Hasil Pencarian  ::  Simpan CSV :: Kembali

""Teknologi komputasi paralel telah berkembang pesat beberapa tahun terakhir ini, sejalan dengan teknologi perangkat keras dan perangkat lunak pendukungnya, Minimnya pengetahuan kita akan manfaat, cars penggunaan, atau bahkan untuk memahami definisi komputasi paralel itu sendiri mernbuat pengaaaaan ilmu tentang komputasi parallel itu sendiri menjadi terhambat. Implementasi komputasi paralel yang murah fasilitasnya, memungkinkan untuk dikembangkan, diketahui kode programnya, dapat dimodifikasi fungsi dan kemampuan dari perangkat kerasnya, bahkan untuk dijadikan perangkat pendamping pengajaran yang ringkas, tanpa kehilangan aspek teknisnya. Akan sangat membantu pemahaman terhadap komputasi paralel. Sistem Operasi ALIFLinux, merupakan produk remartering dari Distnbusi Linux ParallelKnoppix, yang memiliki kemampuan sebagai live CD (dapat dijalankan tanpa diinstallasi), mendeteksi perangkat keras, rescue CD (penyelamat saat tedadi kerusakan sistem operasi), menunjang komputasi parallel. Masalah yang dapat diselesaikan oleh komputasi paralel ialah komputasi kompleks yang membutuhkan banyak sumberdaya komputer. Pada Tugas Akhir ini dilakukan sebuali evaluasi kinerja dari sistem operasi Parallelknoppix yang telah diremaster menjadi ALIFlinux sebagai salah satu solusi komputasi paralel yang mudah dipelajari, digunakan dan murah. Evaluasi kmerja ini menggunakan bahan uji program Perkalian Matriks. Pengukuran keda yang ditunjukkan menunjukkan bahwa memang terjadi komputasi parallel pada cluster lokal. Dalam Tugas Akhir yang bedudul ""Evaluasi Kinerja Parallelknoppix Sebagai Sarana Komputasi Paralel dalam Menyelesaikan Masalah Komputasi Kompleks "", diharapkan dapat menjadi sarana pengembangan sumber daya manusia, bahan referensi dan acuan untuk pengembangan selanjutnya, khususnya di Jurusan Teknik Eiektro Fakultas Teknik Universitas Indonesia.""

"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."

"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."

"

Pada skripsi ini dipresentasikan desain rangkaian novel dc-dc flyback converter untuk mendukung teknologi 48 volt. Kebaruan dari rangkaian ini adalah pengaplikasian parallel input seried output dan umpan balik pada dc-dc flyback converter untuk mengubah 12V DC ke 48V DC. Disamping itu penggunaan transformator pada rangkaian yang berjumlah lebih dari satu berfungsi untuk membagi beban kerja induksi magnetik pada inti transformator. Desain umpan balik memanfaatkan arduino untuk memproses sinyal umpan balik sehingga menggerakan komponen penghasil sinyal PWM berdasarkan sinyal umpan balik yang diterima dan tegangan keluaran yang dihasilkan mencapai 48 volt meskipun dilakukan variasi beban. Rangkaian usulan terdiri atas keempat model yang berbeda, yaitu model tanpa umpan balik, model arduino-TL494CN, arduino saja, dan arduino-MCP4725-TL494CN. Hasil dari penelitian ini menyatakan model arduino-MCP4725-TL494CN memiliki presisi yang tinggi yaitu nilai defiasi yang paling rendah 0.02765 %⁄int dan tidak mengalami overshoot pada inisiasi rangkaian.

---

This essay presented dc-dc flyback converter for supporting 48 volt technology. This circuit merge parallel input seried output and feedback application. The new design development consist of parallel input seried output and feedback in dc-dc flyback converter to converter 12V DC to 48 V DC. Aside that, the function of using transformer more than one in circuit is for splitting magnetic induction workload for transformer core. Feedback design using arduino is for proccessing feedback signal so that driving PWM generator component based on received feedback signal and output voltage reach at 48 volt even the load is changing. The proposed circuit consist of four different model, that are no feedback model, arduino-TL494CN model, arduino only, and arduino-MCP4725-TL494CN model. Result of this research stated arduino-MCP4725-TL494CN model has the lowest deviation value 0.02765 %⁄int and preventing overshoot at circuit initiation.

"

"This refereed volume arose from the editors' recognition that physical scientists, engineers, and applied mathematicians are developing, in parallel, solutions to problems of parallelization. The cross-disciplinary field of scientific computation is bringing about better communication between heterogeneous computational groups, as they face this common challenge. This volume is one attempt to provide cross-disciplinary communication. Problem decomposition and the use of domain-based parallelism in computational science and engineering was the subject addressed at a workshop held at the University of Minnesota Supercomputer Institute in April 1994. The authors were subsequently able to address the relationships between their individual applications and independently developed approaches. This book is written for an interdisciplinary audience and concentrates on transferable algorithmic techniques, rather than the scientific results themselves. Cross-disciplinary editing was employed to identify jargon that needed further explanation and to ensure provision of a brief scientific background for each chapter at a tutorial level so that the physical significance of the variables is clear and correspondences between fields are visible."

"Scientific computing has often been called the third approach to scientific discovery, emerging as a peer to experimentation and theory. Historically, the synergy between experimentation and theory has been well understood: experiments give insight into possible theories, theories inspire experiments, experiments reinforce or invalidate theories, and so on. As scientific computing has evolved to produce results that meet or exceed the quality of experimental and theoretical results, it has become indispensable.Parallel processing has been an enabling technology in scientific computing for more than 20 years. This book is the first in-depth discussion of parallel computing in 10 years; it reflects the mix of topics that mathematicians, computer scientists, and computational scientists focus on to make parallel processing effective for scientific problems. Presently, the impact of parallel processing on scientific computing varies greatly across disciplines, but it plays a vital role in most problem domains and is absolutely essential in many of them. Parallel Processing for Scientific Computing is divided into four parts: The first concerns performance modeling, analysis, and optimization; the second focuses on parallel algorithms and software for an array of problems common to many modeling and simulation applications; the third emphasizes tools and environments that can ease and enhance the process of application development; and the fourth provides a sampling of applications that require parallel computing for scaling to solve larger and realistic models that can advance science and engineering."