Gambar 19 Grafik perbandingan speedup pada fungsi regresi.
Gambar 20 Grafik perbandingan speedup pada fungsi rekonstruksi.
Speedup untuk gabungan ketiga fungsi di atas, sama seperti pada fungsi
PCA_reduksi , speedup paling kecil adalah pada saat proses matriks berdimensi
3x3 direduksi menjadi 1 dengan 4 thread. Sedang speedup yang paling besar adalah proses berdimensi 7x7 direduksi menjadi 5 dengan 2 thread. Hal ini dapat
dilihat pada Gambar 22.
0.1 0.2
0.3 0.4
0.5 0.6
2 thread
3 thread
4 thread
Speedup
jumlah thread
ukuran data=1
ukuran data=3
ukuran data=5
0.1 0.2
0.3 0.4
0.5 0.6
2 thread
3 thread
4 thread
Speedup
jumlah thread
ukuran data=1
ukuran data=3
ukuran data=5
Gambar 21 Grafik perbandingan speedup pada gabungan ketiga fungsi.
3. Efesiensi
Efesiensi merupakan perbandingan antara nilai speedup dengan jumlah prosesor yang digunakan. Nilai efesiensi berada antara 0 sampai 1. Efesiensi yang
baik adalah yang nilainya mendekati 1. Hal ini menunjukan, bahwa tingkat utilisasi komputasi setiap prosesor bekerja dengan penuh, tanpa ada prosesor yang
menganggur. Untuk fungsi PCA_reduksi, efesiensi paling kecil adalah pada saat proses
matriks berdimensi 3x3 direduksi menjadi 1 dengan 4 thread. Sedang efesiensi yang paling besar adalah proses berdimensi 7x7 direduksi menjadi 5 dengan 2
thread. Seperti yang terlihat pada Gambar 23.
Gambar 22 Grafik perbandingan efesiensi pada fungsi PCA_reduksi.
0.5 1
1.5 2
2 thread
3 thread
4 thread
Sp eedup
jumlah thread
matriks 3x3 menjadi 1
matriks 3x3 menjadi 3
matriks 3x3 menjadi 5
matriks 5x5 menjadi 1
matriks 5x5 menjadi 3
matriks 5x5 menjadi 5
matriks 7x7 menjadi 1
matriks 7x7 menjadi 3
0.1 0.2
0.3 0.4
0.5 0.6
0.7 0.8
0.9 1
2 thread
3 thread
4 thread
Ef es
ie n
si
jumlah thread
matriks 3x3 menjadi 1
matriks 3x3 menjadi 3
matriks 3x3 menjadi 5
matriks 5x5 menjadi 1
matriks 5x5 menjadi 3
matriks 5x5 menjadi 5
matriks 7x7 menjadi 1
matriks 7x7 menjadi 3
matriks 7x7 menjadi 5
Lalu untuk fungsi regresi, efesiensi paling kecil adalah pada proses yang banyak komponen PCA sebesar 1 dengan 4 thread. Untik efesiensi yang paling
besar adalah proses yang banyak komponen PCA sebesar 5 dengan 2 thread. Seperti yang terlihat pada Gambar 24.
Gambar 23 Grafik perbandingan efesiensi pada fungsi regresi.
Gambar 24 Grafik perbandingan efesiensi pada fungsi rekonstruksi.
0.05 0.1
0.15 0.2
0.25 0.3
2 thread
3 thread
4 thread
Ef es
ien si
jumlah thread
ukuran data=1
ukuran data=3
ukuran data=5
0.05 0.1
0.15 0.2
0.25
2 thread
3 thread
4 thread
Ef es
ie ns
i
Jumlah thread
ukuran data=1
ukuran data=3
ukuran data=5
Untuk fungsi rekonstruksi, efesiensi pun paling kecil adalah pada proses yang banyak komponen PCA sebesar 1 dengan 4 thread. Untuk efesiensi yang
paling besar adalah proses yang banyak komponen PCA sebesar 5. Seperti yang terlihat pada Gambar 25.
Seperti yang tampak pada Gambar26, bila ketiga fungsi tersebut digabungkan, maka efesiensi akan sama seperti fungsi PCA_reduksi, efesiensi
paling kecil adalah pada saat proses matriks berdimensi 3x3 direduksi menjadi 1 dengan 4 thread. Sedang efesiensi yang paling besar adalah proses berdimensi 7x7
direduksi menjadi 5 dengan 2 thread. Seperti yang terlihat pada Gambar 26.
Gambar 25 Grafik perbandingan efesiensi pada gabungan ketiga fungsi.
4. Total Parallel Overhead
Total Parallel Overhead merupakan tambahan waktu yang ada komputasi
secara parlel. Overhead pada komputasi paralel berhubungan dengan tingkat efesiensi paralel. Semakin rendah efesiensi komputasi paralel, maka semakin
tinggi overhead yang terjadi. Dan sebaliknya, semakin tinggi efesiensi komputasi paralel, maka semakin rendah tingkat overhead.
Overhead untuk fungsi PCA_reduksi, overhead paling kecil adalah pada saat proses matriks berdimensi 7x7 direduksi menjadi 5 dengan 2 thread. Sedang
overhead yang paling besar adalah proses berdimensi 3x3 direduksi menjadi 1
pada dengan 4 thread. Seperti yang terlihat pada Gambar 27.
0.2 0.4
0.6 0.8
1
2 thread
3 thread
4 thread
Efesi e
nsi
jumlah thread
matriks 3x3 menjadi 1
matriks 3x3 menjadi 3
matriks 3x3 menjadi 5
matriks 5x5 menjadi 1
matriks 5x5 menjadi 3
matriks 5x5 menjadi 5
matriks 7x7 menjadi 1
matriks 7x7 menjadi 3
Gambar 26 Grafik perbandingan overhead pada fungsi PCA_reduksi.
Untuk fungsi regresi dan rekonstruksi memiliki overhead yang hampir sama. Overhead yang paling kecil ada pada proses dengan jumlah komponen
matriks reduksi sebesar 1 dengan 2 thread. Overhead yang paling besar adalah pada proses dengan jumlah matriks reduksi sebesar 5 dengan 4 thread. Hal ini
dapat dilihat pada Gambar 28 dan Gambar 29.
Gambar 27 Grafik perbandingan overhead pada fungsi regresi.
0.2 0.4
0.6 0.8
1 1.2
1.4 1.6
2 thread
3 thread
4 thread
Total Pa
ra ll
el Ov
erh e
ad
jumlah thread
matriks 3x3 menjadi 1
matriks 3x3 menjadi 3
matriks 3x3 menjadi 5
matriks 5x5 menjadi 1
matriks 5x5 menjadi 3
matriks 5x5 menjadi 5
matriks 7x7 menjadi 1
matriks 7x7 menjadi 3
matriks 7x7 menjadi 5
0.2 0.4
0.6 0.8
1 1.2
1.4 1.6
2 thread
3 thread
4 thread
Total Pa
ra ll
el Ov
erh e
ad
jumlah thread
ukuran data=1
ukuran data=3
ukuran data=5
