BAB IV PENGUJIAN DAN ANALISIS
|
|
- Sugiarto Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dijelaskan tentang pengujian dari masing masing metode computing dan juga analisa dari hasil pengujian tersebut. Pengujian dilakukan pada waktu proses dengan menjalankan aplikasi yang menerapkan algoritma sorting, perkalian matriks, inverse matrix dengan gauss jordan, BFS, dan Binary Search secara bersama-sama pada setiap metode computing, dan kemudian akan di ambil analisa Pengujian pada CPU Computing Pengujian untuk CPU computing dilakukan dengan menjalankan beberapa aplikasi yang telah dirancang secara bersamaan, kemudian hasil waktu akan dibandingkan Pengujian dengan Integer A. Aplikasi yang diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan integer. B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa 29
2 Tabel 4.1. Pengujian Multitasking CPU dengan input Data Integer Sorting Gauss J Binary Waktu data Search data Waktu , , , , ,236 Ukuran (Variabel) Waktu Matriks Ukuran Waktu Gambar 4.1 Hasil Sorting dengan Sampel 100 Data. 30
3 Gambar 4.2 Hasil Perkalian Matriks dengan sampel Matriks 10 x 10. Gambar 4.3 Hasil dari Eliminasi Gauss Jordan dengan Sampel Matriks 10 x
4 Gambar 4.4 Hasil Binary Search dengan 30 Sampel Data. Pemrosesan CPU dengan mengimplementasikan algoritma search dan sorting, dapat menghasilkan waktu pemrosesan 0,903 detik sampai 32,792 detik untuk sorting dan 0, detik sampai 0, detik untuk search dengan input data sampai , namun waktu pemrosesan meningkat dengan melakukan perhitungan matriks dan juga eliminasi linier gauss jordan. dari array dan proses read and write pada masing masing array yang digunakan, membuat pemrosesan pada sorting dan search membutuhkan waktu yang lebih sedikit dari perhitungan eliminasi linier dan perkalian matriks. CPU membutuhkan waktu sampai 2.600,740 detik untuk mengolah masukan data untuk algoritma perkalian matriks dan 1.167,870 detik untuk eliminasi linier dengan input data matriks 5000 x Meskipun CPU yang digunakan sudah memiliki 4 thread dan juga memiliki clock speed yang cukup besar, susunan sekuensial algoritma dari program yang diterapkan pada CPU, waktu pemrosesan dari perhitungan algoritma matriks tidak secepat searching dan sorting. 32
5 Pengujian Dengan Floating Point A. Aplikasi yang Diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan floating point. B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa Tabel 4.2. Pengujian Multitasking CPU dengan Input Data Floating Point Sorting Gauss J Binary Waktu data Search data Waktu , , , , ,224 Ukuran (Variabel) Waktu Matriks Ukuran Waktu Gambar 4.5 Sorting dengan input Floating Point dan 100 Sampel Data. 33
6 Gambar 4.6 Binary Search dengan input 100 sampel data Floating Point. Gambar 4.7 Perkalian matriks dengan sampel Matriks 10x10. Gambar 4.8 Metode Eliminasi Gauss Jordan dengan sampel 2 variabel. 34
7 Pemrosesan algoritma searching dan sorting dengan ukuran data data, CPU membutuhkan waktu 15,040 detik untuk sorting dan 0, detik untuk searching, karena CPU keluaran terbaru sudah dilengkapi dengan Floating Point Unit (FPU) yang ditanamkan oleh pabrikan di chipset. Namun FPU pada CPU belum bisa memberikan waktu proses seperti pada saat implementasi sorting dan searching. Pada saat memproses data input yang berupa floating point pada implementasi algoritma perkalian matriks membutuhkan waktu pemrosesan 3.183,011 detik dan metode eliminasi gauss jordan membutuhkan waktu 787,667 detik dengan menggunakan input data matriks yang berukuran 5000 x Pengujian dengan GPU Computing Pengujian pada GPU computing dengan menggunakan beberapa aplikasi yang juga digunakan pada CPU computing, yang nantinya akan di eksekusi secara bersamaan, dan hasilnya akan dibandingkan dengan metode lainnnya Pengujian dengan Integer A. Aplikasi yang Diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan floating point. B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa 35
8 Tabel 4.3. Pengujian Multitasking GPU dengan input Data Integer Sorting Gauss J Binary Waktu data Search data Waktu , , , , , , , , , , Ukuran (Variabel) Waktu Matriks Ukuran Waktu , , , , , , , , , , Berbeda dengan menggunakan CPU yang membutuhkan waktu proses lebih dari 50 menit pada saat pemrosesan perkalian matriks dengan ukuran data matriks yang sama yaitu 5000 x 5000, data yang di proses oleh GPU membutuhkan waktu proses 0, milidetik. Karena GPU memiliki memori utama tersendiri untuk menopang kinerja dan jumlah core processor CUDA yang digunakan mempunyai 144 inti, dibandingkan dengan core processor CPU yang digunakan berjumlah 2 inti Pengujian dengan Floating Point A. Aplikasi yang Diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan floating point. B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa 36
9 Tabel 4.4. Pengujian Multitasking GPU dengan input Data Floating Point Sorting Gauss J Binary Waktu data Search data Waktu , , , , , , , , , , Ukuran (Variabel) Waktu Matriks Ukuran Waktu , , , , , , , , , , Pada saat input dengan menggunakan data bertipe float, waktu yang dibutuhkan dalam pemrosesan tidak berbeda jauh dengan input data integer yang sebelumnya telah diuji. Dengan matriks 5000 x 5000 data integer membutuhkan waktu 0, milidetik dan dengan input jumlah data yang sama tetapi bertipe float waktu prosesnya 0, milidetik. Berbeda dengan pemrosesan menggunakan CPU yang sudah memiliki FPU, waktu pemrosesan pada perhitungan matriks 5000 x 5000 membutuhkan waktu 3.183,011 detik. GPU CUDA didesain untuk render grafis yang memiliki data data floating point dan di desain menggunakan arsitektur yang berbeda untuk pengolahan data, maka pemrosesan dengan input data float tidak akan membebani dari kinerja GPU Pengujian dengan MPI Pengujian dengan MPI, menggunakan aplikasi MPICH2 dan menggunakan lib, include dan bin dari MPICH2 untuk eksekusi aplikasi yang sudah terintegrasi dengan MPI. Menggunakan 2 PC yang tersambung dengan LAN Pengujian dengan Integer A. Aplikasi yang Diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan Integer. 37
