KOMPUTASI PARALEL UNTUK PENGOLAHAN PRESTASI AKADEMIK MAHASISWA
Pendahuluan
Pada institusi perguruan tinggi, tiap semester dilakukan pengolahan data nilai mahasiswa, untuk mendapatkan Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK). Kompleksitas pekerjaan untuk mengolah data ini tergantung dari jumlah mahasiswa, jumlah mata kuliah, dan jumlah parameter penilaian. Suatu mata kuliah memiliki minimal dua parameter penilaian, yaitu nilai Ujian Tengah Semester (UTS) dan nilai Ujian Akhir Semester (UAS). Selain itu ada parameter opsional, seperti nilai tugas, kuis dan proyek. Bobot masing-masing parameter ini ditentukan oleh dosen yang mengampu mata kuliah sesuai dengan peraturan akademik, dan ini berarti bobot penilaian tidak harus seragam. Dengan demikian jelaslah bahwa perhitungan IPS dan IPK mahasiswa bukanlah suatu pekerjaan mudah yang dapat diselesaikan dalam waktu yang singkat.
Saat ini pengolahan data nilai mahasiswa di institusi perguruan tinggi umumnya dilakukan dengan bantuan komputer. Makin banyak data yang diproses, waktu yang dibutuhkan untuk pengolahan juga akan makin besar. Nilai IPS dibutuhkan untuk menentukan jumlah Satuan Kredit Semester (SKS) yang boleh diambil seorang mahasiswa di semester berikutnya, dan nilai IPK dibutuhkan untuk menentukan peringkat prestasi seorang mahasiswa. Dengan demikian baik proses perhitungan nilai IPS ataupun IPK harus dilakukan dengan akurat dan dalam waktu yang singkat, atau dengan perkataan lain dibutuhkan suatu teknik pengolahan data dengan kinerja komputasi yang lebih tinggi dibandingkan dengan kinerja komputasi sekuensial yang umumnya digunakan selama ini. Salah satu cara untuk meningkatkan kinerja komputasi adalah dengan menggunakan komputasi paralel yang memungkinkan sejumlah komputer bekerja secara bersamasama untuk mencari solusi atas suatu masalah.
Studi Pustaka
A. Arsitektur Komputer Paralel
Berdasarkan aliran instruksi dan aliran data, menurut Flynn, komputer dapat dikategorikan ke dalam 4 (empat) kelompok, yaitu Single-Instruction Stream, Single Data Stream (SISD), Single Instruction Stream, Multiple Data Stream (SIMD), Multiple Instruction Stream, Single Data Stream (MISD), dan Multiple Instruction Stream, Multiple Data Stream (MIMD) [3][4]. Sistem komputer paralel termasuk dalam kelompok MIMD. Kelompok ini memiliki sejumlah prosesor yang masing-masing beroperasi pada sejumlah data.
B. Topologi Jaringan Komputer
Saluran interkoneksi untuk menghubungkan komputer yang satu dengan komputer lainnya dapat memiliki berbagai topologi, misalnya topologi bus, topologi ring, topologi star, topologi mesh, dan topologi tree [5]. Topologi bus, ring dan star ditunjukkan pada Gambar 1, 2, dan 3. Topologi bus bisa dikatakan sebagai topologi yang paling sederhana dibandingkan dengan topologi lainnya. Topologi bus hanya menggunakan sebuah kabel jenis coaxial di sepanjang node (komputer) dan pada umumnya ujung kabel coaxial tersebut biasanya diberikan konektor T sebagai kabel end to end.
Metode Penelitian
Penelitian diawali dengan pemahaman lebih lanjut mengenai komputasi paralel dan cara membangun virtual platform menggunakan perangkat lunak yang dinamakan MPI, kemudian ditentukan jumlah prosesor dan topologi interkoneksi yang akan digunakan. Tahap berikut adalah membuat interkoneksi antar-komputer dan membentuk virtual platform. Kemudian ditentukan cara pendistribusian data ke semua prosesor dalam sistem, sehingga beban kerja pada masing-masing prosesor seimbang, dengan harapan semua prosesor akan dapat menyelesaikan kerjanya dalam waktu yang relatif sama.
Tahap pengujian dilakukan melalui simulasi model pengujian. Data uji yang digunakan disesuaikan dengan data untuk menghitung prestasi akademik mahasiswa. Pengujian menggunakan data fiktif yang dibentuk di awal pengujian sebanyak 8156 mahasiswa dan rata-rata telah menempuh tujuh sampai delapan semester perkuliahan. Pengujian dilakukan dengan menggunakan satu komputer sebagai server basis data dan empat komputer lainnya untuk menjalankan proses perhitungan. Dalam pengujian diukur besarnya waktu yang dibutuhkan untuk menghitung prestasi akademik mahasiswa menggunakan satu prosesor, dan menggunakan dua, tiga, dan empat prosesor dengan jumlah proses paralel yang berbeda, yaitu satu, dua, tiga, empat, dan delapan. Dari hasil pengukuran dapat dihitung peningkatan kinerja komputasi paralel dengan menggunakan relative speedup sebagai metrik. Tahap terakhir adalah melakukan analisis dari hasil pengujian.
Kesimpulan
Dari penelitian ini dapat disimpulkan:
- Nilai relative speedup yang lebih tinggi mencerminkan kinerja komputasi yang lebih baik dan waktu komputasi lebih singkat.
- Komputasi paralel mampu memberikan kinerja komputasi yang lebih tinggi dibandingkan dengan kinerja komputasi sekuensial dalam pengolahan prestasi akademik mahasiswa.
- Peningkatan nilai relative speedup sejalan dengan penambahan jumlah komputer paralel / prosesor dan jumlah proses paralel. Penambahan jumlah proses paralel tanpa menambah jumlah komputer paralel / prosesor tidak memberikan peningkatan nilai relative speedup yang signifikan, seperti pada model pengujian kelima.
Sumber: