PERANCANGAN DAN ANALISIS JUMLAH PROSESOR MENGGUNAKAN MODEL CUBE-CONNECTED DAN TREE-CONNECTED DALAM ALGORITMA PARALEL.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERANCANGAN DAN ANALISIS JUMLAH PROSESOR MENGGUNAKAN MODEL CUBE-CONNECTED DAN TREE-CONNECTED DALAM ALGORITMA PARALEL."

Transkripsi

1 PERANCANGAN DAN ANALISIS JUMLAH PROSESOR MENGGUNAKAN MODEL CUBE-CONNECTED DAN TREE-CONNECTED DALAM ALGORITMA PARALEL Mike Susmikanti * ABSTRAK PERANCANGAN DAN ANALISIS JUMLAH PROSESOR MENGGUNAKAN MODEL CUBE-CONNECTED DAN TREE-CONNECTED DALAM ALGORITMA PARALEL. Komputasi paralel dirancang untuk menurunkan biaya, mengefisienkan ruang memori dan mempecepat perhitungan. Arsitektur sistem paralel diklasifikasikan dalam beberapa bentuk diantaranya multi-processor. Multiprocessor mengijinkan pemrosesan dengan alur instruksi yang terpisah. Algoritma paralel merupakan suatu metode solusi bagi permasalahan tertentu yang dirancang untuk komputer paralel. Dalam hal ini akan dibahas rancangan dan analisis jumlah prosesor yang digunakan serta alur instruksi dan data yang diproses oleh masing-masing prosesor. Simulasi diaplikasikan dalam operasi perkalian matriks dengan matriks dan matriks dengan vektor dalam algoritma paralel dan prosedur PASCAL. Model yang dipilih adalah komputer SIMD cube-connected dan tree-connected. Sistem komputer yang digunakan saat ini masih satu personil komputer dengan asumsi memori yang dipakai adalah virtual memory dengan beberapa address. Kata-kata kunci: Pemrosesan Paralel, Multiprocessor ABSTRACT THE DESIGN AND ANALYSIS OF THE NUMBER PROCESSOR USED THE CUBE- CONNECTED AND TREE-CONNECTED MODEL IN PARALLEL ALGORITHMS. Parallel computing has been made breakthroughs that have decreased costs and increased memory space and computing power. The parallel architectures are classified into some system. The one is multiprocessor. Multiprocessors allow processing elements to execute separate instruction streams. A parallel algorithm is a solution method for a given problem destined to be performed on a parallel computer. The number of processor is design to process the data. The simulation is applied to matrix-by-matrix and matrix-byvector multiplication in the algorithms parallel and procedure PASCAL. The model are used is the SIMD computer Cube-Connected and Tree-Connected. The computer system now is still used one the personnel computer with assumption the memory are used is the virtual memory with some address. Keywords: Parallel Processing, Multiprocessor * Pusat Pengembangan Informatika Nuklir - BATAN 7

2 PENDAHULUAN Beraneka ragam persoalan teknik dan ilmu pengetahuan berskala besar memerlukan sejumlah besar perhitungan. Persoalan yang dihadapi umumnya berkaitan dengan perkiraan pengaruh perubahan parameter pada energi. Sebagai contoh dalam perhitungan dinamik fluida yaitu rancangan reaktor nuklir dan dinamik plasma untuk aplikasi energi fusi nuklir. Data dan perhitungan perkiraan parameter membentuk sistem persamaan yang dinyatakan dalam bentuk matriks berikut operasinya. Pemrosesan paralel merupakan cara untuk mencapai kecepatan komputasi yang diinginkan dengan meningkatkan atau mengefisienkan ruang memori serta dirancang dengan tujuan melakukan penurunan biaya. Algoritma paralel merupakan suatu metode penyelesaian bagi permasalahan tertentu yang dirancang untuk komputer paralel []. Pembahasan meliputi rancangan dan analisis jumlah prosesor yang digunakan serta alur instruksi dan data yang diproses oleh masing-masing prosesor. Simulasi diaplikasikan dalam operasi perkalian matriks dengan matriks dan matriks dengan vektor dalam algoritma dan prosedur PASCAL. Algoritma paralel ini dirancang untuk diproses pada komputer SM SIMD (Shared Memory, Single Instruction stream - Single Data stream) dengan model kubus-terhubung dan pohon-terhubung. Difokuskan sistem komputer yang digunakan saat ini masih satu personil komputer dengan asumsi memori yang dipakai adalah virtual memory dengan beberapa address. KOMPUTER SIMD Salah satu model komputasi paralel pada komputer adalah model dengan instruksi yang sama dapat memproses data yang berbeda (SIMD) []. Pada model komputer paralel terdiri dari N prosesor yang sama (gambar-). Masing-masing N prosesor mempunyai memori lokal yang dapat menyimpan data maupun program. Semua prosesor beroperasi berdasarkan kontrol sebuah aliran perintah tunggal yang dikeluarkan oleh sebuah unit kontrol pusat. Sejumlah N prosesor diasumsikan menyimpan hal yang sama dari sebuah program, masing-masing nilai prosesor disimpan di dalam memori lokal. Terdapat sejumlah aliran data yang dibagi per prosesor. Dalam penyelesaian beberapa masalah pada komputer SIMD, dimungkinkan prosesor mampu berkomunikasi guna melakukan pertukaran data atau hasil. Hal ini dapat dilakukan dengan dua cara yaitu dengan komunikasi melalui memori bersama dan jaringan interkoneksi. 8

3 Memori Bersama/ Jaringan Interkoneksi Aliran data Aliran data 2 Aliran data n Prosesor Prosesor 2. Prosesor n Aliran intruksi Kontrol Gambar- : Model Komputer SIMD Komputer SIMD Memori Bersama (Shared Memory) Jenis komputer ini dikenal sebagai model Parallel Random Access Memory (PRAM) [5]. Dalam hal ini, N prosesor berbagi memori bersama. Selama pelaksanaan algoritma parallel, N prosesor mengakses memori bersama untuk membaca input data, membaca atau menulis hasil-hasil antara dan menulis hasil akhir. Model dasar ini memungkinkan semua prosesor untuk mengakses ke memori bersama secara simultan apabila lokasi memori yang ingin dibaca atau ditulis adalah berbeda. Model memori bersama meliputi memori bersama secara fisik ( physical) dan bayangan (virtual) []. Dalam hal ini digunakan model memori bersama secara virtual. Komputer SIMD Jaringan-Terhubung (Interconection Network) Model SIMD SM dapat dibuat menjadi layak dengan membagi memori menjadi blok-blok dan menjadikannya akses ke blok-blok ini secara eksklusif (dua prosesor tidak mungkin secara simultan membaca dari/atau menulis ke lokasi memori). Pada jaringan-interkoneksi, M lokasi dari memori bersama didistribusikan diantara N prosesor, masing-masing menerima M/N lokasi memori. Disamping itu setiap pasang prosesor dihubungkan oleh sebuah jalur dua arah. Algoritma pada jaringaninterkoneksi dapat disimulasikan pada model memori bersama dengan langkah antara 9

