LATAR
BELAKANG
Salah satu bentuk perkembangan teknologi informasi
adalah adanya perkembangan dalam aspek pelayanan atau pengaksesan data dan
pemrosesan data. Perkembangan ini bisa ditandai dengan adanya sebuah metode
teknologi, yaitu Distributed Processing (Pemrosesan Terdistribusi).
Distributed Processing adalah kemampuan menjalankan
semua proses pengolahan data secara bersama antara komputer yang berfungsi
sebagai pusat dengan beberapa komputer yang lebih kecil dan saling dihubungkan
melalui jalur komunikasi. Setiap komputer tersebut memiliki prosesor mandiri
sehingga mampu mengolah sebagian data secara terpisah, kemudian hasil
pengolahan tadi digabungkan menjadi satu penyelesaian total. Jika salah satu prosesor
mengalami kegagalan atau masalah maka prosesor yang lain akan mengambil alih
tugasnya. Dalam proses distribusi sudah mutlak diperlukan perpaduan yang
mendalam antara teknologi komputer dan telekomunikasi, karena selain proses
yang harus didistribusikan, semua host komputer wajib melayani
terminal-terminalnya dalam satu perintah dari komputer pusat.
Penulis akan membandingkan 2 buah jurnal dengan tema
parallel computing. Jurnal pertama membahas tentang cara mengklasifikasikan
mutu buah tomat, dimana proses klasifikasinya dilakukan dengan dua cara yaitu,
secara sekuensial dan parallel. Jurnal kedua membahas tentang implementasi
komputasi parallel dengan algoritma genetik.untuk prapemrosesan probabilistic neural
network
METODE
Metode pertama mereka menggunakan komputasi parallel pada Jaringan Syaraf Probabilistik
(PNN) untuk mengklasifikasi buah tomat, jurnal yang kedua , menggunakan
komputasi parallel dengan Algoritma Genetik untuk Prapemrosesan Probabilistic
Neural Network pada bunga iris.
ANALISA
Pada jurnal yang pertama Percobaan
dilakukan untuk membandingkan kinerja PNN yang dilakukan secara paralel pada
dua buah komputer dan kinerja PNN yang dilakukan secara sekuensial pada satu
komputer. Kriteria yang digunakan untuk uji analisis adalah akurasi klasifikasi
PNN, waktu eksekusi total, peningkatan kecepatan, peningkatan akurasi, dan
efisiensi. Percobaan dilakukan menggunakan program komputasi paralel dengan PNN
hasil penelitian sebelumnya. Tomat yang digunakan adalah varietas Permata yang dikelompokkan
menjadi tiga kelas dan masing-masing kelas diambil parameter bobot (gram),
panjang (cm) dan lebar (cm). Proses pelatihan dilakukan dengan rasio antara
jumlah data yang digunakan untuk pelatihan dan data yang digunakan sebagai
contoh masukan (validasi) divariasikan sebanyak 9 mode. Masing-masing mode
pelatihan dilakukan 10 kali pengulangan. Dengan dua macam populasi Algoritma
Genetik yang digunakan, total percobaan yang dilakukan adalah 360 percobaan. Dari
percobaan didapatkan hasil bahwa akurasi klasifikasi komputasi paralel dan
komputasi sekuensial tidak terlalu berbeda dan terpusat pada kisaran rata-rata
89.2%. Peningkatan akurasi komputasi paralel juga relatif sama dengan pola
sebaran bernilai 100%. Artinya akurasi klasifikasi dengan komputasi paralel meningkat
1 kali lipat dari komputasi sekuensial. Dengan demikian tidak terjadi perubahan
berarti terhadap akurasi klasifiaksi. Pada aplikasi klasifikasi dengan komputasi
paralel, waktu total (waktu pelatihan dan waktu klasifikasi) rata-rata adalah
439.57 detik, lebih kecil daripada komputasi sekuensial yang rata-rata sebesar
548.66 detik. Hal ini menyebabkan terjadinya peningkatan kecepatan komputasi
paralel yang rata-rata sebesar 128.857%. Dengan demikian, klasifikasi dengan
komputasi paralel pada dua buah komputer lebih cepat sekitar 1.3 kali lipat
dibandingkan dengan komputasi sekuensial. Dari hasil tersebut, dapat diambil
kesimpulan bahwa penerapan komputasi paralel pada proses klasifikasi tomat
telah mempercepat waktu pemrosesan tanpa mengubah nilai akurasi klasifikasi
secara signifikan. Namun penerapan
komputasi paralel pada bagian prosesor dari sistem sortasi perlu diimbangi
dengan pemilihan teknik/metode yang tepat pada bagian lainnya sehingga
peningkatan kecepatan yang dihasilkan menjadi optimal.
Pada
jurnal yang kedua menguji dan membandingkan kinerja dari algoritma genetik
sekuensial, algoritma genetik paralel mode vektor baris, dan algoritma genetik
mode vektor kolom. Penelitian menggunakan basis data bunga iris yang dikembangkan
oleh R.A. Fisher. Berbagai kriteria yang digunakan untuk uji analisis adalah
akurasi klasifikasi PNN, waktu eksekusi total, rasio kebergantungan mesin,
peningkatan kecepatan, dan efisiensi. . Dari percobaan didapatkan kesimpulan
bahwa secara umum kinerja algoritma genetik paralel jauh lebih baik apabila
dibandingkan dengan algoritma genetik sekuensial. Sedangkan kinerja antara
algoritma genetik paralel mode vektor baris dan kinerja algoritma genetik paralel
mode vektor kolom tidak terlampau jauh berbeda.
KESIMPULAN
Pada Jurnal yang pertama,
mereka menggunakan komputasi parallel pada Jaringan Syaraf Probabilistik (PNN)
untuk mengklasifikasi buah tomat, jurnal yang kedua , menggunakan komputasi
parallel dengan Algoritma Genetik untuk Prapemrosesan Probabilistic Neural
Network pada bunga iris.
Kedua jurnal ini
menggunakan cara yang sama yaitu dengan menggunakan lebih dari 1 komputer,
yaitu jurnal pertama 2 komputer dan jurnal kedua 3 komputer. Jaringan yang
digunakan pun berbeda, dimana pada jurnal pertama tidak menggunakan HUB dan
yang kedua memakai HUB dab UTP. Hasil yang di dapat pun berbeda, pada jurnal
pertama setiap parameter memiliki keunggulan di setiap cara, berbeda dengan
jurnal kedua yang memiliki keunggulan di setiap parameter dengan cara komputasi
parallel.
REFERENSI
