Asep Juarna*, T. Basaruddin**

Transkripsi

1 PARALELISASI METODA RUNGE-KUTTA UNTUK MENYELESAIKAN MASALAH SISTEM PERSAMAAN DIFERENSIAL ORDINER YANG DIHASILKAN DARI REDUKSI MASALAH PERSAMAAN PARABOLIK LINIER : LAPORAN PENDAHULUAN ABSTRACT Asep Juarna*, T. Basaruddin** Illl ID995 PARALLELIZATION OF RUNGE-KUTTA METHOD TO SOLVE ORDINARY DIFFERENTIAL EQUATION PROBLEMS RESULTED FROM REDUCED PARABOLIC- LINEAR EQUATION PROBLEMS: PRELIMENARY REPORT. Using finite difference method, parabolic-linear equation can be reduced into ordinary differential equation problem. Since reduced problems are initial boundary problems and almost became stif, an implicit method diagonal implicit Runge-Kutta formulate in this case, can be used as an appropriate solution for the problems. To increase the computation performance, parallelization is implemented in two ways, i.e., method and system parallelization. ABSTRAK PARALELISASI METODA RUNGE-KUTTA UNTUK MENYELESAIKAN MASALAH SISTEM PERSAMAAN DIFERENSIAL ORDINER YANG DIHASILKAN DARI REDUKSI MASALAH PERSAMAAN PARABOLIK LINIER : LAPORAN PENDAHULUAN Dengan menggunakan nietoda beda hingga penulis telah mereduksi masalah persamaan parabolik linier menjadi masalah sistem persamaan diferensial ordiner. Masalah tereduksi adalah masalah syarat awal. Karena masalah terakhir ini hampir stif, adalah tepat jika nietoda implisit dipilih sebagai pemecah masalah; dalam kaitan ini sebuah formula Runge-Kutta implisit diagonal telah dipilih. Untuk meningkatkan kinerja komputasi, penulis telah melakukan paralelisasi terhadap semua kegiatan komputasinya dengan dua cara secara serempak. Kedua cara tersebut adalah paralelisasi metoda dan paralelisasi sistcm. PENDAHULUAN Dewasa ini komputasi paralel merupakan metoda komputasi yang pemakaiannya tidak dapat lagi dihindari. Tidak sedikit masalah yang memerlukan solusi segera. Bagi permasalahan pendek dan sederhana kebutuhan solusi segera tersebut dapat saja dipenuhi dengan metoda komputasi sekuensial, tetapi tidak demikian halnya jika yang dihadapi adalah permasalahan panjang dan rumit. Perkembangan komputasi paralel juga ditunjang oleh kemudahan dalam memperoleh perangkat keras penunjang. Staf Pengajar STMIK Giinadarma - Jakarta Staf Pusat limit Koniputer Universitas Indonesia - Jakarta 39

