Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penggabungan dua himunan terutut (merging) merupakan salah satu bahan pembahasan dalam bidang ilmu komputer, khususnya yang berkenaan dengan analisa dan kompleksitas algoritma serta kecepatan komputasi. Salah satu usaha untuk nenigkatkan kecepatan komputasi masalah penggabungan ialah dengan menggunakan proses paralel. Oleh karena itu penulis membahas algoritma paralel Penggabungan dari dua buah himpunan terurut pada model komputasi paralel SM CREW (Shared-Memory concurrent Read, Exclusive Write) dari kelas komputer SIMD (Single Instruction Stream Multiple Data Stream) dan SM EREW (Shared-Memory Exlusive Read, Exclusive Write) dari kelas Computer SIMD (Single Instruction Stream Multiple Data Stream), serta analisa algloritma-algoritma tersebut. Untuk implementasinya dipakai metoda simulasi dengan bahasa pemrogaman ADA, karena bahasa pemrogaman ini mendukung dalam simulasi pemrosesan seeara paralel. Dengan membuat simulasi ini dapat diperoleh hasil yang bisa dipakai untuk memperkirakan kemungkinan jika diimplementasikan pada kondisi yang sesungguhnya."

"ABSTRAK Tesis ini membahas disain, implementasi dan analisa kinerja algoritma paralel integrasi numerik adaptif yang mempunyai paradigma tree computation. Implementasi algoritma paralel ini dilakukan pada jaringan komputer PC dengan bahasa pemrograman C yang berbasis PVM (parallel virtual machine). Ujicoba pengukuran dan analisa kinerja dari algoritma tersebut dilakukan pada jumlah slave yang bervariasi dari mesin-mesin komputer yang heterogen. Parameter-parameter yang diukur adalah nilai speedup, efisiensi penggunaan prosesor, computation to communication ratio, job allocation untuk mendapatkan load balancing yang merata, dan distribusi waktu eksekusi. Ada tiga model algoritma paralel yang ditawarkan dalam integrasi numerik adaptif ini. Model pertama menawarkan suatu cara dimana setiap node yang terbentuk pada tree computation akan dikerjakan oleh prosesor yang berbeda. Master akan mengirimkan node-node sebagai sub-sub problem. ke slave-slave secara ternus menerus sehingga semua slave tidak ada yang idle. Hasil yang diterima master belum tentu hasil akhir, sehingga mungkin sekali sub problem tersebut akan dipecah menjadi sub-sub problem bare yang akan dikirim kembali ke slave-slave. Pada solusi model kedua, master mengirim node-node sebagai sub-sub problem ke semua slave. Slave akan melakukan komputasi secara rekursif sampai diperoleh hasil akhir, sehingga terbentuk suatu sub tree computation pada setiap slave. Hasil akhir yang diterima master akan dikumpulkan untuk mendapatkan total hasil akhir. Slave yang telah selesai akan diberi sub problem berikutnya. Sedang pada model ketiga, master membagi problem secara liner sesuai dengan jumlah mesin yang terlibat, tanpa memperhatikan volume beban komputasi dari setiap sub problem. Selanjutnya master dan slave-slave akan melakukan komputasi secara rekursif sampai diperoleh hasil akhir. Jadi baik pada master maupun slave akan terbentuk sub-sub tree computation. Master akan menerima hasil dari setiap slave untuk dikumpulkan menjadi total hasil akhir. "

"

