TUGAS CJR

MK. FISIKA KOMPUTASI

PEND FISIKA REG A 2018

PROGRAM PASCA SARJANA

PEND. FISIKA A

PROGRAM PASCA SARJANA

CRITICAL JOURNAL REVIEW

FISIKA KOMPUTASI
OLEH

KELOMPOK 2

AYU SRI MENDA BR SITEPU (8186175009)

LAILA AZWANI PANJAITAN (8186175007)

DOSEN PENGAMPU : Dr. Makmur Sirait, M.Si.

MATA KULIAH : FISIKA KOMPUTASI

PENDIDIKAN FISIKA

PROGRAM PASCASARJANA

UNIVERSITAS NEGERI MEDAN

MEDAN

2019
 Kata pengantar

Segala puji atas segala nikmat yang telah diberikan Tuhan Yang Maha Esa kepada kita semua
termasuk terselesaikannya Critical Journal Review sebagai amanat yang diberikan kepada kami
didalam memenuhi tugas mata kuliah Fisika Komputasi. Penulis berterima k a s i h k e p a d a
B a p a k d o s e n Dr. Makmur Sirait, M.Si. ya n g sud ah m em b er i k an bimbingannya kami
untuk penyelesaian tugas ini.
Dalam penyelesaian makalah ini penyusun merasa masih banyak kekurangan baik
pada teknis penulisan maupun yang lainnya, mengingatkan kemampuan yang dimiliki
penyusun. Untuk kritik dan saran dari semua pihak sangat penulis harapkan demi
penyempurnaan makalah yang sudah diselesaikan

Medan, Maret 2019

Penulis

Kelompok II
 BAB 1
PENDAHULUAN
A. Latar Belakang
Perkembangan ilmu pengetahuan yang minim disebabkan karena rendahnya minat baca
mahasiswa/i pada saat ini. Mengkritik jurnal merupakan salah satu cara yang dapat dilakukan
untuk menaikkan ketertarikan minat membaca. Mengkritik Jurnal (Critical Journal Review)
merupakan kegiatan mengulas suatu jurnal agar dapat mengetahui dan memahami apa yang
disajikan dalam suatu jurnal. Pada dasarnya review jurnal menitikberatkan pada evaluasi
(penjelasan, interpretasi dan analisis) mengenai keunggulan dan kelemahan, apa yang
menarik, dan bagaimana jurnal tersebut bisa merubah persepsi dan cara berfikir serta menjadi
pertimbangan apakah dari pengetahuan yang didapat mampu menambah pemahaman
terhadap suatu bidang kajian tertentu. Selain itu mengkritik jurnal juga dapat melatih
kemampuan kita dalam menganalisis dan mengevaluasi pembahasan yang disajikan penulis.
Sehingga menjadi masukan berharga bagi proses kreatif kepenulisan lainnya. Mengkritik
jurnal tidak dapat dilakukan apabila pengkritik tidak membaca keseluruhan jurnal tersebut.
Dengan melakukan review tersebut pembaca dapat mengetahui kualitas jurnal dengan
membandingkan terhadap karya dari penulis yang sama atau penulis lainnya serta dapat
memberikan masukan kepada penulis jurnal berupa kritik dan saran terhadap sistematika
penulisan, isi, dan substansi jurnal. Selain itu untuk para pembaca, Critical Journal
Review ini mempunyai tujuan agar pembaca mendapat bimbingan dalam memilih buku.
Setelah membaca hasil review jurnal ini diharapkan timbulnya minat untuk membaca atau
mencocokkan seperti apa yang ditulis dalam hasil review. Dan apabila tidak memiliki waktu
untuk membaca isi jurnal, maka ia dapat mengandalkan hasil review sebagai sumber
informasi.
Mengkritik jurnal bertujuan untuk memberikan gambaran kepada pembaca mengenai
identitas jurnal, ringakasan jurnal, kelebihan dan kekurangan jurnal baik dari segi sistematika
penulisan, EBI, maupun kepaduan keseluruhan isi jurnal serta implikasinya dari berbagai
aspek. Mengkritik jurnal dapat menambah wawasan para pengkritik karena di dalam jurnal
tersbut disajikan masalah yang akan menambah ilmu pengetahuan kita. Hasil kritik jurnal
juga akan memudahkan masyarakat dalam memahami isi jurnal dan mahasiswa khususnya
sehingga secara tidak langsung akan mengurangi kebiasaan malas dalam membaca akibat
narasi yang terlalu panjang. Selain itu pada dasarnya tugas Critical Journal Review ini
bertujuan untuk menyelesaikan salah satu dari tugas wajib mahasiswa yang merupakan point
penting dalam penilaian mata kuliah Fisika Komputasi.
 Sebagai mahasiswa Pendidikan Fisika jurnal-jurnal ini dirasa perlu untuk dikritik sebab
dapat meningkatkan keterampilan mahasiswa dalam membuat laporan penelitian yang baik
dan benar agar terhindar dari kesalahan dalam melakukan penelitian terutama penelitian
untuk penulisan tesis serta sebagai pegangan dalam menulis karya ilmiah yang nantinya
diharapkan agar mahasiswa dapat membuat jurnal penelitian yang sesuai dengan kaidah dan
aturan yang berlaku. Jurnal ini dirasa perlu untuk dikritik karena secara tidak langsung akan
mampu meningkatkan pengetahuan mahasiswa dari teori dan aplikasi hasil gagasan peneliti
sehingga dengan pengetahuan tersebut dapat menjadi inspirasi baru bagi mahasiswa sebagai
calon guru dalam menyurusun atau mendesain pembelajaran yang efektif nantinya.