4 lain jajaran satu dimensi (linear), jajaran dua dimensi (Mesh), hubungan-pohon (Tree- Connection), hubungan-kubus (Cube Connection) dan hubungan-campuran (Perfect Shuffle Connection) [,]. Dalam hal ini akan disimulasikan langkah-langkah dalam pohon-terhubung (gambar-2) dan kubus-terhubung (gambar-) pada operasi matriks khususnya perkalian matriks dengan vektor dan perkalian matriks dengan matriks, yang berperan salah satunya pada penyelesaian sistim persamaan serta permasalahan graf. Akan dianalisis jumlah prosesor yang diperlukan atau dirancang, waktu yang diperlukan dan biaya yang mempunyai keterkaitan dengan jumlah prosesor. Akar P 7 Tingkat- P 5 P 6 Tingkat-2 Tingkat- Daun P P 2 P P Gambar-2 : Pohon-terhubung dengan tujuh prosesor P P 9 P 5 P P P P 7 P 5 P 6 P 2 P P P 0 P 2 P 8 P 6 Gambar- : Kubus-terhubung dengan enam belas prosesor 20

5 RANCANGAN DAN ANALISIS ALGORITMA PARALEL Sejumlah teknik rancangan algoritma digambarkan dalam hubungan berbagai model komputasi paralel yang dibahas sebelumnya diatas. Contoh kasus yang dibahas berhubungan dengan permasalahan analisis algoritma yaitu waktu yang diperlukan, biaya untuk memproses dan efisiensi penggunaan sumber daya. Suatu algoritma yang dirancang, dievaluasi menggunakan beberapa kriteria antara lain waktu yang diperlukan untuk menjalankannya (running time), jumlah prosesor yang digunakan dan biaya []. Disamping itu perlu dipertimbangkan sejumlah ukuran yang berkaitan dengan teknologi tertentu misalnya komputer yang digunakan ataupun penggunaan sistem jaringan. Alasan utama terhadap pembuatan komputer paralel adalah mempercepat komputasi. Sehingga ukuran yang terpenting didalam mengevaluasi algoritma paralel adalah running time-nya serta kebenaran program juga harus dipertahankan. Running time didefinisikan sebagai waktu yang diperlukan mulai dari awal algoritma dilaksanakan sampai saat berakhir. Apabila berbagai prosesor tidak memulai dan mengakhiri komputasinya secara bersama, maka running timenya adalah sama dengan waktu antara saat prosesor pertama mulai melakukan komputasi dan saat prosesor terakhir mengakhiri komputasi. Misalnya suatu permasalahan yang besarnya n, running time pada kasus terburuk dari suatu algoritma adalah suatu fungsi n yang disimbolkan dengan t(n) [6]. Kriteria kedua yang paling penting didalam mengevaluasi algoritma paralel adalah jumlah prosesor yang diperlukan untuk memecahkan permasalahan dan komunikasi antar prosesor. Disisi lain perlu dipertimbangkan permasalahan faktor perawatan khususnya yang akan meningkat, dan harga yang harus dibayar untuk menjamin tingkat kehandalannya yang tinggi. Semakin besar jumlah prosesor yang digunakan oleh algoritma untuk memecahkan permasalahan, semakin mahal pula biayanya yang harus dikeluarkan. Untuk permasalahan yang berukuran n, maka jumlah prosesor yang diperlukan oleh suatu algoritma, sebagai fungsi n yang ditunjukkan dengan p(n). Kriteria berikutnya adalah biaya dari suatu algoritma paralel yang didefinisikan sebagai hasil kali dua ukuran sebelumnya, dinyatakan sebagai: Biaya = running time paralel x jumlah prosesor yang digunakan Biaya sama dengan jumlah langkah yang dilaksanakan secara bersama oleh semua prosesor dalam memecahkan masalah dengan kasus terburuk (worst case) pada algoritma. Diasumsikan sejumlah prosesor melaksanakan sejumlah langkah yang sama. Apabila tidak demikian, maka biayanya adalah batas atas jumlah langkah yang dilaksanakan. Untuk permasalahan berukuran n prosesor maka biaya diperkirakan sebagai fungsi dari n yaitu c(n) = p(n) x t(n), walaupun demikian tergantung pula dari masing-masing persoalan yang dibahas. 2

6 PERKALIAN MATRIKS DAN VEKTOR DENGAN POHON-TERHUBUNG Perkalian matriks dan vektor dengan pohon-terhubung diperoleh m-+log(n) langkah atau tahap. Langkah tersebut terlihat pada gambar-, yaitu sejumlah tiga tahap untuk m = dan n =. Secara umum diagram pohon mempunyai n buah prosesor daun P, P 2,..., P n, dan n-2 prosesor menengah P n+, P n+2,..., P 2n-2, serta prosesor akar P 2n-. Algoritma dari proses diatas [], dinyatakan dalam prosedur MVTREE (lampiran-), khusus untuk matriks order m x 2 dan vektor order 2 x : (i) Prosesor daun P i menyimpan u i selama pelaksanaan algoritma. (ii) Matriks A dimasukkan ke dalam diagram pohon baris demi baris, satu unsur per daun. Prosesor P i menerima a ji, maka akan dihitung u i x a ji dan mengirimkan hasil perkalian ke induknya. (iii) Proses menengah atau prosesor akar P k akan menerima dua masukan dari anakanaknya, menambahkan dan mengirimkan hasilnya kepada induknya. Akhirnya v j akan muncul dari prosesor akar (a) (b) (c) (d) Gambar-. Perkalian matriks dan vektor menggunakan prosedur MVTREE untuk n = 2 22

7 Berikut hasil program untuk perkalian matriks khusus order 2 x 2 dengan vektor order 2 x untuk persoalan tersebut diatas; Output program: order of Matrix & Vector 2 2 Matrix Input Vector Input Process Tree Multiplication of Matrix & Vector : P() : 500 P(2) : 200 P() : 500 P(2) : 200 Processor() :700 Root() :700 Processor() :900 Root(2) :900 Output Matrix Prosedur matriks order m x n dan vektor order n x untuk perkalian matriks khususnya n > 2 ditunjukkan dalam prosedur MULTITREE (Lampiran-2). Berikut ini hasil program untuk perkalian matriks order x dengan vektor x. Output Program: order of Matrix & Vector Matrix Input Vector Input

8 Process Tree Multiplication of Matrix & Vector : Processor() : 0 Processor(2) : 0 Processor() : 90 Processor() : 60 Processor() : 0 Processor(2) : 0 Processor() : 90 Processor() : 60 Processor() : 0 Processor(2) : 0 Processor() : 90 Processor() : 60 Processor(5) :50 Processor(6) :250 Root() :00 Processor(5) :50 Processor(6) :250 Root(2) :00 Processor(5) :50 Processor(6) :250 Root() :00 Output Matrix V() : 00 V(2) : 00 V() : 00 2

9 Diagram pohon untuk proses diatas dapat digambarkan sebagai berikut : V V 2 V P 7 P 5 P 6 P 0 P 2 20 P 0 P Gambar-5 : Perkalian matriks dan vektor untuk order n > 2 ANALISIS Diperlukan log n langkah setelah baris pertama matriks A dimasukkan pada prosesor daun agar v muncul dari prosesor akar. Kemudian diperlukan m- langkah hingga v m muncul dari akar. Berarti prosedur MVTREE/ MULTITREE membutuhkan m +log(n) langkah. Karena digunakan 2n- prosesor, maka akan berjalan dalam waktu t(n) = O(n) ketika m n dan prosedur akan memiliki biaya O(n 2 ). Dalam hal ini biaya adalah optimal jika dibandingkan dengan Ω ( n 2 ) yaitu waktu yang dibutuhkan jika diproses secara berurutan [6]. 25

