PENGANTAR TEKNIK INFORMATIKA

METODE NUMERIK &

PROPERTI DASAR DARI
KOMPUTASI PARALLEL DAN
TERDISTRIBUSI
ANGGOTA KELOMPOK :

KHAUSYI AUFA AFTA ADHA

01 AKMAL 02 DHARMAWAN
231055201127 231055201130

TERATAI
03 MA’RIFAH
231055201129
01
METODE NUMERIK
Metode Numerik merupakan sebuah teknik penyelesaian pada permsalahan yang telah
dirumuskan atau disusun dimana penyusunannya tersebut ditulis secara matematis dengan
menggunakan operasi hitungan aritmatik (Kurang, tambah, kali, dan bagi). Metode ini pada
umumnya dipakai karena banyaknya permasalahan matematis yang sulit dipecahkan
menggunakan metode analitik.
ALGORITMA :
Algoritma adalah metode atau langkah yang direncanakan secara tersusun dan berurutan
untuk menyelesaikan atau memecahkan permasalahan dengan sebuah intruksi atau kegiatan :
Pada beberapa sumber buku diperoleh pengertian dari algoritma di antaranya :

1.Algoritma menurut (Kani, 2020, 1.19) adalah suatu upaya dengan urutan operasi yang
disusun secara logis dan sistematis untuk menyelesaikan suatu masalah untuk menghasilkan
suatu output tertentu.
Algoritma berasal dari kata algoris dan ritmis yang pertama kali diperkenalkan oleh Abu
2.
Ja’far Muhammad Ibn Musa Al Khwarizmi pada 825 M di dalam buku Al-Jabr Wa-al
Muqabla. Dalam bidang pemrograman, algoritma dide?nisikan sebagai metode yang terdiri
dari serangkaian langkah yang terstruktur dan sistematis untuk menyelesaikan masalah
dengan bantuan komputer (Jando & Nani, 2018, 5).
3.Algoritma menurut (Munir & Lidya, 2016, 5) adalah urutan langkah-langkah untuk
menyelesaikan suatu persoalan.
4.Algoritma merupakan sekumpulan instruksi atau langkah-langkah yang dituliskan secara
sistematis dan digunakan untuk menyelesaikan masalah / persoalan logika dan matematika
dengan bantuan komputer (Sismoro, 2005, 29).
 ALGORITMA UNTUK FITTING
DATA SECARA NUMERIK METODE
NEWTON
Metode Newton-Raphson adalah salah satu metode numerik untuk fitting data secara numerik. Berikut adalah algoritma
untuk metode Newton-Raphson :

 Tentukan fungsi yang akan di-fit dan tentukan nilai awal dari parameter yang akan di-fit.

 Hitung turunan pertama dan turunan kedua dari fungsi tersebut

 Hitung nilai parameter baru dengan menggunakan rumus:

xn+1​=xn​−f′(xn​)f(xn​)​
 Ulangi langkah 2 dan 3 sampai nilai parameter konvergen ke nilai yang diinginkan.
Algoritma ini dapat digunakan untuk fitting data dengan fungsi non-linear

Referensi:
1 I Wayan Santiyasa. "ALGORITMA NEWTON RAPHSON DENGAN FUNGSI NON-LINIER". Universitas Udayana.
 TIGA ELEMEN
Arsiktektur
Arsitektur atau seni bina (
Bahasa Belanda: architectuur) adalah
proses dan produk dari perencanaan
peranca ngan.dan konstruksi
bangunan atau struktur lainnya
Komputasi
Komputasi sebetulnya bisa diartikan
sebagai cara untuk menemukan
pemecahan masalah dari data input
dengan menggunakan suatu algoritme.
Numerik
numerik adalah semua jenis
data yang berisi angka
Arsiktektur untuk
komputasi numerik
Arsitektur untuk komputasi numerik adalah suatu pendekatan
penyelesaian masalah matematika dengan menggunakan beberapa
metode numerik5
. Komputasi numerik merupakan suatu teknik untuk menyelesaikan
permasalahan-permasalahan yang diformulasikan secara matematis
dengan menggunakan operasi hitungan5
. Oleh karena itu, komputasi numerik menjadi sangat penting,
khususnya dalam kaitannya dengan meningkatnya peranan metode-
metode matematika dalam berbagai bidang sains dan teknologi serta
hadirnya teknologi pendukung berupa komputer berkemampuan
tinggi5
.
 Beberapa arsitektur yang digunakan dalam komputasi numerik antara lain:

Arsitektur Cluster: Arsitektur ini merupakan salah satu bentuk komputasi paralel yang digunakan
dalam hal aturan, sumber daya komputasional, dan sekuensial job

Neural Network: Arsitektur ini digunakan untuk klasifikasi kondisi mata berdasarkan sinyal EEG

