PENGANTAR KOMPUTASI MODERN
“KOMPUTASI PARALEL (Paralel Computation)”
Disusun Oleh :
- Aji Raksa Kumala (50412524)
- Avriani Hana Utari (51412265)
- Dody Ardyanto
(52412242)
- Usfatun Latifah (57412529)
Kelas : 4IA23
JURUSAN TEKNIK INFORMATIKA
UNIVERSITAS GUNADARMA
2016
UNIVERSITAS GUNADARMA
2016
KOMPUTASI
PARALEL
● Konsep
Paralel (Parallelism Concept)
Pada
dasarnya komputasi paralel digunakan untuk menyelesaikan suatu permasalahan
besar, dengan memecah masalah tersebut menjadi bagian-bagian yang lebih kecil
(sub-masalah). Kemudian sub-masalah tersebut diselesaikan oleh oleh
kumpulan-kumpulan dari processor (multiprocessor) yang nantinya terlibat dalam
pengeksekusian masalah tersebut, dimana setiap bagian sub-masalah diselesaikan
oleh satu processor (single processor). Jadi kesimpulannya, jika sebuah masalah
yang diselesaikan oleh satu processor membutuhkan berapa banyak sub-masalah dan
berapa lama waktu yang dibutuhkan oleh processor tersebut. Kemudian dapat
dilakukan perbandingan dengan masalah yang sama, jikan masalah tersebut
dilakukan oleh lebih dari satu processor.
Jadi
komputasi paralel merupakan teknik untuk melakukan komputasi secara bersamaan
dengan memanfaatkan beberapa komputer independen secara bersamaan. Adapun
tujuan utama komputasi paralel untuk mempersingkat waktu eksekusi program yang
menggunakan komputasi serial.
Gambar 1. Proses Konsep Paralel
● Proses
Distribusi (Distributed Processing)
Proses
Distribusi atau Distributed Processing
adalah pengerjaan 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. Jadi pengolahan
paralel didistribusikan menggunakan pemrosesan paralel pada beberapa mesin.
Contohnya dapat dilihat ketika bagaimana beberapa komunitas memungkinkan
pengguna untuk mendaftar dan mendedikasikan komputer mereka sendiri untuk
memproses beberapa data set yang diberikan kepada mereka oleh server. Ketika
ribuan pengguna mendaftar untuk ini, banyak data dapat diproses dalam jumlah
yang sangat singkat.
Gambar 2. Distribusi Paralel
● Arsitektur
Komputer Paralel (Architectural Parallel
Computer)
Referensi
dari Flynn mengenai Arsitektur Komputer Paralel menjelaskan bahwa dalam
mendesain sebuah komputer, dikarakteristikkan oleh alur dari
instruksi-instruksi yang akan diselesaikan oleh suatu arsitektur komputer.
Taksonomi ini menghasilkan empat kemungkinan kombinasi dari pengoperasian
instruksi, antara lain :
Gambar 3. Model Pemrosesan Paralel
- SISD
(Single Instruction, Single Data)
Arsitektur yang mewakili komputer
serial, dimana hanya ada satu prosesor dan satu aliran data (memori) sehingga
hanya ada satu task atau tugas yang
dapat dieksekusi pada satu waktu. Contohnya arsitektur Von-Neumann.
Gambar 4.
SISD (Single Instruction, Single Data)
- SIMD
(Single Instruction, Multiple Data)
Eksekusi sebuah instruksi akan
dilakukan bersamaan oleh beberapa prosesor, dimana sebuah prosesor dapat
menggunakan data yang berbeda dengan prosesor lain.
Gambar 5. SIMD (Single Instruction, Multiple Data)
- MISD
(Multiple Instruction, Single Data)
Berbagai instruksi akan dieksekusi
secara bersamaan oleh beberapa prosesor dengan menggunakan data yang sama.
Gambar 6. MISD (Multiple Instruction, Single Data)
- MIMD (Multiple Instruction, Multiple
Data)
Berbagai instruksi akan dieksekusi
secara bersamaan oleh beberapa prosesor dimana masing-masing prosesor dapat
menggunakan data yang berbeda.
Gambar 7. MIMD (Multiple Instruction, Multiple Data)
● Implementasi Komputasi Paralel (Implementation Parallel Computation)
Komputasi Paralel mempunyai prinsip
yang bersesuaian dengan algoritma Divide
and Conquer, yaitu membagi-bagi proses menjadi bagian-bagian yang cukup
kecil dan memungkinkan untuk dikerjakan oleh sebuah unit komputasi.
