarak antara pengguna ke cloud, yang
merupakan jarak multi-hop. Karena jaraknya, latensi
komunikasi untuk cloud computing selalu tinggi
pendekatan terpusat sedangkan fog computing merupakan
pendekatan yang lebih terdistribusi berdasarkan orkestrasi
geografis [27].
Interaksi waktu nyata tidak dimungkinkan untuk cloud
latensi tinggi, tetapi masalah ini dapat dengan mudah diatasi
dengan fog computing. Pada sisi lain, tingkat kegagalan
dalam fog computing tinggi karena konektivitas nirkabel,
manajemen terdesentralisasi, dan kegagalan daya [27], [29]
- [31]. Pada bagian besar perangkat di lingkungan fog
computing akan terhubung secara nirkabel karena gadget
pintar dan perangkat genggam akan berpartisipasi dalam
sistem fog computing[32]. Pada perangkat ini, dan perangkat
manajemen jaringan lainnya, sebagian besar
terdesentralisasi. Perangkat ini bisa gagal pada saat
perangkat lunak tidak dikelola dengan benar. Pada
pengguna yang tidak mengetahui tentang perangkat lunak,
itu sangat berbahaya yang dapat menyebabkan kegagalan
perangkat. Pada saat pemrosesan fog computing dapat gagal
dalam kasus lain juga, misalnya, setiap perangkat fog
computing bertanggung jawab untuk melakukan pemrosesan
aplikasi sendiri. Jadi, proses aplikasi IoT dalam perangkat
fog computing selalu menjadi prioritas kedua. Pada perangkat
fog computing yang sepenuhnya digunakan oleh aplikasi
perangkat itu sendiri, maka akan gagal melakukan
pemrosesan fog computing. Oleh karena itu, penjadwalan
aplikasi dan sumber daya di fog computing lebih kompleks.
Pada penanganan kegagalan di fog computing kompetitif
karena kegagalan daya akan menjadi masalah karena
perangkat berjalan dengan daya baterai. Secara keseluruhan,
menunjukkan perbedaan teknis antara cloud computing dan
fog computing.
Pada penjelasan diatas, dapat dikatakan bahwa fog computing
dapat menggantikan cloud computing. Keduanya tidak dapat
disimpulkan bahwa fog computing lebih baik daripada cloud
computing, dan juga keduanya berkontribusi secara berbeda
melalui pemenuhan perspektif dengan persyaratan yang
berbeda.
IV. ARSITEKTUR FOG COMPUTING
Pada adopsi dan penyebaran pasar, fog computing harus
memiliki arsitektur standar. Arsitektur standar tersebut masih
belum tersedia hingga saat ini, namun banyak karya
penelitian telah menyajikan arsitektur fog computing. Pada
bagian ini akan membahas arsitektur fog computing tingkat
tinggi dan menyajikan arsitektur terperinci untuk fog
computing dengan deskripsi komprehensif dari setiap
komponen arsitektur.
A. Arsitektur Tingkat Tinggi Fog Computing
Dalam arsitektur tingkat tinggi, paradigma komputasi Fog
mempunyai tiga lapisan yang berbeda. Lapisan yang paling
penting yaitu lapisan fog. Lapisan ini terdiri dari seluruh
perangkat komputasi menengah. Virtualisasi tradisional
teknologi bisa digunakan di pesawat ini, mirip dengan cloud
computing. Namun, mengingat ketersediaan dari sumber
daya, menggunakan virtualisasi berbasis wadah lebih tepat.
Lapisan tersebut mengakumulasi data yang dihasilkan sensor
dari lapisan IoT dan mengirimkan permintaan terkait aktuasi
setelah pemrosesan. Meskipun tampaknya masalah big data
dapat diselesaikan dengan memproses data yang dihasilkan di
level tepi, miliaran perangkat akan membuat masalah big
data. Bahkan untuk menggunakan pemrosesan data besar
skala kecil dan menengah pada level ini. Banyak penelitian
telah dilakukan untuk memproses data besar di pesawat Fog
[48] - [54].
Lapisan paling bawah yaitu bidang IoT, yang terdiri dari
semua perangkat yang terhubung. Perangkat di pesawat
tersebut melakukan proses pengindraan dan aktuasi. Pada
aplikasi yang peka terhadap waktu, pemrosesan harus
dilakukan pada bidang fog secara eksklusif sementara cloud
dapat melakukan pemrosesan lain yang tidak peka terhadap
waktu. Namun, lapisan fog akan mengatur apa yang perlu
dikirim atau tidak ke cloud. Pengguna dapat memperoleh
layanan dari fog dan cloud berdasarkan permintaan mereka.
