Komputasi Paralel

Komputasi Paralel

Apa itu Komputasi Paralel?

Di komputer, komputasi paralel terkait erat dengan pemrosesan paralel (atau komputasi bersamaan). Ini adalah bentuk komputasi di mana bersamaan ("paralel") menggunakan beberapa CPU yang dilakukan secara bersamaan dengan sistem shared-memory untuk memecahkan masalah komputasi superkomputer. Paralelisme adalah proses perhitungan besar, yang dapat dipecah menjadi beberapa prosesor yang dapat memproses secara mandiri dan yang hasilnya digabungkan setelah selesai. Paralelisme telah lama digunakan dalam superkomputer berkinerja tinggi.

Ø  Serial Komputasi :

Secara tradisional, perangkat lunak telah ditulis untuk perhitungan serial:

·         Masalah dipecah menjadi serangkaian instruksi yang terpisah

·         Instruksi dieksekusi secara berurutan satu demi satu

·         Dieksekusi pada satu prosesor

·         Hanya satu instruksi yang dapat dijalankan kapan saja

Contohnya :

Ø  Komputasi Paralel:

Dalam arti paling sederhana, komputasi paralel adalah penggunaan simultan sumber daya komputasi ganda untuk memecahkan masalah komputasi:

·         Masalah dipecah menjadi bagian-bagian terpisah yang dapat dipecahkan secara bersamaan

·         Setiap bagian selanjutnya dipecah menjadi serangkaian instruksi

·         Instruksi dari setiap bagian dijalankan secara bersamaan pada prosesor yang berbeda

·         Keseluruhan mekanisme kontrol / koordinasi digunakan

Masalah komputasi harus dapat:

·         Dipecah menjadi bagian-bagian pekerjaan yang terpisah yang dapat dipecahkan secara bersamaan;

Jalankan beberapa instruksi program kapan saja dalam waktu;

·         Dipecahkan dalam waktu yang lebih singkat dengan banyak sumber daya komputasi dibandingkan dengan sumber daya komputasi tunggal.

Sumber daya komputasi biasanya:

·         Komputer tunggal dengan banyak prosesor / core

·         Sejumlah komputer yang sewenang-wenang yang terhubung oleh jaringan

Ø  Mengapa Menggunakan Komputasi Paralel?

 Dunia Nyata adalah Paralel Besar-besaran:

·         Di dunia alami, banyak peristiwa kompleks dan saling terkait terjadi pada saat yang sama, namun dalam urutan temporal.

·         Dibandingkan dengan komputasi serial, komputasi paralel jauh lebih cocok untuk pemodelan, simulasi, dan pemahaman fenomena dunia nyata yang kompleks.

Sebagai contoh, bayangkan pemodelan ini secara seri:

Ø  Alasan Utama:

Hemat Waktu Dan Uang:

·         Secara teori, membuang lebih banyak sumber daya pada suatu tugas akan mempersingkat waktu penyelesaiannya, dengan potensi penghematan biaya.

·         Komputer paralel dapat dibangun dari komponen komoditas yang murah.

Memecahkan Masalah Yang Lebih Besar / Lebih Kompleks:

Banyak masalah yang begitu besar dan / atau rumit sehingga tidak praktis atau tidak mungkin untuk menyelesaikannya pada satu komputer, terutama mengingat memori komputer yang terbatas.

Contoh: "Masalah Tantangan Besar" (en.wikipedia.org/wiki/Grand_Challenge) yang membutuhkan PetaFLOPS dan PetaBytes sumber daya komputasi.

Contoh: mesin pencari web / basis data yang memproses jutaan transaksi setiap detik

MEMBERIKAN CONCURRENCY:

Sumber daya komputasi tunggal hanya dapat melakukan satu hal pada satu waktu. Berbagai sumber daya komputasi dapat melakukan banyak hal secara bersamaan.

Contoh: Collaborative Networks menyediakan tempat global di mana orang-orang dari seluruh dunia dapat bertemu dan melakukan pekerjaan "secara virtual".

Ø  Siapa yang Menggunakan Komputasi Paralel?