Terdapat 2
klasifikasi parallel computer yang
penting, yaitu : Sebuah komputer dengan banyak unit komputasi internal, atau
lebih dikenal sebagai Shared Memory
Multiprocessor. Beberapa komputer yang terhubung melalui sebuah jaringan,
atau lebih dikenal sebagai Distributed
Memory Multicomputer.
Pada bagian
ini yaitu pada rendering Film digunakan unit Komputasi parallel Distributed Memory Multicomputer. Hal ini dikarenakan
computer yang digunakan untuk membuat rendering filmnya adalah Kluster
Komputer. Kluster computer adalah proses menghubungkan beberapa computer agar
dapat bekerja secara bersama-sama dengan sebuah jaringan sebagai media
penghubungnya.
Komponen
kluster biasanya saling terhubung dengan cepat melalui sebuah interkoneksi yang
sangat cepat, atau juga melalui jaringan local (LAN). Keuntungan memakai
Kluster Komputer ini yaitu pemrosesan dapat dilakukan lebih cepat karena
mempunyai mesin-mesin yang masing-masing multiprocessor. Terdapat incremental Scalability dimana
penambahan sistem-sistem baru dengan inkremen yang kecil. Dalam Kluster
Komputer kegagalan yang terjadi di dalam satu node tidak berarti atau disebut
dengan “Loss of service”. Dan yang
terakhir yaitu biaya yang dibutuhkan lebih murah, hal ini dikarenakan Kluster
computer dapat menghasilkan power komputasi yang sama atau lebih tinggi dari
computer parallel sebenarnya.
3D
Rendering merupakan salah satu proses yang sangat penting dalam melakukan
pengolahan gambar 3D. Tanpa dirender suatu gambar yang diolah oleh perangkat
lunak animasi 3D hanya akan tampil dalam bentuk kumpulan point dan wireframe sederhana.
Proses render melakukan “pembungkusan” tekstur pada objek yang bersesuaian
sesuai cahaya yang datang pada objek tersebut. Namun proses render membutuhkan
daya komputasi yang sangat besar karena banyaknya titik koordinat yang harus
dikomputasi, terutama jika data 3D yang diolah cukup rumit.
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 ke dalam metode Komputasi Parallel. 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.
Di Indonesia LIPI Public Cluster
adalah sarana komputasi paralel yang dibuka untuk pemakai umum secara cuma-cuma,
persembahan LIPI Serpong, Indonesia. Sarana public cluster ini merupakan yang
pertama di Indonesia. Rintisan awal mulai dilakukan pada tahun 2004.
Hingga saat ini, Pusat Penelitian
Fisika Lembaga Ilmu Pengetahuan Indonesia (LIPI), hingga saat ini telah
berhasil merakit 35 note komputer. Rangkaian komputer ini dijadikan satu
membentuk satu cluster untuk kemudian difungsikan mengolah suatu data yang
sangat kompleks. Kami menyebutnya kluster karena komputer ini dirakit jadi satu
dari beberapa komputer, kata Laksana Tri Handoko, Peneliti Teori Fisika LIPI.
Komputer ini meski dijadikan satu,
namun tetap dapat dipecah dan difungsikan hanya sesuai note (komputer pc yang
terangkai di dalam kluster) yang kita perlukan. Misalnya untuk mengolah data
hanya butuh tiga hingga empat note, maka hanya jumlah note tersebut saja yang
bisa dipakai, lainnya tidak.
Handoko mengatakan bahwa fungsi
kluster ini yang umum dikenal masyarakat adalah sebagai alat pembantu simulasi
suatu model. œkebanyakan adalah mahasiswa yang memanfaatkannya, kata Handoko.
Hingga saat ini dari 35 note yang terpasang, telah lebih dari 60 orang yang
memanfaatkannya. Kebanyakan mereka yang menggunakan adalah untuk kepentingan
pemrograman, pendataan atau analisa misalnya untuk identifikasi DNA. œKami juga
disini sudah memiliki gen bank, tembahnya.
Kluster ini menurut Handoko, hampir
sama dengan miliknya mesin pencari google. Bedanya jika google memiliki 1.000
note, maka LIPI hanya punya 35 note. Rencananya akan ditambah hingga 45 note.
Kecepatannya untuk level superkomputer, kluster Puslit Fisika LIPI mencapai 150
gigaflops. Kecepatan ini masih berada pada kecepatan superkomputer terendah
minimal sebesar 135 gigaflops.
Sumber :
