PARALEL PROCESSING TUGAS KETIGA

Oke, sambung lagi. Seperti pada artikel sebelumnya yang saya bahas tentang Komputasi
Modern dan kali ini saya membahas tentang Paralel Processing, nah untuk lebih
jelasnya,ini saya bahas disini.

DEFINISI PARALEL PROCESSING

Paralel Processing atau Pengolahan paralel adalah kemampuan untuk melaksanakan
beberapa operasi atau tugas secara bersamaan. Istilah ini digunakan dalam konteks dari kedua
kognisi manusia, terutama dalam kemampuan otak untuk secara bersamaan memproses
rangsangan yang masuk, dan dalam komputasi paralel oleh mesin.

PENGOLAHAN PARALEL OLEH OTAK

Pengolahan paralel adalah kemampuan otak untuk secara bersamaan memproses rangsangan
yang masuk yang berbeda-beda kualitas. Hal ini menjadi paling penting dalam visi , sebagai
otak membagi apa yang dilihatnya menjadi empat komponen: warna, gerakan, bentuk, dan
kedalaman. Ini individual dianalisis dan kemudian dibandingkan dengan disimpan kenangan,
yang membantu otak mengidentifikasi apa yang Anda lihat. Otak kemudian menggabungkan
semua ini menjadi bidang pandang bahwa Anda melihat dan memahami. Pemrosesan paralel
telah dikaitkan dengan beberapa psikolog eksperimental, dengan efek Stroop. Ini adalah
operasi terus-menerus dan mulus.

PARALEL PENGOLAHAN DI KOMPUTER

Penggunaan simultan lebih dari satu CPU atau inti prosesor untuk mengeksekusi sebuah
program atau benang komputasi ganda. Idealnya, parallel processing membuat program
berjalan lebih cepat karena ada mesin yang lebih (CPU atau core) menjalankannya. Dalam
praktek, seringkali sulit membagi program sedemikian rupa sehingga terpisah atau CPU core
dapat mengeksekusi bagian yang berbeda tanpa mengganggu satu sama lain. Sebagian besar

komputer hanya memiliki satu CPU, tetapi beberapa model memiliki beberapa chip prosesor,
dan multi-core menjadi norma. Bahkan ada komputer dengan ribuan CPU.
Dengan single-CPU, single core komputer, adalah mungkin untuk melakukan proses
pengolahan paralel dengan menghubungkan komputer dalam jaringan. Namun, jenis
pemrosesan paralel membutuhkan perangkat lunak yang sangat canggih yang disebut
perangkat lunak pengolah didistribusikan.
Perhatikan bahwa paralelisme berbeda dari konkurensi. Concurrency adalah istilah yang
digunakan dalam sistem operasi dan database masyarakat yang mengacu pada milik suatu
sistem di mana banyak tugas tetap aktif secara logis dan membuat kemajuan pada saat yang
sama dengan interleaving urutan pelaksanaan tugas dan dengan demikian menciptakan ilusi
sekaligus melaksanakan instruksi. Paralelisme, di sisi lain, adalah istilah yang biasanya
digunakan oleh komunitas superkomputer untuk menggambarkan eksekusi yang secara fisik
mengeksekusi secara bersamaan dengan tujuan untuk memecahkan masalah dalam waktu
yang lebih atau pemecahan masalah yang lebih besar dalam waktu yang sama . Paralelisme
mengeksploitasi konkurensi.
Pemrosesan paralel juga disebut komputasi paralel. Dalam upaya lebih murah pengolahan
komputasi paralel menyediakan alternatif pilihan yang layak. Waktu idle siklus prosesor di
seluruh jaringan dapat digunakan secara efektif oleh perangkat lunak komputasi terdistribusi
yang canggih. Pengolahan paralel istilah digunakan untuk mewakili kelas besar teknik yang
digunakan untuk memberikan tugas pengolahan simultan data untuk tujuan meningkatkan
kecepatan komputasi dari sistem komputer.
Keuntungan: waktu eksekusi lebih cepat, throughput jadi lebih tinggi.. Kekurangan:
perangkat keras lainnya yang dibutuhkan, kebutuhan daya juga lebih. Tidak baik untuk daya
rendah dan perangkat mobile.

KOMPUTASI PARAREL
Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan
memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan
saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah
besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi
yang
banyak.
Kasus
kedua
umum
ditemui
di kalkulasi
numerik untuk
menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia
komputasi) dll.
Untuk melakukan berbagai jenis komputasi paralel diperlukan infrastruktur mesin paralel
yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja
secara paralel untuk menyelesaikan satu masalah. Untuk digunakan perangkat lunak
pendukung yang biasa disebut middleware yang berperan mengatur distribusi antar titik
dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk

merealisasikan komputasi. Salah satu middleware yang asli dikembangkan

di Indonesia adalah OpenPC yang dipelopori oleh GFTK LIPI dan diimplementasikan di LIPI
Public Center.

HUBUNGAN ANTARA KOMPUTASI MODERN DENGAN PARALEL

PROCESSING
Hubungan antara komputasi modern dan parallel processing sangat berkaitan, karena
penggunaan komputer saat ini atau komputasi dianggap lebih cepat dibandingkan dengan
penyelesaian masalah secara manual. Dengan begitu peningkatan kinerja atau proses
komputasi semakin diterapkan, dan salah satu caranya adalah dengan meningkatkan
kecepatan perangkat keras. Dimana komponen utama dalam perangkat keras komputer adalah
processor. Sedangkan parallel processing adalah penggunaan beberapa processor
(multiprocessor atau arsitektur komputer dengan banyak processor) agar kinerja computer
semakin cepat.
Kinerja komputasi dengan menggunakan paralel processing itu menggunakan dan
memanfaatkan beberapa komputer atau CPU untuk menemukan suatu pemecahan masalah
dari masalah yang ada. Sehingga dapat diselesaikan dengan cepat daripada menggunakan satu
komputer saja. Komputasi dengan paralel processing akan menggabungkan beberapa CPU,
dan membagi-bagi tugas untuk masing-masing CPU tersebut. Jadi, satu masalah terbagi-bagi
penyelesaiannya. Tetapi ini untuk masalah yang besar saja, komputasi yang masalah kecil,
lebih murah menggunakan satu CPU saja.

KESIMPULAN DARU
Dari pembahasan saya diatas dapat saya simpulkan bahwa kinerja komputasi paralel lebih
efektif dan dapat menghemat waktu untuk pemrosesan data yang banyak daripada komputasi
lain. Selain itu komputasi paralel jauh lebih menghemat waktu dan sangat efektif ketika kita
harus mengolah data dalam jumlah yang besar. Namun keefektifan akan hilang ketika kita
hanya mengolah data dalam jumlah yang kecil, karena data dengan jumlah kecil atau sedikit
lebih efektif jika kita menggunakan komputasi lain (dalam contoh ini adalah komputasi
tunggal).