Sains dan Teknik:

Secara historis, komputasi paralel telah dianggap sebagai "ujung tinggi komputasi", dan telah digunakan untuk memodelkan masalah-masalah sulit di banyak bidang sains dan teknik:

·         Atmosfer, Bumi, Lingkungan

·         Fisika - diterapkan, nuklir, partikel, materi terkondensasi, tekanan tinggi, fusi, fotonik

·         Biosains, Bioteknologi, Genetika

·         Kimia, Ilmu Molekuler

·         Geologi, Seismologi

·         Teknik Mesin - dari prosthetics ke pesawat ruang angkasa

·         Teknik Listrik, Desain Sirkuit, Mikroelektronika

·         Ilmu Komputer, Matematika

·         Pertahanan, Senjata

Ø  Industri dan komersial:

Saat ini, aplikasi komersial memberikan kekuatan pendorong yang sama atau lebih besar dalam pengembangan komputer yang lebih cepat. Aplikasi ini membutuhkan pemrosesan data dalam jumlah besar dengan cara yang canggih. Sebagai contoh:

·         "Big Data", basis data, penggalian data

·         Kecerdasan Buatan (AI)

·         Mesin pencari web, layanan bisnis berbasis web

·         Pencitraan dan diagnosis medis

·         Desain farmasi

·         Pemodelan keuangan dan ekonomi

·         Manajemen perusahaan nasional dan multi-nasional

·         Grafis canggih dan realitas virtual, khususnya di industri hiburan

·         Video jaringan dan teknologi multi-media

·         Eksplorasi minyak

Ø  Konsep dan Terminologi

von Neumann Arsitektur

·         Dinamai setelah ahli matematika / genius Hongaria John von Neumann yang pertama kali menulis persyaratan umum untuk komputer elektronik dalam makalahnya tahun 1945.

·         Juga dikenal sebagai "komputer program tersimpan" - instruksi dan data program disimpan dalam memori elektronik. Berbeda dari komputer sebelumnya yang diprogram melalui "kabel keras".

·         Sejak itu, hampir semua komputer telah mengikuti desain dasar ini.

·         Terdiri dari empat komponen utama:

v  Memory

v  Control Unit

v  Arithmetic Logic Unit

v  Input/Output

·         Read / Write, RAM atau random acces memory digunakan untuk menyimpan instruksi dan data program

v  Instruksi program adalah data kode yang memberi tahu komputer untuk melakukan sesuatu

v  Data hanyalah informasi yang akan digunakan oleh program

·         Control unit fetches instructions/data dari memori, menerjemahkan instruksi dan kemudian mengoordinasikan operasi secara berurutan untuk menyelesaikan tugas yang diprogram.

·         Unit Aritmatika melakukan operasi aritmatika dasar

·         Input / Output adalah antarmuka ke operator manusia

                            

John von Neumann sekitar tahun 1940-an

(Sumber: Arsip LANL)

Ø  Taksonomi Klasik Flynn

Salah satu klasifikasi yang lebih banyak digunakan, digunakan sejak 1966, disebut Flynn's Taxonomy.

Taksonomi Flynn membedakan arsitektur komputer multi-prosesor sesuai dengan bagaimana mereka dapat diklasifikasikan di sepanjang dua dimensi independens dari Instruction Stream dan Data Stream. Masing-masing dimensi ini hanya dapat memiliki satu dari dua status yang mungkin: Tunggal atau Banyak.

Matriks di bawah ini mendefinisikan 4 klasifikasi yang mungkin menurut Flynn:

Daftar Pustaka

Barney, Blaise. Lawrence Livermore National Laboratory.

Komputasi Modern

Komputasi Modern

Mungkin dari kita tidak asing dengan kata Komputasi bukan? jika kalian pernah belajar matakuliah Matematika Kalkulus mungkin ini tidak akan asing bagi kalian yang membuat kalian mual dan muntah-muntah dalam belajarnya. Terus apa arti dari Komputasi itu sendiri ?

Penulis mengartikan Komputasi sebagai Kom artian dari komputer, alat yang dipakai untuk mengolah data-data melakukan perkerjaan perhitungan artmetika tapi semakin berkembang computer dapat mampu melakukan penyimpanan data, mengambil dan mengolah data. dan utasi artian dari Mutasi, perubahan/memindahkan/pecahan dari sususan atau struktur materi. Bisa di bilang komputasi pada dasarnya perpaduan antara bidang ilmu komputer dan ilmu matematika.

Secara Umum Komputasi bisa diartikan sebagai cara memecahkakan masalah serta menemukan solusi dari data yang ada dengan menggunakan algoritma yang ada. Jika zaman dulu komputasi melakukan perhitungan angka dilakukan oleh manusia secara manual dengan cara menggunakan pena dan kertas atau kapur dan batu tulis. Dalam artian manusia telah mengenal angka dan perhitungan sejak berabad yang lalu sebagaimana bangsa Romawi-pun telah dapat menghitung system kalender (hari,bulan,tahun) dengan menggunakan rasi bintang. Seiring berkembangnya zaman komputasi di kehidupan manusia berubah sejak mengenal perhitungan yang lebih kompleks.