Namun, bidang cloud akan mengelola pemrosesan dan
penyimpanan yang lebih kompleks.
B. Arsitektur Usulan untuk Fog Computing
Representasi berlapis merupakan cara terbaik untuk mewakili
arsitektur fog. Banyak karya telah dilakukan untuk mengukur
konsep arsitektur layer fog [4], [28], [55] - [59]. Dari ulasan
tersebut, menemukan bahwa para peneliti telah
mengusulkan tiga [28], [57] - [59], empat [56], lima [4], dan
enam [55] lapisan dalam arsitektur fog.
Setiap orang memiliki alasannya tersendiri untuk klaim
terhadap mereka. Jika mengabaikan pesawat pengguna,
bahwa arsitektur fog dapat didefinisikan sebagai tiga tingkat
berbeda dari tingkat tinggi. Pada level tipe implementasi
yang lebih, jumlah lapisan dalam arsitektur akan bervariasi,
sehingga menimbulkan lima [4] dan enam [55] tingkat di
lapisan komputasi fog.
Aazam dan Huh [55] menyajikan enam lapisan berbeda
berdasarkan pada tugas-tugas tertentu. Pada sisi lain,
Dastjerdi et al. [4] mendefinisikan lima lapisan berbeda
berdasarkan perspektif jaringan. Arsitektur tingkat tinggi
lainnya dalam komputasi Fog juga dihadirkan oleh berbagai
peneliti termasuk arsitektur Fog hierarkis [60], [61],
arsitektur OpenFog [62], arsitektur jaringan Fog [63],
arsitektur Fog untuk Internet energi [9], Arsitektur
komputasi kabut berdasarkan sistem saraf [64], dan
arsitektur IFCIoT [65]. Setelah meninjau literatur yang
disebutkan di atas, kami mendefinisikan komponen
arsitektur komputasi Fog, yang disajikan pada subbagian
berikut.
C. KOMPONEN ARSITEKTUR KOMPUTING KABUT
Arsitektur komputasi kabut terdiri dari beberapa lapisan.
Setiap
layer dan komponen-komponennya diperlihatkan dalam
Gambar 8. Dalam subbab ini, kita membahas berbagai
komponen arsitektur pengkomposisi kabut. Komponen
dibagi menjadi beberapa kelompok berdasarkan fungsinya,
yang didefinisikan sebagai layer. Fungsi-fungsi ini akan
memungkinkan perangkat IoT untuk berkomunikasi dengan
berbagai perangkat Fog, server, gateway, dan cloud.
Penjelasan rinci dari setiap lapisan diberikan di bawah ini,
di mana kasus penggunaan transportasi yang cerdas
dipertimbangkan dalam penjelasan.
Figures and Tables should be centered and have to be
positioned in the top or bottom of the page. Don't be afraid
of color figures. Proceedings on the CD-ROM will be full-
color. The usage of 300 dpi figures (EPS figures) is
recommended.
V. CITATIONS
Please refer to equations, tables, and figures as follows:
(1), Table 1, Fig. 1. Citations are made as: [1] or [4–6] or [1,
4-6] or [4, 6]. References should be listed based the
sequence of citation, first appears first listed. Please place
the figures and tables closer to the text related.
Fig. 1.  Figure caption here.
Figures and Tables should be centered and have to be
positioned in the top or bottom of the page.
Table 1.  Table heading here.
 Title Value 1 Value 2 Value 3 [2] delivering computing as the 5th utility,”
Row 1 11 12 11
Row 2 21 22 23
Future Generation computer systems, vol.
Row 3 31 30 33 25, no. 6, pp. 599–616, 2009.
[3] [27] R. Mahmud, F. L. Koch, and R.