2 Secara umum komputasi paralel adalah suatu upaya untuk mereduksi waktu komputasi dengan cara memecah masalah menjadi beberapa bagian, menugaskan sebuah prosesor untuk setiap bagian masalah, dan kemudian menyelesaikan setiap bagian tersebut secara serempak Dalam tulisan ini komputasi paralel dibicarakan dalam kaitannya sebagai metoda komputasi untuk memecahkan permasalahan syarat awal, PSA (IVP, initial value problem) melalui suatu metoda Metoda yang digunakan dan lebih jauh dikembangkan ke arah paralel adalah metoda Runge-Kutta. Pembicaraan lebih jauh tentang komputasi paralel akan disajikan pada Pasa! 2, sedangkan pembicaraan tentang PSA dan metoda Runge-Kutta akan disajikan pada Pasal 4. Ditinjau dari cara paralelisasi itu diselenggarakan untuk memecahkan suatu PSA dengan suatu metoda, maka dapat dibedakan dua katagori paralelisasi; keduanya adalah: 1. paralelisasi metoda, atau sering diacu sebagai paralelisasi terhadap waktu, dan 2. paralelisasi sistem, atau sering diacu sebagai paralelisasi terhadap ruang Paralelisasi metoda adalah cara paralelisasi yang bergantung pada potensi metoda itu sendiri. Potensi paralel suatu metoda dapat dikembangkan dengan sendirinya atau dengan formulasi ulang metoda tersebut. Paralelisasi sistem memerlukan suatu metoda eksternal yang tidak berkaitan Iangsung dengan penyelesaian PSA itu sendiri. Pembicaraan kedua cara paralelisasi ini akan disajikan masing-masing pada Pasal 5 dan Pasal 6. Tulisan ini merupakan kombinasi penerapan kedua cara paralelisasi dalam menyelesaikan sebuah sistem persamaan diferensial ordiner (PDO) berderajat satu sebagai hasil reduksi sebuah persamaan diferensial parsial (PDP) dua dimensi dan berderajat dua. Persamaan tersebut adalah persamaan difusi dengan suku konveksi : d 2 U du (1) Persamaan difusi di atas mempunyai koefisien difusi 1 dan koefisien konveksi K. Setelah Pasal 2 membicarakan Komputasi Paralel, maka selanjutnya Pasal 3 akan menyajikan PDP dan reduksinya menjadi PDO. Tulisan ini diakhiri dengan beberapa kesimpulan sementara dan saran tentang alternatif penyelesaian masalah. Pada tulisan ini, notasi matematika menggunakan aturan sebagai-berikut : cetak tebal untuk menyatakan vektor atau matriks dan cetak tipis untuk menyatakan skalar. 4

3 SEPINTAS TENTANG KOMPUTASI PARALEL Terdapat 3 kelas komputer yang dapat dikatagorikan ke dalam komputer paralel; ketiganya adalah : 1. SIMD (Single Instruction stream, Multiple Data stream), dan 2. MISD (Multiple Instruction stream, Single Data stream), 3. MIMD (Multiple Instruction stream, Multiple Data stream). Secara singkat berikut ini adalah perbedaan ketiganya. SIMD mempunyai N prosesor identik yang bekerja secara sinkron, yaitu : pada setiap langkah komputasi setiap prosesor mengerjakan instruksi yang sama terhadap data (atau sekumpulan data) berbeda. Pada komputer MISD, pada setiap langkah komputasi setiap prosesornya secara serempak melakukan instruksi berbeda pada data (atau sekumpulan data) yang sama. Setiap prosesor kelas komputer MIMD melakukan instruksi berbeda pada data (atau sekumpulan data) yang berbeda pula. Jelas bahwa MIMD ini potensial untuk beroperasi secara tak-sinkron. Terdapat beberapa indikator komputasi paralel pada komputer paralel dengan p prosesor. Berikut ini 5 indikator yang berkaitan dengan tulisan ini 1. S(p) = percepatan {speed-up ratio), yaitu rasio antar vvaktu yang diperlukan untuk menyelesaikan suatu masalah secara sekuensial terbaik terhadap waktu yang diperlukan untuk menyelesaikan masalah yang sama secara paralel. 2. S(a) = penguatan {algorithmic speed-up ratio), yaitu ukuran penguatan yang diakibatkan oleh penggunaan p prosesor. Idealnya S(a) = p. Keadaan ideal ini bisa turun misalnya karena overhead yang diakibatkan sinkronisasi dan komunikasi antar prosesor. 3. Efisiensi, mengukur efektivitas penggunaan prosesor. Efisiensi ideal = 1%, dan akan turun karena : beberapa prosesor idle, sinkroniasi, dan komunikasi. 4. Granularitas {grain size) yaitu jumlah instruksi yang dapat dilaksanakan secara serempak sebelum sinkronisasi diperlukan. Terdapat tiga tipe granularitas, yaitu fine-grain jika jumlah instruksi'sebelum sinkronisasi tersebut adalah 9(1), mediumgrain jika jumlah instruksi adalah 6(1), dan coarse-grain jika jumlah instruksi adalah (1). 5.6 = Rasio antara waktu komunikasi terhadap komputasi. Nilai rasio ini menunjukkan kontribusi komunikasi terhadap overhead. 41