10 PERKALIAN MATRIKS DENGAN MATRIKS MENGGUNAKAN KUBUS-TERHUBUNG Kubus didefinisikan sebagai kumpulan n prosesor, dimana n = 2 q. Algoritma dirancang mengikuti arsitektur kubus-biner. Masing-masing n simpul mempunyai log n hubungan dengan simpul tetangganya [2]. Algoritma meliputi tiga tahap :. Unsur-unsur matriks A dan B didistribusikan ke seluruh n prosesor. Dilakukan penyimpanan elemen a dan b yang menghasilkan, A(i,j,k) = a ji dan B(i,j,k) = b ik 2. Hasil dari C(i,j,k) = A(i,j,k) x B(i,j,k) dihitung n. Jumlah C( i, j, k) dihitung i= Algoritma diatas dinyatakan dalam prosedur PRODCUB (Lampiran-). Berikut hasil program dari prosedur PRODCUB Output Program : Matrix Order x x Matrik Input I Matrix Input II The content of Proccessor for elemen A & B P()7 & -7 P(2)7 & -25 P()7 & -9 P()7 & -5 P(5)9 & -7 P(6)9 & -25 P(7)9 & -9 P(8)9 & -5 P(9) & -7 26

11 P(0) & -25 P() & -9 P(2) & -5 P()5 & -7 P()5 & -25 P(5)5 & -9 P(6)5 & -5 P(7)2 & -8 P(8)2 & -0 P(9)2 & -28 P(20)2 & -2 P(2) & -8 P(22) & -0 P(2) & -28 P(2) & -2 P(25)26 & -8 P(26)26 & -0 P(27)26 & -28 P(28)26 & -2 P(29) & -8 P(0) & -0 P() & -28 P(2) & -2 P()27 & - P()27 & -2 P(5)27 & - P(6)27 & -2 P(7) & - P(8) & -2 P(9) & - P(0) & -2 P()22 & - P(2)22 & -2 P()22 & - P()22 & -2 P(5)0 & - P(6)0 & -2 P(7)0 & - P(8)0 & -2 P(9) & -20 P(50) & -2 27

12 P(5) & -6 P(52) & -2 P(5)6 & -20 P(5)6 & -2 P(55)6 & -6 P(56)6 & -2 P(57)8 & -20 P(58)8 & -2 P(59)8 & -6 P(60)8 & -2 P(6)29 & -20 P(62)29 & -2 P(6)29 & -6 P(6)29 & -2 Matrix or Processor Ouput Terdapat N = n = 6 prosesor yang tersedia pada komputer SIMD kubus-terhubung, dinyatakan dalam tabel -a berikut, sesuai algoritma tahap diatas. Pada tahap 2 diperoleh tabel -b. Tabel -c adalah hasil tahap sekaligus hasil perkalian matriks. 28

13 Tabel -a Tabel -b Tabel -c

14 ANALISIS Pada tahap dan terdiri dari q iterasi dengan waktu konstan, sementara tahap 2 mengambil waktu konstan. Setiap nilai c(i,j) adalah jumlah dari n elemen. Prosedur perkalian matriks kubus-terhubung berjalan dalam waktu t(n) = O(log n). Pada prosedur perkalian matriks dengan kubus-terhubung terdiri dari n prosesor, sehingga biaya yang dimiliki c(n) = O(n log(n)). Waktu pelaksanaan prosedur perkalian matriks secara berurutan adalah Ω ( n ) = n [6], dengan biaya c(n) = O(n ). Berarti waktu pelaksanaan, prosedur perkalian matriks kubus-terhubung lebih cepat dibandingkan secara berurutan, namun dari segi biaya lebih tinggi. KESIMPULAN Algoritma paralel merupakan salah satu metode penyelesaian bagi suatu permasalahan tertentu yang dirancang untuk komputer paralel. Dengan algoritma paralel, jumlah prosesor dapat dirancang sesuai dengan kebutuhan ditinjau dari faktor biaya. Alur instruksi dan data yang diproses dapat didistribusikan ke masing-masing prosesor. Simulasi operasi perkalian matriks dengan matriks dan matriks dengan vektor merupakan salah satu cara penerapan dalam algoritma paralel. Algoritma pada jaringan-interkoneksi dapat disimulasikan dalam model memori bersama dengan salah satu langkah antara lain Tree-Connection dan Cube- Connection. Waktu yang diperlukan pada pohon-terhubung jika dibandingkan dengan secara berurutan lebih singkat dan biaya lebih kecil atau sama. Pada kubus-terhubung, waktu pelaksanaan, lebih cepat dibandingkan secara berurutan, namun demikian dari segi biaya lebih tinggi. DAFTAR PUSTAKA. AKL, SELIM G., The Design and Analysis of Parallel Algorithms, Prentice Hall, Inc., New Jersey, DESROCHERS, GEORGE R., Principles of Parallel and Multiprocessing, McGraw-Hill Book Co., Singapore,

15 . GRAMMATIKAKIS, MILTOS D.; FRANK HSU, D. AND KRAETZL, MIRO, Parallel System Interconnections and Communications, CRC Press LLC, New York, LEWIS, TED G.; EL-REWINI, HISHAM, Introduction to Parallel Computing, Prentice Hall Int. Editions, QUINN, MICHAEL J., Parallel Computing, Theory and Practice, Mc Graw-Hill Inc, Second Editions, SURYADI, M.T., Pengantar Analisis Algoritma, penerbit Gunadarma, Jakarta, 996. DAFTAR RIWAYAT HIDUP. Nama : Dra. Mike Susmikanti, MM 2. Tempat/Tanggal Lahir : Jakarta, 2 November 956. Instansi : BATAN. Pekerjaan / Jabatan : Staf PPIN-BATAN 5. Riwayat Pendidikan : SMatematika Statistik FIPIA UI S2 Magister Manajemen 6. Pengalaman Kerja : 980-sekarang, BATAN

16 Lampiran- : Prosedur perkalian matriks m x n dengan vektor n x khusus n = 2. Procedure MVTREE (A,U); var A,TEMP : array[..20,..20] of Integer; P,V,U : array[..20] of Integer; I,J,K,L,M,N,IT,Root : Integer; FVar : Text; FName : String; Writeln(FVar,'Process Tree Multiplication of Matrix & Vector :'); for I := to M do for J := to N do TEMP[I,J] := A[I,J]*U[J]; P[J] := TEMP[I,J]; writeln(fvar,'p(',j,') : ',P[J]); for I := to M do IT := 0; Root :=0; for J := N+ to 2*N- do P[J] := TEMP[I,(J-N)+IT] + TEMP[I,(J-N)+IT+]; WriteLn(FVar,'Processor(',J,') :',P[J]); IT := IT + ; Root := P[J]; WriteLn(FVar,'Root(',I,') :',Root); V[I]:= Root; end 2