10 B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa Tabel 4.5. Pengujian Multitasking cluster CPU dengan input data Integer Sorting Gauss J Binary Waktu data Search data Waktu Ukuran (Variabel) Waktu Matriks Ukuran Waktu Pengujian dengan menggunakan MPI didapatkan waktu yang lebih cepat dari menggunakan satu CPU, pada sorting menggunakan input data, single CPU membutuhkan waktu 32,792 detik dan dengan cluster computing membutuhkan waktu proses 20,743 detik. Namun ada yang berbeda dengan Binary Search, dikarenakan struktur data dari binary search. Apabila data di distribusikan,akan membutuhkan waktu pada saat data transfer dan waktu koneksi antara dua komputer. Pada implementasi perkalian matriks 5000 x 5000, cluster computing dapat menangani proses yang diberikan lebih cepat dari komputasi dengan single CPU, karena menggunakan 2 processor yang memiliki kecepan dan virtual multithread yang tidak begitu berbeda jauh dan dibantu dengan library dari MPI yang membantu membagi dan mendistribusikan data. Implementasi matriks dengan input ukuran data matriks 5000 x 5000 memiliki waktu proses 1.995,244 detik, sedangkan pada single CPU memakan waktu lebih lama 2.611,740 detik. 38
11 Pengujian dengan Floating Point A. Aplikasi yang Diuji Aplikasi sorting, perkalian matriks, binary search, dan eliminasi gauss jordan dengan menggunakan input bilangan Integer. B. Langkah Pengujian 1. Input jumlah data pada masing-masing aplikasi. 2. Eksekusi keempat aplikasi secara bersamaan. 3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi. C. Hasil dan Analisa Tabel 4.6. Pengujian Multitasking cluster CPU dengan input data Floating Point Sorting Gauss J Binary Waktu data Search data Waktu Ukuran (Variabel) Waktu Matriks Ukuran Waktu , Pengujian dengan menggunakan input floating point menunjukan bahwa proses yang berjalan membutuhkan waktu yang lebih lama dari input menggunakan integer pada saat memproses perkalian matriks 5000 x 5000, dengan input bilangan integer membutuhkan waktu 1.995,244 detik sedangkan dengan input bilangan floating point membutuhkan waktu 2.065,384 detik. Ada sebuah metode perhitungan yang membutuhkan waktu yang lebih lama dari perhitungan lainnya, hal ini disebabkan transfer data antara masing masing komputer yang membutuhkan waktu dalam penyalinan memory dan pengolahan data pada CPU yang mengolah data berpusat pada masing masing core per detiknya dan tidak efisien dalam pengolahan data kompleks yang banyak secara bersamaan. 39
12 4.4. Perbandingan Hasil Pengujian dengan Teori Kompleksitas Waktu Setiap algoritma yang digunakan dalam pengujian memiliki kompleksitas, pada perkalian matriks dan eliminasi linier kompleksitas waktu yang dimiliki adalah O(N 3 ), pada sorting memiliki kompleksitas waktu O(N log N) dan binary search memiliki kompleksitas waktu O(log N). Perhitungan waktu kompleksitas perkalian matriks dan eliminasi linier pada input data 1000 x 1000 membutuhkan waktu pemrossan waktu ms, apabila diterapkan pada penggunaan O(N 3 ), pada input 2000 x 2000 akan menghasilkan waktu ms, dan waktu pada pengujian menggunakan CPU ms untuk perkalian matriks dan untuk eliminasi linier pada input data 1000 x 1000 membutuhkan waktu pemrosesan ms, saat diterapkan dengan kompleksitas O(N 3 ), maka akan menghasilkan waktu ms. Selisih waktu dikarenakan beberapa faktor, seperti kecepatan CPU, kapasitas RAM, dan core dari CPU. GPU yang memiliki arsitektur berbeda dengan CPU, mengeksekusi data dengan paralel ke semua core yang dimiliki GPU. Waktu yang dibutuhkan tidak seperti CPU yang berjalan secara sekuensial. Dengan performa memory copy host to device 6000 MiB/s, device to host sebesar 6000 MiB/s, dan device to device sebesar GiB/s, serta GPU core performance untuk integer Giop/s, single-precision float Gflop/s, dan double-precision float Gflop/s maka waktu pemrosesan mampu diselesaikan dalam kurang dari 1 detik. Pemrosesan algoritma oleh GPU memiliki kompleksitas waktu yang sama dengan pemrosesan pada CPU. Karena pemrosesan pada GPU berjalan secara paralel, GPU membagi keseluruhan waktu proses sejumlah proses paralel. Dengan hasil waktu pemrosesan paralel dan sekuensial yang berbeda, bisa dicari speed-up dari masing masing algoritma dengan menggunakan rumus S = T old / T new. Hasil speed-up yang akan di hitung berdasarkan dari waktu proses dari CPU dan GPU. Pada Matriks dengan input 1000 x 1000 hasil dari speed-up adalah S = / 0, = kali. Semakin bertambah jumlah datanya, maka nilai dari speed-up akan bertambah tinggi. 40
13 4.5. Tabel Perbandingan Hasil Pengujian CPU Computing, GPU Computing, dan Cluster Computing Data Sorting CPU Computing (waktu) GPU Computing (waktu) Cluster Computing (waktu) integer float integer float integer float , , , , , , , , , , Data Binary Search CPU Computing (waktu) GPU Computing (waktu) Cluster Computing (waktu) integer float integer float integer float ,173 0,128 0, , ,181 0,215 0, , ,190 0,285 0, , ,228 0,201 0, , ,236 0,224 0, , Data Perkalian Matriks CPU Computing (waktu) GPU Computing (waktu) Cluster Computing (waktu) integer float integer float integer float , , , , , , , , , , Data Eliminasi Linier Gauss Jordan CPU Computing (waktu) GPU Computing (waktu) Cluster Computing (waktu) integer float integer float integer float , , , , , , , , , , ,
BAB I PENDAHULUAN. Merancang aplikasi Paralel Processing yang diimplementasikan dengan penggunaan Computer-Unified-Device-Architecture (CUDA).