4 REDUKSI PDP MENJADI SISTEM PDO Dari uraian Taylor dapat diturunkan dua persamaan berikut: dan : 2Ar fix - Ax) - 2 f{x) + f(x + Ax) Ax 2 O(Ax 2 ) Persamaan (2) dan (3) dikenal sebagai pendekatan beda hingga (finite difference approximation), lebih spesifik lagi formula beda tengah (central difference formula). Dengan kedua persamaan di atas maka permasalahan (1) direduksi menjadi : dv(t) 1 dt 2 Ax- Ax)U(x- Av)-4U(x) + (2- K AX)U(X+AX)} (4) Pada persamaan-persamaan di atas Ax adalah suatu elemen besaran X yang membagi selang [,a] menjadi N bagian sama besar. Karena pada i = dan i = N diberikan syarat awal, maka pennasalahan yang ditinjau adalah titik-titik x i, i = 1,2,...,N-l. Selanjutnya jika V- X (t) adalah pendekatan untuk Uft), kemudian UQ = V () dan U a = V^ maka persamaan (4) dapat dilihat sebagai sistem N-\ persamaan diferensial ordiner berderajat satu sebagai bcrikut : d -V = AV + b (5, atau : -A 2-x-Av 2+ATAV -4 2-ATAV (2) (3) <* 2 + vav -4 2-Kbx. 2 + K Ar -4 (2 + KAX)V (6) (2 - K Ax)V n _ Terlihat bahwa matriks A adalah matriks tridiagonal konstan (N-l) x (N-l). 42

5 PSA DAN METODA RUNGE-KUTTA 1MPLISIT Sebuah PSA dapat dituliskan sebagai : y'=f(f,y), t=[f o,i t ], yoo)=yo (? ) Persamaan di atas merupakan sistem persamaan diferensial ordiner berderajat satu y dengan sebuah vektor nilai awal y. Solusi Runge-Kutta pada akhir selang integrasi t,t n+] ] dengan selang tahap h = t n+] - / untuk masalah PSA di atas adalah : dimana: yn +,=y n +^Z^k ni (8) ( * ^ l Z (9) Pada persamaan (8) y n adalah hasil komputasi numerik yang merupakan nilai pendekatan untuk y(/ n ). Selisih kedua besaran ini merupakan ukuran yang selanjutnya akan menentukan lebar-langkah (step-size) h secara adaptif. Teknik komputasi ini dikatakan bersifat adaptif terhadap h atau sering disebut juga sebagai teknik peubah lebar-langkah (variable step-size technique). Terdapat dua katagori utama metoda Runge-Kutta; keduanya adalah metoda Runge-Kutta Eksplisit, dan metoda Runge-Kutta Implisit. Selanjutnya dikenal pula katagori ketiga, yaitu metoda Runge-Kutta Semi Ekslpisit atau Semi Implisit atau Runge-Kutta Implisit Diagonal, RKID (DIRK, Diagonally Implicit Runge-Kufta). RKID sebenamya masih termasuk. katagori implisit. Berkaitan dengan katagorisasi di atas maka batas atas somasi pada persamaan (9) adalah i-1 untuk RK eksplisit, untuk RKID, dan s untuk RK implisit. Pilihan penggunaan kedua katagori metoda Runge-Kutta dilakukan berdasarkan ke-stif-an (stiffness) persoalan. Metoda Runge-Kutta Eksplisit dan metoda eksplisit lainnya sudah cukup stabil untuk permasalahan non-stiff, sedangkan masalah stif dan agak stif (mildy stiff) harus menggunakan metoda implisit. PSA (7) dikatakan stif pada selang I = [a,b] jika V/ el, berlaku : 1. Re(A,) < (i = l,2,...,s),dan Max, v / Min, N 43