17 Lampiran-2 : Prosedur perkalian matriks m x n dengan vektor n x untuk n > 2. Procedure MULTITREE (A, U) ; var A,TEMP : array[..0,..0] of Integer; P,V,U : array[..0] of Integer; I,J,K,L,M,N,IT,Root : Integer; FVar : Text; FName : String; Writeln(Fvar,'Process Tree Multiplication of Matrix & Vector :'); for I := to M do for J := to N do TEMP[I,J] := A[I,J]*U[J]; P[J] := TEMP[I,J]; writeln('processor(',j,') : ',P[J]); writeln(fvar,'processor(',j,') : ',P[J]); for I := to M do IT := 0; Root := 0; for J := N+ to 2*N- do IF J < 2*N- then P[J] := TEMP[I,(J-N)+IT] + TEMP[I,(J-N)+IT+]; WriteLn('Processor(',J,') :',P[J]); WriteLn(FVar,'Processor(',J,') :',P[J]); IT := IT + ; Root := Root + P[J]; WriteLn('Root(',I,') :',Root); WriteLn(FVar,'Root(',I,') :',Root); V[I]:= Root;

18 Lampiran- : Prosedur perkalian matriks dengan matriks Procedure PRODCUB; var A,B,C : array[..0,..0,..0] of integer; TOT : array[..0,..0] of integer; i,j,k,n,idx : Integer; FVar : Text; FName : String; for i := to n do for j := to n do for k := to n do A[i,j,k] := A[,j,k]; B[i,j,k] := B[,j,k]; WriteLn(FVar,'The content of Proccessor for elemen A & B'); idx := ; for i := to n do for j := to n do for k := to n do A[i,j,k] := A[i,j,i]; B[i,j,k] := B[i,i,k]; WriteLn(FVar,'P(',idx,')',A[i,j,k],' & ',B[i,j,k]); idx := idx + ; for i := to n do for j := to n do for k := to n do C[i,j,k] := A[i,j,k]*B[i,j,k]; Writeln(FVar,'Matrix or Processor Ouput'); for j := to n do for k := to n do TOT[j,k] := 0; for i := to n do TOT[j,k] := TOT[j,k] + C[i,j,k]; WriteLn(FVar,TOT[j,k]);

Komponen Terhubung dan Jalur Terpendek Algoritma Graf Paralel

Komponen Terhubung dan Jalur Terpendek Algoritma Graf Paralel Komponen Terhubung dan Jalur Terpendek Algoritma Graf Paralel Yosef Sukianto Nim 13506035 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Jalan Ganesha

Lebih terperinci

PENDAHULUAN. -. Pengolahan data numerik dalam jumlah yang sangat besar. -. Kebutuhan akan ketersediaan data yang senantiasa up to date.

PENDAHULUAN. -. 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 terperinci

OPERASI MATRIKS. a 11 a 12 a 13 a 14 A = a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44

OPERASI MATRIKS. a 11 a 12 a 13 a 14 A = a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44 OPERASI MATRIKS Topik yang akan dibahas transpose perkalian TRANSPOSE Definisi: a 11 a 12 a 13 a 14 A = a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44 a 11 a 21 a 31 a 41 A T = a 12 a 22 a

Lebih terperinci

KEBUTUHAN KOMPUTER PARALEL

KEBUTUHAN 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 terperinci

PENDAHULUAN. Motivasi : -. Pengolahan data numerik dalam jumlah yang sangat besar. -. Kebutuhan akan ketersediaan data yang senantiasa up to date.

PENDAHULUAN. 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 terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH PENGOLAHAN PARALEL (S1/ TEKNIK KOMPUTER)

SATUAN ACARA PERKULIAHAN MATA KULIAH PENGOLAHAN PARALEL (S1/ TEKNIK KOMPUTER) SATUAN ACARA PERKULIAHAN MATA KULIAH PENGOLAHAN PARALEL (S1/ TEKNIK KOMPUTER) Minggu Media Tugas Referensi 1 Pendahuluan butuhan akan komputer paralel Quinn, Agar mahasiswa mengerti akan apa yang dimaksud

Lebih terperinci

PENGOLAHAN PARALEL. Kebutuhan akan Komputer Paralel PENDAHULUAN. Dahulu:

PENGOLAHAN 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 terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Pengolahan Paralel : AK012215 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan Agar mahasiswa mengerti akan apa yang dimaksud

Lebih terperinci

KLASIFIKASI ARSITEKTURAL

KLASIFIKASI 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 terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH ALGORITMA PENGOLAHAN PARALEL (S1/ TEKNIK INFORMATIKA)

SATUAN ACARA PERKULIAHAN MATA KULIAH ALGORITMA PENGOLAHAN PARALEL (S1/ TEKNIK INFORMATIKA) SATUAN ACARA PERKULIAHAN MATA KULIAH ALGORITMA PENGOLAHAN PARALEL (S1/ TEKNIK INFORMATIKA) Minggu Media Tugas Referensi 1 Pendahuluan butuhan akan komputer paralel Quinn, Agar mahasiswa mengerti akan apa

Lebih terperinci

JARINGAN UNTUK MERGING

JARINGAN 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 terperinci

>> KLASIFIKASI ARSITEKTURAL

>> 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 terperinci

PERANCANGAN ARSITEKTUR PEMARALELAN UNTUK MENCARI SHORTEST PATH DENGAN ALGORITMA DIJKSTRA

PERANCANGAN ARSITEKTUR PEMARALELAN UNTUK MENCARI SHORTEST PATH DENGAN ALGORITMA DIJKSTRA PERANCANGAN ARSITEKTUR PEMARALELAN UNTUK MENCARI SHORTEST PATH DENGAN ALGORITMA DIJKSTRA Eko Adi Sarwoko Jurusan Matematika FMIPA UNDIP Abstrak Perancangan arsitektur pemaralelan merupakan salah satu tahap

Lebih terperinci

ARSITEKTUR KOMPUTER. Satu CPU yang mengeksekusi instruksi satu persatu dan menjemput atau menyimpan data satu persatu.

ARSITEKTUR 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 terperinci

Arsitektur Komputer. Dua element utama pd sistem komputer konvensional: Memory Processor

Arsitektur 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 terperinci

Kebutuhan pengolahan paralel

Kebutuhan pengolahan paralel PEMROSESAN PARALEL Kebutuhan pengolahan paralel Motivasi : Pengolahan data numerik dalam jumlah yang sangat besar. Kebutuhan akan ketersediaan data yang senantiasa up to date. Contoh : Simulasi sirkulasi

Lebih terperinci

ORGANISASI KOMPUTER II AUB SURAKARTA

ORGANISASI 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 terperinci

KARAKTERISTIK KINERJA ALGORITMA RECURSIVE DECOUPLING PADA SISTEM MULTIPROSESOR BERBASIS PVM

KARAKTERISTIK KINERJA ALGORITMA RECURSIVE DECOUPLING PADA SISTEM MULTIPROSESOR BERBASIS PVM KARAKTERISTIK KINERJA ALGORITMA RECURSIVE DECOUPLING PADA SISTEM MULTIPROSESOR BERBASIS PVM Tri Prabawa Program Studi Teknik Informatika, STMIK AKAKOM Yogyakarta Jl. Raya Janti 143, Yogyakarta 55198 E-mail