Berbeda dengan arsitektur monolith, arsitektur microservice dapat melakukan scaling secara independen pada service tertentu saja, memberikan fleksibilitas yang lebih besar dalam menanggapi lonjakan traffic dan tentunya lebih menghemat resource dibanding monolith. Tidak semua service pada suatu aplikasi perlu dilakukan scaling, hanya service dengan load processing tertinggi saat menerima banyak request yang perlu dilakukan horizontal scaling untuk menghemat resource. Tetapi penentuan service yang harus dilakukan scaling harus dilakukan secara benar agar sesuai dengan kebutuhan pengguna. Salah satu metode yang bisa digunakan adalah Customer Behavior Model Graph (CBMG) dengan melihat probabilitas perpindahan halaman yang dilakukan oleh pengguna. Dari metode tersebut dapat ditemukan halaman yang paling sering diakses oleh pengguna sebelum akhirnya ditentukan service dengan load processing tertinggi. Salah satu teknik yang dimiliki oleh kubernetes adalah Horizontal Pod Autoscaling (HPA) yang memungkinkan untuk melakukan scaling hanya pada salah satu pod. Pada kubernetes, service lebih dikenal sebagai pod. Dari pengimplementasian HPA didapatkan bahwa pada percobaan terjadi penurunan access failure rate dari sebelum implementasi sebesar 17.19% dan 20.52% dan setelah implementasi turun menjadi 4.86% dan 5.44%. Selain itu terdapat kenaikan throughput pada percobaan dari sebelum implementasi sebesar 25.00 request/detik dan 41.30 request/detik, setelah implementasi didapatkan sebesar 39.30 request/detik dan 51.10 request/detik. Pada percobaan lainnya didapatkan sebelum implementasi sebesar 4.60 request/detik dan 4.20 request/detik, setelah implementasi didapatkan sebesar 15.50 request/detik dan 13.80 request/detik. Dari hasil implementasi bisa dilihat bahwa melakukan peningkatan pada salah satu pod sudah cukup untuk meningkatkan kinerja aplikasi website dengan resource yang tersedia dan dapat dioptimalkan dengan maksimal. Implementasi dilakukan pada salah satu aplikasi website microservice teastore, dengan strategi scaling berdasarkan CBMG, optimasi yg dilakukan berhasil menurunkan access failure rate dan meningkatkan throughput, meksipun menggunakan jumlah resource yang sama. dengan kata lain, setelah strategi yang dirancang diimplementasikan, penggunaan resource menjadi lebih optimal untuk melayani request-request yang ada.

---

Unlike monolithic architecture, microservice architecture can independently scale specific services, providing greater flexibility in responding to traffic spikes and, of course, saving more resources compared to monoliths. Not all services in an application need to be scaled; only pods with the highest load processing when receiving many requests need to be horizontally scaled to save resources. However, determining which services need scaling must be done properly to meet user needs. One method that can be used is the Customer Behavior Model Graph (CBMG), which looks at the probability of user page transitions. From this method, the most frequently accessed pages by users can be identified before determining the service with the highest load processing. One technique available in Kubernetes is Horizontal Pod Autoscaling (HPA), which allows scaling to be done only on specific pods. From the implementation of HPA, it was found that there was a decrease in the access failure rate from before implementation by 17.19% and 20.52%, and after implementation, it decreased to 4.86% and 5.44%. Additionally, there was an increase in throughput from before implementation by 25.00 requests/second and 41.30 requests/second, after implementation, it was found to be 39.30 requests/second and 51.10 requests/second. In another experiment, before implementation was 4.60 requests/second and 4.20 requests/second, after implementation, it was 15.50 requests/second and 13.80 requests/second. Improving the performance of one pod is sufficient to enhance the performance of the website application with the available resources and can be optimized to the maximum. The implementation was carried out on one microservice website application, making it better than monolithic architecture, which needs to scale the entire application."

"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."

"ABSTRAKBagian jalinan jalan (weaving section) merupakan salah satu fasilitas lalu lintas yang analisis kapasitasnya dilakukan secara tersendiri diluar analisis kapasitas persimpangan bersinyal (signalised intersection) dan tak bersinyal (unsignalised intersection). Pada buku Manual Kapasitas Jalan Indonesia (MKJI) analisis kapasitas bagian jalinan tersebut dilakukan dengan cara perhitungan yang berturut-turut, dengan urutan proses data masukan, pemakaian faktor-faktor penyesuaian dan diakhiri dengan proses perhitungan. Urutan proses ini memerlukan waktu yang lebih lama apabila dikerjakan secara manual dan kesalahan-kesalahan pembacaan tabel dapat mempengaruhi tingkat keakuratan hasil yang didapat.Pada skripsi ini algoritma-algoritma perhitungan yang ada pada buku MKJI tersebut akan dicoba diterapkan ke suatu perangkat lunak komputer, sehingga diharapkan pemakaian waktu perhitungan menjadi lebih singkat serta memberikan hasil yang lebih akurat. Disamping itu akan dilakukan beberapa pengembangan tambahan antara lain adalah diberikannya alternatif pemilihan jenis-jenis bundaran untuk tujuan perencanaan atau perancangan, proses data masukan kondisi parkir dan adanya pembatasan terhadap nilai-nilai variabel masukan.Dari penerapan ini dihasilkan suatu piranti lunak analisis kapasitas bagian jalinan, dinamakan dengan WEAVING 1.0 , yang dapat memperkirakan tingkat kinerja lalu lintas untuk sekumpulan kondisi geometrik, lingkungan serta lalu lintas tertentu. Piranti lunak ini dapat beroperasi dibawah lingkungan Windows, yang diharapkan sifatnya lebih interaktif, edukatif serta lebih mudah dalam pemakaiannya."

