Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banyak model fenomena alam, aplikasi engineering, dan industri membutuhkan Sumber Daya Komputasi (SDK) yang tinggi untuk memroses data sehingga menghasilkan informasi yang dibutuhkan. Teknologi komputasi tingkat tinggi pun diperkenalkan banyak peneliti dengan diciptakannya Supercomputer beserta Operating System dan perangkatbantu (tools) pengembangnya seperti kompilator dan pustaka (library). Namun, mahalnya investasi SDK ini baik dalam pengadaan maupun pemeliharaannya memberatkan banyak pihak, sehingga diperlukan alternatif SDK yang tetap berkinerja tinggi tetapi murah. Untuk mengatasi keterbatasan tersebut, para peneliti telah membuat konsep alternatif, yakni konsep komputasi parallel pada jaringan komputer yang sudah ada. Banyak perangkatbantu diciptakan guna mengembangkan aplikasi dalam sistem SDK yang memanfaatkan mesin atau komputer dalam suatu jaringan, dimana masing-masing komputer ini berperan sebagai pemroses layaknya pemroses dalam sistem super computer.Tulisan ini akan mengkaji beberapa perangkat bantu yang cukup dominan di kalangan pemakai, yakni Parallel Virtual Machine (PVM), Message Passing Interface (MPI), Java Remote Method Invocation (RMI), serta Java Common Object Request Broker Architecture (CORBA) dan menyajikan eksperimen untuk mengetahui perangkatbantu mana yang paling cocok sehingga dapat pembantu calon user dalam memilihnya. Percobaan dilakukan pada SDK berbasis jaringan komputer pribadi (Personal Computer) dan menghasilkan percepatan yang cukup berarti. Dari keempat perangkatbantu tersebut masing-masing teridentifikasi cocok untuk pengembangan pada kondisi tertentu.

---

A Study on Parallel Computation Tools on Networked PCs. Many models for natural phenomena, engineering applications and industries need powerfull computing resources to solve their problems. High Performance Computing resources were introduced by many researchers. This comes in the form of Supercomputers and with operating systems and tools for development such as parallel compiler and its library. However, these resources are expensive for the investation and maintenance, hence people need some alternatives. Many people then introduced parallel distributed computing by using available computing resource such as PCs. Each of these PCs is treated as a processors, hence the cluster of the PC behaves as Multiprocessors Computer. Many tools are developed for such purposes.This paper studies the peformance of the currently popular tools such as Parallel Virta\ual Machine (PVM), Message Passing Interface (MPI), Java Remote Method Invocation (RMI) and Java Common Object Request Broker Architecture (CORBA). Some experiments were conducted on a cluster of PCs, the results show significant speed up. Each of those tools are identified suitable for a certain implementation and programming purposes."

"Tomato fruit is one of agroproducts that has high-economic value in the world particularly inIndonesia. To compete in a worldwide market a tomato fruit producer must produce fresh or processedtomato with high quality. High quality tomato products are influenced by the application of post-harvesttreatment or processing. One of the vital process in post-harvest treatment is sortation. Mannualsortation introduces subjectivity (bias), inaccuracy, slowness and inconsistency. This needs moreintelligent sortation methods and tools that overcome the sort comings of manual process. ProbabilisticNeural Network (PNN) is one of Artificial Neural Network (ANM variants that can be to develop acomputer-based sortation engine for tomato fruits. However, to accelerate the sortation process, parallelcomputation is employed allowing multiple processors to execute simultaneously the sortation process.This research is aimed towards the implementation and testing of a parallel computation algorithm withPNN to perform sortation for tomato fruits. Some criteria being observed and tested include accuracy,total execution time, speedup, and efficiency compared to sequential algorithm. The experimental resultsshow that the application of parallel computation algorithm with PNN introduces the increase ofaccuracy, total execution time, speedup, and efficiency with the same accuracy."

"Perkembangan teknologi prosesor seperti multicore menjadi bagian dari pengembangan HPC. Pengujian terhadap algoritma paralel dengan MPICH2 dan Cilk++ menggunakan variabel jumlah proses dan core diharapkan dapat menunjukkan perbedaan kinerja (waktu proses) yang signifikan.Analisis yang dilakukan pada hasil eksperimen menunjukkan implementasi algoritma paralel dengan MPICH2 memberikan speed-up hingga 5,987 pada perkalian matriks dan 4,175 pada pengurutan data (sorting) serta efisiensi hingga 0,967 dan 0,721 pada masing-masing aplikasi.Sedangkan implementasi algoritma paralel dengan Cilk++ memberikan speed-up relatif hingga 25,126 pada perkalian matriks dan 9,105 pada pengurutan data (sorting) serta efisiensi relatif hingga 6,672 dan 2,593 pada masing-masing aplikasi.

---

Developments of processors technology like multicore become apart of HPC developments. The experiments that apply the parallel algorithms using MPICH2 and Cilk++ with variables at process and core amount are expected can show significant differences of the performance (process time).The analysis done to the experiment results showed that the parallel algorithms implementation using MPICH2 give speed-up until 5.987 at matrix multiplication and 4.175 at data sorting also give efficiency until 0.967 and 0.721 at each following applications.While the parallel algorithms implementation using Cilk++ give relative speed-up until 25.126 at matrix multiplication and 9.105 at data sorting also give relative efficiency until 6.672 and 2.593 at each following applications."

"Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) merupakan algoritma untuk menyelesaikan permasalahan multiple sequence alignment (MSA). Algoritma ini menggabungkan dua teknik, pertama Tree Based yang merupakan Progressive Alignment dan kedua Consistency Objective Function berupa extending library. Pada pembahasan skripsi ini akan digunakan data sequence dari database ensembl yang terdiri dari database DNA atau protein yang akan diproses dengan global alignment (Needleman-Wunsch) dan local alignment (Smith- Waterman) dengan harapan informasi yang dihasilkan pada akhir pensejajaran akan menggambarkan hasil penyejajaran yang optimal. Proses pembentukan primary dan extended library pada T-COFFEE membutuhkan waktu lama sehingga untuk mempercepat waktu proses T-COFFEE digunakan teknik komputasi paralel Graphic Processing Unit (GPU). Skripsi ini akan menjelaskan algoritma T-COFFEE, algoritma paralel T-COFFEE, serta mengukur efisiensi dari kedua algoritma tersebut.

---

Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) is an algorithm to solve the problem of multiple sequence alignment (MSA). This algorithm combines two techniques, first is Tree-Based with Progressive Alignment and second is Consistency of Objective Function by extending library. In this skripsi, we use the data from the ensembl database that consisting of DNA or protein data. Those data will be processed by the global alignment (Needleman-Wunsch) and local alignment (Smith-Waterman) that is expected to give optimal alignment result at the end of the alignment process. The generating of Primary and Extended Library is the most time consuming, hence to speed up the T-COFFEE process, a parallel version of T-COFFEE algorithm is needed by implementing parallel computing on Graphic Processing Unit (GPU). In this skripsi, the T-COFFEE algorithm, the parallel T-COFFEE algorithm, and the measurement of their speed up and efficiency will be discuss."

"Dibahas kajian Proses paralelisasi pada Metode Newton yang dipakai pada masalah peminimuman tanpa kendala. Fungsi obyektif yang digunakan adalah fungsi polinomial n peubah berderajat 2. Tahap-tahap dari Metode Newton yang dapat dikerjakan secara paralel adalah evaluasi nilai ∇f(X) dan ∇2f(X), penyelesaian sisten persamaan Iinier Hidi= gi, menentukan panjang langkah λ, menghitung Xi+1, dan melakukan uji henti. Kornpleksitas waktu yang diperlukan untuk melakukan l iterasi metode Newton secara pararel adalah 0(n) dengan menggunakan p(n2+n) prosesor."

"Tingginya tingkat kompleksitas program menyebabkan program memiliki waktu eksekusi yang lama jikalau tidak dijalankan pada mesin berkomputasi tinggi. Masalah ini dapat diatasi salah satunya dengan cara menjalankan berbagai proses pada program tersebut secara simultan sehingga program dapat semakin cepat tereksekusi. Metode ini dikenal dengan istilah parallel computing. Untuk lebih mempercepat waktu eksekusi program, parallel computing tersebut dapat diimplementasikan pada arsitektur High Performance Computing HPC. Metode parallel computing dalam HPC tersebut diimplementasikan ke dalam program Sistem Penilaian Esai Otomatis Simple-O. Simple-O merupakan program penilai esai otomatis yang merupakan pengembangan dari Departemen Teknik Elektro. Dengan menerapkan parallel computing dan menjalankan program pada HPC, eksekusi yang dibutuhkan untuk memeriksa jawaban esai dapat semakin cepat. Parallel computing atau parallelism akan diterapkan pada salah satu bagian dari Simple-O yaitu pada algoritma pembelajaran dalam Simple-O, lebih tepatnya pada Self Organizing Map SOM atau Learning Vector Quantization LVQ. Parallelism dalam SOM dan LVQ diterapkan dengan metode network partition dimana node komputasi Euclidean distance dilakukan secara parallel. Pada penelitian ini didapatkan bahwa kecepatan program serial 1,28 kali lebih cepat dibandingkan program parallel.

---

The escalation of program complexity nowadays means slower run time when it is not executed in high performance machine. One way to address this issue is to execute the processes in the program simultaneously so the program may be executed quicker, known as parallel computing. To further accelerate the program parallel computing can be implemented in High Performance Computing HPC architecture. This method of applicating parallel computing with HPC is implemented in Automatic Essay Grading System, known as Simple O. Simple O is an automatic essay grading system developed by Department of Electrical Engineering Universitas Indonesia. The purpose of applicating the aforementioned method to Simple O is to accelerate the speed of essay grading execution. Parallel computing will be implemented to one of Simple O rsquo s part of program, which is in the learning algorithm. The learning algorithm applied in Simple O is Self Organizing Map SOM and Learning Vector Quantization LVQ. The implementation of parallelism in the learning algorithm uses network partition method, where the calculation of Euclidean distance is done in parallel. Through this research, it can be concluded that the the speed of serial program is 1.28 times quicker than the parallelized program."