Lebih terperinci

KOMPONEN KOMPUTER PARALLEL

KOMPONEN KOMPUTER PARALLEL KOMPONEN KOMPUTER PARALLEL Beberapa hal yang berkaitan dengan desain arsitektur paralel : Large set of registers Large physical address space Processor scheduling Processor synchronization Interconnection

Lebih terperinci

Disusun Oleh: Agenda. Terminologi Klasifikasi Flynn Komputer MIMD. Time Sharing Kesimpulan

Disusun 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 terperinci

PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL

PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas

Lebih terperinci

Logika dan Algoritma Yuni Dwi Astuti, ST 2

Logika dan Algoritma Yuni Dwi Astuti, ST 2 ALGORITMA Istilah algoritma pertama kali diperkenalkan oleh seorang ahli matematika yaitu Abu Ja far Muhammad Ibnu Musa Al Khawarizmi. Yang dimaksud dengan algoritma adalah : Urutan dari barisan instruksi

Lebih terperinci

Pohon Biner Sebagai Struktur Data Heap dan Aplikasinya

Pohon Biner Sebagai Struktur Data Heap dan Aplikasinya Pohon Biner Sebagai Struktur Data Heap dan Aplikasinya Muhammad Adinata/13509022 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

Penerapan 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 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 terperinci

2009/2010 Course Plan. SK-208 Arsitektur Komputer Ir. Syahrul, MT.

2009/2010 Course Plan. SK-208 Arsitektur Komputer Ir. Syahrul, MT. 2009/2010 Course Plan SK-208 Arsitektur Komputer Ir. Syahrul, MT. DEPARTEMEN TEKNIK INFORMATIKA INSTITUT TEKNOLOGI HARAPAN BANGSA 2010 INSTITUT TEKNOLOGI HARAPAN BANGSA SEMESTER GENAP 2009/2010 (SK-208)

Lebih terperinci

ANALISIS ALGORITMA. Disusun Oleh: Analisis Masalah dan Running Time. Adam Mukharil Bachtiar Teknik Informatika UNIKOM

ANALISIS ALGORITMA. Disusun Oleh: Analisis Masalah dan Running Time. Adam Mukharil Bachtiar Teknik Informatika UNIKOM ANALISIS ALGORITMA Analisis Masalah dan Running Time Disusun Oleh: Adam Mukharil Bachtiar Teknik Informatika UNIKOM adfbipotter@gmail.com AGENDA PERKULIAHAN DEFINISI MASALAH f x = a 0 + a n cos nπx +

Lebih terperinci

NOTASI UNTUK ALGORITMA PARALEL

NOTASI UNTUK ALGORITMA PARALEL NOTASI UNTUK ALGORITMA PARALEL Untuk Shared-Memory Model Global Local Untuk Distributed Memory Machine Parameter suatu konstanta yang sudah dikomunikasikan antar prosesor. Umum +, x, if else endif ; while

Lebih terperinci

Komputasi Paralel Sebagai Alternatif Solusi Peningkatan Kinerja Komputasi

Komputasi Paralel Sebagai Alternatif Solusi Peningkatan Kinerja Komputasi Thomas Anung Basuki Komputasi Paralel Sebagai Alternatif Solusi Peningkatan Kinerja Komputasi Intisari Makalah ini membahas komputasi paralel pada jaringan komputer menggunakan PVM. Untuk memperjelas,

Lebih terperinci

Konsep Dasar Struktur Data. Struktur Data

Konsep Dasar Struktur Data. Struktur Data Konsep Dasar Struktur Data Algoritma dan Pemrograman Tahar Agastani Teknik Informatika UIN - 2008 Struktur Data DATA: Bahan/fakta yang digunakan dalam perhitungan / operasi untuk menghasilkan informasi

Lebih terperinci

OPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF

OPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF OPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF Lutfi Hakim (1), Eko Mulyanto Yuniarno (2) Mahasiswa Jurusan Teknik Elektro (1), Dosen Pembimbing (2) Institut Teknologi Sepuluh Nopember (ITS)

Lebih terperinci

PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI

PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Prodi Teknik Informatika UPN eteran Yogyakarta Jl. Babarsari

Lebih terperinci

UNIVERSITAS GUNADARMA

UNIVERSITAS GUNADARMA UNIVERSITAS GUNADARMA SK No. 92 / Dikti / Kep /1996 Fakultas Ilmu Komputer, Teknologi Industri, Ekonomi,Teknik Sipil & Perencanaan, Psikologi, Sastra Program Diploma (D3) Manajemen Informatika, Teknik

Lebih terperinci

FORMULIR Satuan Acara Pengajaran

FORMULIR Satuan Acara Pengajaran Universitas Bina Darma Formulir : FRM/KUL/01/02 SATUAN ACARA PENGAJARAN MATA KULIAH : ARSITEKTUR KOMPUTER Riwayat Perubahan Dokumen Tanggal Perubahan Revisi No. Halaman Perubahan Dibuat Oleh Diperiksa

Lebih terperinci

Organisasi & Arsitektur. Komputer. Org & Ars komp Klasifikasi Ars Komp Repr Data

Organisasi & 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 terperinci

Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor

Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor 1 Murni dan 2 Tri Handhika 1,2 Pusat Studi Komputasi Matematika Universitas Gunadarma, Depok 1 murnipskm@sta.gunadarma.ac.id,

Lebih terperinci

Design and Analysis Algorithm

Design and Analysis Algorithm Design and Analysis Algorithm Pertemuan 02 Drs. Achmad Ridok M.Kom Fitra A. Bachtiar, S.T., M. Eng Imam Cholissodin, S.Si., M.Kom Aryo Pinandito, MT Contents 31 2 Analisis Algoritma Analisis Efisiensi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial

Lebih terperinci

Preorder Tree Traversal

Preorder Tree Traversal Preorder Tree Traversal Dimana paralelnya? Operasi dasarnya adalah pelabelan pada node. Label pada verteks sub pohon kanan tidak dapat diberikan sampai diketahui berapa banyak verteks yang ada di sub pohon

Lebih terperinci

Soal dan Jawaban Materi Graf, Pohon, dan Kompleksitas Algoritma

Soal dan Jawaban Materi Graf, Pohon, dan Kompleksitas Algoritma Soal dan Jawaban Materi Graf, Pohon, dan Kompleksitas Algoritma POHON 1. Ubahlah graf berikut ini dengan menggunakan algoritma prim agar menjadi pohon merentang minimum dan tentukan bobot nya! 2. Diberikan

Lebih terperinci

SISTEM INFORMASI DATA NUKLIDA MENGGUNAKAN TURBO PASCAL WINDOWS

SISTEM INFORMASI DATA NUKLIDA MENGGUNAKAN TURBO PASCAL WINDOWS SISTEM INFORMASI DATA NUKLIDA MENGGUNAKAN TURBO PASCAL WINDOWS Maskur, Zaenal Abidin, Sigit Purnomo ABSTRAK SISTEM INFORMASI DATA NUKLIDA MENGGUNAKAN TURBO PASCAL WINDOWS. Telah berhasil dibuat sebuah

Lebih terperinci

Jurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PENGURUTAN DATA DENGAN ALGORITMA HEAP SORT

Jurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PENGURUTAN DATA DENGAN ALGORITMA HEAP SORT SIMULASI PENGURUTAN DATA DENGAN ALGORITMA HEAP SORT Harold Situmorang Program Studi Sistem Informasi Universitas Sari Mutiara Indonesia Haroldsitumorang@gmail.com ABSTRAK Struktur data dari algoritma Heap

Lebih terperinci

BAB II LANDASAN TEORI. informasi menjadi sebuah teks yang tidak dapat dibaca (Ferguson dkk, 2010).