B. Rumusan Masalah
1. Apakah kelebihan dari jurnal pertama?
2. Apakah kekurangan dari jurnal pertama?
3. Apakah kelebihan dari jurnal kedua?
4. Apakah kekurangan dari jurnal kedua?

C. Tujuan
1. Mengetahui kelebihan dari jurnal pertama
2. Mengetahui kekurangan dari jurnal pertama
3. Mengetahui kelebihan dari jurnal kedua
4. Mengetahui kekurangan dari jurnal kedua
 BAB II
PEMBAHASAN

A. Jurnal I
1. Identitas Jurnal I
Judul : Eksperimen Komputasi Paralel dalam Perhitungan Matrik Invers
Menggunakan Metoda Eliminasi Gauss Jordan
Penulis : Riwinoto
Tahun : 2012
Nama Jurnal : Jurnal Integrasi
Volume : 4 No. 1, 2012, 47-52
ISSN : 2085-3858

2. Ringkasan Isi Jurnal

Kebutuhan pengaksesan informasi kapanpun dan dimanapun sekarang ini mendorong
penyediaan sumber daya kom-putasi yang lebih powerful. Dunia science dan industri
semakin hari juga semakin membutuhkan sumber daya komputasi yang sangat besar.
Simulasi gempa bumi, pemodelan struktur molekul kimia, dan simulasi per-ubahan iklim
adalah beberapa contoh aplikasi yang melibatkan data yang sangat besar mencapai satuan
petabyte (1015 byte). Hal ini tentu saja membutuhkan sumber daya komputasi yang besar
pula. Dengan semakin banyaknya sumber daya komputasi yang saling terhubung jaringan,
komputasi parallel memberikan harapan untuk mengatasi permasalahan itu

Detail Percobaan
Komputasi Paralel
Komputasi paralel merupakan suatu teknologi yang dapat mendayagunakan seluruh
kemampuan multiprosesor dalam suatu aplikasi. Walaupun sudah cukup banyak aplikasi
yang dapat mengeksploitasi kemampuan multiprosesor, namun komputasi paralel ini belum
diadaptasi secara luas untuk aplikasi-aplikasi umum. Hal ini cukup penting mengingat di
tahun-tahun mendatang, penggunaan multiprosesor pada suatu sistem akan menjadi hal yang
umum.
MPI (Message Parsing Interface)
Message Passing Interface (MPI) merupakan implementasi standar dari model "message
passing" komputasi paralel. Sebuah komputasi paralel terdiri dari sejumlah proses, dimana
masing masing bekerja pada beberapa data local. Setiap prsoses mempunyai variabel lokal,
dan tidak ada mekanisme suatu proses yang bisa mengakse secara langsung memori yang
lain. MPI perlu digunakan ketika kita menginginkan kode paralel yang portable dan
mendapatkan performa yang tinggi dalam pemrograman paralel. Sharing data antar proses-
proses dilakukan dengan message passing, yaitu dengan mengirim dan menerima message
antar proses-proses. Alasan menggunakan model ini sudah sangat umum. Dan tipe komputasi
paralel dapat dibuat dalam bentuk message passing. Model ini juga dapat diimplementasikan
pada bermacam-macam platform, seperti shared-memory multi-prosessors maupun single
prosessor
Fitur dasar dari program-program Message Passing Program message passing terdiri dari
multiple instan dari program serial yang berkomunikasi dengan pemanggilan library.
Pemanggilan ini dapat dibagi menjadi empat kelas :
 Pemanggilan untuk inisialisasi, meng-atur, dan memutuskan komunikasi.
 Pemanggilan untuk mengkomunikasi-kan beberapa pasang prosesor.
 Pemanggilan yang mewujudkan operasi-operasi komunikasi diantara kelompok-kelompok
prosesor.
 Pemanggilan untuk membuat tipe data acak (arbitrary).