BAB I PENDAHULUAN 1.1. Tujuan Merancang aplikasi Paralel Processing yang diimplementasikan dengan penggunaan Computer-Unified-Device-Architecture (CUDA). 1.2. Latar Belakang Banyak Central Processing Unit
Lebih terperinciMULTITASKING DENGAN MENGGUNAKAN NVIDIA CUDA. oleh Agustinus Ardiyan Abi Ravinda NIM :
MULTITASKING DENGAN MENGGUNAKAN NVIDIA CUDA oleh Agustinus Ardiyan Abi Ravinda NIM : 622009010 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik Program Studi Sistem Komputer Fakultas
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS 4.1 Skenario Pengujian Program aplikasi diimplementasikan pada sebuah PC quadcore dan cluster 4 PC quadcore untuk mendapatkan perbandingan kinerja antara algoritma paralel
Lebih terperinci1. PENDAHULUAN 1.1. LATAR BELAKANG MASALAH
1. PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Pada saat ini, teknologi mengalami kemajuan yang sangat pesat, khususnya pada perkembangan komputer. Adapun salah satu teknologi yang mendukung cepatnya perhitungan
Lebih terperinciBAB III PERANCANGAN Gambaran Sistem
BAB III PERANCANGAN Pada bab ini di jelaskan tentang bagaimana realisasi dari CPU computing, GPU computing, dan Cluster Computing serta sistem pengaturan dan struktur coding dari masing masing metode computing.
Lebih terperinciPenggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Tujuan Utama Untuk meningkatkan performa komputasi.
PARALLEL PROCESSING Penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Tujuan Utama Untuk meningkatkan performa komputasi. Komputasi Parallel Salah satu teknik melakukan
Lebih terperinciAnalisis Kinerja Matrix Multiplication Pada Lingkungan Komputasi Berkemampuan Tinggi (Cuda Gpu)
Analisis Kinerja Matrix Multiplication Pada Lingkungan Komputasi Berkemampuan Tinggi (Cuda Gpu) 1 Machudor Yusman, 2 Anie Rose Irawati, 3 Achmad Yusuf Vidyawan 1 Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan
Lebih terperinci10. PARALLEL PROCESSING
10. PARALLEL PROCESSING Parallel Processing Penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Tujuan Utama Untuk meningkatkan performa komputasi. Komputasi Parallel Salah
Lebih terperinciKOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION
KOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Agustinus Kristiadi
Lebih terperinciOPTIMISASI PUSTAKA UNTUK PERKALIAN MATRIKS MENGGUNAKAN ALGORITMA STRASSEN BERBASIS OPENCL
OPTIMISASI PUSTAKA UNTUK PERKALIAN MATRIKS MENGGUNAKAN ALGORITMA STRASSEN BERBASIS OPENCL Arvin 1), Sutrisno 2), Pujianto Yugopuspito 3) 1),2),3) Teknik Informatika, Universitas Pelita Harapan UPH Tower,
Lebih terperinciBAB I PENDAHULUAN. penggunaan teknologi dalam menunjang kehidupan sehari - hari. berdasarkan data yang dihimpun oleh Gartner International Data
BAB I PENDAHULUAN 1.1. Latar Belakang Pertumbuhan teknologi saat ini semakin meningkat secara pesat dari waktu ke waktu. Konsumen semakin menyadari akan pentingnya penggunaan teknologi dalam menunjang
Lebih terperinciPENDAHULUAN. -. Pengolahan data numerik dalam jumlah yang sangat besar. -. Kebutuhan akan ketersediaan data yang senantiasa up to date.
PENDAHULUAN 1 Kebutuhan akan Pengolahan Paralel Motivasi : - Pengolahan data numerik dalam jumlah yang sangat besar - Kebutuhan akan ketersediaan data yang senantiasa up to date Contoh 11 : Simulasi sirkulasi
Lebih terperinciPENGANTAR KOMPUTASI MODERN
PENGANTAR KOMPUTASI MODERN KOMPUTASI MODERN & PEMROSESAN PARALEL MARSHAL SAMOS 54412458 4IA15 UNIVERSITAS GUNADARMA 2016 1. Manakah yang termasuk karakteristik komputasi Modern yaitu : a. Komputer-komputer
Lebih terperinciPROSEDUR PARALELISASI PERKALIAN MATRIKS PADA GRAPHICS PROCESSING UNIT (GPU)
PROSEDUR PARALELISASI PERKALIAN MATRIKS PADA GRAPHICS PROCESSING UNIT (GPU) Murni Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat murnipskm@staff.gunadarma.ac.id
Lebih terperinciNama : Reza Alfian Firdiansyah NPM : Jurusan : Sistem Informasi Pembimbing : Prof. Dr-Ing. Adang Suhendra. SSi.,Skom.,MSc
ALGORITMA SMOOTHED PARTICLE HYDRODYNAMICS ALIRAN FLUIDA UNTUK MENGHITUNG DEBIT ALIRAN PADA SIMULASI ALIRAN FLUIDA Nama : Reza Alfian Firdiansyah NPM : 16112185 Jurusan : Sistem Informasi Pembimbing : Prof.
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1. Citra Digital Citra merupakan gambar yang merepresentasikan sesuatu. Citra dapat berupa gambar dari sebuah atau kumpulan obyek. Citra digital merupakan citra yang dapat diolah
Lebih terperinciParalelisasi Transformasi Fourier pada Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Instrumen Solo
Paralelisasi Transformasi Fourier pada Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Instrumen Solo Ridwan Rismanto 5109201049 DOSEN PEMBIMBING Dr. Nanik Suciati,
Lebih terperinciPENDAHULUAN. Motivasi : -. Pengolahan data numerik dalam jumlah yang sangat besar. -. Kebutuhan akan ketersediaan data yang senantiasa up to date.