            Karena otak manusia mengalami keterbatasan dalam menghitung angka yang jumlahnya bisa banyak, oleh karena itu manusia menciptakan alat menghitung seperti sempoa kemudian berkembang menjadi kalkulator dan karena kebutuhan pengelola data-data yang dihitung semakin banyak mulai ide pembuatan computer tercipta sebagai alat hitung.

Definisi Komputasi Modern

Teori komputasi itu adalah merupakan masalah dalam dunia yang berbasis dari cabang ilmu komputer yang bisa diselesaikan dengan algoritma, dari masalah tersebut terdapat langkah-langkah dari permasalahan disebut algoritma. Teori komputasi ini biasanya digunakan oleh ilmuan sains, maka dari itu ada yang dinamakan komputasi sains, komputasi sains merupakan salah satu cabang ilmu komputasi. Secara umum komputasi pada bidang sains mengkaji aspek-aspek untuk di bidang sains lain, seperti fisika, kimia, biologi dan lain-lain.

Sejarah Singkat Komputasi Modern :

Tokoh yang berpengaruh pada perkembangan Komputasi Modern pertama kali digagasi oleh John Von Neumann ilmuan yang peletak dasar model kerja komputer. John Von N. di lahirkan di Budapest, ibukota Hongaria (negara terkurung daratan di Eropa tengah) pada 28 Desember 1903 dengan nama Neumann Janos. Karya-karyanya yang dicptakan sebuah karya dalam bidang matematika, fisika nuklir, game theory (teori permainan), teori kuantum, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kepiawaian John Von N. teletak pada bidang teori game beliaulah yang melahirkan konsep automata, teknologi bom atom dan komputasi modern yang kemudian melahirkan komputer.

Komputasi Modern memiliki ciri:

·         Sumber daya yg disediakan bersifat heterogenous (terdiri dari berbagai jenis perangkat keras, sistem operasi, serta aplikasi-aplikasi lain)

·         Komputer-komputer terhubung ke jaringan yang luas dengan kapasitas bandwidth beragam

·         Komputer ataupun jaringan tidak terdedikasi, bisa hidup atau mati sewaktu-waktu tanpa jadwal yang jelas.

Masalah yang dipecahkan pada Komputasi Modern:

1. Akurasi (Floating Point)

Format bilangan floating point memiliki range penyimpanan nilai yang besar atau sangat kecil. Bilangan ini direpresentasikan 2 bagian yaitu mantisa dan eksponen, sehingga dapat digunakan komputasi yang akurat menggunakan komputer.

2. Kecepatan (Hz)

Komputasi untuk mengelola data harus dapat dilakukan dalam waktu yang cepat. Sehingga perlu cara untuk melakukan pengelolahan perhitungan dalam waktu singkat.

3. Problem Volume Besar (Down Sizzing/Pararel)

Data-data yang banyak jika terlewatkan akan menjadi masalah. Oleh karena itu pada bagian mengelola datanya menggunakan algoritma/metode paralel atau Down Sizzing pada pemecahan komputasi modern ini agar memecahkan masalah yang begitu besar ukurannya.

4. Modelling (NN & GA)

Perlu memodelkan algoritma tertentu untuk menyelesaikan masalah yang komplek. Seperti: Neural Network (Jaringan Syarat Tiruan) / Genetic Algorithm) model

5. Kompleksitas Kompleksitas

komputasi adalah cabang dari teori komputasi dalam ilmu komputer yang berfokus pada mengklasifikasikan masalah komputasi sesuai dengan kesulitan inheren mereka

Implementasi Komputasi Modern Pada Setiap Bidang

·         Bidang Fisika Computational Physics (Fisika)

Mempelajari algoritma numerik untuk memecahkan permasalahan teori kuantitatif fisika yang sudah ada. Contohnya untuk menentukan besar medan magnet pada kawat, menghitung tekanan

·         Bidang Biologi Bioinformatics (Biologi)

Ilmu teknologi informasi dan ilmu komputer yang mengaplikasikan terhadap bidang biologi molekuler. Contohnya penggunaan tes DNA dan RNA.  

·         Bidang Matematika

Penerapan pada bidang ini meliputi metode numerik, scientific, computing, metode beda hingga, scientific data mining, dan metode lain-lainya. Terdapat numerical analysis yang merupakan algoritma untuk menganalisa masalah-masalah dalam aritmatika.

