Parallel Computation

Nama Anggota          : 1. Ahmad Hanif                              (50412443)

                                      2. Candra Budi Yusuf                    (51412548)

                                      3. Lia Nurcahyanti                          (54412189)

                                      4. Ni Luh Putu Nita Ayuanita        (55412293)

Kelas                           : 4IA23

Mata Kuliah              : Pengantar Komputasi Modern

Dosen                          : Dr. Rina Noviana, SKom,. MMSI

PARALLEL COMPUTATION

Parallelism Concept

Parallel Computation merupakan kemampuan menjalankan lebih dari satu tugas atau aplikasi secara simultan atau bersamaan pada sebuah sistem komputer. secara umum, Parallel Computation adalah sebuah teknik dimana sebuah masalah dibagi menjadi beberapa masalah yang lebih kecil untuk mempercepat proses penyelesaian masalah tersebut.

Gambar 1. Parallel Computation

Tujuan dari Parallel Computation adalah untuk meningkatkan kinerja komputer dalam menyelesaikan berbagai masalah, karena dengan membagi sebuah masalah yang bersar menjadi beberapa masalah kecil, maka dapat membuat kerja komputer menjadi lebih cepat.

Distributed Processing

Distributed Processing adalah mengerjakan semua proses pengolahan data secara bersama antara komputer pusat dengan beberapa komputer yang lebih kecil dan saling dihubungkan melalui jalur komunikasi. Setiap komputer tersebut memiliki prosesor mandiri sehingga mampu mengolah sebagian data secara terpisah, kemudian hasil pengolahan tadi digabungkan menjadi satu penyelesaian total. Jika salah satu prosesor mengalami kegagalan atau masalah yang lain akan mengambil alih tugasnya.

Beberapa contoh dari Distributed Data Processing System adalah:

·         ATM, komputer yang dirancang untuk tugas-tugas melaksanakan proyek, analisis finansial, penjadwalan waktu dan akuntansi

·         Pengolahan data pada server yahoo yang tersebar hampir di seluruh dunia secara distribusi, setiap wilayah mempunyai server masing-masing. Seperti di indonesia mempunyai server tersendiri sehingga pengolahan data tidak di pusat melainkan di wilayah masing-masing

Pernyataan di atas adalah jaringan saraf tiruan pendekatan yang menekankan sifat paralel pengolahan saraf, dan sifat didistribusikan representasi saraf. Ini memberikan kerangka matematika umum bagi para peneliti untuk beroperasi dalam rangka melibatkan delapan aspek utama.:

·         Satu set unit pengolahan, diwakili oleh set bilangan bulat.

·         Aktivasi untuk setiap unit, diwakili oleh vektor waktu tergantung fungsi .

·         Fungsi output untuk setiap unit, diwakili oleh vektor fungsi pada aktivasi.

·         Pola konektivitas antar unit, diwakili oleh matriks bilangan real yang menunjukkan kekuatan koneksi.

·         Aturan propagasi menyebarkan aktivasi melalui koneksi, diwakili oleh fungsi pada output dari unit.

·         Aturan aktivasi untuk menggabungkan input ke unit untuk menentukan aktivasi baru, diwakili oleh fungsi pada aktivasi saat ini dan propagasi.

·         Sebuah aturan belajar untuk memodifikasi koneksi berdasarkan pengalaman, diwakili oleh perubahan bobot berdasarkan pada sejumlah variabel.

·         Lingkungan yang menyediakan sistem dengan pengalaman, diwakili oleh set vektor aktivasi untuk beberapa bagian dari unit.

Architectural Parallel Computation

Michael J. Flynn menciptakan satu diantara sistem klasifikasi untuk komputer dan program paralel yang dikenal dengan sebutan Taksonomi Flynn. Flynn mengelompokkan komputer dan program berdasarkan banyaknya set instruksi yang dieksekusi dan banyaknya set data yang digunakan oleh instruksi tersebut.

