Komputasi


Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut denganteori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, ataukapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakankomputer.

Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam ilmu.

Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.


Kelahiran


Ilmu atau sains berdasarkan obyek kajiannya dibedakan antara Fisika, Kimia, Biologi dan Geologi. Ilmu dapat pula digolongkan berdasarkan metodologi dominan yang digunakannya, yaitu ilmu pengamatan/percobaan (observational/experimental science), ilmu teori (theoretical science) dan ilmu komputasi (computational science). Yang terakhir ini bisa dianggap bentuk yang paling baru yang muncul bersamaan dengan perkembangan kekuatan pemrosesan dalam komputer dan perkembangan teknik-teknik metode numerik dan metode komputasi lainnya.

Dalam ilmu (sains) tradisional seperti Fisika, Kimia dan Biologi, penggolongan ilmu berdasarkan metodologi dominannya juga mewujud, yang ditunjukkan dengan munculnya bidang-bidang khusus berdasarkan penggolongan tsb. lengkap dengan jurnal-jurnal yang relevan untuk melaporkan hasil-hasil penelitiannya. Sebagai contoh dalam kimia, melengkapi kimia percobaan (experimental chemistry) dan kimia teori (theoretical chemistry), berkembang pula kimia komputasi (computational chemistry), seperti juga di bidang Biologi dikenal Biologi Teori (theoretical biology) serta Biologi Komputasi (computational biology), lengkap dengan jurnalnya seperti Journal of Computational Chemistry dan Journal of Computational Biology. Cara penggolongan yang digunakan berbeda dengan cara penggolongan lain berdasarkan obyek kajian, seperti penggolongan kimia atas Kimia Organik, Kimia Anorganik, dan Biokimia.

Walaupun dengan titik pandang yang berbeda, ilmu komputasi sebagai bentuk ketiga dari ilmu (sains) telah banyak disampaikan oleh berbagai pihak, antara lain Stephen Wolfram dengan bukunya yang terkenal: A New Kind of Science, dan Jürgen Schmidhuber.


Diposting oleh ILMU KOMPUTASI Senin, 15 Februari 2010 2 komentar

PADA tanggal 18 lalu sebuah mesin pencari baru telah lahir. Mesin pencari ini bernama Wolfram Alpha yang bisa diakses di http://www.Wolfram Alpha.com/. Tidak seperti mesin pencari lain yang berusaha mencari jawaban dengan menampilkan daftar halaman web yang cocok, Wolfram Alpha langsung memberikan jawaban pertanyaan kita. Misal kita memasukkan input “Yogyakarta” (tanpa petik). Kita tidak akan disodori jawaban yang berisi sekian ribu halaman web yang berisi tentang kata Yogyakarta, namun kita langsung diberi informasi tentang jumlah penduduk, peta, suhu dan waktu saat ini, bahkan diberi jawaban tentang kota-kota yang berdekatan dengan Yogyakarta. Anda bisa mencobanya dengan memberikan input kota lain atau daerah lain dan secara seketika akan mendapatkan informasi geografis daerah itu secara realtime.

Kemampuan mencari dari Wolfram Alpha bahkan lebih dari sekadar mencari informasi geografis, kita bahkan bisa melakukan perhitungan matematika dari yang sederhana sampai yang rumit, misal kita beri input 2000 * 10 maka kita akan mendapat jawaban 20.000. Kita juga bisa menghitung perhitungan yang rumit, misal mencari akar persamaan dari 2x^3+5x^2-3x-5 akan menghasilkan jawaban berupa akar dari persamaan sekaligus grafik fungsinya. Tentunya ini sangat bermanfaat bagi siswa, mahasiswa atau siapa saja yang sedang belajar matematika atau sedang melakukan perhitungan komputasi yang rumit tanpa harus menginstall software seperti matlab.

Apa Saja yang Bisa Dicari

Selain mampu melakukan perhitungan matematika ataupun informasi tentang geografis, kemampuan mesin pencari baru ini digunakan untuk melihat informasi tanggal waktu dan suhu di suatu kota di seluruh dunia, melihat data sosial ekonomi suatu tempat atau negara, melihat informasi tentang konversi nilai mata uang dan masih banyak lagi yang lain secara realtime. Anda bisa mencoba dan melihat puluhan contoh yang ada diwebsitenya, sekadar contoh tambahan, kita bisa melihat berapa nilai tukar rupiah saat ini dengan cara mengetikan “1 USD in rupiah” (tanpa tanda petik). Hasil yang kita dapatkan adalah nilai tukar saat ini beserta grafik tentang perubahan nilai tukar dalam kurun waktu tertentu.

Batasan Wolfram Alpha

Wolfram Alpha dengan slogan “Computational Knowledge engine” juga mempunyai batasan, di antaranya, Wolfarm Alpha tidak bisa mencari informasi tentang website tertentu atau informasi yang tidak bersifat publik. Mesin pencari ini juga tidak bisa digunakan untuk mencari blog, gambar, video atau informasi lain yang biasa kita lakukan di mesin pencari umum seperti Google. Selain itu Wolfram Alpha hanya menerima input dalam bahasa Inggris. Sebagai contoh jika anda ingin mencari jumlah penduduk Indonesia, anda harus mengetikan “Indonesia population” bukan “jumlah penduduk Indonesia”. Intinya, mesin pencari ini cocok untuk mencari informasi yang eksak dan matematis serta informasi lainnya yang berhubungan dengan data angka. Sebagai catatan, hasil pencarian dari komputasi yang dilakukan Wolfram Alpha hanya boleh di pakai untuk keperluan pribadi dan bukan untuk kepentingan komersial.