VI. CONCLUSION Buyya, “Cloud-fog interoperability in iot-
Kami telah menjabarkan visi dan karakteristik utama yang enabled healthcare solutions,” in Proceedings
ditentukan dari Fog Computing, sebuah platform untuk of the 19th International Conference on
memberikan portofolio yang kaya akan layanan dan aplikasi Distributed Computing and Networking, ser.
baru di tepi jaringan. Contoh-contoh yang memotivasi ICDCN ’18. New York, NY, USA: ACM,
dibumbui sepanjang diskusi mulai dari visi konseptual ke
prototipe solusi titik yang ada. Kami membayangkan Fog 2018, pp. 32:1–32:10.
sebagai platform pemersatu, cukup kaya untuk menghadirkan [4] [28] T. H. Luan, L. Gao, Z. Li, Y. Xiang, G.
generasi baru layanan yang muncul ini dan memungkinkan Wei, and L. Sun, “Fog computing: Focusing
pengembangan aplikasi baru. on mobile users at the edge,” Networking and
Kami menyambut kolaborasi pada substansi kerja yang
akan datang: 1) Arsitektur infrastruktur komputasi,
Internet Architecture, 2015. [Online].
penyimpanan, dan perangkat jaringan yang masif ini; 2) Available: https://arxiv.org/abs/1502.01815
Orkestrasi dan manajemen sumber daya dari node Fog; 3) [5] [29] Y. Wang, T. Uehara, and R. Sasaki,
Layanan dan aplikasi inovatif untuk didukung oleh Fog. “Fog computing: Issues and chal- lenges in
security and forensics,” in Computer
ACKNOWLEDGMENT Software and Applications Conference
Mata Kuliah Bahasa Indonesia (COMPSAC), 2015 IEEE 39th Annual, vol.
3. IEEE, 2015, pp. 53–59.
REFERENCES
[6] [30] M. H. Syed, E. B. Fernandez, and M.
[1] 26] R. Buyya, C. S. Yeo, S. Venugopal, J. Ilyas, “A pattern for fog computing,” in
Broberg, and I. Brandic, “Cloud computing Proceedings of the 10th Travelling
and emerging it platforms: Vision, hype, Conference on Pattern Languages of
and reality for Programs. ACM, 2016, p. 13.
[7] [31] S. Yi, Z. Hao, Z. Qin, and Q. Li, “Fog
computing: Platform and applica- tions,” in
Hot Topics in Web Systems and
Technologies (HotWeb), 2015
[8] Third IEEE Workshop on. IEEE, 2015, pp.
73–78.
[9] [32] M. Chiang and T. Zhang, “Fog and iot:
An overview of research oppor- tunities,”
IEEE Internet of Things Journal, vol. 3, no.
6, pp. 854–864,
[48] H. Dubey, J. Yang, N. Constant, A. M.
Amiri, Q. Yang, and K. Makodiya, “Fog
data: Enhancing telehealth big data through
fog computing,” in Proceedings of the ASE
BigData & SocialInformatics 2015.
ACM,
2015, p. 14.
[49] M. Ahmad, M. Bilal, S. Hussain, B. Ho, T.
Cheong, and S. Lee, “Health Fog : a novel
framework for health and wellness
applications,” The Journal of
Supercomputing, vol. 72, no. 10, pp. 3677–
3695, 2016.
[50] B. Tang, Z. Chen, G. Hefferman, S. Pei, W.
Tao, H. He, and Q. Yang, “Incorporating
intelligence in fog computing for big data
analysis in
INSIST Vol. 1 No. 1, September 2016 (p1–p4)
http://insist.unila.ac.id/index.php/ojs eISSN: 2502-8588
DOI:
smart cities,” IEEE Transactions on Industrial
Informatics, vol. 13, no. 5, pp. 2140–2150,
2017.
[51] B. Tang, Z. Chen, G. Hefferman, T. Wei, H.
He, and Q. Yang, “A hierarchical distributed
fog computing architecture for big data
analysis in smart cities,” in Proceedings of
the ASE BigData & SocialInformatics
2015. ACM, 2015, p. 28.
[52] W. Zhang, Z. Zhang, and H.-c. Chao,
“Cooperative Fog Computing for Dealing
with Big Data in the Internet of Vehicles :
Architecture and Hierarchical Resource
Management,” no. December, pp. 60–67,
2017.
[53] B. Yin, W. Shen, Y. Cheng, L. X. Cai, and
Q. Li, “Distributed Resource
Sharing in Fog-assisted Big Data Streaming,”
pp. 1–6, 2017.
[54] R. Pecori, “A Virtual Learning Architecture
Enhanced by Fog Computing and Big Data
Streams,” pp. 1–30, 2018.
[55] M. Aazam and E.-N. Huh, “Fog computing
micro datacenter based dynamic resource
estimation and pricing model for iot,” in
Proceeding of the 29th IEEE International
Conference on Advanced Information
Networking and Applications (AINA).
IEEE, 2015, pp. 687–694.
[56] H. R. Arkian, A. Diyanat, and A.