Kelas pertama dari pemanggilan terdiri dari pemanggilan-pemanggilan untuk memulai

komunikasi, mengidentifikasi jumlah prosesor yang sedang digunakan, membuat subgrup
dari prosesorprosesor dan mengidentifikasi prosesor mana yang sedang menjalankan instan
khusus dari program. Kelas kedua dari pemanggilan, dinamakan komunikasi point-to-point,
terdiri atas tipe pengiriman dan penerimaan yang berbeda. Kelas ketiga dari pemanggilan
adalah operasi kolektif yang memberikan sinkronisasi antar grup proses dan pemanggilan
yang melakukan operasi komunikasi/kalkulasi. Kelas terakhir dari pemanggilan memberikan
eksibilitas dalam berurusan dengan struktur data yang rumit.
Lingkungan Percobaan
Eksperimen dilakukan menggunakan cluster Hastinapura melalui portal InGrid UI. Cluster
Hastinapura mempunyai 16 node dengan masing masing node menggunakan Dual-Core
prosessor, sehingga secara lojik jumlah prosessornya adalah 32 buah. Pada percobaan yang
dilakukan maximum memory ditentukan sebesar 400 MB dengan maximum time 60 menit.
Analisis Hasil Eksperimen
Aspek yang dianalisa terhadap hasil eksperimen adalah speed up, overhead, efisiensi, cost
dan pembagian beban setiap node :
1. Speed Up
Speed Up merupakan perbandingan antara kecepatan eksekusi pada single prosessor
dengan pada N prosessor. Speed Up digunakan mengecek reduksi waktu seiring dengan
penambahan jumlah prosessor. Berikut rumus dari speed up :

ts = waktu eksekusi menggunakan 1 prosessor

tn = waktu eksekusi menggunakan 1 prosessor

2. Overhead
Overhead merupakan perbandingan antara waktu komunikasi master dengan slave
dengan waktu total eksekusi. Overhead digunakan untuk mengetahui seberapa besar
pengaruh waktu komunikasi terhadap perfomansi komputasi. Semakin kecil overhead
semakin bagus perfomansi komputasi paralel.

3. Efisiensi
Efisiensi meliputi efisiensi N prosessor speed up terhadap jumlah prosessor. Besarnya
efisiensi menunjukkan prosessor seluruhnya digunakan untuk komputasi. Rumus sebagai
berikut,

S(n) = Speed up untuk N prosessor

N = Jumlah total prosessor

4. Cost
Cost N prosessor merupakan beban waktu yang terjadi terhadap efisiensi tersebut, rumus
sebagai berikut,

5. Pembagian beban kerja setiap node

Pembagian beban kerja yang seimbang mengindikasikan setiap node bekerja dengan
beban yang sama. Spesifikasi hardware pada setiap node dan algoritma parallel yang
digunakan menentukan beban kerja masing-masing node.
 Beban kerja yang seimbang diindikasikan dengan nilai dari koefisien keseragaman (jika
spesifikasi hardware node sama). Koefisien keseragaman adalah ukuran penyebaran nisbi
relative dari suatu data dan dirumuskan sebagai berikut:

disini S adalah simpangan baku dan Y adalah rata-rata. Nilai keragaman biasanya

dianggap baik jika ≤ 30%.

