Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini membahas suatu algoritma untuk mencari key suatu Multivalued Dependency. Dalam algoritma ini digunakan sebuah priority queue yang dinamakan CANDIDATE untuk menempatkan semua kandidat key. Elemen pertama dalam queue tersebut diambil sebagai key X dan dibandingkan dengan kandidat-kandidat key X' > X yang lain dalam queue tersebut. Jika CDEP(X') = Φ untuk sembarang kandidat key X', maka X' dihapus dari queue. Selanjutnya dilakukan penyisipan sembarang kandidat key Z > X ke dalam priority queue CANDIDATE. Kemudian dibandingkan kembali dengan kandidat-kandidat key yang lain, dan dihapus dan queue jika CDEF(Z) = Φ. Demikianlah sebuah nonkey dalam himpunan kandidat key dapat dihapus dari dalam priority queue CANDIDATE. Proses perbandingan dan penghapusan ini dilakukan berulang-ulang. Sementara sebuah key tidak dihapus sampai key tersebut diambil sebagai elemen yang paling atas dalam quenue tersebut. Akhirnya akan didapatkan sebauah himpunan key dari suatu himpunan Multivalued Dependency."

"Dalam bioinformatika penelusuran basis data sekuens digunakan untuk mencari kemiripan antara sebuah sekuens dengan sekuens lainnya pada suatu basis data sekuens Salah satu algoritma untuk menghitung skor kemiripan yang optimal adalah algoritma Smith Waterman yang menggunakan pemrograman dinamik Algoritma ini memiliki kompleksitas waktu kuadratik yaitu O n2 sehingga untuk data yang berukuran besar membutuhkan waktu komputasi yang lama Komputasi paralel diperlukan dalam penelusuran basis data sekuens ini agar waktu yang dibutuhkan lebih cepat dan memiliki kinerja yang baik Dalam skripsi ini akan dibahas implementasi paralel untuk algoritma Smith Waterman menggunakan bahasa pemrograman CUDA C pada GPU dengan NVCC compiler pada Linux Selanjutnya dilakukan analisis kinerja untuk beberapa model paralelisasi tersebut yaitu Inter task Parallelization Intra task Parallelization dan gabungan keduanya Berdasarkan hasil simulasi yang dilakukan paralelisasi dengan gabungan kedua model menghasilkan kinerja yang lebih baik dari model lainnya Paralelisasi dengan model gabungan menghasilkan rata rata speed up sebesar 313x dan rata rata efisiensi sebesar 0 93

---

In bioinformatics sequence database searches are applied to find the similarity between a sequence with other sequences in a sequence database One of the algorithms to compute the optimal similarity score is Smith Waterman algorithm that uses dynamic programming This algorithm has a quadratic time complexity O n2 which requires a long computation time for large sized data In this occasion parallel computing is essential to solve this sequence database searches in order to reduce the running time and to increase the performance In this mini thesis we discuss the parallel implementation of Smith Waterman algorithm using CUDA C programming language with NVCC compiler on Linux Furthermore we run the performance analysis using three parallelization models including Inter task Parallelization Intra task Parallelization and a combination of both models Based on the simulation results a combination of both models has better performance than the others In addition parallelization using combination of both models achieves an average speed up of 313x and an average efficiency with a factor of 0 93"

"Penggunaan komputer sebagai alat komputasi yang menyangkut aplikasi-aplikasi yang bersifat kritis memerlukan kemampuan fault-tolerance, karena jika terjadi suatu kerusakan akan berakibat kerugian yang sangat besar. Untuk meningkatkan kehandalan dan keberadaan suatu sistem komputer, disediakan sumber daya tambahan (redundant resources) yang mampu mengambil alih proses jika terjadi kegagalan. Penambahan ini akan menaikkan biaya (cost), namun biaya tersebut akan menjadi murah jika dibandingkan dengan terjadinya kegagalan. Sistem komputasi fault-tolerant yang dirancang dengan menggunakan metode tertentu harus mampu meminimasi waktu yang terbuang saat terjadinya recovery sistem (rollback recovery). Metode optimasi checkpointing merupakan metode yang handal mengingat biaya dan waktu yang terbuang saat terjadinya recovery sistem. Metode tersebut menggunakan sejumlah checkpoint (keadaan proses yang dibutuhkan untuk melanjutkan komputasi) (yang optimal, sehingga dapat meminimasi waktu yang terbuang yang diperlukan untuk recovery. Penyisipan sejumlah checkpoint dalam proses komputasi tersebut berguna untuk mencegah terjadinya komputasi dari awal pada pelayan cadangan (redundant resources), bila terjadi kegagalan pada pelayan utama. Prosedur pembuatan checkpoint perlu dibuat secara efisien mengingat aplikasi-aplikasi yang diterapkan pada sistem ini membutuhkan kecepatan yang tinggi. Pada Penelitian ini dibahas implementasi sistem komputasi fault-tolerant dengan menggunakan metode optimasi checkpointing dan rollback recovery yang diterapkan pada sistem jaringan (distributed system). Penentuan jumlah checkpoint yang optimal dilakukan melalui analisa matematis dan uji coba hasil rancangan sistem dengan mengubah-ubah jumlah checkpoint tersebut."

"Suatu pewarnaan edge yang minimum (minimum edge coloring) pada graph merupakan suatu partisi pada himpunan edge menjadi D matching, konstanta D merupakan derajad vertex terbesar pada graph. Dalam tulisan ini akan dibicarakan dua algoritma pewarnaan edge yang bekerja dalam kompleksitas waktu D(nm), dan 0(n3). Algoritma kedua akan lebih baik (efisien) untuk kasus di mana D merupakan pangkat dari dua."

"Metode penyelesaian masalah komputasi swam paralel telah menjadi pemicu berkembangnya teknologi komputasi modern. Jaringan stasiun keda berkemampuan tinggi mempunyai peluang untuk dimanfaatkan sebagai sarana bagi aplikasi ilmiah komputasi paralel dan terdistribusi. Aplikasi ilmiah pads Tugas Akhir ini berdasarkan atas basil penelitian yang telah dilakukan sebelumnya, mengenai masalah dispersi polusi udara dengan sumber polutan cerobong dan jalan raya. Orde komputasi untuk aplikasi ilmiah ini memiliki granularitas tinggi. Aplikasi ilmiah ini merupakan gabungan dari 2 bush perhitungan komputasi polusi udara dengan cumber polutan yang berbeda, yaitu somber polutan cerobong dan somber polutan jalan raya. Konsentrasi polutan, karakteristik utama penyebaran polusi dikalkulasi menurut pantauan wilayah somber polutan Karena memilild fungsi-fungsi perhitungan utama yang berbeda, maka selain teknik penyelesaian masalah dengan partisi data, aplikasi ilmiah ini jugs dapat digunakan untuk menguji coba rancangan algoritma paralel dengan partisi fungsi. Alokasi fungsi dan pembebanan keda dengan pengolahan paralel dapat dilakukan dengan berbaga.i macam variasi namun intinya tetap mengacu pada percepatan proses pamlel secara menyeluruh. Pada Tugas Akhir ini dilakukan dua buah variasi aokasi fungsi dan penjadwalan proses pastel. Masing-messing variasi diusahakan untak mencapai percepatan optimal. Desain-desain tersebut akan dibandingkan satu sama lain dengan menekankan pertimbangan pada speed-up, pola penjadwalan proses dan karakteristik lain yang berpengaruh pada unjuk kerja sistem. Implementasi algoritma dilakukan dengan memanfaatkan jaringan stasiun keda LAN di PAU-11mu Komputer, dengan mesin 486 DX4-100, sistem operast L1NUX versi 1.28 dan perangkat lunak komputasi paralel berbasis jaringan (PVM). Perilaku komputasi paralel dan unjuk keda paralel dengan percepatan mendekati tinier adalab tujuan perbandingan algoritma partisi fungsi untuk model integrasi dispersi polusi udara."

"Masalah penjadwalan kuliah adalah masalah optimasi yang komputasinya rumit karena terdapat sejumlah ruangan dengan kapasitas tertentu, sejumlah dosen, serta sejumlah mahasiswa yang akan mendefinisikan kendala hard dan soft (Salwani, 2007). Penjadwalan kuliah pernah dilakukan dengan Simulated anneling (Elfitriadi, 2001), tabu search (Herlina, 2000 ) dan iterated local search (Lourenco, Martin dan Stutzle, 2002). Simulated anneling kurang efektif dalam pencarian solusi kendala hard, algoritma genetika tidak menjamin solusi optimal global, sedangkan iterated local search kurang efektif dalam optimasi kendala soft. Dalam skripsi ini, pembuatan jadwal dilakukandengan menggabungkan algoritma genetika dan iterated local search disebut dengan algoritma memetika. Penambahan iterated local seacrh inilah yang memungkinkan dalam pencarian jadwal terbaik (optimal global). Data yang digunakan diperoleh dari departemen Matematika UI semester genap tahun 2008 dan hasilnya yaitu seluruh kendala hard cepat terpenuhi dan mencapai solusi optimal global dengan waktu komputasi pada komputer dual core 3.0GHz, 2GB RAM yang kurang dari 2 menit"