6 dimana A i adalah nilai-nilai eigen dari matriks koefisien sistem, A, yaitu jika persamaan (7) dituliskan sebagai y' = f (/,y) = A(/) y + b(, baik melalui proses linierisasi dicirikan dengan kebergantungan matriks A dan vektor b terhadap variabel t ataupun tidak dicirikan dengan matriks A dan vektor b yang konstan. Tidak ada batasan baku tentang nilai rasio ke-stif-an {stiffness ratio) S(x). Di antara beberapa pendapat tersebut penulis mengutip pendapat Lambert yaitu (1) untuk permasalahan tidak stif, { O 2 ) untuk permasalahan hampir stif, dan { 6 ) untuk ^permasalahan stif. Masalah hampir stif akan lebih baik dikerjakan dengan metoda implisit dibandingkan dengan metoda eksplisit. Telah dilakukan perhitungan S(x) pada sistem (6) untuk K =.5 dan Ax =.25. Hasilnya terlihat pada Tabel 1. Tabel 1. Rasio ke-stif-an, S(x) sebagai fungsi derajat PDO, m m = N-l S(x) Karena S(x) berkisar antara 9(1) sampai 8(1), yaitu selang masalah agak stif, maka metoda Runge-Kutta yang dipakai adalah RK implisit. Selanjutnya dengan alasan-alasan seperti yang akan dijelaskan pada Pasal 4, maka RK implisit yang ak?.n dipakai adalah RKID. Tabel butcher RKID, yang memperlihatkan koefisien formula : a, b, dan c, seperti terlihat pada pada persamaan (8) dan (9), untuk formula RKID dengan derajat-tahap (stage-order) - s, ditunjukkan pada gambar di bawah ini. a «21 «22 «s Gambar 1. Tabel butcher untuk RKID Kombinasi persamaan-persamaan (7), (8), dan (9), serta Gambar 1. menghasilkan: 44

7 (1) dimana: J m = Jacobian(f) = A untuk PDO linier, I m = matriks satuan. PARALELISASI METODA : RKID PARALEL Sebuah formula RK implisit dengan derajat-tahap s membutuhkan pemecahan sm-buah persamaan simultan atau s-buah sistem PDO pada setiap langkah integrasi. Matriks a formula RK implisit ini, sepcrti ditunjukkan oleh tabel butcher, adalah matriks penuh. Metoda penyelesaian standar masalah ini adatah melalui faktorisasi LU dilanjutkan dengan penyelesaian sistem L dan U. Jumlah flops penyelesaian ini adalah : Berbeda dengan RK implisit, maka matriks a formula RKID adalah matriks segitiga atas. Tidak diperlukan faktorisasi LU pada penyelesaian masalah ini. Jadi jumlah flops yang diperlukan adalah ms 2. Sedikitnya jumlah flops yang diperlukan sebuah RKID mendorong orang untuk mencari atau menurunkan formula RKID, atau bahkan melakukan formulasi ulang bentuk RK implisit, jika mungkin, menjadi bentuk blok-rkid. Penulis memfokuskan tulisannya kepada upaya terakhir ini. Bentuk tabel butcher dari blok-rkid terlihat pada Gambar 2. A Cp B] Gambar 2. Tabel butcher untuk blok-rkid 45