PENDAHULUAN 1 Kebutuhan akan Pengolahan Paralel Motivasi : - Pengolahan data numerik dalam jumlah yang sangat besar - Kebutuhan akan ketersediaan data yang senantiasa up to date Contoh 11 : Simulasi sirkulasi
Lebih terperinciPARALELISASI PERKALIAN MATRIKS SPARSE VEKTOR DENGAN CUBLAS
PARALELISASI PERKALIAN MATRIKS SPARSE VEKTOR DENGAN CUBLAS Murni Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat murnipskm@staff.gunadarma.ac.id
Lebih terperinciJARINGAN UNTUK MERGING
SORTING - Merging Definisi: A = {a 1, a 2,..., a r } B = {b 1, b 2,..., b s } merupakan dua deret angka yang terurut naik; merge A dan B merupakan deret C = {c 1, c 2,..., c r+s } yang juga terurut naik,
Lebih terperinciKompleksitas Algoritma Dalam Algoritma Pengurutan
Kompleksitas Algoritma Dalam Algoritma Pengurutan Rio Cahya Dwiyanto Jurusan Teknik Informatika ITB, Bandung, email: kasrut_desu@yahoo.co.id Abstract Makalah ini membahas tetang beberapa algoritma, terutama
Lebih terperinciParalelisasi Transformasi Fourier Para Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Solo Instrumen
Paralelisasi Transformasi Fourier Para Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Solo Instrumen Ridwan Rismanto 1 *, Nanik Suciati 2, Wahyu Suadi 3 Institut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer grafis sangat pesat dengan ruang lingkup yang luas. Penggunaannya beragam, dari mulai untuk industri entertainment sampai akademis.
Lebih terperinciBAB II DASAR TEORI GPU Computing
BAB II DASAR TEORI Bab ini berisi tentang dasar teori dari setiap metode computing yang berhubungan dengan perancangan skripsi antara lain tentang GPU Computing menggunakan CUDA, CPU Computing, Cluster
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Konfigurasi Cluster PC Multicore Penelitian ini bertujuan untuk mengetahui pengaruh algortima paralel pada kinerja komputasi paralel. Untuk itu konfigurasi hardware disusun
Lebih terperinciImplementasi Komputasi Paralel. Mohammad Zarkasi Dosen Pembimbing: Waskitho Wibisono, S.Kom., M.Eng., Ph.D. Ir. FX. Arunanto, M.
Implementasi Komputasi Paralel untuk Enkripsi Citra berbasis AES menggunakan JPPF Mohammad Zarkasi 5109100155 Dosen Pembimbing: Waskitho Wibisono, S.Kom., M.Eng., Ph.D. Ir. FX. Arunanto, M.Sc 1 Latar Belakang
Lebih terperinciAnalisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing
Analisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing Bagus Kurniawan Teguh Bharata Adji Jurusan Teknik Elektro dan Teknologi Informasi Jurusan Teknik Elektro
Lebih terperinciOPTIMASI PROSES RENDERING OBJEK GAME 3D MENGGUNAKAN PEMROGRAMAN CUDA PADA GAME SANDBOX CRAFT
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 3-7699 Vol., No. 3, September 017, hlm. 07-1 e-issn: 8-679 OPTIMASI PROSES RENDERING OBJEK GAME 3D MENGGUNAKAN PEMROGRAMAN CUDA PADA GAME SANDBOX
Lebih terperinciPARALELISASI TRANSFORMASI WAVELET DISKRIT MENGGUNAKAN ARSITEKTUR CUDA PADA GRAPHIC PROCESSING UNIT UNTUK DE-NOISING CITRA
PARALELISASI TRANSFORMASI WAVELET DISKRIT MENGGUNAKAN ARSITEKTUR CUDA PADA GRAPHIC PROCESSING UNIT UNTUK DE-NOISING CITRA DOSEN PEMBIMBING: Dr. Nanik Suciati, S.Kom. M.Kom Wahyu Suadi, S.Kom, MM, M.Kom
Lebih terperinciPendeteksian Kemacetan Lalu Lintas dengan Compute Unified Device Architecture (CUDA)
Pendeteksian Kemacetan Lalu Lintas dengan Compute Unified Device Architecture (CUDA) LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh: Muhammad Ismail Faruqi / 13503045 PROGRAM
Lebih terperinciIT233-Organisasi dan Arsitektur Komputer Pertemuan 4
MEMORI KOMPUTER Jika CPU merupakan otak dari sebuah komputer, maka memory merupakan komponen pembantu kerja CPU dalam melakukan kegiatan pemrosesan data atau pengeksekusian sebuah perintah. Program dan
Lebih terperinciBAB III LANDASAN TEORI. dalam bentuk sebuah tabel. Lingkungan semacam ini sering ditemui pada dunia
BAB III LANDASAN TEORI A. Hexagon-Based Environment Sebuah lingkungan pada dunia nyata ataupun dunia virtual dapat dimodelkan dalam bentuk sebuah tabel. Lingkungan semacam ini sering ditemui pada dunia
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pencarian sebuah dokumen akan lebih cepat apabila informasi mengenai dokumen yang dicari tersebut telah diurutkan terlebih dahulu daripada saat kita akan mencari