Contoh penggunaannya adalah program Mapple, dapat menyelesaikan banyak perhitungan yang ada pada bidang matematika,

·         Bidang Ekonomi

Ilmu pada bidang ekonomi mencakup komputasi masalah perbankan seperti keuangan, statiska pengembangan alat bantu untuk pendidikan ekonomi.

·         Bidang Geologi

Pada bidang geologi teori komputasi digunakan untuk pertambangan atau untuk menentukan umur sebuah benda, sebuah sistem komputer digunakan menganalisa bahan-bahan mineral dan barang tambang yang terdapat di dalam tanah.

Daftar Pustaka

http://id.wikipedia.org/wiki/Teori_komputasi

http://buku-jurnal-dunia-q.program-reguler.co.id/ind/2590-2471/Teori-Komputasi_30001_unimus_buku-jurnal-dunia-q-infokelaskaryawan.html

Buyung Kosasih.2006.Komputasi Numerik Teori dan Aplikasi.Andi Publisher

http://dinus.ac.id/repository/docs/ajar/06a_-_PTI.DEF.2013.Komputasi_Pemrograman.pdf

http://komputasi.lipi.go.id/utama.cgi?cetakartikel&1247362701

http://www.beritanet.com/Education/John-Von-Neumann.html

https://id.wikipedia.org/wiki/Floating-point

Big Data

Big Data

Pengelolaan data yang beragam dengan jumlah yang sangat besar membutuhkan suatu cara yang efektif untuk mengolahnya, terlebih jika informasi yang dihasilkan dari data tersebut dibutuhkan untuk membantu membuat keputusan bagi pemangku kebijakan. Diperlukan cara yang cepat dan tepat untuk dapat mengolah data tersebut menjadi informasi. Oleh karena itu prinsip Big Data sangat cocok diterapkan, dimana prinsip Big Data yaitu untuk dapat mengelola data yang sangat banyak dan beragam, serta mengolahnya menjadi informasi yang dibutuhkan dalam waktu yang sangat singkat.

Pengertian Data

(R. Kelly Rainer, 2011) Data, menunjuk pada deskripsi dasar akan benda,event, aktivitas, dan transaksi yang terdokumentasi, terklasifkasi,dan tersimpantetapi tidak terorganisasi untuk dapat memberikan suatu arti yang spesifk.

Berdasarkan pengertian di atas, data merupakan hal paling mendasarr yang dibutuhkan perusahaan yang dapat diperoleh dari proses-proses operasional sehari-hari maupun sumber luar yang akan diolah menurut keinginan perusahaan .

Bagaimana Metode analisis Big Data ?

Di era Informasi ini, tidak ada kesulitan untuk mendapatkan data. Kuncinya terletak pada memilah-milah volume data yang tersedia untuk bisnis dan organisasi yang dibuat, dengan demikian menafsirkan implikasinya dengan benar. Mungkin, beberapa metode analisis statistik dapat membantu menemukan beberapa keputusan yang terbaik.

Berikut adalah lima metode analisis statistik mendasar yang dapat kita mulai, bersama dengan hal-hal yang harus kita perhatikan.

1. MEAN

Lebih dikenal sebagai rata-rata, rata-rata aritmatika adalah jumlah dari daftar angka dibagi dengan jumlah item dalam daftar. Dengan menggunakan metode mean, kita dapat menentukan tren keseluruhan kumpulan data atau memperoleh snapshot cepat data kita. Metode ini menawarkan keuntungan perhitungan yang sederhana dan cepat.

Hal-hal yang harus diperhatikan

Jika digunakan sendiri, rerata adalah alat yang berbahaya, dan dalam beberapa set data, itu juga terkait erat dengan mode dan median. Ingat, dalam kumpulan data dengan distribusi miring atau angka outlier yang tinggi, berarti sama sekali tidak memberikan jenis akurasi yang dibutuhkan untuk keputusan yang bernuansa baik.

2. DEVIASI STANDAR

Ini adalah ukuran dari penyebaran data di sekitar rata-rata. Sementara standar deviasi yang tinggi berarti data menyebar luas dari rata-rata, sinyal deviasi rendah yang kebanyakan data selaras dengan rata-rata. Metode analisis statistik ini berguna untuk menentukan dispersi titik data dengan cepat.

Hal-hal yang harus diperhatikan

Mirip dengan mean, standar deviasi juga menipu jika diambil sendiri. Misalnya, jika data memiliki banyak pola yang aneh seperti kurva yang tidak normal, standar deviasi tidak akan memberi kita semua informasi yang diperlukan.