8 Gambar 2 di atas adalah hasil formuiasi ulang RK implisit menjadi blok-rkid. A dan D adalah dua matriks berukuran maksimum q x q, dimana A adalah matriks bujur sangkar, penuh ataupun tidak, dan D adalah matriks diagonal yang tidak pertu sama untuk semua D. Sementara itu C dan B adalah dua matriks kolom dengan panjang kolom maksimum adalah q. Karena D adalah matriks diagonal maka semua k pada lajur blok pertama dapat dipecahkan secara serempak; Inilah potensi RKID dalam paralelisasi metoda sehingga blok-rkid di atas disebut sebagai RKID Paralcl (RKIDP). Selanjutnya, segera setelah semua k pada lajur ke-i selesai dipecahkan maka hal yang sama dapat dilakukan pada lajur ke-(i+l). Formula RKIDP di atas membutuhkan minimal q-buah prosesor, dan secara lengkap diacu sebagai RKIDP s-tahap p-paralel <?-prosesor (s-stage p-parallel q- processor RKIDP). Sebagai contoh berikut ini diberikan sebuah formula RK implisit 4- stage : 1 3/5 171/44 2/5-43/2 3/5-215/44 39/2 1 3/5 11/72 25/72 11/72 25/72 Gambar 3. Sebuah formula RK Implisit s-tahap Segera terlihat bahvva terhadap formula pada Gambar 3 di atas dapat dilakukan formuiasi ulang sehingga diperoleh formula 4-tahap 2-paralel 2-prosesor. Telah ditunjukkan pada akhir Pasal 3 bahwa matriks koefisien sistem PDO adalah matriks tridiagonal konstan berukuran (N-l) x (N-l). Jika formula Runge-Kutta Implisit yang dipakai adalah seperti pada Gambar 3 maka persamaan (9) akan menjadi: I n ~ ha u A ha^ A ha 4] A I ha 32 A ha 42 A A I» -ha,, A I k2 I k3f 3 JLkJ Ay o +b] Ay«+b Vektor kj dan k 2 dapat dipecahkan secara serempak. Hal yang sama dapat dilakukan pada k 3 dan k 4 setelah dua nilai k sebelumnya diperoleh. Perhatikan bahwa komponcn setiap vektor k adalah (N-l)-buah k. Dengan paralelisasi metoda inaka prosedur penyelesaian permasalahan syarat awal pada sebuah langkah komputasi dapat dituliskan dalam pseudocode berikut: (11) 46-

9 Pseudocode SEC PAR SEC proses 1.1 : for i = 1 to m : hitung &, ; proses 1.2 : for i =1 to m : hitung k 2 - t PAR SEC proses 2.1 : for i - ] to m : hitung k %; proses 2.2: PAR for i =1 to m for i = / to m : hitung k A - t proses 3.i.: hitung: y = ( Salah satu indikator komputasi paralel adalah speed-up ratio pada jumlah prosesor p, S p. S p didefinisikan sebagai rasio antara waktu algoritma sekuensial tercepat terhadap waktu algoritma paralel untuk suatu permasalahan yang diberikan Agak berbeda dengan defmisi di atas, maka pada tulisan ini algoritma sekuensial adalah prosedur komputasi dengan menggunakan formula RKID, sedangkan algoritma paralel adalah prosedur komputasi dengan menggunakan RKIDP dari formula RKID, yaitu dengan menggunakan pseudocode 11. Dari pengertian terakhir terlihat bahwa untuk formula pada Gambar 3 dan pseudocode 11 akan diperoleh speed-up ideal sebcsar 2. Paralelisasi metoda di atas telah dipergunakan oleh Suhartanto untuk menyelesaikan sistem PDO f(x,y) = Ly, dimana L adalah matriks tridiagonal sebagai berikut: \ Dari hasil percobaannya diperoleh nilai speed-up : (N = 1) dan meningkat sampai (N = 25). Hasil ini cukup dekat dengan speed-up ideal. (12) 47