Lebih terperinciBAB II TINJAUAN PUSTAKA. apapun yang melalui beberapa pengolahan berarti (Tse, 2012). Mencerahkan citra,
BAB II TINJAUAN PUSTAKA A. Tinjauan Pustaka Pengolahan citra adalah sebuah bentuk pengolahan sinyal dimana masukannya berupa sebuah citra, dan keluarannya dapat berupa citra kembali atau apapun yang melalui
Lebih terperinciImplementasi AES-ECB 128-bit untuk Komputasi Paralel pada GPU menggunakan Framework NVIDIA CUDA
Implementasi AES-ECB 128-bit untuk Komputasi Paralel pada GPU menggunakan Framework NVIDIA CUDA Adityo Jiwandono, 13507015 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Super komputer adalah komputer paralel yang digunakan untuk komputasi tinggi, yang tidak bisa diselesaikan dengan komputasi biasa seperti pemodelan atom, molekul, fusi
Lebih terperinciBAB II LANDASAN TEORI
A II LANDASAN TEORI 2.1 Komputasi Paralel Teknologi komputasi paralel sudah berkembang lebih dari dua dekade, penggunaannya semakin beragam mulai dari kebutuhan perhitungan di laboratorium fisika nuklir,
Lebih terperinciKompleksitas Algoritma Rank Sort dan Implementasi pada Parallel Programming Dengan Menggunakan OpenMP
Kompleksitas Algoritma Rank Sort dan Implementasi pada Parallel Programming Dengan Menggunakan OpenMP Muhammad Indra NS - 23515019 1 Program Magister Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciBAB I PENDAHULUAN. Keamanan dapat menjadi sebuah ketidak nyamanan. Namun, di zaman yang
BAB I PENDAHULUAN 1.1 Latar Belakang Keamanan dapat menjadi sebuah ketidak nyamanan. Namun, di zaman yang sudah semakin maju ini, keamanan menjadi sebuah kebutuhan dasar manusia pada setiap waktu (Navratilova,
Lebih terperinciKonsep Organisasi dan Arsitektur Komputer (Pertemuan ke-2)
Konsep Organisasi dan Arsitektur Komputer (Pertemuan ke-2) Diedit ulang oleh: Endro Ariyanto Prodi S1 Teknik Informatika Fakultas Informatika Universitas Telkom Januari 2016 Pokok Bahasan Pendahuluan Arsitektur
Lebih terperinciSIMULASI PERAMBATAN GELOMBANG SUARA DENGAN METODE STAGGERED GRID FINITE DIFFERENCE TIME DOMAIN MENGGUNAKAN ARSITEKTUR CUDA GPU
TESIS SIMULASI PERAMBATAN GELOMBANG SUARA DENGAN METODE STAGGERED GRID FINITE DIFFERENCE TIME DOMAIN MENGGUNAKAN ARSITEKTUR CUDA GPU ARIEF BUDIMAN No. Mhs. : 105301460/PS/MTF PROGRAM STUDI MAGISTER TEKNIK
Lebih terperinciKLASIFIKASI ARSITEKTURAL
ArKom 02 (Klasifikasi Sistem Komputer) PDF 2 / 1-9 KLASIFIKASI ARSITEKTURAL Ada 3 skema klasifikasi arsitektural sistem komputer, yaitu: 1. Klasifikasi Flynn Didasarkan pada penggandaan alur instruksi
Lebih terperinciBAB I PENDAHULUAN. Pencarian jalur terpendek merupakan sebuah masalah klasik pada bidang
BAB I PENDAHULUAN A. Latar Belakang Pencarian jalur terpendek merupakan sebuah masalah klasik pada bidang teknologi informasi (Abbasi & Moosavi, 2012) (Randour, et al., 2015), khususnya dalam bidang game
Lebih terperinciDisusun Oleh: Agenda. Terminologi Klasifikasi Flynn Komputer MIMD. Time Sharing Kesimpulan
Multiprocessor - Time Sharing Arsitektur dan Organisasi Komputer Disusun Oleh: Iis Widya Harmoko Ronal Chandra Yoga Prihastomo Magister Ilmu Komputer Universitas Budi Luhur Agenda Agenda presentasi adalah
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1301
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1301 Evaluasi Kinerja Sparse Matrix-Vector Multiplication menggunakan Format Penyimpanan CSR dan BCSR pada MPI Performance Evaluation
Lebih terperinciPenerapan Algoritma Divide and Conquer Dalam Komputasi Paralel
Penerapan Algoritma Divide and Conquer Dalam Komputasi Paralel Ivan Andrianto - 13513039 Program MagisterInformatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciKOMPUTASI PARALEL UNTUK PENGOLAHAN PRESTASI AKADEMIK MAHASISWA
KOMPUTASI PARALEL UNTUK PENGOLAHAN PRESTASI AKADEMIK MAHASISWA Andri Lesmana Wanasurya Magister Teknik Elektro Universitas Katolik Indonesia Atma Jaya Jakarta, Indonesia andri.lesmana@atmajaya.ac.id Maria
Lebih terperinciARSITEKTUR SISTEM. Alif Finandhita, S.Kom, M.T. Alif Finandhita, S.Kom, M.T 1
ARSITEKTUR SISTEM Alif Finandhita, S.Kom, M.T Alif Finandhita, S.Kom, M.T 1 Sistem Terpusat (Centralized Systems) Sistem Client Server (Client-Server Systems) Sistem Server (Server Systems) Sistem Paralel
Lebih terperinciBAB II LANDASAN TEORI. informasi menjadi sebuah teks yang tidak dapat dibaca (Ferguson dkk, 2010).