BAB 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 terperinci

Algoritma Heap Sort. Sekolah Teknik Elektro & Informatika Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Algoritma Heap Sort. Sekolah Teknik Elektro & Informatika Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Algoritma Heap Sort Paul Gunawan Hariyanto 1, Dendy Duta Narendra 2, Ade Gunawan 3 Sekolah Teknik Elektro & Informatika Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Lebih terperinci

ALGORITMA-ALGORITMA PARALLEL RANDOM ACCESS MACHINE (PRAM = pea ram)

ALGORITMA-ALGORITMA PARALLEL RANDOM ACCESS MACHINE (PRAM = pea ram) ALGORITMA-ALGORITMA PARALLEL RANDOM ACCESS MACHINE (PRAM = pea ram) 1 Algoritma PRAM Model PRAM dibedakan dari bagaimana mereka dapat menangani konflik read dan write (Li and Yesha 1989): EREW(Exclusive

Lebih terperinci

NOTASI UNTUK ALGORITMA PARALEL

NOTASI UNTUK ALGORITMA PARALEL NOTASI UNTUK ALGORITMA PARALEL Untuk Shared-Memory Model Global Local Untuk Distributed Memory Machine Parameter Æ suatu konstanta yang sudah dikomunikasikan antar prosesor. Umum +, x, Å if else endif

Lebih terperinci

Thread, SMP, dan Microkernel (P ( e P rtemuan ua ke-6) 6 Agustus 2014

Thread, SMP, dan Microkernel (P ( e P rtemuan ua ke-6) 6 Agustus 2014 Thread,, SMP, dan Microkernel (Pertemuan ke-6) Agustus 2014 Pokok Bahasan Pokok Bahasan: Thread, SMP, dan Microkernel Sub Pokok Bahasan: Multithreading Fungsionalitas thread Jenis-jenis thread TIU: Mahasiswa

Lebih terperinci

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN Wayan Firdaus Mahmudy, Ani Budi Astuti Jurusan Matematika, FMIPA, Universitas Brawijaya PENDAHULUAN Analisis jaringan merupakan

Lebih terperinci

Perbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular

Perbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular J. Math. and Its Appl. ISSN: 1829-605X Vol. 3, No. 1, May 2006, 19 25 Perbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular Dieky Adzkiya, E. Apriliani, Bandung A.S. Jurusan

Lebih terperinci

Kompleksitas Algoritma Rank Sort dan Implementasi pada Parallel Programming Dengan Menggunakan OpenMP

Kompleksitas 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 terperinci

PENGANTAR KOMPUTASI MODERN

PENGANTAR 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 terperinci

Penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Tujuan Utama Untuk meningkatkan performa komputasi.

Penggunakan 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 terperinci

Fakultas Teknologi Informasi

Fakultas Teknologi Informasi Algoritma dan Struktur Data 1 Halaman : 1 dari 15 SILABUS Kode Mata Kuliah : KP002 Nama Mata Kuliah : Algoritma dan Struktur Data 1 Beban Kredit : 3 SKS (Inti) Prasyarat : - Strategi : 1.Menjelaskan dan

Lebih terperinci

Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor

Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor Implementasi Hypergraph Partitioning pada Paralelisasi Perkalian Matriks-Vektor Murni dan Tri Handhika Pusat Studi Komputasi Matematika Universitas Gunadarma, Depok {murnipskm, trihandika}@staff.gunadarma.ac.id

Lebih terperinci

IF5110 Teori Komputasi. Teori Kompleksitas. (Bagian 1) Oleh: Rinaldi Munir. Program Studi Magister Informatika STEI-ITB

IF5110 Teori Komputasi. Teori Kompleksitas. (Bagian 1) Oleh: Rinaldi Munir. Program Studi Magister Informatika STEI-ITB IF5110 Teori Komputasi Teori Kompleksitas (Bagian 1) Oleh: Rinaldi Munir Program Studi Magister Informatika STEI-ITB 1 Sebuah persoalan dikatakan Solvable, jika terdapat mesin Turing yang dapat menyelesaikannya.

Lebih terperinci

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti * PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan

Lebih terperinci

Pendeteksian Kemacetan Lalu Lintas dengan Compute Unified Device Architecture (CUDA)

Pendeteksian 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 terperinci

PENGENALAN KOMPUTER DAN SOFTWARE II. Semester: 2 Pengenalan Komputer dan Software II. Introduction to Computer and Software II

PENGENALAN KOMPUTER DAN SOFTWARE II. Semester: 2 Pengenalan Komputer dan Software II. Introduction to Computer and Software II PENGENALAN KOMPUTER DAN SOFTWARE II I. SILABUS RINGKAS Kode Matakuliah: KU1202 Nama Mata Kuliah Bobot SKS: 2 Semester: 2 Pengenalan Komputer dan Software II Bidang Pengutamaan: TPB Introduction to Computer

Lebih terperinci

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN Wayan Firdaus Mahmudy, Ani Budi Astuti Jurusan Matematika, FMIPA, Universitas Brawijaya ABSTRAK Pada penelitian ini telah dirancang

Lebih terperinci

Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn)

Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn) Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn) T 24 Siti Rahmah Nurshiami dan Triyani Program Studi Matematika, Fakultas Sains dan Teknik Universitas Jenderal soedirman, Purwokerto

Lebih terperinci

STRATEGI DIVIDE AND CONQUER

STRATEGI DIVIDE AND CONQUER Pemrogram bertanggung jawab atas implementasi solusi. Pembuatan program akan menjadi lebih sederhana jika masalah dapat dipecah menjadi sub masalah - sub masalah yang dapat dikelola. Penyelesaian masalah

Lebih terperinci

BAB VII ALGORITMA DIVIDE AND CONQUER

BAB VII ALGORITMA DIVIDE AND CONQUER BAB VII ALGORITMA DIVIDE AND CONQUER Pemrogram bertanggung jawab atas implementasi solusi. Pembuatan program akan menjadi lebih sederhana jika masalah dapat dipecah menjadi sub masalah - sub masalah yang

Lebih terperinci

PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI

PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Jurusan Teknik Informatika UPN Veteran Yogyakarta Jl.