10 PARALELISASI SISTEM : REDUKSI SIKLIK Pada pseudocode 11 di atas tampaknya terdapat satu peluang untuk menaikkan speed-up. Peluang itu adalah paralelisasi pada proses-proses : 1.1, 1.2, 2.1, dan 2.2, yaitu paralelisasi dalam menghitung semua komponen dalam setiap vektor k yang masing-masing berjumlah N-l. Dari persamaan (11) terlihat bahwa bentuk persamaan untuk memecahkan setiap vektor k adalah sama. Dengan mengingat bentuk A seperti pada persamaan (5), maka komponen persamaan (11) untuk k i pada akhir langkah komputasi pertama, sebagai contoh, adalah : 1 + 4a -(2-K dx)a -(2 + K dx)a 1 + 4«-{2-K dx)a -(2 + K dx)a dx)a -(2-K -(2 + K dx)a 1 + 4o " l.n-2 L*M.N-I J -4y lj + {2-K dx)y 2fi (2+K dx)y l - 4> 2> +{2-K dx)n xo (13) (2 + K N. 2 +(2-K dx)y N _ N_] Tujuan reduksi siklis adalah mempartisi sebuah sistem persamaan tridiagonal menjadi beberapa blok persamaan sedeniikian rupa sehingga setiap blok dapat dapat dipecahkan secara serempak bersama blok lainnya. Teknik reduksi ini dilakukan melalui serangkaian proses eliminasi. Setiap proses eliminasi akan menggandakan jumlah persamaan. Misalnya: ci y setelah eliminasi pertama berubah menjadi Gambar 4. 48

11 a? b a? b?\ Gambar 5. Gambar 4 adalah matriks koefisien A dari sistem persamaan linier Ax = y (14) Pada gambar tersebut terlihat bahwa eliminasi pertama telah mempartisi sebuah persamaan tridiagonal empat peubah menjadi dua blok persamaan yang dapat dipecahkan secara serempak : blok atas memecahkan dua peubah pertama scmentara blok bawah memecahkan dua peubah kedua. Indeks atas pada Gambar 5. menunjukkan bahwa eliminasi telah dilakukan sebanyak satu kali. Secara umum terhadap hasil eliminasi ke-n dapat dilakukan eliminasi Icbih lanjut sehingga diperoleh lebih banyak lagi blok persamaan yang dapat dipecahkan secara serempak. Teknik eliminasi akan dijelaskan bcrikut ini. Untuk kasus lebih umum Gambar 4 sekarangberukuran mxm sehingga bentuknya menjadi: A = (15) n,-!, b m J Perhatikan persamaan ke-(i-l), ke-i, dan ke-(i+l) untuk i = 3,4,...,m-2 sebagai berikut (16) Persamaan ke-(i-l) digunakan untuk mengeliminasi x- ra dari persamaan ke-i, sedangkan persamaan ke-(i+l) digunakan untuk mengeliminasi x i+] dari persamaan ke-i. Hasilnya adalah transformasi persamaan (14) menjadi : 49

12 dimana : a (X) x +b ) x +c ) x -,(') (17) i+i _ yj ) c (18) ). Persamaan (18) juga berlaku untuk a^'j,a ( n ]),b^]),b^,c, (1),dan c^ kecuali untuk : - b, + p, a^, dan Perhatikan bahwa dua indeks.\' berlirutan dalam persamaan (17) berselisih 2. dengan demikian transformasi matriks (15) akibat eliminasi pertama ini menghasilkan persamaan (19). Untuk memperjelas formulasi ulang persamaan (19) menjadi bentuk Gambar 5 maka disertakanlah variabel x-nva. c l (1) ci" x 2 x! (2) O.n.1 x ma x Persamaan (2) dapat diformulasi ulang menjadi: 5

13 !i o (21) Dapat disimpulkan bahwa prosedur reduksi-siklis terdiri atas : 1. assignment persamaan (18) 2. assignment persamaan (2) 3. formulasi persamaan (21) Persamaan (21) terdiri atas dua blok persamaan yang saling lepas schingga keduanya dapat diselesaikan secara sercmpak. Terhadap persamaan di atas juga dapat dilakukan prosedur yang sama sehingga diperoleh persamaan dengan empat, dclapan. sampai 2 n blok persamaan, dengan n adalah derajat reduksi-siklis, yaitu frekuensi pemanggilan prosedur reduksi-siklis. Segera setelah derajat reduksi-siklis tercapai, maka langkah selanjutnya adalah eliminasi gauss bagi persamaan : Ax = y, yang terdiri dari : 1. faktorisasi : A = LU 2. dapatkan z dari : Lz = y 3. dapatkan x dari : Ux = z. Untuk matriks A seperti pada persamaan (15) maka faktorisasi LU menghasilkan : U, /, i U 2 L = dan U = (22) dengan : 51