B. Jurnal II
1. Identitas Jurnal II
Judul : Open Multi Processing (OpenMP) of Gauss-Jordan Method for Solving
System of Linear Equations
Penulis : Panagiotis D. Michailidis dan Konstantinos G. Margaritis
Tahun : 2011
Nama Jurnal : IEEE International Conference on Computer and Information Technology
Volume : 978-0-7695-4388-8/11 $26.00 © 2011 IEEE
DOI : 10.1109/CIT.2011.47

2. Ringkasan Isi Jurnal

Penyelesaian sistem linear padat adalah penting masalah ilmiah yang

digunakan sebagai kernel dalam banyak disiplin ilmu mulai dari ilmu komputer, analisis data
hingga ekonomi komputasi. Ada banyak metode untuk memecahkan sistem linear
seperti ods met langsung dan berulang. Dalam makalah ini kami mempelajari paralelisasi
berdasarkan metode langsung untuk menyelesaikan sebuah sistem linier. Mereka fokus pada
metode Gauss-Jordan karena kernel dapat digunakan untuk menyelesaikan masalah ilmiah di
atas . Dalam literatur telah dipelajari beberapa skema paralelisasi Gauss-Jordan me thod
pada sistem komputer kinerja tinggi modern seperti multicomputer (yaitu cluster workstation)
dan sistem multicore (yaitu dual / quad core) menggunakan antarmuka standar seperti MPI,
atau ekstensi paralel bahasa C / C ++ seperti OpenMP. Serge menunjukkan versinya yang
adaptif terhadap MIMD , N. Melab dkk memberi kami versi suiting untuk MARS yang
merupakan jenis jaringan workstation, Aouad dkk dan Shang dkk. Menyajikan versi
paralel langkah-langkahnya pada grid platforms, menggunakan kerangka kerja
YML. Selanjutnya, hasil percobaan Gauss- Jordan pada lingkungan komputasi cluster dan
grid menggunakan perpustakaan MPI disajikan masing-masing. Di sisi lain, ada implementasi
untuk multicore masalah serupa lainnya dari aljabar linear seperti algoritma faktorisasi untuk
memecahkan sistem persamaan (LU, QR dan Cholesky. Kami baru-baru ini
mengembangkan implementasi teknik pipa untuk LU algoritma faktorisasi menggunakan
Open MP. Namun disana bukan upaya penelitian dalam implementasi Gauss-Jordan metode
pada multicore menggunakan antar muka OpenMP.
Tujuan dari jurnal ini adalah untuk mengimplementasikan Gauss-Jordan metode
menggunakan teknik pipelining di OpenMP dan membandingkan kinerja implementasi yang
diusulkan untuk keduanya strategi yang didasarkan pada paralelisasi naif dari algoritma asli
(seperti blok baris dan distribusi data siklik baris ) pada platform multicore. Kita harus
perhatikan bahwa implementasi teknik perpipaan di OpenMP untuk domain aplikasi yang
berbeda belum dilaporkan dalam literatur penelitian sebelumnya . Kami juga mengusulkan
model matematika kinerja untuk implementasi pipeline dari Gauss- Metode Jordan dan kami
memverifikasi model ini dengan luas pengukuran eksperimental pada platform multicore.

Metode Gaus-Jordan
Pertama, kami menggambarkan metode Gauss-Jordan yang dikenal untuk memecahkan
sistem persamaan linear. Pertimbangkan yang berikut ini sistem aljabar linear nyata Ax = b ,
di mana A = ( aij ) n × nadalah n nonsingular dikenal × n matriks dengan nol diagonal entri, b =
(b0 , b1 , ..., bn− 1 )T adalah sisi kanan dan x = ( x0 ,x 1 , ..., x n− 1 )T adalah vektor dari yang
tidak diketahui.
Dalam algoritma Gauss-Jordan, pertama matriks yang berfungsi adalah dibangun dengan
menambah matriks A dengan b , mendapatkan ( A|B ) matriks dengan n baris dan n + 1
kolom. Lalu, matriks iniditransformasikan menjadi bentuk diagonal, menggunakan eliminasi
Gaussian. Algoritma Gauss-Jordan dijalankan dalam dua fase. Pada fase pertama algoritma
Gauss-Jordan, augmented Matriks diubah menjadi bentuk diagonal di mana elemen keduanya
di atas dan di bawah elemen diagonal dari kolom yang diberikan adalah nol. Pada fase kedua,
masing-masing x i (0 ≤ 1 ≤ n ) solusi dihitung dengan membagi elemen dari baris i dan
kolom n dari matriks yang ditambah ( a i,n ) dengan elemen dari baris i dari diagonal
utama ( a i,i ). Versi serial algoritma Gauss-Jordan umum untuk menyelesaikan sistem linear
yang ditunjukkan pada Algoritma 1 terdiri dari tiga loop bersarang, yang akan kita adopsi
secara paralel implementasi di sisa makalah ini.
Transformasi augmented matrix ke bentuk diagonal membutuhkan 4n 3/3 operasi skalar
aritmatika. Solusi komputasi dari bentuk diagonal sistem membutuhkan sekitar n operasi
aritmatika skalar, sehingga berurutan waktu berjalan dari algoritma Gauss-Jordan adalah
4n 3/3 + n.