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH PEMROGRAMAN PASCAL * (TK) KODE / SKS: KK /2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH PEMROGRAMAN PASCAL * (TK) KODE / SKS: KK /2 SKS MATA KULIAH PEMROGRAMAN * (TK) Minggu ke Pokok Bahasan dan TIU 1. Algoritma Konsep Dasar Bahasa Pascal secara singkat sejarah dirancangnya bahasa Memberikan konsep dasar pembuatan program dalam bahasa

Lebih terperinci

VIRTUAL PARALLEL ENVIRONMENT USING PVM CASE STUDY BUBBLE SORT ALGORITHM

VIRTUAL PARALLEL ENVIRONMENT USING PVM CASE STUDY BUBBLE SORT ALGORITHM VIRTUAL PARALLEL ENVIRONMENT USING PVM CASE STUDY BUBBLE SORT ALGORITHM Iwan Pratama Program Studi Teknik Informatika, Unika Soegijapranata Semarang Ignatius.iwan93@gmail.com Abstract Parallel computing

Lebih terperinci

Algoritma dan Struktur Data

Algoritma dan Struktur Data Algoritma dan Struktur Data Click to edit Master subtitle style Pertemuan 3 Pengantar Analisis Efisiensi Algoritma Analisa efisiensi algoritma bertujuan mengestimasi waktu dan memori yang dibutuhkan untuk

Lebih terperinci

KOMPUTASI PADA JARINGAN KOMPUTER SEBAGAI ALTERNATIF PENINGKATAN KINERJA KOMPUTASI

KOMPUTASI PADA JARINGAN KOMPUTER SEBAGAI ALTERNATIF PENINGKATAN KINERJA KOMPUTASI KOMPUTASI PADA JARINGAN KOMPUTER SEBAGAI ALTERNATIF PENINGKATAN KINERJA KOMPUTASI Saat ini peningkatan kecepatan prosesor sangat luar biasa. Meskipun kecepatan processor dapat ditingkatkan terus, namun

Lebih terperinci

Analisis dan Strategi Algoritma

Analisis dan Strategi Algoritma Analisis dan Strategi Algoritma Deskripsi Mata Kuliah Konsep dasar analisis algoritma Beberapa jenis algoritma 28/02/2011 2 Standar Kompetensi Mahasiswa mampu membandingkan beberapa algoritma dan menentukan

Lebih terperinci

MENYIGI PENGGUNAAN METODE SHELLSORT DALAM PENGURUTAN DATA

MENYIGI PENGGUNAAN METODE SHELLSORT DALAM PENGURUTAN DATA MENYIGI PENGGUNAAN METODE SHELLSORT DALAM PENGURUTAN DATA Edhy Sutanta Jurusan Teknik Informatika, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak 28, Komplek Balapan,

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

AnalisisFramework. Mengukur ukuran atau jumlah input Mengukur waktu eksekusi Tingkat pertumbuhan Efiesiensi worst-case, best-case dan average-case

AnalisisFramework. Mengukur ukuran atau jumlah input Mengukur waktu eksekusi Tingkat pertumbuhan Efiesiensi worst-case, best-case dan average-case AnalisisFramework Review Tujuan analisa : mengukur efesiensi algoritma Efisiensi diukur dari diukur dari: waktu (time) dan memori(space). Dua besaran yang digunakan: kompleksitas algoritma 1. Kompleksitas

Lebih terperinci

Analisa dan Perancangan Algoritma. Ahmad Sabri, Dr Sesi 1: 9 Mei 2016

Analisa dan Perancangan Algoritma. Ahmad Sabri, Dr Sesi 1: 9 Mei 2016 Analisa dan Perancangan Algoritma Ahmad Sabri, Dr Sesi 1: 9 Mei 2016 Apakah algoritma itu? Asal istilah: Al Khwarizmi (± 800 M), matematikawan dan astronomer Persia. Pengertian umum: "suatu urutan langkah-langkah

Lebih terperinci

ANALISIS ALGORITMA BINARY SEARCH

ANALISIS ALGORITMA BINARY SEARCH ANALISIS ALGORITMA BINARY SEARCH Metode Binary search Binary search merupakan salah satu algoritma untuk melalukan pencarian pada array yang sudah terurut. Jika kita tidak mengetahui informasi bagaimana

Lebih terperinci

KOMPUTASI PARALEL UNTUK PENGOLAHAN PRESTASI AKADEMIK MAHASISWA

KOMPUTASI 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 terperinci

NASKAH UJIAN UTAMA. JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016

NASKAH UJIAN UTAMA. JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016 NASKAH UJIAN UTAMA MATA UJIAN : LOGIKA DAN ALGORITMA JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016 NASKAH UJIAN INI TERDIRI DARI 80 SOAL PILIHAN GANDA

Lebih terperinci

Analisa Kompleksitas Algoritma. Sunu Wibirama

Analisa Kompleksitas Algoritma. Sunu Wibirama Analisa Kompleksitas Algoritma Sunu Wibirama Referensi Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C., Introduction to Algorithms 2nd Edition, Massachusetts: MIT Press, 2002 Sedgewick, R., Algorithms

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Pengertian Algoritma Algoritma adalah urutan logis langkah-langkah penyelesaian yang disusun secara sistematis. Meskipun algoritma sering dikaitkan dengan ilmu komputer, namun

Lebih terperinci

Analisis Algoritma. Jimmy Tirtawangsa. Universitas Telkom 2014

Analisis Algoritma. Jimmy Tirtawangsa. Universitas Telkom 2014 Analisis Algoritma Jimmy Tirtawangsa Universitas Telkom 2014 Daftar Isi (1) Motivasi (2) Kompleksitas dan Optimalitas (3) Struktur data (4) Teknik 2 analisis algoritma (5) Struktur graf (6) Problem Sulit/Intraktabel

Lebih terperinci

Universitas gunadarma. pascal. Bab 4- bab 10. Hana Pertiwi S.T

Universitas gunadarma. pascal. Bab 4- bab 10. Hana Pertiwi S.T Universitas gunadarma pascal Bab 4- bab 10 Hana Pertiwi S.T 14 PASCAL Struktur Perulangan WHILE-DO Struktur Perulangan REPEAT-UNTIL REPEAT UNTIL 1. Struktur Perulangan FOR 2. Penggunaan gabungan struktur

Lebih terperinci

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN

PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN PERANCANGAN STRUKTUR DATA YANG EFISIEN UNTUK PEMROGRAMAN ANALISIS JARINGAN Wayan Firdaus Mahmudy, Ani Budi Astuti Jurusan Matematika, FMIPA, Universitas Brawijaya ABSTRAK Pada penelitian ini telah dirancang

Lebih terperinci

STRUKTUR DATA. Deskripsi Mata Kuliah

STRUKTUR DATA. Deskripsi Mata Kuliah STRUKTUR DATA Deskripsi Mata Kuliah Mata kuliah ini memberi pelajaran tentang paradigma pemrograman, array, string, matriks, record. Mata kuliah ini juga memberi pemahaman tentang list linear, multi link

Lebih terperinci

Penyelesaian Barisan Rekursif dengan Kompleksitas Logaritmik Menggunakan Pemangkatan Matriks

Penyelesaian Barisan Rekursif dengan Kompleksitas Logaritmik Menggunakan Pemangkatan Matriks Penyelesaian Barisan Rekursif dengan Kompleksitas Logaritmik Menggunakan Pemangkatan Matriks Luqman Arifin Siswanto - 13513024 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut

Lebih terperinci

Analisis Algoritm. Fundamentals of the Anlysis of Algorithm Efficiency

Analisis Algoritm. Fundamentals of the Anlysis of Algorithm Efficiency Analisis Algoritm Fundamentals of the Anlysis of Algorithm Efficiency Hendri Karisma Program Studi Teknik Informatika Universitas Komputer Indonesia 2013 Review An algorithm is a sequence of unambiguous