Sistem Interkoneksi: Arsitektur ini digunakan dalam arsitektur komputasi cluster

Terlepas dari arsitektur yang digunakan, pemilihan metode yang efisien (memerlukan sesedikit
mungkin operasi hitung) merupakan aspek penting dalam komputasi numerik Terdapat banyak jenis
metode numerik, namun pada dasarnya, masing-masing metode tersebut memiliki karakteristik
umum, yaitu selalu mencakup sejumlah kalkulasi aritmetika
Terdapat beberapa jenis arsitektur paralel, yaitu :

 Multiple Instructions – Multiple Data (MIMD)

 Multiple Instructions – Single Data (MISD)
 Single Instruction – Multiple Data (SIMD)
 Single Instruction – Single Data (SISD)

Sistem komputer paralel dibedakan dari cara kerja memorinya menjadi shared memory
dan distributed memory. Shared memory berarti memori tunggal diakses oleh satu atau
lebih prosesor untuk menjalankan instruksi sedangkan distributed memory berarti setiap
prosesor memiliki memori sendiri untuk menjalankan instruksi

Komputasi paralel membutuhkan algoritma, bahasa pemrograman, dan compiler yang

mendukung paralelisme Algoritma paralel lebih banyak difokuskan kepada algoritma untuk
menyelesaikan masalah numerik, karena masalah numerik merupakan salah satu
masalah yang memerlukan kecepatan komputasi yang sangat tinggi untuk memudahkan
pengguna dalam berinteraksi dari satu sistem ke sistem yang lain2
.
 Arsitektur untuk komputasi numerik,
termasuk arsitektur parallel
Arsitektur untuk komputasi numerik, termasuk arsitektur parallel, adalah arsitektur yang memungkinkan
penggunaan lebih dari satu CPU untuk menjalankan sebuah program secara simultan2
. Arsitektur ini terdiri dari beberapa elemen pemroses (Processing Elements) yang bekerja sama dalam
menyelesaikan sebuah masalah besar1
. 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 masalah1
. Adapun komponen-komponen utama dari arsitektur komputer paralel cluster PC antara lain1
 CPU
 Memori
 Jaringan
 Sistem operasi
 Middleware
Terdapat beberapa jenis arsitektur paralel, yaitu :

 Multiple Instructions – Multiple Data (MIMD)

 Multiple Instructions – Single Data (MISD)
 Single Instruction – Multiple Data (SIMD)
 Single Instruction – Single Data (SISD)

Sistem komputer paralel dibedakan dari cara kerja memorinya menjadi shared memory dan
distributed memory. Shared memory berarti memori tunggal diakses oleh satu atau lebih prosesor
untuk menjalankan instruksi sedangkan distributed memory berarti setiap prosesor memiliki
memori sendiri untuk menjalankan instruksi

Komputasi paralel membutuhkan algoritma, bahasa pemrograman, dan compiler yang mendukung
paralelisme Algoritma paralel lebih banyak difokuskan kepada algoritma untuk menyelesaikan
masalah numerik, karena masalah numerik merupakan salah satu masalah yang memerlukan
kecepatan komputasi yang sangat tinggi untuk memudahkan pengguna dalam berinteraksi dari satu
sistem ke sistem yang lain2
.
 komputasi paralel, terdapat yang dinamakan dengan pemrograman paralel. Pemrograman paralel adalah teknik
pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan (komputasi paralel), baik
dalam komputer dengan satu (prosesor tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU

.Dalam arsitektur komputer paralel, terdapat beberapa istilah dalam pemrograman paralel, yaitu

 Embarasingly Parallel: pemrograman paralel yang digunakan pada masalah-masalah yang bisa diparalelkan tanpa
membutuhkan komunikasi satu sama lain.
 Parallel Virtual Machine (PVM): sebuah software yang memungkinkan beberapa komputer yang terhubung dalam
jaringan untuk bekerja sama dalam menyelesaikan suatu masalah.
 Message Passing Interface (MPI): sebuah standar komunikasi yang digunakan dalam pemrograman paralel untuk
mengirim dan menerima pesan antar proses.

Dalam komputasi paralel, peningkatan kecepatan yang didapat dari persamaan speed up adalah semakin banyak hal
yang bisa dilakukan secara bersamaan, semakin banyak pekerjaan yang bisa diselesaikan
Dalam 3
.
02 PROPERTI DASAR DARI KOMPUTASI
PARALEL DAN TERDISTRIBUSI
Berikut adalah beberapa properti dasar dari komputasi parallel terdistribusi:Program dipecah ke dalam bagian-bagian yang
berjalan secara simultan pada banyak komputer yang terhubung melalui jaringan1
 Komputasi terdistribusi adalah proses berjalannya sebuah aktifitas komputasi yang dilakukan oleh lebih dari satu komputer
yang berbeda4
 Tujuan utama dari sistem komputasi terdistribusi adalah untuk menghubungkan para pengguna dan sumber daya dalam
cara yang transparent, open, dan scalable
 Komputasi terdistribusi dapat dilihat sebagai bentuk longgar ditambah komputasi paralel3
 Komputasi paralel terdistribusi memungkinkan adanya pendistribusian proses data dan obyek lintas jaringan system yang
terkoneksi4
 Komputasi terdistribusi memungkinkan pengguna sistem terdistribusi untuk melihat sumber daya yang terpisah tersebut
seolah-olah sebagai satu sistem komputer tunggal, seperti yang biasa digunakannya4
 Komputasi terdistribusi dapat mengganggu proses numerik dan mengubah akurasi model5
 Perhitungan terdistribusi memerlukan solusi pelatihan terdistribusi untuk meringankan tantangan tersebut untuk berbagai
kasus penggunaan5
 Beberapa algoritme mendukung pelatihan terdistribusi multi-instance, sedangkan algoritme paralelisasi lainnya
mendukung paralelisasi di beberapa GPU dalam satu contoh5
 Paralelisme data yang dipecah adalah teknik pelatihan terdistribusi hemat memori yang membagi keadaan model
(parameter model, gradien, dan status pengoptimal)
  Bandwidth