3. REGRESI

Hubungan antara variabel dependen dan penjelas dimodelkan menggunakan metode regresi. Garis regresi membantu menentukan apakah hubungan itu kuat atau lemah, serta tren dari waktu ke waktu.

Hal-hal yang harus diperhatikan

Regresi tidak terlalu bernuansa dan pola yang aneh pada scatterplot (dan juga alasannya) sangat penting. Misalnya, titik data terpencil dapat mewakili produk dengan penjualan tertinggi. Sifat garis regresi sedemikian rupa sehingga kita tergoda untuk mengabaikan outlier ini.

4. PENENTUAN VOLUME SAMPEL

Sampel melakukan pekerjaan dengan baik ketika kumpulan data besar dan tidak ingin mengumpulkan informasi dari setiap elemen dataset. Kuncinya terletak pada menentukan ukuran yang tepat untuk sampel menjadi akurat.

Hal-hal yang harus diperhatikan

Saat menganalisis variabel baru yang belum diuji dalam kumpulan data, kita harus mengandalkan asumsi tertentu, yang mungkin sepenuhnya tidak akurat. Jika kesalahan seperti itu masuk ke penentuan ukuran sampel kita, itu dapat mempengaruhi sisa analisis data statistic kita.

5. PENGUJIAN HIPOTESIS

Metode ini adalah tentang menguji apakah premis tertentu benar untuk set data kita. Hasil tes ini signifikan secara statistik jika hasilnya tidak mungkin terjadi secara acak.

Hal-hal yang harus diperhatikan

Metode analisis statistik ini menambah banyak wawasan pada portofolio pengambilan keputusan kita.

Contoh Studi Kasus Penggunaan Analisis Big Data

Implementasi kasus analisis Big data lebih dominan pada bidang bisnis suatu organisasi. Berikut contoh beberapa kasus studi Big Data :

1.      Google

Big Data dan Big Business berjalan beriringan,ini pertama seri di mana akan memeriksa berbagai kegunaan dunia perusahaan terkemuka membuat jumlah digital yang tak ada habisnya informasi yang diproduksi dunia setiap hari.

2.      GE

General Electric - pusat kekuatan harfiah dari sebuah perusahaan yang terlibat di hampir setiap bidang industri, telah meletakkan dasar apa yang dengan megahnya disebut Industri Internet untuk beberapa waktu sekarang.

3.      Cornerstone

Karyawan adalah aset terbesar bisnis dan juga terbesar biaya. Jadi mengenai formula yang tepat untuk memilihnya, dan menjaga mereka, sangat penting. Satu perusahaan menawarkan solusi unik untuk membantu orang lain mengatasi tantangan ini adalah Cornerstone. Saya akan memberikan gambaran singkat tentang apa yang mereka lakukan, dan mengapa ini merupakan contoh data besar yang penting - tetapi kontroversial - analisis yang mendorong pertumbuhan bisnis.

4.      Microsoft

Sejak didirikan pada tahun 1975 oleh Bill Gates dan Paul Allen, Microsoft telah menjadi pemain kunci di hampir setiap jurusan maju dalam penggunaan komputer, di rumah dan dalam bisnis

5.      Facebook

Facebook - itu adalah jejaring sosial terbesar di dunia oleh yang sangat besar margin, dan kebanyakan dari kita terbiasa menggunakannya untuk berbagi rincian kehidupan kita sehari-hari dengan teman dan keluarga kita. Bukan rahasia lagi sekarang kami juga membaginya dengan pengiklan mereka, tetapi itu belum menunda sebagian besar dari kita menggunakannya! Jadi, inilah singkat tentang bagaimana Facebook telah menjadi salah satu perusahaan paling sukses di dunia dalam mengumpulkan data kita dan mengubahnya menjadi laba dan mengapa beberapa orang berpikir praktik bisnisnya kadang-kadang melampaui harapan.

Daftar Pustaka

Marr, Bernard. 2015. Big Data Case Study Collection. https://www.bernardmarr.com/img/bigdata-case-studybook_final.pdf

https://arxiv.org/ftp/arxiv/papers/1509/1509.02900.pdf

https://srdas.github.io/Papers/DSA_Book.pdf

http://limeproxies.com/blog/top-5-widely-used-statistical-data-analysis-techniques-in-2018/

https://www.codepolitan.com/mengenal-big-data
https://media.neliti.com/media/publications/233736-studi-implementasi-sistem-big-data-untuk-857db2bd.pdf