Implementasi Dan Kinerja Pipa Model

Pada bagian ini, kami menyajikan implementasi pipeline OpenMP metode Gauss-Jordan
menggunakan data antrian struktur dan kami juga menyajikan model kinerja.
a. Implementasi
Kami berasumsi bahwa baris matriks A didistribusikan di antara p threads atau core
sedemikian rupa sehingga masing-masing inti ditugaskan baris yang berdekatan dari
matriks. Gagasan umum tentangalgoritma pipelining adalah bahwa setiap thread
mengeksekusi n langkah-langkah berurutan dari algoritma Gauss-Jordan pada baris itu
itu berlaku. Untuk melakukannya, ia harus menerima indeks dari baris pivot, kirimkan
segera ke utas berikutnya dan kemudian lanjutkan dengan langkah-langkah metode
Gauss-Jordan.
b. Analisis Kinerja
Model kinerja dari algoritma pipeline tergantung pada dua aspek utama: biaya komputasi
dan komunikasi biaya. Dalam kasus multicore, komunikasi dilakukan melalui operasi Put
()/Get () langsung oleh dua atau lebih banyak utas. Model analitik berdasarkan
nomornya operasi dan biayanya dalam waktu CPU dapat digunakan untuk menentukan
biaya komputasi. Begitu pula untuk memprediksi biaya komunikasi kami menghitung
jumlah operasi get / put di antara utas dan mengukur jumlah siklus untuk operasi put dan
dapatkan.

Hasil Eksperimen
a. Platform Sistem dan Proses Eksperimental
Untuk evaluasi eksperimental kami, kami menggunakan Intel Core 2 Quad CPU dengan
empat core prosesor, clock 2,40 GHz kecepatan dan memori 8 Gb. Sistem menjalankan
GNU / Linux, kernel versi 2.6, untuk x84 64 ISA. Semua program itu diimplementasikan
dalam C menggunakan antarmuka OpenMP dan dikompilasi menggunakan gcc, versi
4.4.3, dengan optimisasi "-O2" bendera.
Beberapa set tes matriks digunakan untuk mengevaluasi kinerja algoritma paralel, satu
set secara acak matriks input yang dihasilkan dengan ukuran mulai dari 32 × 32 hingga
4096 × 4096 . Untuk membandingkan algoritma paralel, waktu pelaksanaan praktis
digunakan sebagai ukuran. Praktis waktu eksekusi adalah total waktu dalam detik suatu
 algoritma perlu menyelesaikan perhitungan, dan itu diukur menggunakan omp_get_wtime
() fungsi OpenMP. Untuk mengurangi variasi acak, waktu eksekusi diukur sebagai rata-
rata 50 berjalan.

b. Analisis berdasarkan Hasil Eksperimental

Kami harus mencatat bahwa kami membandingkan kinerja implementasi pipa ke dua
algoritma paralel naif didasarkan pada dua skema distribusi data yang berbeda di antara
utas yang tersedia seperti blok baris dan baris berhubung dgn putaran. Dalam distribusi
data blok baris, n × n koefisien matriks A adalah blok-striped di antara p threads atau
core sedemikian rupa sehingga setiap inti ditugaskan baris yang berdekatan dari
matriks. Algoritma ini kita sebut RowBlock. Di baris ini blok data distribusi kami
menggunakan jadwal statis tanpa ditentukan ukuran chunk yang mengimplikasikan
OpenMP membagi iterasi menjadi p blok dengan ukuran yang sama dan ditugaskan
secara statis ke utas dalam distribusi blockwise. Alokasi iterasi dilakukan pada awal
loop, dan masing-masing utas hanya akan mengeksekusi iterasi yang ditugaskan
padanya. Di distribusi data baris siklik, baris matriks A didistribusikan di antara benang
p atau core secara round-robin.Algoritma ini kita sebut RowCyclic. Di baris ini data
siklik distribusi kami menggunakan jadwal statis dengan variabel ukuran chunk yang
ditentukan yang menentukan distribusi statis iterasi ke thread yang menetapkan blok
ukuran bs dengan mode robin yang tersedia, di mana bs mengambil nilai 1, 2, 4, 8, 16, 32
dan 64 baris.