"ABSTRAKDalam aplikasi pengolahan citra sering digunakan Fast Fourier Transform (M). Tujuan dari penggunakan FFT ini adalah agar citra yang akan diolah, di transformasikan ke dalam daerah frekuensi, sehingga dapat dilewatkan dalam filter. Transformasi yang digunakan pada aplikasi pengolahan citra ini adalah FFT 2 Dimensi. Dibutuhkan waktu yang agak lama untuk melakukan transformasi citra, terutama untuk ukuran citra yang besar seperti 256 x 256 dan 512 x 512. Semakin besar ukuran citra yang ditransformasikan semakin banyak komputasi yang dilakukan, sehingga waktu yang dibutuhkan akan semakin lama. Untuk mempersingkat waktu maka digunakan pemrograman paralel. Algoritma dari aplikasi pengolahan citra ini dibagi menjadi 3 bagian : Transformasi Fourier 2D, Filterisasi, dan Invers Transformasi Fourier 2D. Program paralel ini akan di coba untuk dimplementasikan dan diukur pada jaringan komputer berbasis PVM yang terdapat di PAU Universitas Indonesia. Akan dibandingkan waktu komputasi pada keadaan serial dari paralel dengan menggunakan beberapa prosesor. Sehingga nampak jelas adanya penambahan percepatan komputasi pada pemrograman paralel. Dengan melihat penambahan percepatan komputasi akan terlihat efektifitas dari pemaralelan program nampak lebih efektif apabila dibandingkan dengan program serial, selanjutnya bisa di analisa faktor apa saja yang membuat percepatan komputasi pada program paralel tidak optimal."

"Jaringan Interkoneksi Bertingkat Banyak adalah jaringan interkoneksi yang digunakan untuk melakukan interkoneksi antar prosesor dan antar memori pada sistem yang menerapkan proses paralel yang memiliki unjuk kerja yang baik, ekonomis dan kompleksitas perangkat keras yang rendah sehingga jaringan ini sangat cocok untuk digunakan pada sistem berskala besar.Untuk mengatasi masalah konflik lintasan jaringan pada jaringan interkoneksi yang bersifat blocking, pada penelitian ini akan diamati skema routing bebas konflik yang diperlukan terutama pada penerapan algoritma paralel yang melakukan komunikasi antar prosesor yang intensif seperti mengumpulkan data dari banyak prosesor ke satu prosesor dan menyebarkan data dari satu prosesor ke banyak prosesor.Skema routing dibuat berdasarkan struktur komunikasi Quadtree, yang menentukan prosesor-prosesor mana yang harus dikirim data sehingga proses pengumpulan dan penyebaran data dilakukan dalam log4 M langkah. Skema routing yang dibuat untuk jaringan baseline ini dapat juga diterapkan pada jaringan lain yang mempunyai topologi yang ekivalen.Pada penelitian ini dibuat analisis dan simulasi untuk mengamati pengaruh skema routing ini pada unjuk kerja jaringan interkoneksi. Unjuk kerja yang diperhatikan ialah delay, throughput dan waktu turn-arround dari sekumpulan paket. Parameter-parameter yang diubah ialah ukuran jaringan, ukuran switchbox, probabilitas aliran paket dan urutan/lintasan paket-paket yaitu, dengan diterapkan atau tidaknya skema routing bebas konflik."