Analisa Jurnal Penelitian

ANALISA JURNA PENELITIAN

PEMROGRAMAN DASAR DAN ANALISA KINERJA APLIKASI DALAM KOMPUTER

MENGGUNAKAN GPU

OLEH:

 Enrico Budianto, Hary Prabowo, Hafiz, M. Nanda Kurniawan, Prayoga Dahirsa, dan Tirmidzi Faisal

Fakultas Ilmu Komputer, Universitas Indonesia, Kampus Baru UI Depok, Jawa Barat, 16424, Indonesia

Judul :

Dalam pembuatan judul dibuat dalam bentuk menarik, sehingga menambah minat pembaca untuk mengetahui isi dari jurnal penelitian tersebut. Penulisan judulnya juga sudah sesuai dengan isinya.

Abstrak

GPU atau singkatan dari Graphical Processing Unit merupakan mikroprosesor khusus yang berfungsi memercepat proses rendering grafik 2 dimensi atau 3 dimensi. GPU telah digunakan di beberapa perangkat seperti sistem yang telah ditanam, telepon genggam, komputer, workstation, dan game console. Penggunaan GPU sangat membantu efisiensi penggunaan waktu dalam proses perhitungan. Struktur paralel yang dimilikinya membuat efektivitas GPU lebih baik dibandingkan Control Processing Unit (CPU).

Dalam penulisan abstrak di kalimat awal adalah untuk mengenalkan dari maksud judul yang dipilih, dan diberikan pengertian daripada arti GPU itu sendiri. Hal ini akan sangat membantu jika pembaca tidak perlu mencari maksud dari judul jurnal penelitian ini. Dalam abstrak di atas juga disebutkan tentang kasus-kasus yang terjadi saat ini, jadi sudah sangat cukup untuk menambah pemahaman sebelum membaca pembahasan dari jurnal penelitian ini.

Pendahuluan

 Pemrograman berbasis GPU membantu programmer dalam menyelesaikan permasalahan komputasional yang rumit dibandingkan dengan cara konvensional menggunakan CPU. Salah satu pemrograman berbasis GPU adalah pemrograman yang berbasis arsitektur CUDATM yang dikembangkan oleh perusahaan NVIDIA. Arsitektur ini menggunakan bahasa pemrograman C. Pemrograman paralel yang berbasis CUDA terdiri dari tiga core atau inti, yaitu hirarki dari thread, shared memory, dan sinkronisasi. Pemanfaatan threads pada GPU dapat memercepat perhitungan atau komputasi dengan membagi-bagi tugas perhitungan dan menyebarkannya ke thread-thread untukkemudian dilakukan komputasi oleh masing-masing thread tersebut. Shared memory di setiap blok berfungsi untuk memudahkan penggunaan resource oleh threads yang akan melakukan komputasi sehingga tidak perlu keluar blok untuk mencari resource utama yang berada di luar blok. Hal ini akan memercepat proses pengiriman dan penggunaan resource itu sendiri sehingga akhirnya akan mengurangi waktu komputasi. Sinkronisasi antar thread juga harus diimplementasikan pada proses komputasi, sebab perhitungan yang dilakukan oleh threads nantinya akan digabungkan ke dalam satu hasil perhitungan.

Dari uraian di atas, Pendahuluan ini berisikan tentang penjabaran yang lebih luas dari penjelasan di bagian abstrak. Karena di dalam abstrak tidak memungkinkan dimuat. Disini disebutkan tentang salah satu contoh dari produsen GPU yang sangat terkenal yaitu NVIDIA, tidak diketahui kenapa hanya memilih GPU dari NVIDIA dan tidak melakukan perbandingan dengan produsen kompetitor semisal ATI Radeon.  Penjabaran dari GPU NVIDIA sendiri juga hanya sebatas tentang produk terbaru yang menggunakan teknologi CUDA. Jadi untuk melakukan perbandingan di Pendahuluan seharusnya ditambahkan dengan satu produk lagi sebagai bahan perbandingan dari pokok bahasan yang dijelaskan.

Metodologi

Pada bagian metodologi, hanya menyebutkan syntax dari pemrograman yang dipakai. Disini juga hanya menyebutkan tentang teknologi CUDA dari NVIDIA. Sedangkan seharusnya berdasarkan judul yang dipilih, setidaknya menggunakan dua produk sebagai pembandingan. Dari metodologi ini juga tidak membahas secara jelas tentang maksud dan kronologi dari teknologi CUDA itu sendiri, sehingga akan membuat ketidakjelasan apa maksud dari teknologi CUDA itu sendiri.

Pembahasan

Pada bagian ini peneliti mencoba melakukan analisa terhadap program perkalian matriks sebagai kasus. Percobaan dilakukan dengan variasi besar ukuran matriks sehingga mencapai ukuran maksimum. Variasi ukuran berupa variasi dimensi grid, block, dan thread. Pada percobaan ini peneliti juga memanfaatkan shared memory di GPU. Selain melihat akibat dari variasi dimensi grid, block, dan thread, peneliti juga akan melihat perbandingan waktu komputasi dan error diantara setiap jenis prosesor, yaitu CPU, GPU non-shared, dan GPU dengan shared memory.

Untuk melihat dampak dari variasi ukuran digunakan program perkalian matriks yang menghasilkan output berupa waktu yang dibutuhkan oleh GPU dengan shared-memory, GPU dengan non-shared memory, dan CPU biasa dalam mengalikan matriks dengan ukuran yang berbeda-beda. Selain itu program ini juga memberikan output berupa error yang terjadi pada penghitungan matriks menggunakan GPU, baik dengan shared memory maupun dengan non-shared memory.

Dalam bagian pembahasan sudah menjelaskan tentang maksud dari penulis, tetapi dengan judul yang dipilih begitu luas seharusnya pembahasannya tidak hanya mencakup dari satu produk saja. Meskipun produk tersebut adalah dari perusahaan raksasa dunia.

Dari bagian pembahasan sudah dijelaskan tentang pencapaian dari penelitian penulis yakni tentang kemampuan dari GPU teknologi CUDA dari GPU Nvidia, belum tentu itu adalah pencapaian dari keseluruhan GPU yang ada.

Kesimpulan

Penggunaan GPU dapat meningkatkan efisiensi perhitungan pada suatu permasalahan yang melibatkan kalkulasi secara berulang-ulang.

Dari kesimpulan yang disebutkan adalah pembahasan dari fungsi keseluruhan GPU, dan sudah cukup sesuai dari pembahasan dari judul yang dibuat.

Daftar Pustaka

Daftar pustaka juga sudah cukup lengkap dengan memakai berbagai sumber sebanyak 4 untuk referensi.

Jurnal asli bisa diunduh di sini