Pourkhalili, “Mist: Fog-based data analytics
scheme with cost-efficient resource
provisioning for iot crowd- sensing
applications,” Journal of Network and
Computer Applications, vol. 82, pp. 152–165,
2017.
[57] M. A. Nadeem and M. A. Saeed, “Fog
computing: An emerging paradigm,” in
Proceeding of the 6th International
Conference on Inno- vative Computing
Technology (INTECH). IEEE, 2016, pp.
83–86.
[58] M. Taneja and A. Davy, “Resource aware
placement of data analytics platform in fog
computing,” Procedia Computer Science,
vol. 97, pp.
153–156, 2016.
Received: 01/05/2016
Accepted: 01/10/2016
Published online: 01/09/2016
[59] S. Sarkar and S. Misra, “Theoretical
modelling of fog computing: a green
computing paradigm to support iot
applications,” IET Networks, vol. 5, no. 2, pp.
23–29, 2016.
[60] N. K. Giang, M. Blackstock, R. Lea, and V.
C. Leung, “Developing iot applications in the
fog: A distributed dataflow approach,” in
Proceeding of the 5th International
Conference on the Internet of Things
(IOT). IEEE, 2015, pp. 155–162.
[61] F. Hosseinpour, J. Plosila, and H.
Tenhunen, “An approach for smart
management of big data in the fog
computing context,” in Proceeding of the
IEEE International Conference on Cloud
Computing Technology and Science
(CloudCom). IEEE, 2016, pp. 468–471.
[62] O. C. A. W. Group et al., “Openfog
architecture overview,” White Paper,
February, 2016.
[63] K. Intharawijitr, K. Iida, and H. Koga,
“Analysis of fog model considering
computing and communication latency in 5g
cellular networks,” in Perva- sive Computing
and Communication Workshops (PerCom
Workshops),
2016 IEEE International Conference on.
IEEE, 2016, pp. 1–4.
[64] Y. Sun and N. Zhang, “A resource-sharing
model based on a repeated game in fog
computing,” Saudi journal of biological
sciences, vol. 24, no. 3, pp. 687–694, 2017.
[10] [65] A. Munir, P. Kansakar, and S. U. Khan,
“Ifciot: Integrated fog cloud iot: A novel
architectural paradigm for the future internet
of things.” IEEE Consumer Electronics
Magazine, vol. 6, no. 3, pp. 74–82, 2017
[11]
[12] G. O. Young, “Synthetic structure of industrial plastics (Book style
with paper title and editor),” in Plastics, 2nd ed. vol. 3, J. Peters, Ed.
New York: McGraw-Hill, 1964, pp. 15–64.
[13] W.-K. Chen, Linear Networks and Systems (Book style). Belmont, CA:
Wadsworth, 1993, pp. 123–135.
[14] E. H. Miller, “A note on reflector arrays (Periodical style—Accepted
for publication),” IEEE Trans. Antennas Propagat., to be published.
[15] J. Wang, “Fundamentals of erbium-doped fiber amplifiers arrays
(Periodical style—Submitted for publication),” IEEE J. Quantum
Electron., submitted for publication.
[16] J. U. Duncombe, “Infrared navigation—Part I: An assessment of
feasibility (Periodical style),” IEEE Trans. Electron Devices, vol. 11,
pp. 34–39, Jan. 1959.
INSIST Vol. 1 No. 1, September 2016 (p1–p4) Received: 01/05/2016
http://insist.unila.ac.id/index.php/ojs eISSN: 2502-8588 Accepted: 01/10/2016
DOI: Published online: 01/09/2016

[17] S. P. Bingulac, “On the compatibility of adaptive controllers (Published

Conference Proceedings style),” in Proc. 4th Annu. Allerton Conf.
Circuits and Systems Theory, New York, 1994, pp. 8–16.
[18] J. Williams, “Narrow-band analyzer (Thesis or Dissertation style),”
Ph.D. dissertation, Dept. Elect. Eng., Harvard Univ., Cambridge, MA,
1993.
[19] J. P. Wilkinson, “Nonlinear resonant circuit devices (Patent style),”
U.S. Patent 3 624 12, July 16, 1990.
[20] IEEE Criteria for Class IE Electric Systems (Standards style), IEEE
Standard 308, 1969.
[21] R. J. Vidmar. (1992, August). On the use of atmospheric plasmas as
electromagnetic reflectors (Online Source Style). IEEE Trans. Plasma
Sci. [Online]. 21(3). pp. 876–880. Available: http://www.halcyon.com/
pub/journals/21ps03-vidmar