Arsitektur paralel komputer menurut Klasifikasi Flynn’s:

·         SISD (Single Instruction – Single Data)

Komputer ini memiliki hanya satu prosesor dan satu instruksi yang dieksekusi secara serial. Komputer ini adalah tipe komputer konvensional.

Beberapa contoh komputer yang menggunakan model SISD adalah UNIVAC1, IBM 360, CDC 7600, Cray 1 dan PDP 1.

·         SIMD (Single Instruction – Multiple Data)

Komputer ini memiliki lebih dari satu prosesor, tetapi hanya mengeksekusi satu instruksi secara paralel pada data yang berbeda pada level lock-step. Komputer vektor adalah salah satu komputer paralel yang menggunakan arsitektur ini.

Beberapa contoh komputer yang menggunakan model SIMD adalah ILLIAC IV, MasPar, Cray X-MP, Cray Y-MP, Thingking Machine CM-2 dan Cell Processor (GPU).

·         MISD (Multiple Instructions – Single Data)

Komputer ini memiliki satu prosesor dan mengeksekusi beberapa instruksi secara paralel tetapi praktiknya tidak ada komputer yang dibangun dengan arsitektur ini karena sistemnya tidak mudah dipahami. Sampai saat ini belum ada komputer yang menggunakan model MISD.

·         MIMD (Multiple Instructions – Multiple Data)

Komputer ini memiliki lebih dari satu prosesor dan mengeksekusi lebih dari satu instruksi secara paralel. Tipe komputer ini yang paling banyak digunakan untuk membangun komputer paralel.

Beberapa komputer yang menggunakan model MIMD adalah IBM POWER5, HP/Compaq AlphaServer, Intel IA32, AMD Opteron, Cray XT3 dan IBM BG/L.

Implementasi Parallel Computation

Implementasi komputasi paralel salah satunya pada dunia bisnis di dunia perfilman yaitu rendering film. 3D Rendering terdiri dari proses yang bertujuan untuk membentuk sebuah gambar dari sebuah model yang dibentuk oleh perangkat lunak animasi, model tersebut berisi data geometri, titik pandang, tekstur dan cahaya yang diperlukan untuk membuat gambar yang utuh. 3D Rendering merupakan proses yang sangat penting dan telah digunakan untuk berbagai macam penggunaan, seperti program permainan komputer, efek spesial pada film dan program simulasi.

Salah satu cara untuk memecahkan masalah tersebut adalah dengan menggunakan algoritma Divide and Conquer yang diterapkan kedalam metode Komputasi Parallel. Divide and Conquer merupakan salah satu strategi algoritma yang memecah suatu masalah besar menjadi beberapa bagian untuk kemudian dikerjakan satu persatu. Dalam Komputasi Parallel tiap-tiap bagian dikerjakan oleh unit pemrosesannya masing-masing, sesuai dengan kesepakatan Divide pada awal komputasi. Komputasi Parallel terbukti jauh lebih efektif untuk melakukan rendering objek 3D dibanding hanya menggunakan sebuah unit komputasi.

Sebagai contoh suatu perusahaan animasi asal Jepang, membutuhkan waktu 165 tahun jika proses render yang dilakukan untuk membuat animasi berdurasi 100 menit hanya menggunakan sebuah unit komputasi. Sedangkan ketika perusahaan tersebut menggunakan metode Komputasi Parallel, proses tersebut hanya membutuhkan waktu 1 tahun saja.

Sumber:

[1]. http://komputer.yn.lt/adalah/?arti=Distributed%20Processing

[2]. http://iqbalfadhilah.ilearning.me/2014/09/11/pengertian-realtime-system-batch-processing-system-time-sharing-system-dan-distributed-processing-system/

[3].  https://andri102.wordpress.com/game/soft-skill/konsep-komputasi-parallel-processing/

[4].  http://mahadisuta.blogspot.co.id/2012/12/implementasi-komputasi-paralel-dalam.html

[5].  http://seto.citravision.com/berita-48-parallel-computation--architectural-parallel-computer.html