Komputasi Paralel Menggunakan Model Message Passing Pada SIM RS (Sistem Informasi Manajemen Rumah Sakit)

I Putu Adi Pradnyana Wibawa; IA Dwi Giriantari; Made Sudarma

doi:10.24843/MITE.2018.v17i03.P20

I Putu Adi Pradnyana Wibawa 081916153335
IA Dwi Giriantari Universitas Udayana
Made Sudarma

##plugins.pubIds.doi.readerDisplayName## https://doi.org/10.24843/MITE.2018.v17i03.P20

Abstrak

Semakin berkembangnya teknologi akan berdampak pada pertumbuhan data yang pesat hingga melampaui batas kemampuan database manajemen tools yang ada. Salah satu sistem yang memiliki jumlah dan jenis data yang cukup besar adalah SIM RS (Sistem Informasi Manajemen Rumah Sakit). HPC (High Performance Computing) merupakan metode untuk mengatasi permasalahan yang memiliki kompleksitas tinggi terkait dengan beban pekerjaan dan penggunaan banyak data. Salah satu teknik yang digunakan dalam metode HPC adalah Komputasi Paralel. Penelitian ini berfokus pada perancangan komputasi paralel menggunakan

model message-passing pada proses pencarian data pasien pada SIM RS. Komputasi paralel didesain dengan cara membagi data atau pekerjaan (komputasi) ke sejumlah komputer/CPU (master dan slave). Konfigurasi komputasi paralel pada komputer/CPU master dan slave menggunakan tahapan pada metode Foster yaitu Partisi, Komunikasi, Aglomerasi dan Pemetaan. Pengujian akan dilakukan dengan membandingkan waktu pengolahan data pasien antara sekuensial dan paralel. Selain itu komputasi paralel dirancang akan diuji menggunakan perhitungan Speed Up dan Efisieinsi. Hasil perancangan dan pengujian komputasi paralel menggunakan model message-passing membuktikan bahwa waktu pengolahan data pasien menggunakan program paralel mampu lebih cepat dibandingkan pengolahan data menggunakan topologi jaringan sekuensial/1 komputer/CPU. Pada pengujian speed up menunjukan adanya peningkatan kecepatan sampai pada penggunaan komputasi paralel pada 3 komputer/CPU. Sedangkan pada pengujian efisiensi nilai efisiensi tertinggi terdapat pada penggunaan 2 dan 3 komputer/CPU. Terjadinya penurunan nilai speed up dan efisiensi diakibatkan oleh jumlah data yang tergolong sedikit apabila ditangani oleh komputasi paralel menggunakan 7 komputer/CPU. Jadi semakin banyak jumlah komputer/CPU yang dilibatkan dalam komputasi paralel pada saat melakukan pemrosesan/pengolahan data, tidak berbanding lurus dengan waktu yang dibutuhkan dalam pemrosesan/ pengolahan data tersebut. Hal ini dikarenakan sebuah pekerjaan pemrosesan/pengolahan data dalam hal jumlah data yang ditangani memiliki batas ideal jumlah komputer/CPU yang menangani pekerjaan tersebut.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1] Arta, Y. 2013. Analisa Kinerja Paralel Computing Dengan Menggunakan Perhitungan Hukum Amdahl Berbasiskan Linux.
[2] Dumbill, E. 2012. Big Data Now Current Perspective. O'Reilly Media.
[3] Dzacko, H. 2007. Basis Data (Data Base). Mangosoft.
[4] Grama A, Gupta A, Karypis G, Kumar V. 2003. Introduction to ParalelComputing. Pearson Education Limited: England.
[5] Hua S, Zhang Y. 2013. Comparison and Analysis of Paralel Computing Performance Using OpenMP and MPI. The Open Automation and Control Systems Journal.
[6] Kurniawan, A. 2010. Pemrograman Paralel dengan MPI & C. ANDI Yogyakarta
[7] Laudon, K.C., Jane P. Laudon. 2006. Management Information Systems. 9th edition. New Jersey: Prentice- Hall, Inc.
[8] Nashar AIE. 2011. Paralel Performance Of MPI Sorting Algorithms On Dual–Core Processor Windows-Based Systems. International Journal of Distributed and Paralel Systems (IJDPS) Vol.2, No.3.
[9] Nasir AFA, Rahman MNA, Mamat AR. 2012. A Study of Image Processing in Agriculture Application under High Performance Computing Environment. International Journal of Computer Science and Telecommunications.
[10] Olmedo E, Calleja Jdl, Benitez A, Medina MA, 2012. Point to point processing of digital images using paralel computing
[11] Petryniak R. 2008. Analysis Of Efficiency Of Paralel Computing In Image Processing Task. Cracow University of Technology.
[12] Prajapati HB, Vij SK. 2011. Analytical Study of Paralel and Distributed Image Processing. International Conference on Image Information Processing (ICIIP).
[13] Quinn MJ. 2004. Paralel Programming in C with MPI and OpenMP. McGraw-Hill Education: Singapore.
[14] Qureshi K, 2012. Perbandingan Praktis Kinerja Algoritme Sorting Paralel pada Jaringan Komputer Homogen.
[15] R. Kelly Rainer, C. 2011. Introduction to Information Systems. John Wiley & Sons (Asia) Pte Ltd.
[16] Suprapto, 2008. Bahasa Pemrograman. Direktorat Pembinaan Sekolah Menengah Kejuruan Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah Departemen Pendidikan Nasional.
[17] Syukur A. 2013. Paralel Processing Untuk Meningkatkan Kinerja Server E-Learning Dengan Menggunakan Message Passing Interface (MPI) Studi Kasus Sma Negeri 1 Pekanbaru. Jurnal Teknologi Informasi & Pendidikan Vol. 6.
[18] Zarkasi M, Wibisono W, Arunanto FX, 2013. Implementasi Komputasi Paralel Untuk Enkripsi Citra Berbasis AES Menggunakan JPPF.