<![CDATA[Penelitian ini mengevaluasi sejauh mana Galaxy AI mengelola tugas pemrosesan bahasa alami sehari-hari pada seri Samsung S24 berdasarkan deep learning. Fokus utama penelitian ini mencakup tiga area: pengelompokan teks, evaluasi sentimen, dan pengambilan informasi. Pendekatan penelitian menggunakan teknik transfer learning dengan model berbasis transformer yang disesuaikan untuk unit pemrosesan neural (NPU) seri S24. Pengujian komprehensif dilakukan dengan mengukur indikator seperti akurasi model, waktu respons inferensi, penggunaan energi, dan pemanfaatan sumber daya sistem selama proses inferensi di perangkat. Hasil penelitian menunjukkan kinerja yang luar biasa: tingkat akurasi mencapai 94,3% untuk pengelompokan teks, 89,7% untuk evaluasi sentimen, dan 86,2% untuk pengambilan informasi. Waktu respons inferensi rata-rata adalah 0,8 detik per 100 kata dengan penggunaan energi efisien berkisar antara 285 hingga 320 mW. Analisis lebih lanjut menunjukkan pemanfaatan NPU optimal hingga 78% dengan manajemen panas yang efektif yang menjaga stabilitas kinerja selama operasi berkelanjutan. Desain canggih sistem ini mengintegrasikan perangkat keras dan perangkat lunak melalui pembagian beban komputasi yang efisien antara NPU dan CPU. Hasil ini membuktikan bahwa Galaxy AI pada Samsung S24 memiliki kemampuan superior dalam menangani tugas pemrosesan bahasa alami. Â This study evaluates how well Galaxy AI manages everyday natural language processing tasks on the Samsung S24 series based on deep learning. It focuses on three main areas: text clustering, sentiment evaluation, and information retrieval. The research approach employs transfer learning techniques with a transformer-based model tailored for the S24 series's neural processing unit (NPU). Comprehensive testing was conducted by measuring indicators such as model accuracy, inference response time, energy usage, and system resource utilization during inference on the device. The research findings reveal outstanding performance: accuracy rates reached 94.3% for text clustering, 89.7% for sentiment evaluation, and 86.2% for information retrieval. The average inference response time was 0.8 seconds per 100 words with efficient energy usage ranging from 285 to 320 mW. Further analysis showed optimal NPU utilization of up to 78% with effective heat management that maintains performance stability during continuous operation. The system's advanced design integrates hardware and software through efficient computational load sharing between the NPU and CPU. These results prove that the Samsung S24's Galaxy AI has superior capabilities in handling natural language processing tasks.]]>
Copyrights © 2026