BAB II LANDASAN TEORI 2.1 Enkripsi Enkripsi merupakan sebuah metode penyandian sebuah pesan atau informasi menjadi sebuah teks yang tidak dapat dibaca (Ferguson dkk, 2010). Enkripsi berkaitan erat dengan
Lebih terperinciANALISA KINERJA CLUSTER LINUX DENGAN PUSTAKA MPICH TERHADAP PERKALIAN MATRIKS
ANALISA KINERJA CLUSTER LINUX DENGAN PUSTAKA MPICH TERHADAP PERKALIAN MATRIKS Fani Fatullah, A.Benny Mutiara MQN,Chandra Yulianto Universitas Gunadarma Jl. Margonda Raya 100, Depok, 16424 e-mail : amutiara@staff.gunadarma.ac.id,chandra@staff.gunadarma.ac.id
Lebih terperinciOperating System. I/O System. Fak. Teknik Jurusan Teknik Informatika Universitas Pasundan. Dosen : Caca E. Supriana, S.Si
Operating System I/O System Fak. Teknik Jurusan Teknik Informatika Universitas Pasundan Dosen : Caca E. Supriana, S.Si caca_emile@yahoo.co.id Input / Output System Perangkat Keras I/O Aplikasi Antarmuka
Lebih terperinciBAB 1 PENDAHULUAN. Web caching server mempunyai peranan penting dalam menangani trafik web
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan internet di Indonesia meningkat sangat tajam. Hal ini dibuktikan dengan bertambah nya jumlah pengguna internet sebanyak 17 juta pengguna dalam kurun waktu
Lebih terperinciPENGOLAHAN PARALEL. Kebutuhan akan Komputer Paralel PENDAHULUAN. Dahulu:
PENGOLAHAN PARALEL PENDAHULUAN PENDAHULUAN 1 Kebutuhan akan Komputer Paralel Dahulu: Ilmu klasik didasarkan pada observasi, teori dan eksperimen Observasi dari fenomena menghasilkan hipotesa Teori dikembangkan
Lebih terperinciKEBUTUHAN KOMPUTER PARALEL
PEMROSESAN KEBUTUHAN KOMPUTER Simulasi sirkulasi global laut di Oregon State University Lautan dibagi ke dalam 4096 daerah membentang dari timur ke barat, 1024 daerah membentang dari utara ke selatan dan
Lebih terperinciSAHARI. Selasa, 29 September
SAHARI Selasa, 29 September 2015 1 Pengertian Secara harafiah, clustering berarti pengelompokan. Clustering dapat diartikan pengelompokan beberapa buah komputer menjadi satu kesatuan dan mampu memproses
Lebih terperinciDeteksi Kebakaran pada Video Berbasis Pengolahan Citra dengan Dukungan GPU
Deteksi pada Video Berbasis Pengolahan Citra dengan Dukungan GPU Adhi Prahara Jurusan Ilmu Komputer dan Elektronika Fakultas MIPA, Universitas Gadjah Mada Sekip Utara Bulaksumur, Yogyakarta, Indonesia
Lebih terperinciOrganisasi & Arsitektur. Komputer. Org & Ars komp Klasifikasi Ars Komp Repr Data
Organisasi & Arsitektur Komputer Org & Ars komp Klasifikasi Ars Komp Repr Data Organisasi berkaitan dengan fungsi dan desain bagianbagian sistem komputer digital yang menerima, menyimpan dan mengolah informasi.
Lebih terperinciPengantar Hardware: Sistem Bus pada Komputer. Hanif Fakhrurroja, MT
Pengantar Hardware: Sistem Bus pada Komputer Hanif Fakhrurroja, MT PIKSI GANESHA, 2012 Hanif Fakhrurroja @hanifoza hanifoza@gmail.com Sistem Bus Penghubung bagi keseluruhan komponen komputer dalam menjalankan
Lebih terperinci1. Pendahuluan Perkembangan teknologi di bidang multimedia dewasa ini demikian pesatnya, khususnya dalam pemanfaatan aplikasi citra/gambar digital. Ir
ANALISIS PERBANDINGAN KOMPUTASI SEKUENSIAL DAN KOMPUTASI PARALEL GPU MEMANFAATKAN TEKNOLOGI NVIDIA CUDA PADA APLIKASI KOMPRESI CITRA MENGGUNAKAN ALGORITMA DCT 8X8 1 Andika Januarianto (50407094) 2 Dr.-Ing.Adang
Lebih terperinci4 HASIL DAN PEMBAHASAN
27 4 HASIL DAN PEMBAHASAN 4. Rancangan Arsitektur Sistem Arsitektur sistem yang akan dikembangkan dari penelitian ini terdiri dari 2 Komponen, yaitu: Komponen pertama adalah Komponen web, yaitu bagian
Lebih terperinciBAB II TINJAUAN PUSTAKA. Pada bagian ini akan dijelaskan tentang state of the art dari hal-hal. CVE, dan implementasi deteksi tabrakan pada CVE.
BAB II TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan tentang state of the art dari hal-hal mendasar yang berkaitan dengan penelitian ini, yaitu tentang deteksi tabrakan, CVE, dan implementasi deteksi
Lebih terperinciSTUDI PERBANDINGAN PERFORMANSI PARALELISASI ALGORITMA SORTING DENGAN GPGPU
USULAN PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM STUDI PERBANDINGAN PERFORMANSI PARALELISASI ALGORITMA SORTING DENGAN GPGPU BIDANG KEGIATAN : PKM PENELITIAN Diusulkan oleh: Ketua : Wahyu Cepta Gusta
Lebih terperinciANALISIS UNJUK KERJA KOMPUTASI DISTRIBUTED SHARED MEMORY PADA SISTEM CLUSTER KOMPUTER PERSONAL
JETri, Volume 4, Nomor 2, Februari 2005, Halaman 25-44, ISSN 1412-0372 ANALISIS UNJUK KERJA KOMPUTASI DISTRIBUTED SHARED MEMORY PADA SISTEM CLUSTER KOMPUTER PERSONAL Ferrianto Gozali & Dimas Lagusto* Dosen
Lebih terperinciDESAIN DAN ANALISIS STRUKTUR DATA NON LINIER ROOTED TREE DINAMIS (Kata kunci: Graf, Struktur data, tree, LCA, pemrograman dinamis)
PRESENTASI TUGAS AKHIR KI0131 DESAIN DAN ANALISIS STRUKTUR DATA NON LINIER ROOTED TREE DINAMIS (Kata kunci: Graf, Struktur data, tree, LCA, pemrograman dinamis) Penyusun Tugas Akhir : Nur Ahmad Wahid (NRP:
Lebih terperinciHal-hal yang perlu dilakukan CPU adalah : 1. Fetch Instruction = mengambil instruksi 2. Interpret Instruction = Menterjemahkan instruksi 3.