Lebih terperinci

Super computer . Perkembangan Science dan Komputasi Numerik Fenomena Alam Observasi Hypotesis Percobaan untuk Pembuktian Percobaa n fisik Teori Komputasi numerik (simulasi) Fenomena Alam : Suatu kejadian

Lebih terperinci

Cache Memori (bagian 3)

Cache Memori (bagian 3) Cache Memori (bagian 3) (Pertemuan ke-13) Prodi S1 Teknik Informatika Fakultas Informatika Universitas Telkom Endro Ariyanto Maret 2015 Elemen Perancangan Cache Ukuran (Size) cache Mapping Cache-Main memory

Lebih terperinci

EVALUASI KINERJA ALGORITMA PERKALIAN MATRIKS BERANTAI DENGAN TEKNIK DYNAMIC PROGRAMMING

EVALUASI KINERJA ALGORITMA PERKALIAN MATRIKS BERANTAI DENGAN TEKNIK DYNAMIC PROGRAMMING EVALUASI KINERJA ALGORITMA PERKALIAN MATRIKS BERANTAI DENGAN TEKNIK DYNAMIC PROGRAMMING Farah Virnawati 1, Juwita Utami Putri 2, Ernastuti 3 1,2,3 Program Studi Teknik Informatika, Universitas Gunadarma

Lebih terperinci

Deskripsi. Buku Ajar 3/1/2010. Pengajar. Materi Kuliah. Materi Kuliah #2. Komputasi Paralel. Kuliah 01: Pendahuluan

Deskripsi. Buku Ajar 3/1/2010. Pengajar. Materi Kuliah. Materi Kuliah #2. Komputasi Paralel. Kuliah 01: Pendahuluan // Komputasi Paralel Kuliah : Pendahuluan Yeni Herdiyeni http://www.cs.ipb.ac.id/~yeni/paralel Departemen Ilmu Komputer IPB Semester Genap Deskripsi Membahas kebutuhan dan klasifikasi mesin paralel (SISD,

Lebih terperinci

Model Linear Kuadratik untuk Sistem Deskriptor Berindeks Satu dengan Factor Discount dan Output Feedback

Model Linear Kuadratik untuk Sistem Deskriptor Berindeks Satu dengan Factor Discount dan Output Feedback Model Linear Kuadratik untuk Sistem Deskriptor Berindeks Satu dengan Factor Discount dan Output Feedback Nilwan Andiraja 1, Julia Sasmita Maiza 2 1, 2 Jurusan Matematika, Fakultas Sains dan Teknologi,

Lebih terperinci

TUGAS MATA KULIAH TEKNIK KOMPILASI

TUGAS MATA KULIAH TEKNIK KOMPILASI TUGAS MATA KULIAH TEKNIK KOMPILASI TEKNIK OPTIMASI DAN TABEL INFORMASI DOSEN : HARUN MUKHTAR,M.KOM Nama : Walter Sitio NIM : 080403019 Jurusan : Teknik Infomatika UNIVERSITAS MUHAMMAHDIYAH RIAU Teknik

Lebih terperinci

Algoritma Brute Force

Algoritma Brute Force Algoritma Brute Force Deskripsi Materi ini membahas tentang algoritma brute force dengan berbagai studi kasus Definisi Brute Force Straighforward (lempeng) Sederhana dan jelas Lebih mempertimbangkan solusi

Lebih terperinci

ARSITEKTUR KOMPUTER 1

ARSITEKTUR KOMPUTER 1 ARSITEKTUR KOMPUTER 1 Kelas Sistem PC tradisional. Performa tinggi, harga terjangkau Notebook Portabilitas Terbatas pada ukuran dan energi Smartphone Terbatas pada batere dan harga Datacenter Ukuran besar

Lebih terperinci

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Kinerja yang perlu ditelaah pada algoritma: beban komputasi efisiensi penggunaan memori Yang perlu

Lebih terperinci

Penerapan Algoritma Divide and Conquer Dalam Komputasi Paralel

Penerapan 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 terperinci

Algoritma dan Struktur data

Algoritma dan Struktur data Pertemuan 2, Algoritma dan Struktur data Tenia wahyuningrum & Sisilia Thya Safitri VISI ST3 TELKOM Menjadi Perguruan Tinggi yang Unggul di Bidang Teknologi Telematika dan membentuk insan yang berkarakter

Lebih terperinci

ALGORITHM. 2 Analysis Algorithm. Dahlia Widhyaestoeti, S.Kom dahlia74march.wordpress.com

ALGORITHM. 2 Analysis Algorithm. Dahlia Widhyaestoeti, S.Kom dahlia74march.wordpress.com ALGORITHM 2 Analysis Algorithm Dahlia Widhyaestoeti, S.Kom dahlia.widhyaestoeti@gmail.com dahlia74march.wordpress.com Analysis Suatu Algoritma Studi yang menyangkut analis algoritma ada 2 hal : 1. Perbandingan

Lebih terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata Kuliah : ARSITEKTUR KOMPUTER Kode Mata Kuliah : TK - 16301 Jurusan / Jenjang : S1 - SISTEM KOMPUTER M POKOK BAHASAN

Lebih terperinci

: Algoritma dan Pemrograman I Modul Praktikum ke : 09

: Algoritma dan Pemrograman I Modul Praktikum ke : 09 Praktikum : Algoritma dan Pemrograman I Modul Praktikum ke : 09 Judul Materi : Array III Tujuan / Sasaran : Mahasiswa dapat membuat pseudecode dan mempraktekkan perintah Array tiga dimensi dan multidimensi

Lebih terperinci

A. Deskripsi Singkat. B. Tujuan Instruksional Umum (TIU) C. Bahasan. SILABUS MATA KULIAH Kode MK: Semester: Bobot SKS: 3. Matakuliah : SISTEM OPERASI

A. Deskripsi Singkat. B. Tujuan Instruksional Umum (TIU) C. Bahasan. SILABUS MATA KULIAH Kode MK: Semester: Bobot SKS: 3. Matakuliah : SISTEM OPERASI A. Deskripsi Singkat Matakuliah : SISTEM OPERASI SILABUS MATA KULIAH Kode MK: Bobot SKS: 3 Semester: Matakuliah sistem operasi komputer adalah matakuliah yang wajib diikuti oleh mahasiswa teknik informasika,

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH ARSITEKTUR KOMPUTER (TK) KODE / SKS KK /4

SATUAN ACARA PERKULIAHAN MATA KULIAH ARSITEKTUR KOMPUTER (TK) KODE / SKS KK /4 SATUAN ACARA PERKULIAHAN MATA KULIAH ARSITEKTUR KOMPUTER (TK) KODE / SKS KK-014412/4 Minggu ke Pokok Bahasan dan TIU Sub Pokok Bahasan dan Sasaran Belajar Cara Pengajaran 1 Arsitektur Komputer Perspektif

Lebih terperinci

Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus.

Sebuah 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 terperinci

Langkah Awal menuju Analisis Kompleksitas Algoritma

Langkah Awal menuju Analisis Kompleksitas Algoritma Langkah Awal menuju Analisis Kompleksitas Algoritma Isi Proses Desain dan Analisis Algoritma Tipe-tipe Problem yang penting Kebutuhan akan algoritma yang efisien Analisis framework 2 Proses Desain dan

Lebih terperinci