14 w, =, danuntuki = 2,3,...,m Akhimya, paralelisasi sistem reduksi siklis ini dirangkunikan dengan prosediir sistem berikut: Prosedur Sistem 1. for i = 1 to n do prosedur reduksi-siklis 2, for j = 1 to 2 n do in para lei eliminasi gauss (blok-j) Pseudocode lengkap yang menyertakan paralelisasi metoda dan paralelisasi sistem adalah: Pseudocode SEC 2. PAR 3. SEC 4. Prosedur Sistem (k ] J 5. Prosedur Sistem (k 2 J 6. PAR 7. SEC 8. Posedur Sistem (k 3 J 9. Prosedur Sistem (k 4 J 1. PAR for i =1 to m (A 11. proses 3.i.: hitung : y in+] = y in + h\ ^b- KESIMPULAN DAN SARAN Beberapa kesimpulan sementara yang dapat diturunkan dari pembicaraan di atas adalah : 1. Masalah Persamaan Difusi di atas dapat direduksi menjadi sistem PDO dengan matriks koefisien sistem thdiagonal-toeplitz serta mempunya jenis ke-stif-an: hampir stif. 52

15 2. Dengan menggunakan formula RKID Paralel berderajat-tahap 4 dan mempunyai jumlah blok 2, serta sistem PDO yang yang diuji mempunyai kemiripan (tridiagonal-toeplitz-simetri), pseudocode 7 menghasilkan speed-up cukup dekat dengan kondisi ideal. 3. Pseudocode 11 yang mengabungkan paralelisasi sitem, yaitu prosedur reduksi-siklis dan prosedur eliminasi-gauss, ke dalam pseudocode 7 diperkirakan akan menirigkatkan speed-up yang diperoleh dengan pseudocode 7 Hal ini terutama akan terjadi untuk ukuran sistem yang besar. Berikut ini beberapa saran untuk peningkatan speedup atau penelitian Icbili lanjut: 1. Speed-up yang dihasilkan oleh pseudocode 7 akan lebih tinggi (di atas 2) jika menggunakan formula RKIDP sebagai berikut: a. berderajat-tahap lebih dari 4 dengan jumlah blok lebih dari 2, b. berderajat-tahap 4 dengan jumlah blok 2 tetapi mempunyai struktur tabel butcher sebagai berikut: c. kombinasi (a) dan (b). Q c, Q A 4* A» 3 A 43 D 4 rjt nt I>T nt /3j /?T ZJ, X>4 2. Teknik lain dari reduksi siklis bisa dikembangkan misalnya dengan eliminasi tahap dua dan seterusnya terhadap matriks (2) sehingga akhirnya dihasilkan satu persamaan dengan satu peubah, satu sistem diagonal. 3. Teknik lain untuk merubah Gambar 4 menjadi Gambar 5 adalah metoda itcrasi, yaitu dengan membawa elemen a 3 dan c 2 ke ruas kanan, memberi nilai dugaan kepada peubah x yang bersangkutan (dalam hal ini x 3 dan x 2 ), lakukan itcrasi sehingga dua nilai terakhir kedua peubah tersebut berselisih sekecil mungkin. Teknik ini sangat bergantung kepada laju konvergensi; laju konvergensi yang lambat akan menjadikan overhead komputasi terlalu besar. 53

16 4. Implementasi program akan dilakukan dengan Transputer 8 prosesor, dengan bahasa pemrograman ccam2. Implementasi lain dapat saja dilakukan dengan menggunakan PVM. DAFTAR PUSTAKA 1. SELIM G. Akl., "The Design and Analysis of Parallel Algorithms", Prentice- Hall Inc., New Jersey, ROGER ALEXANDER, "Diagonally Implicit Runge-Kutta Methods for Stiff O.D.E. 's", SIAM J. Numer. Anal., Vol. 4, No. 6, hal , December BJORSTAD, P, dkk., "Efficient Matrix Multiplication on SIMD Computers". SIAM J. Matrix Anal. Appl. Vol. 13, No. 1, hal , January DOWERS, K, dkk., "Block Tridiagonal Systems on The Alliant FX>'8. Dalam Proceeding of The Fourth SIAM Conference on Parallel Processing for Scientific Computing", Jack Dongara, dkk (ed). Chicago-Illinois, 11-19, December FREEMAN, T.L. dan PHILLIPS, C, "Parallel Numerical Algorithms". Prentice-Hall, New York, GOLUB, GENE. H. dan VAN LOAN, CHARLES. F., "Matrix Computation", The John Hopkins University Press. Baltimore, HALL, G. dan WATT, J.M. (ed)., "Modern Numerical Methods for Ordinary Differential Equations", Clarendon Press, Oxford, JACKSON, K.R. dan NORSETT, S.P., "The Potential for Parallelism in Runge- Kutta Methods. Part I : RK Formulas in Standard Form", SIAM J. Numcr. Anal., Vol. 32, No. 1, hal , February SMITH, G.D., "Numerical Solutions of Partial Differential Equations : Finite Difference Methods", Clarendon Press, Oxford, SUHARTANTO, H., "Unjuk Kerja Metoda Runge-Kutta Paralel Untuk Mencari Solusi Sistem Persamaan Diferensial Biasa", Laporan Akhir Kegiatan Pcnelitian Pusat Antar Universitas Bidang Ilmu Komputer Universitas Indonesia,

17 DISKUSI SUPRIYONO 1. Bagaimana tingkat stabilitas RKID? 2. Berapa nilai dari beberapa parameter dalam RKID? ASEP JUARNA 1. Secara umum semua metode implisit lebih stabil dari pada metode eksplisit. Dua indikator stabilitas adalah komponen sistem yaitu stiffness ratio > (1) akan stabil jika menggunakan metode implisit, dan komponen metode yaitu dengan test function y' = ay akan diperoleh region of stability pada metode implisit lebih besar dari pada metode eksplisit. 2. RKID ini mempunyai derajat formula p = 8 dan derajat stage = 4 yang termasuk S- stable. RENO ALAMSYAH 1. Mengapa speed up ratio hasil eksperimen lebih kecil dari pada speed up ideal? 2. Mengapa speed up ratio hasil eksperimen untuk n = 1 (1,84) lebih kecil dari pada n= 1(1,85)? ASEP JUARNA 1. Speed up ideal djdasarkan pada asumsi bahwa communication cost antar prosesor sama dengan nol (pengiriman data tidak perlu waktu) dan setiap prosesor tidak pernah idle (menunggu), sedang pada kenyataannya kedua hal ini tidak mungkin terjadi terutama pada kasus komputasi assyncronous. 2. Komputasi yang baik mempunyai computation to communication ratio (ccratio) >1. Makin besar ukuran sistem (n), makin besar ukuran cc-ratio kumulatif sehingga overhead cost makin kecil dan mengakibatkan speed up makin mendekati ideal (walaupun tidak pernah tercapai). 55

18 TOTTITJIPTOSUMIRAT Apakah paralelisasi dalam metode RXID dapat digunakan untuk pemecahan masalah di bidang Biologi seperti penyerapan radioisotope tracer ( 32 P) oleh mikroba di dalam rumen (perut) hewan ternak ruminansia? Mohon penjelasan. ASEP JUARNA Setiap permasalahan yang dapat dimodelkan menjadi persamaan diferensial parsial orde2 dan 2 dimensi, dapat dideskritisasi menjadi sistem Persamaan Diferensial Ordiner (PDO). Setiap PDO pasti dapat diselesaikan dengan RKID secara paralel (paralelisasi metode), sedang paralelisasi sistem bergantung pada matriks koefisien sistem PDO. Sistem PDO dalam makalah ini mempunyai matriks koefisien konstan tridiagonal, sehingga mengalami paralelisasi ganda. 56