Pemrosesan Pararel itu ??

PEMROSESAN PARALEL


1.1 Ilustrasi Pemrosesan Paralel

Pikirkan jika suatu toko swalayan memiliki hanya satu kasir dengan seperangkat mesin untuk melayani pembeli yang membentuk antrian panjang hingga 120 orang. Jika rata-rata waktu yang diperlukan oleh kasir untuk melayani seorang pembeli adalah 5 menit, maka untuk melayani 100 orang pembeli memerlukan waktu 5 x 120 = 600 menit = 10 jam. Kondisi seperti ini jelas sangat merisaukan karena mungkin ada beberapa pembeli yang tidak menghendaki berdiri terlalu lama sehingga membatalkan diri untuk belanja di toko tersebut. Kondisi lain adalah jika toko hanya beroperasi selama 8 jam perhari, maka toko tersebut hanya dapat melayani pembeli sebanyak 8/10 x 120 = 96 orang per hari.

Upaya percepatan proses layanan kasir di atas dapat dilakukan dengan menggandakan jumlah kasir misalkan sebanyak 6 kasir, sehingga antrian yang terdiri dari 120 pembeli dapat dibagi merata ke setiap kasir sebanyak 20 pembeli. Dengan demikian tiap kasir hanya memerlukan waktu 5 x 20 = 100 menit untuk melayani 20 pembeli. Karena semua kasir dapat bekerja secara simultan (paralel) dalam kurun waktu yang sama, dengan asumsi bahwa tiap kasir memiliki tingkat ketrampilan yang seragam, maka layanan terhadap 120 pembeli tersebut dapat diselesaikan dalam waktu 100 menit = 1 jam 40 menit. Disini kecepatan layanan meningkat 6 kali lipat dari layanan dengan hanya satu kasir. Jika toko beroperasi 8 jam dalam satu hari, maka toko tersebut dapat melayani pembeli sebanyak 576 orang per hari (catatan: berikan bukti perhitungannya!).

Pemrosesan yang dilakukan oleh 6 kasir di atas secara simultan disebut sebagai pemrosesan parallel (parallel processing) atau komputasi parallel (parallel computation). Perlu diingat bahwa komputasi atau pemrosesan yang dilakukan oleh tiap kasir tidak saling bergantung (independent) satu sama lain, sehingga dimungkinkan untuk dilakukan secara simultan.

1.2 Definisi Pemrosesan Paralel

Pemrosesan parallel (parallel processing) adalah penggunaan mesin komputer paralel untuk memecahkan satu unit problem komputasi dengan tujuan mempersingkat waktu pengolahan (Quinn 2003). Terminologi pemrosesan paralel (parallel processing) sering dipertukarkan dengan terminologi komputasi paralel (parallel computation) dan komputasi konkuren ( concurrent computation). Komputer paralel adalah sistem komputer yang memiliki prosesor ganda (multiprocessor) atau untuk mendukung pemrograman paralel (parallel programming). Pengertian multiprocessor juga dapat mencakup multicomputer yang terhubung satu dengan lain melalui sistem jaringan.


1.3. Perlunya Pemrosesan Paralel

Tujuan utama dari pemrosesan paralel adalah peningkatan kecepatan komputasi yang semaksimal mungkin. Pada contoh pelayanan kasir yang terdahulu, dapat dijelaskan bahwa penggandaan jumlah kasir dengan seperangkat mesin bantunya, dapat mempercepat pelayan terhadap pembeli dibandingkan dengan pelayanan dengan hanya sau kasir. Banyak problema dunia nyata lain yang sangat kompleks dimana pemecahannya melibatkan komputasi yang rumit dan lama. Disinilah kebutuhan akan pemrosesan parallel: mempercepat waktu eksekusi dan meningkatkan laju produksi solusi per unit waktu. Saat ini pemrosesan paralel dipandang sebagai metoda baku untuk komputasi ilmiah dan teknik (scientitic and engineering computation) untuk pemecahan masalah di berbagai area: pemodelan dan peramalan cuaca, simulasi dan prediksi aktivitas zat radio aktif, perancangan pesawat dan mobil, optimasi proses produksi, akuisisi dan pengolahan data satelit, fabrikasi dan perakitan berpresisi tinggi berbasis robot, optimasi dan pengendalian lingkungan rumah tanaman (Seminar et al 2006), serta simulasi dan rekayasa genetik di bidang pertanian, pertanian presisi (Seminar 2000).

1.4. Sistem Komputer Berkinerja Tinggi

Sistem komputer berkinerja tinggi (high-performance computer systems) adalah sistem komputer yang memiliki kecepatan eksekusi yang tinggi untuk menyelesaikan problem komputasi yang besar dan kompleks. Saat ini komputer berkinerja tinggi mendayagunakan pemrosesan paralel. Komputer Deep Blue yang dibuat IBM untuk bertanding catur melawan Garry Kasparov (mantan juara catur dunia dari Rusia) merupakan contoh sistem komputer berkinerja tinggi. Secara mengejutkan DeepBlue yang dirancang dengan cermat yang mampu melakukan komputasi langkah-langkah catur yang kompleks dan mampu menelusuri rekaman langkah-langkah pertandingan catur antar pecatur kelas dunia perioda sebelumnya yang tersimpan pada memori database, dapat mengalahkan Garry Kasparov. Ini merupakan prestise bergengsi bagi IBM dalam mendisain dan memproduksi mesin cerdas berkinerja tinggi. Deep Blue termasuk dalam kelas supercomputer.

Komputer kelas supercomputer yang diberi nama ASCI Red (ASCI= Advanced Strategic Computing Initiative) diproduksi tahun 1997, terdiri 9000 CPU Intel Pentium II Xeon memiliki keceptan olah 1 trilyun operasi perdetik (1 teraop). Tahun 1998 IBM meluncurkan ASCI Blue Pacific yang terdiri dari 5.586 CPU PowerPC sehingga dapat melakukan eksekusi instruksi lebih dari 3 teraops. Selanjutnya pada tahun 2000, IBM memproduksi ASCI White yang terdiri dari 8.192 CPU sehingga mampu melakukan eksekusi instruksi sebesar 10 teraops. Diramalkan bahwa pada tahun 2004 akan dapat diluncurkan supercomputer dengan kecepatan 100 teraops.

1.5. Aplikasi Komputasi Paralel.

Khawarizmie (2006) melakukan penelitian dengan judul Uji dan Aplikasi Komputasi Paralel pada Jaringan Syaraf Probabilistik (PNN) untuk proses Klasifikasi Mutu Buah Tomat Segar. Penelitian ini bertujuan menguji komputasi paralel pada algoritma PNN yang diterapkan pada proses klasifikasi mutu buah tomat. Unjuk kerja komputasi paralel dibandingkan dengan hasil perhitungan dengan processor tunggal. Penelitian ini bertujuan untuk:
• Membandingkan akurasi klasifikasi dan waktu yang dibutuhkan antara proses klasifikasi dengan komputasi sekuensial dan proses klasifikasi dengan komputasi paralel.
• Mengetahui besarnya peningkatan kecepatan dan peningkatan akurasi yang mungkin terjadi pada proses klasifikasi dengan komputasi paralel.
• Mengetahui keunggulan dan cara kerja metode PNN (Probabilistic Neural Network), Algoritma Genetik, dan komputasi paralel.
Dari hasil perhitungan diperoleh akurasi klasifikasi komputasi paralel dan komputasi sekuensial tidak jauh berbeda, dengan nilai 89.2%. Peningkatan kecepatan dengan penerapan komputasi paralel rata-rata 128.8 %.

thank's to ; nurulinayah