- Ayu Pramesywary (51412290)
- Dhea Pattah (51412985)
- Faqih Khoerurrizal Mansur (52412753)
- Muhammad Yogi (58412239)
Kelas : 4IA23
Dosen : Dr. RINA NOVIANA, SKom., MMSI.
1.
Komputasi
Paralel
Teknologi komputasi
paralel sudah berkembang lebih dasri dua dekade, penggunaannya semakin beragam
mulai dari kebutuhan perhitungan di laboratorium fisika nuklir, simulasi
pesawat luar angkasa, hingga perkiraan cuaca.
Komputasi Paralel didefinisikan sebagai penggunaan
sekumpulan sumberdaya komputer secara simultan untuk menyelesaikan permasalah
komputasi. Secara prinsip komputer paralel membagi permasalahan sehingga
menjadi lebih kecil untuk dikerjakan oleh setiap prosesor (CPU) dalam waktu
yang bersamaan atau simultan (conccurent).
2.
Parallelism
Concept
Paralelisme (parallelism)
lahir dari pendekatan yang biasa dipergunakan oleh para perancang sistem untuk
menerapkan konsep pemrosesan konkuren. Teknik ini meningkatkan kecepatan proses
dengan cara memperbanyak jumlah modul perangkat keras yang dapat beroperasi
secara simultan disertai dengan membentuk beberapa proses yang bekerja secara
simultan pada modul-modul perangkat keras tersebut.
Untuk meningkatkan
kecepatan proses komputasi, dapat ditempuh dua cara :
·
Peningkatan
kecepatan perangkat keras
Komponen utama perangkat keras komputer
adalah processor.
·
Peningkatan
kecepatan perangkat lunak
Program komputer untuk komputer sekuensial
harus menyediakan sederetan operasi untuk dikerjakan oleh prosesor tunggal.
Tingkat
Paralelisme
Berdasarkan tingkat paralelismenya
prosesor paralel dapat dibagi menjadi beberapa tingkat sebagai berikut :
a. Komputer Array (Prosesor Array, Prosesor
Vektor)
b. Multiprosesor, yaitu sebuah sistem yang
memiliki 2 prosesor atau lebih yang saling berbagi memori.
c. Multikomputer, yaitu sebuah sistem yang
memiliki 2 prosesor atau lebih yang masing-masing prosesor memiliki memori
sendiri.
3.
Distributed
Processing
Pemrosesan
paralel adalah pendekatan komputasi untuk meningkatkan tingkat di mana
satu set data diolah dengan pengolahan bagian yang berbeda dari data pada waktu
yang sama secara simultan atau bersamaan pada sebuah komputer dan berfungsi
memecah beban besar menjadi beberapa beban kecil untuk mempercepat proses
penyelesaian masalah.
Didistribusikan
pengolahan paralel menggunakan pemrosesan paralel pada beberapa mesin. Salah
satu contoh dari hal ini adalah bagaimana beberapa komunitas memungkinkan
pengguna untuk mendaftar dan mendedikasikan komputer mereka sendiri untuk
memproses beberapa data set yang diberikan kepada mereka oleh server. Ketika
ribuan pengguna mendaftar untuk ini, banyak data dapat diproses dalam jumlah
yang sangat singkat.
Parallel distributed computing dapat
dibentuk dari :
o
Ada, digunakan konsep pertemuan yang
menggabungkan fitur RPC dan monitor.
o
PVM (Parallel Virtual Machine) untuk
mendukung workstation clusters.
o
MPI (Message-Passing Interface)
programming GUI untuk parallel computers.
Gambar Distributed Processing
4.
Architectural
Parallel Computer
Berdasarkan jumlah dan prinsip kerja prosesor pada
komputer paralel, A.J. Van der Steen dan J. Donggara menyebutkan terdapat empat
arsitektur utama komputer paralel menurut Flynn (1972) yaitu :
a. SISD (Single Instruction – Single
Data).
Komputer ini memiliki hanya satu
prosesor dan satu instruksi yang dieksekusi secara serial.
Gambar SISD
b.
SIMD
(Single Instruction – Multiple Data)
Komputer
ini memiliki lebih dari satu prosesor, tetapi hanya mengeksekusi satu instruksi
secara paralel pada data yang berbeda pada level lock-step.
Gambar SIMD
c.
MISD
(Multiple Instructions – Single Data)
Komputer ini memiliki satu prosesor
dan mengeksekusi beberapa instruksi secara paralel tetapi praktiknya tidak ada
komputer yang dibangun dengan arsitektur ini karena sistemnya tidak mudah
dipahami.
Gambar MISD
d. MIMD (Multiple Instructions – Multiple
Data)
Komputer ini
memiliki lebih dari satu prosesor dan mengeksekusi lebih dari satu instruksi
secara paralel. Tipe komputer ini paling banyak digunakan untuk membangun
komputer paralel, bahkan banyak supercomputer
yang menerapkan arsitektur ini.