PERTEMUAN 1. Organisasi Processor #1 Hal-hal yang perlu dilakukan CPU adalah : 1. Fetch Instruction = mengambil instruksi 2. Interpret Instruction = Menterjemahkan instruksi 3. Fetch Data = mengambil data
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
1. BAB 1 1.1. Latar Belakang Masalah BAB I PENDAHULUAN Database merupakan komponen yang sangat penting dalam pembangunan aplikasi berbasis teknologi informasi. Dalam berbagai jenis aplikasi, database digunakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini berbagai komunitas di antaranya akademik, peneliti, bisnis dan industri dihadapkan pada pertambahan kebutuhan komputasi yang semakin besar dan komplek. Kebutuhan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring kebutuhan komputasi pada bidang sains yang terus meningkat, CPU (Central Processing Unit) cluster atau komputer cluster diharapkan bisa memenuhi kebutuhan komputasi
Lebih terperinci1. PENDAHULUAN 1.1 Latar Belakang
1. PENDAHULUAN 1.1 Latar Belakang Komputasi berkinerja tinggi (high performance computing) dapat dikaitkan dengan sebuah metode untuk meningkatkan kinerja dari sebuah aplikasi. Hal ini meliputi pembagian
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN LEVEL SET UNTUK ACTIVE CONTOUR BERBASIS PARALLEL GPU CUDA
HALAMAN JUDUL TESIS SEGMENTASI CITRA MENGGUNAKAN LEVEL SET UNTUK ACTIVE CONTOUR BERBASIS PARALLEL GPU CUDA LIANITA FEBRIHANI No. Mhs : 125301846/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM
Lebih terperinciArsitektur Komputer, Mikroprosesor dan Mikrokontroller. TTH2D3 Mikroprosesor
Arsitektur Komputer, Mikroprosesor dan Mikrokontroller TTH2D3 Mikroprosesor Organisasi berkaitan dengan fungsi dan desain bagian-bagian sistem komputer digital yang menerima, menyimpan dan mengolah informasi.
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA STIK SATUAN ACARA PERKULIAHAN Mata : STRUKTUR DATA Kode Mata : TK - 25322 Jurusan / Jenjang : D3 TEKNIK KOMPUTER Tujuan Instruksional Umum : Memberikan
Lebih terperinciMODUL 1 - MENGENAL HARDWARE
MODUL 1 - MENGENAL HARDWARE I. TUJUAN 1. Praktikan dapat mengerti dan memahami tentang struktur komputer. 2. Praktikan dapat mengerti dan memahami tentang hardware komputer dan macam-macam bagiannya. 3.
Lebih terperinciMetode Sorting Bitonic Pada GPU
Metode Sorting Bitonic Pada GPU Yulisdin Mukhlis 1 Universitas Gunadarma Jl. Margonda Raya no 100 Depok ymukhlis@staff.gunadarma.ac.id Lingga Harmanto 2 Universitas Gunadarma Jl. Margonda Raya no 100 Depok
Lebih terperinciPERTEMUAN 1 PENGENALAN MIKROPROSESOR
PERTEMUAN 1 PENGENALAN MIKROPROSESOR Mikroprosesor pertama, Intel 4004, merupakan mikroprosesor 4 bit, yaitu 1. Controller yang dapat diprogram pada satu serpih. 2. Mikroprosesor ini hanya mengalamati
Lebih terperinciANALISIS PERBANDINGAN ANTARA CLUSTER OPENMOSIX DENGAN PVM (PARALLEL VIRTUAL MACHINE)
Vol 2, No 3 Juni 2012 ISSN 2088-2130 ANALISIS PERBANDINGAN ANTARA CLUSTER OPENMOSIX DENGAN PVM (PARALLEL VIRTUAL MACHINE) Koko Joni 1), Taufik Hidayat 2) 1 Jurusan Manajemen Informatika, Fakultas Teknik,
Lebih terperinciTugas Arsitektur Komputer Lanjut
Tugas Arsitektur Komputer Lanjut Nama : Dedi triyanto NIM : 0504 Soal 1.1 Integer arithmetic 45000 x 1 45000 Data transfer 000 x 4000 Floating point 15000 x 0000 Control transfer 8000 x 1000 + Total (C)
Lebih terperinciBAB I PENDAHULUAN. ingin merestorasi hasil karya seni lukisan dari zaman Mediterania dan Renaissance yang
BAB I PENDAHULUAN A. Latar Belakang Asal mula istilah inpainting adalah dari dunia seni lukis. Hal ini muncul ketika pelukis ingin merestorasi hasil karya seni lukisan dari zaman Mediterania dan Renaissance
Lebih terperinciBAB I PENDAHULUAN. seiring perkembangan teknologi mikroprosesor, proses komputasi kini dapat
BAB I PENDAHULUAN I.1 Latar Belakang Proses komputasi yang dapat dilakukan oleh komputer telah berkembang dengan pesat. Pada awalnya proses komputasi hanya dapat dilakukan secara sekuensial saja. Sebuah
Lebih terperinciPenerapan Algoritma Bucket Sort Untuk melakukan Pengurutan n buah Bilangan Mata Kuliah Pemrosesan Paralel
Penerapan Algoritma Bucket Sort Untuk melakukan Pengurutan n buah Bilangan Mata Kuliah Pemrosesan Paralel OLEH : SUPRIYANTO (G651090191) OKE HENDRADHY (G651090101) KAMALUDDIN MAHFUDZ (G651090231) DEPARTEMEN
Lebih terperinciPembangunan Aplikasi Manajemen Data Statistik Berbasis Komputasi Paralel
Pembangunan Aplikasi Manajemen Data Statistik Berbasis Komputasi Paralel Muhammad Miftakhul Romadlon BPS Kabupaten Bangka Tengah Jl. Raya Bypass Koba, Komplek Perkantoran Pemkab Bangka Tengah, (0718) 7362085
Lebih terperinciBab I Pengenalan Sistem Operasi. Apa yang dimaksud Sistem Operasi?
