pr PC
m
m gr
H se
Gam
4.2
Se maka
4.2.1
ini m komp
meng roses terseb
CA. Setelah matriks reduk
Dari hasil melakukan re
rafik yang m Halaman gra
eperti pada G
mbar 11 Ha deng
Rancang
esuai denga a sistem aka
1 Kompone
Seperti ya menjadi anta
putasi secar ggunakan P
ut, grid ma h itu, dilaku
ksi yang tel regresi line
ekonstruksi membandin
fik perband Gambar 12.
alaman graf gan hasil rek
gan Algoritm
an rancangan an dibagi m
en web
ang dijelaska armuka peng
ra online. K PHP dan My
atriks RegC ukan proses
ah dilakuka ear tersebut
data curah ngkan nilai p
dingan nilai .
fik perband konstruksi.
ma
n arsitektur menjadi dua k
an pada bag gguna untuk
Komponen i ySQL.
M3 akan di regresi terh
an sebelumn diperoleh n
hujan dan d pengamatan
obervasi, re
dingan nilai
r sistem yan komponen,
gian Rancan k menampil
ini dikemba ireduksi me
hadap nilai p nya.
nilai yang di dapat ditamp
n dengan nil ekonstruksi
i curah huj
ng telah diten yaitu:
ngan Aristek lkan hasil pr
angkan berb enggunkan p
pengamatan
iperlukan un pilkan dalam
lai rekonstru dan RegCM
jan hasil p
ntukan sebe
ktur Sitem, roses dari k
basis web 28
proses n dengan
ntuk m bentuk
uksi. M3 tampak
engamatan
elumnya,
komponen komponen
4.2.2 Komponen komputasi
Komponen in dikembangkan dengan menggunakan MATLAB. Pada bagian ini terdapat tiga fungsi yang akan dijalankan baik secara komputasi serial dan
komputasi paralel. Tiga fungsi tersebut adalah: a.
Fungsi reduksi_PCA Pada fungsi ini akan dibaca file matriks pemetaan RegCM3 kemudian
dilakukan proses reduksi matriks dengan PCA. Sehingga matriks akan direduksi dengan ukuran nilai c yang telah ditentukan sebelumnya. Hasil
matriks reduksi akan disimpan dalam bentuk file yang dapat dibaca oleh komponen web dan yang akan menjadi input bagi fungsi regresi_linear.
b. Fungsi regresi_linear
Fungsi ini membaca file nilai pengamatan pada titik observasi dan file matriks reduksi hasil proses PCA. Kemudian dilakuan proses regresi linear
dimana nilai pengamatan merupakan nilai hasil fungsi dan matriks reduksi PCA merupakan variabel. Sehingga diperoleh nilai konstanta b. Lalu nilai
konstanta b tersebut disimpan di dalam bentuk file. c.
Fungsi rekonstruksi Fungsi ini akan menghasilkan rekonstruksi data curah hujan berdasarkan
nilai konstanta b dan matriks reduksi PCA. Kemudian hasilnya disimpan dalam bentuk file yang dapat dibaca oleh komponen web.
4.3 Analisis Kompleksitas Sistem
Analisis kompleksitas difokuskan pada komponen komputasi yang melakukan proses perhitungan. Pada komponen ini terdapat tiga fungsi yang
dijalankan secara serial dan paralel. a.
Fungsi reduksi_PCA Pada fungsi reduksi_PCA secara serial, terdapat 2 looping nested for
sehingga kompleksitas waktu adalah . Pada komputasi paralel, looping
pada banyak observsi dapat dipecah sesuai dengan jumlah prosesor secara paralel maka kompleksitas waktu menjadi
. Secara keseluruhan, speedup fungsi reduksi_PCA adalah
.
b. Fungsi regresi
Untuk fungsi regresi secara serial, terdapat 2 looping nested for sehingga kompleksitas waktu adalah
, Untuk komputasi paralel, looping pada banyak observsi dapat juga dipecah sesuai dengan jumlah prosesor secara
paralel maka kompleksitas waktu menjadi . Secara keseluruhan, speedup
fungsi reduksi_PCA paralel adalah .
c. Fungsi rekonstruksi
Fungsi rekonstruksi secara serial, terdapat looping nested for yang terdapat 2 looping for sehingga kompleksitas waktu adalah
. Pada komputasi paralel looping pada banyak observsi dapat dipecah sesuai dengan jumlah
prosesor secara paralel maka kompleksitas waktu menjadi . Secara
keseluruhan, speedup fungsi rekonstruksi adalah .
4.4 AMD Turion X2 Mobile Technology
Prosesor yang digunakan untuk mengimplementasikan pemrograman paralel pada penelitian ini adalah prosesor AMD Turion X2 Mobile Technology TL-58.
Prosesor jenis ini, seperti yang tampak pada Gambar 18, merupakan Prosesor Turion dual-core
yang didasarkan pada arsitektur K8 dan memiliki cache level 1 sebesar 128KB, dan dua buah cache level 2 sebesar 512KB, dual-channel
DDR2 memory controller dan sebuah hyper-transport link.