Gambar MIMD
5.
Implementasi
Parallel Computation
Untuk implementasi pada
komputasi paralel ini, kita mengambil contoh implementasi komputasi paralel
pada dunia bisnis khususnya perfilm-an.
Kemajuan di bidang
komputasi, khususnya dalam bidang komputer grafis memberikan kemudahan untuk
memodelkan suatu benda dalam alam 3 dimensi virtual di komputer. Kita dapat
membuat suatu benda dalam wujud 3 dimensi dan mengubah-ubah sudut pandang,
menentukan pencahayaan, bahkan menyusun gerakan benda dalam alam 3 dimensi
virtual tersebut. Perkembangan ini muncul dari kebutuhan di bidang manufaktur
untuk memiliki komputer yang dapat membantu perancangan (computer aided
design-CAD). Ditemukannya teknik-teknik dan metoda rendering suatu
obyek 3 D ke dalam media 2 D membuat benda yang dihasilkan oleh perangkat lunak
ini menjadi semakin nyata dan menyerupai aslinya.
Pada bagian ini yaitu
pada rendering Film digunakan unit Komputasi paralel Distributed Memory
Multicomputer, hal ini dikarenakan komputer yang digunakan untuk membuat
rendering filmnya adalah Kluster Komputer. Komponen kluster biasanya saling
terhubung dengan cepat melalui sebuah interkoneksi yang sangat capat, atau juga
melalui jaringan local (LAN).
3D Rendering merupakan
salah satu proses yang sangat penting dalam melakukan pengolahan gambar 3D, proses
render membutuhkan daya komputasi yang sangat besar karena banyaknya titik
koordinat yang harus dikomputasi, terutama jika data 3D yang diolah cukup
rumit. Salah satu cara untuk memecahkan masalah tersebut adalah dengan
menggunakan algoritma Divide and Conquer yang diterapkan kedalam metode
Komputasi Paralel, Divide and Conquer merupakan salah satu strategi algoritma
yang memecah suatu masalah besar menjadi beberapa bagian untuk kemudian
dikerjakan satu persatu. Dalam Komputasi Parallel tiap-tiap bagian dikerjakan
oleh unit pemrosesannya masing-masing, sesuai dengan kesepakatan Divide pada
awal komputasi. Komputasi Paralel terbukti jauh lebih efektif untuk melakukan
rendering objek 3D dibanding hanya menggunakan sebuah unit komputasi. Sebagai
contoh suatu perusahaan animasi asal Jepang, membutuhkan waktu 165 tahun jika
proses render yang dilakukan untuk membuat animasi berdurasi 100 menit hanya
menggunakan sebuah unit komputasi. Sedangkan ketika perusahaan tersebut menggunakan
metode Komputasi Paralel, proses tersebut hanya membutuhkan waktu 1 tahun saja.
Selain itu, perfilman
yang mengandalkan spesial efek merupakan salah satu industri yang paling banyak
mengandalkan HPC Cluster, rangkaian film The
Lord of the Ring yang akan diputar pada pertengahan Desember ini merupakan
salah satu film yang paling banyak mengandalkan digital content creation (DCC)
dan menuntut kapasitas pemrosesan yang besar untuk rendering gambar- gambar
beresolusi tinggi dalam berbagai format. Jika sekuel Lord of The Ring
dikerjakan dengan personal komputer (PC) yang tercepat saat ini, dibutuhkan
waktu lebih dari 10 tahun untuk menyelesaikan proses rendering. Bagi para artis
grafis 3D atau animator, hal yang paling menyita waktu adalah menunggu proses
rendering.
Proses pemberian
ketebalan yang paling sederhana contohnya jika kita membuat suatu logo atau teks
dalam 2D, misalkan logo perusahaan, dan kita menginginkan memberikan ketebalan
tertentu, maka dengan program Lofter cukup kita load objek 2D tersebut dan kita
beri path garis lurus sepanjang ketebalan yang diinginkan dalam vektor arah
ketebalan, lalu kita lakukan proses loftering, maka jadilah objek 3D yang kita
inginkan.
Melakukan 3D Rendering
tentu akan merupakan masalah yang sangat merepotkan jika tidak menggunakan
algoritma memadai, dikarenakan banyaknya point dan polygon yang harus
dikalkulasi setiap proses. Penggunaan algoritma Divide and Conquer tentu sangat
membantu agar pekerjaan penghitungan yang sangat banyak dalam proses render
dapat dikerjakan oleh beberapa unit komputasi sekaligus secara bersamaan. Hal
ini juga telah dibuktikan dengan banyaknya perusahaan animasi dan film yang
sering melakukan pekerjaan proses render menggunaan sistem komputasi paralel di
dalam perusahaan mereka.
Source :