Bandwidth ( Bahasa Inggris : bandwidth ) mengacu pada kecepatan suatu

jaringan komputer . Bandwidth diukur dalam satuan bit per detik atau bit per
detik. Misalnya jaringan Gigabit Ethernet mampu mendukung kecepatan atau
bandwidth maksimal hingga 1000 Mbps atau 1 Gbps dibandingkan dengan teknologi
Fast Ethernet yang hanya mendukung bandwidth 100 Mbps.
  Latency

Dalam komputasi, latensi (atau waktu transit, atau penundaan) adalah penundaan transmisi
dalam komunikasi komputer kelambatan anglicisme ).
Ini mengacu pada waktu yang dibutuhkan paket data untuk berpindah dari sumber ke tujuan
melalui jaringan.
Oleh karena itu, setiap paket yang dikirimkan melalui jaringan sesuai dengan nilai
latensi. Namun istilah ini digunakan untuk menunjukkan penundaan yang lebih lama, yang dapat
dirasakan oleh pengguna.
Kami juga berbicara tentang latensi untuk waktu akses terhadap informasi pada memori atau
sistem penyimpanan (disk atau pita magnetik).
.
  Scalability

Scalability adalah kemampuan suatu sistem, jaringan, atau proses untuk menangani penambahan
beban yang diberikan, atau potensinya untuk menangani penambahan beban tanpa penurunan kinerja
yang berarti. Dalam dunia bisnis, scalability adalah kemampuan perusahaan untuk tumbuh dan
berkembang sehingga dapat memenuhi permintaan pelanggan sambil mempertahankan kualitas
pelayan. Beberapa karakteristik dari bisnis yang scalable antara lain memiliki model bisnis yang bisa
direplikasi, memiliki produk atau layanan yang dapat dijual secara online, dan memiliki biaya
operasional yang rendah. Dalam sistem informasi, scalability berarti kemampuan sistem untuk
menangani pertumbuhan jumlah data dan concurrency tanpa memberikan dampak pada kinerja
.
  Granularity

Granularity adalah tingkat kedetailan data dalam suatu data warehouse.

Semakin detail data, maka tingkat granularity-nya akan semakin rendah juga. Jadi
Level Low / yang paling terendah adalah ketika tingkat kedetailan yang
tinggi,misalnya pada data transaksi.
  parallelisme termasuk task, data, dan parallelisme event

Paralelisme adalah sebuah konsep dalam ilmu komputer yang melibatkan pembagian tugas menjadi bagian-
bagian kecil yang dapat dijalankan secara bersamaan. Ada dua jenis utama paralelisme: paralelisme tugas dan
paralelisme data
Paralelisme tugas melibatkan pendistribusian tugas ke seluruh prosesor yang berbeda, di mana setiap prosesor
mengeksekusi thread atau proses berbeda pada data yang sama atau berbeda.
Paralelisme data mengacu pada skenario di mana operasi yang sama dilakukan secara bersamaan pada elemen
dalam kumpulan atau larik sumber. Paralelisme dapat diterapkan untuk memecahkan masalah yang memerlukan
banyak daya komputasi, dan dapat memberikan peningkatan kinerja yang signifikan dibandingkan loop sekuensial
biasa.
Paralelisme dapat digunakan untuk mempercepat, tetapi juga menambah kompleksitas yang tidak ditemui
dalam kode sekuensial. Singkatnya, paralelisme mencakup paralelisme tugas dan paralelisme data, yang
merupakan dua pendekatan berbeda untuk membagi tugas menjadi bagian-bagian lebih kecil yang dapat
dijalankan secara bersamaan. Paralelisme tugas berfokus pada pendistribusian tugas ke seluruh prosesor yang
berbeda, sedangkan paralelisme data menekankan sifat data yang terdistribusi (paralel)..
 Thanks!
Does anyone have any questions?

CREDITS: This presentation template was created by Slidesgo, including icons by

Flaticon, infographics & images by Freepik