SISTEM KOMPUTASI PARALEL MENGGUNAKAN GPU BERBASIS NVIDIA CUDA
Abstract
Dalam sebuah penelitian yang melakukan pengolahan data dalam jumlah yang banyak, umumnya dibutuhkan waktu yang cukup lama untuk melakukan suatu proses komputasi agar menghasilkan output yang diinginkan. Penggunaan teknologi pemrosesan paralel menjadi salah satu alternatif untuk menyelesaikan suatu tugas yang membutuhkan komputasi besar. Graphical Processing Unit (GPU) memiliki kemampuan komputasi paralel karena strukturnya yang paralel dengan banyak core yang saling bekerja sama untuk memproses piksel grafis komputer dalam volume yang besar. Pada penelitian ini akan dikembangkan sebuah sistem komputer untuk melakukan komputasi secara paralel menggunakan GPU yang bisa diakses secara remote agar dapat dimanfaatkan kebutuhkan pemrosesan paralel di lingkungan Fakultas Teknologi Informasi Universitas YARSI. Pada sistem komputasi paralel yang dibangun, digunakan GPU berbasis NVIDIA dengan chipset GeForce RTX 2070 yang memiliki 2304 Cores. CPU yang digunakan adalah intel i5 9400F 2.9GHz 6 core dengan memori DDR4 8GB. Dari hasil pengujian didapatkan GPU GeForce RTX 2070 memiliki kecepatan transfer 3 GB/s. Dari hasil pengujian dengan perkalian matriks, pada matriks berukuran 52x52 dan lebih kecil, komputasi menggunakan CPU lebih cepat dibandingkan dengan GPU. Sedangkan pada matriks berukuran 64x64 ke atas, kecepatan komputasi GPU yang didapat lebih cepat dibandingkan CPU. Pada perkalian matriks berukuran 4096x4096, kecepatan GPU 4312,75 kali lebih cepat dibandingkan dengan CPU.
Kata Kunci : komputasi paralel, GPU, CUDA
Keywords
Full Text:
PDFReferences
B, Blaise dan L, Lawrance “What is Parallel Computing?” [online]. Diakses dari https://computing.llnl.gov/tutorials/parallel_comp/ pada 25 April 2018.
Calı, M., & Di Mauro, V. “Performance Analysis of Roberts Edge Detection Using CUDA and OpenGL”. Proceedings of the International Symposium for Young Scientists in Technology, Engineering and Mathematics. pp. 55 62, 2016.
Koprawi, M, T.B. Adji, and D. Adhipta. "Analisis Performa Komputasi Paralel GPU Menggunakan PYCUDA dan PYOPENCL dengan Komputasi Serial CPU pada Citra Digital." The 9th National Conference on Information Technology and Electrical Engineering 2017.
M. A. Gray, “Getting started with gpu programming,” Comput. Sci. Eng., vol. 11, no. 4, pp. 61 64, 2009.
WANG, Kai; SHEN, Zhen. Artificial societies and GPU based cloud computing for intelligent transportation management. IEEE Intelligent Systems, 2011, 26.4: 22-28.
Walters, John Paul, dkk. "GPU passthrough performance: A comparison of KVM, Xen, VMWare ESXi, and LXC for CUDA and OpenCL applications."Cloud Computing (CLOUD), 2014 IEEE 7th International Conference on. IEEE, 2014.
X. Wang, X. Li, M. Zou, and J. Zhou, “AES finalists implementation for GPU and multi core CPU based on OpenCL,” 2011, pp. 38-42.
DOI: http://dx.doi.org/10.32497/orbith.v17i2.2970
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats