35
Pemrosesan algoritma searching dan sorting dengan ukuran data 9.000.000 data, CPU membutuhkan waktu 15,040 detik untuk sorting dan 0,000224 detik untuk searching,
karena CPU keluaran terbaru sudah dilengkapi dengan Floating Point Unit FPU yang ditanamkan oleh pabrikan di chipset.
Namun FPU pada CPU belum bisa memberikan waktu proses seperti pada saat implementasi sorting dan searching. Pada saat memproses data input yang berupa floating
point pada implementasi algoritma perkalian matriks membutuhkan waktu pemrosesan 3.183,011 detik dan metode eliminasi gauss jordan membutuhkan waktu 787,667 detik
dengan menggunakan input data matriks yang berukuran 5000 x 5000.
4.2. Pengujian dengan GPU Computing
Pengujian pada GPU computing dengan menggunakan beberapa aplikasi yang juga digunakan pada CPU computing , yang nantinya akan di eksekusi secara bersamaan, dan
hasilnya akan dibandingkan dengan metode lainnnya.
4.2.1. Pengujian dengan Integer
A. Aplikasi yang Diuji
Aplikasi sorting , perkalian matriks, binary search , dan eliminasi gauss jordan dengan menggunakan input bilangan floating point.
B. Langkah Pengujian
1. Input jumlah data pada masing-masing aplikasi.
2. Eksekusi keempat aplikasi secara bersamaan.
3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi.
C. Hasil dan Analisa
36
Tabel 4.3. Pengujian Multitasking GPU dengan input Data Integer
Sorting Jumlah
data Waktu ms
Binary Search
Jumlah data
Waktums 1.000.000
0,002464 1.000.000
0,065376 3.000.000
0,002464 3.000.000
0,076544 5.000.000
0,002464 5.000.000
0,078528 7.000.000
0,002464 7.000.000
0,085376 9.000.000
0,002528 9.000.000
0,084224 Gauss
J Ukuran
Variabel Waktu ms
Matriks Ukuran
Waktums 1.000
0,002496 1.000
0,002464 2.000
0,002496 2.000
0,002624 3.000
0,002432 3.000
0,002464 4.000
0,002624 4.000
0,002464 5.000
0,002624 5.000
0,002464
Berbeda dengan menggunakan CPU yang membutuhkan waktu proses lebih dari 50 menit pada saat pemrosesan perkalian matriks dengan ukuran data matriks yang sama yaitu
5000 x 5000, data yang di proses oleh GPU membutuhkan waktu proses 0,002464 milidetik. Karena GPU memiliki memori utama tersendiri untuk menopang kinerja dan
jumlah core processor CUDA yang digunakan mempunyai 144 inti, dibandingkan dengan core processor CPU yang digunakan berjumlah 2 inti
4.2.2. Pengujian dengan Floating Point
A. Aplikasi yang Diuji
Aplikasi sorting , perkalian matriks, binary search , dan eliminasi gauss jordan dengan menggunakan input bilangan floating point.
B. Langkah Pengujian
1. Input jumlah data pada masing-masing aplikasi.
2. Eksekusi keempat aplikasi secara bersamaan.
3. Setelah selesai catat waktu yang dibutuhkan masing-masing aplikasi.
C. Hasil dan Analisa
37
Tabel 4.4. Pengujian Multitasking GPU dengan input Data Floating Point
Sorting Jumlah
data Waktu ms
Binary Search
Jumlah data
Waktums 1.000.000
0,002464 1.000.000
0,075376 3.000.000
0,002464 3.000.000
0,076544 5.000.000
0,002464 5.000.000
0,078528 7.000.000
0,002464 7.000.000
0,085376 9.000.000
0,002528 9.000.000
0,088321 Gauss
J Ukuran
Variabel Waktu ms
Matriks Ukuran
Waktums 1.000
0,002496 1.000
0,002464 2.000
0,002496 2.000
0,002624 3.000
0,002432 3.000
0,002464 4.000
0,002624 4.000
0,002464 5.000
0,002510 5.000
0,002464
Pada saat input dengan menggunakan data bertipe float, waktu yang dibutuhkan dalam pemrosesan tidak berbeda jauh dengan input data integer yang sebelumnya telah
diuji. Dengan matriks 5000 x 5000 data integer membutuhkan waktu 0,002464 milidetik dan dengan input jumlah data yang sama tetapi bertipe float waktu prosesnya 0,088321
milidetik. Berbeda dengan pemrosesan menggunakan CPU yang sudah memiliki FPU, waktu pemrosesan pada perhitungan matriks 5000 x 5000 membutuhkan waktu 3.183,011
detik. GPU CUDA didesain untuk render grafis yang memiliki data
– data floating point dan di desain menggunakan arsitektur yang berbeda untuk pengolahan data, maka
pemrosesan dengan input data float tidak akan membebani dari kinerja GPU.
4.3. Pengujian dengan MPI