Bab I Pengenalan Sistem Operasi Apa yang dimaksud Sistem Operasi Sistem Mainframe Sistem Desktop Sistem Multiprocessor Sistem Terdistribusi Sistem Tercluster Sistem Real -Time Sistem Handheld 1.1 Apa yang
Lebih terperinciBAB I PENDAHULUAN. Berdasarkan survei Situs CIA (Central Intellegence Agency) mengenai
1 BAB I PENDAHULUAN A. Latar Belakang Berdasarkan survei Situs CIA (Central Intellegence Agency) mengenai perbandingan populasi jumlah penduduk didunia, Indonesia merupakan negara dengan jumlah penduduk
Lebih terperinciTUGAS SITEM OPERASI. Nama dan N.P.M: 1.Frahma Yayang Hangga Putra
TUGAS SITEM OPERASI Nama dan N.P.M: 1. JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI ADHI TAMA SURABAYA 2012-2013 LATIHAN SOAL : 1. Apa yang dimaksud sistem : a. Batch system
Lebih terperinciNama : Damas Fahmi Assena NIM : Prodi : Teknik Informatika R2
Nama : Damas Fahmi Assena Prodi : Teknik Informatika R2 Generasi Kedua Generasi Ketiga Generasi Pertama Generasi Keempat 1.2.Sejarah Komputer 1. Keyboard 2. Mouse 1. General-Purpose Computer 2. Special-Purpose
Lebih terperinciSebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus.
Waktu komputasi (dalam detik) Kompleksitas Algoritma Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus. Kemangkusan algoritma
Lebih terperinciBAB I PENDAHULUAN. ada dua pendekatan yang dapat digunakan, pendekatan yang pertama adalah
BAB I PENDAHULUAN I.1. Latar Belakang Seiring dengan perkembangan teknologi informasi yang sangat pesat, saat ini dapat ditemui berbagai macam media dan sarana untuk menyampaikan pengetahuan dan informasi.
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : Maret 2014 A. Identitas 1. Nama Matakuliah : A11. 54403/ Organisasi dan Arsitektur Komputer 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciUSUL PENELITIAN HIBAH BERSAING
BIDANG ILMU : KOMPUTER/ MEDIS USUL PENELITIAN HIBAH BERSAING AKSELERASI ALGORITMA MARCHING CUBE MENGGUNAKAN GENERAL PURPOSE GRAPHICAL PROCESSING UNIT (GPGPU) UNTUK MEMBANGUN PENCITRAAN MEDIS 3D Ketua :
Lebih terperinciARSITEKTUR KOMPUTER. Satu CPU yang mengeksekusi instruksi satu persatu dan menjemput atau menyimpan data satu persatu.
ARSITEKTUR KOMPUTER Dua element utama pd sistem komputer konvensional: Memory Processor Klasifikasi Arsitektur komputer (Michael Flynn), berdasarkan karakteristiknya termasuk banyaknya processor, banyaknya
Lebih terperinciWritten by Mada Jimmy Monday, 24 August :40 - Last Updated Thursday, 18 November :51
Perkembangan industri saat ini menuntut pemrosesan pada sistem kontrol yang semakin dinamis dalam setiap tahapan perancangan, pengoperasian, maupun perawatan. Peralatan yang kompak, fleksibel namun handal
Lebih terperinciTESIS VISUALISASI FLUIDA SATU DAN DUA FASE DENGAN PEMROGRAMAN PARALEL GPU CUDA. ARIFIYANTO HADINEGORO No. Mhs.: /PS/MTF
TESIS VISUALISASI FLUIDA SATU DAN DUA FASE DENGAN PEMROGRAMAN PARALEL GPU CUDA ARIFIYANTO HADINEGORO No. Mhs.: 115301619/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinci>> KLASIFIKASI ARSITEKTURAL
Sri Supatmi,S.Kom >> KLASIFIKASI ARSITEKTURAL Ada 3 skema klasifikasi arsitektural sistem komputer, yaitu: 1. Klasifikasi Flynn Didasarkan pada penggandaan alur instruksi dan alur data dalam sistem komputer.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada masa kini komputer mengalami perkembangan yang sangat cepat untuk memberikan kemudahan dalam mengakses, menyimpan dan mendapatkan berbagai informasi. Seiring meningkatnya
Lebih terperinciOperasi pada Sistem Operasi. Avida Endriani Reza Gusty Erlangga D3 TEKNIK INFORMATIKA A
Operasi pada Sistem Operasi Avida Endriani 2103141003 Reza Gusty Erlangga 2103141020 D3 TEKNIK INFORMATIKA A Definisi dan Bagian dari Sistem Operasi Apa itu sistem operasi? Sistem operasi adalah software
Lebih terperinciORGANISASI KOMPUTER II AUB SURAKARTA
ORGANISASI KOMPUTER II STMIK AUB SURAKARTA Umumnya sistem multiprosesor menggunakan dua hingga selusin prosesor. Peningkatan sistem multiprosesor menggunakan jumlah prosesor yang sangat banyak ratusan,
Lebih terperinciArsitektur Komputer. Dua element utama pd sistem komputer konvensional: Memory Processor
Arsitektur Komputer Dua element utama pd sistem komputer konvensional: Memory Processor Klasifikasi Arsitektur komputer (Michael Flynn), berdasarkan karakteristiknya termasuk banyaknya processor, banyaknya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian implementasi pemrograman paralel dalam deteksi tepi menggunakan metode operator Sobel dibuat dengan menggunakan bahasa pemrograman C++. Metode penelitian yang digunakan
Lebih terperinciSistem Operasi Terdistribusi
Sistem Operasi Terdistribusi PENDAHULUAN Sistem operasi terdistribusi adalah salah satu implementasi dari sistem terdistribusi, di mana sekumpulan komputer dan prosesor yang heterogen terhubung dalam satu
Lebih terperinci1. BAB I PENDAHULUAN. efek. Penggunaan visual efek untuk film di sebabkan lebih mudah di arahkan dan
1. BAB I PENDAHULUAN 1.1. Latar Belakang Kebutuhan komputer grafik seperti Simulasi visualisasi saat ini telah jauh berkembang, simulasi visualisasi fluida telah banyak di implementasikan dalam banyak
Lebih terperinci