c. Evaluasi Model Kinerja

Eksperimen terakhir dilakukan untuk memverifikasi kebenaran dari model kinerja yang
diusulkan untuk pipa algoritma. Model kinerja persamaan 3 diplot pada Gambar 3
menggunakan parameter waktu.Untuk mendapatkan ini hasil prediksi, kami telah
menentukan parameter waktu untuk eliminasi dan komunikasi operasi (yaitu t elim, t comm )
untuk ukuran matriks yang berbeda. Lebih khusus lagi, t elim dan t comm parameter diukur,
mengeksekusi Gauss serial Algoritma Jordan 50 kali untuk setiap ukuran matriks yang
berbeda. Lalu kami mengambil rata-rata 50 kali ini untuk masing-masing berbeda ukuran
matriks.
Dari data yang diperoleh, eksekusi yang diprediksi waktunya cukup dekat dengan yang
asli. Ini memverifikasi bahwa model kinerja yang diusulkan untuk algoritma pipa
adalah cukup akurat dan karenanya menyediakan sarana untuk menguji kelayakan
 implementasi pipa pada multicore apa pun (Yaitu dual core, quad core) tanpa mengambil
beban nyata pengujian. Lebih lanjut, model kinerja yangdiusulkan dapat memprediksi
kinerja paralel dan perilaku umum pelaksanaan. Namun, ada perbedaan kecil antara hasil
yang diukur dan prediksi dalam pipa pelaksanaan.

C. Kelebihan dan Kekurangan

1. Jurnal I
Kelebihan pada jurnal I
1. Ketika membaca jurnal ini paragraf satu dengan yang lainnya berkesinambungan
sehingga mudah dipahami.
2. Memaparkan langkah-langkah komputasi matrik invers dengan menggunakan metode
gauss jordan dengan menggunakan program MPI
3. Memberikan hasil berupa gambar / grafik sehingga mudah dipahami.

Kekurangan pada jurnal I

1. Tidak terdapat analisis yang mendalam pada bagian isi jurnal
2. Tidak memaparkan pendapat para ahli
3. Tidak mencatumkan penelitian sebelumnya mengenai hal ini

2. Jurnal II
Kelebihan jurnal II
1. Pada jurnal kedua ini menjelaskan tentang penyelesaian sistem persamaan linear dengan
menggunakan metode gauss jordan dengan program OpenMP secara jelas.
2. Memberikan teori teori menurut para ahli.
3. Memberikan penelitian-penelitian sebelumnya terkait dengan hal ini
4. Memberikan gambar dan grafik sebagai hasil eksperimen sehingga mudah dipahami

Kekurangan jurnal II
1. Terdapat beberapa kata yang sulit dipahami
 BAB III
KESIMPULAN

A. Kesimpulan
Dari hasil analisis di dapatkan bahwa kedua jurnal bisa saling melengkapi satu sama lain
dan bisa dijadikan referensi untuk pembelajaran, namun jurnal utama lebih baik
dibandingkan dengan jurnal pembanding, dikarenakan objek pemaparan langsung ke
wilayah Indonesia sehingga mudah dipahami. Namun, bukan berarti jurnal pembanding
tidak baik untuk digunakan untuk sumber referensi, hanya saja banyak terdapat
kesalahan di dalam jurnal tersebut.

B. Saran
Seharusnya dalam melakukan critical jurnal , menggunakan dua jurnal atau lebih sebagai
sumber referensi agar ilmu dan wawasan yang di dapat lebih banyak.
 DAFTAR PUSTAKA

Michailidis,Panagiotis D dan Konstantinos G. Margaritis. 2011. Open Multi Processing

(OpenMP) of Gauss-Jordan Method for Solving System of Linear Equations. IEEE
International Conference on Computer and Information Technology. 978-0-7695-4388-
8/11 $26.00 © 2011 IEEE. DOI 10.1109/CIT.2011.47

Riwinoto. 2012. Eksperimen Komputasi Parallel dalam Perhitungan Matrik Invers

Menggunakan Metoda Eliminasi Gauss Jordan. Jurnal Integrasi. Vol. 4, no. 1, 2012, 47-
52. ISSN: 2085-3858 (print version)