Sumber : Kedaulatan Rakyat (25 Mei 2009)

Diposting oleh ILMU KOMPUTASI Sabtu, 13 Februari 2010 0 komentar

Data dalam jumlah besar memerlukan tenaga komputasi yang besar juga, untuk mengolahnya menjadi informasi yang berguna. Contoh pengolahan data super kritis adalah pada keuangan/bank, bioinformatika, dan militer.

Berdasarkan data tahun 2005, Linux berada di posisi teratas (Catatan Penerjemah: Data tahun 2008 justru menunjukkan trend bahwa linux semakin mendominasi pasar komputer super). Dalam daftar top500, yang dirilis pada konferensi komputer super di Seattle, Blue Gene/L berbasis Linux berada di posisi teratas. Blue Gene/L tidak sendirian, sebab tujuh dari sistim top 10 menjalankan Linux. Aix, UNICOS, dan Super-UX juga hadir di top 10.

Daftar top500 (top500.org) telah menunjukkan bahwa Linux adalah sistim operasi de facto dan de jure pada komputer super, dan pada daftar tahun 2005 menunjukkan bahwa popularitas Linux di platform komputer super adalah 78�ari seluruh komputer yang paling cepat didunia tersebut (catatan penerjemah: data tahun 2008 menunjukkan, bahwa presentasenya naik menjadi 87� 391 dari semua sistim ini menggunakan berbagai distro Linux, jauh lebih banyak dibandingkan Unix (Dahulu kala Unix mendominasi pasar komputer super), Mac OS X, Solaris, ataupun Windows.

Erich Strohmaier, editor dari daftar, mengatakan, walaupun prosesor 64 bit dan multi-core memainkan peran sangat penting dalam evolusi sistim super, tidak ada tanda bahwa Linux akan mengalami penurunan pada daftar. ‘ Linux telah mendominasi sistim operasi pada komunitas komputer super, dan akan tetap demikian’, demikian kata dia. ‘ Jika ada perubahan, maka justru akan menjadikan Linux semakin dominan.

Efektivitas

Strohmaier memuji efektivitas kluster linux untuk mencapai kekuatan komputasi yang lebih besar, dan menggaris bawahi bahwa sistim operasi open source juga dapat memenuhi apapun yang dilakukan berbagai organisasi di server mereka.

Walaupun sukar menentukan apakah distro Linux yang digunakan secara tepat, situs database top500 sekarang juga memasukkan sistim operasi yang digunakan oleh komputer super. Database tersebut juga memasukkan variabel seperti geografi, vendor sistim, teknologi interconnect, dan keluarga komputer/prosesor.

Distro Linux yang dapat terdeteksi pada daftar adalah Red Hat Linux, Red Hat Enterprise, SUSE Enterprise Server, UNICOS/Linux, dan CNK/Linux. Menurut Strohmaier, distro Linux yang populer adalah Linux standar, bukan yang telah terkostumisasi atau yang terkombinasi, yang biasanya populer pada sistim besar.

Kostumisasi sistim operasi sering dilakukan komunitas riset, namun industri dan bisnis lebih tertarik pada solusi tertentu yang sudah didukung oleh sistim operasi tersebut’. Kata dia. Strohmaier menambahkan, bahwa pertumbuhan industri komputer super telah tumbuh secara cepat dan akan terus demikian. Dia juga melaporkan, bahwa terjadi penggantian sistim dengan cepat, karena 4 dari top 10 sistim telah diganti oleh instalasi baru.

Titik Teratas

Supaya tetap pada titik teratas, IBM BlueGene/L pada Lawrence Livermore National Lab (LLNL) telah menggandakan kekuatannya, dan sekarang telah memiliki rekor performas linpack 280,6 teraflops ( Biliun kalkulasi perdetik). Pada urutan kedua, adalah sistim Linux eServer Blue Gene, BGW, pada Pusat riset IBM Thomas Watson, yang memiliki performans 91,2 teraflops. Urutan ketiga adalah ASCI Purple milik departemen energi Amerika Serikat, sistim berbasis AIX yang memiliki performans 63,4 teraflop pada LLNL juga. Urutan keempat dan kelima dipegang oleh SGI Columbia, komputer super berbasis Linux yang memiliki performans 51,87 teraflops, dan Thunderbird, sistim Dell PowerEdge Sandia National Lab yang menjalankan Linux dan memiliki performans 36,10 teraflops.

Stromaier juga menekankan, bahwa prosesor AMD juga hadir semakin kuat pada daftar. Walaupun masih kalah dibanding sistim intel, namun perusahaan tersebut telah menempatkan 55 sistim pada daftar, dan pasarnya berkembang. Strohmaier juga mengatakan bahwa 64 bit dan teknologi multicore juga berperan.

Strohmaeir mengindikasikan bahwa walau Unix masih memiliki pasar, tidak ada sistim operasi lain yang akan digunakan sebanyak Linux kedepannya di top500 .

Variasi Unix yang lebih tua, seperti AIX akan tetap digunakan, namun karena sistim berbasis server akan digantikan oleh kluster, Linux akan menjadi semakin dominan,’ Kata dia. ‘ Linux telah menjadi standar industri pada komunitas ini, dan sistim operasi lain (MacOSX, Windows, dll) yang ingin memasuki pasar ini harus berjuang sangat keras.’

Sumber : KIKIL (25 Mei 2009)

Diposting oleh ILMU KOMPUTASI 0 komentar

Kanker saraf pada anak atau neuroblastma belum ditemukan penyebabnya. Karena itu, para relawan yang tergabung dalam Program IBM World Community Grid-Help Fight Childhood Cancer mengindentifikasi tiga juta penderita neuroblastma. Mereka mencoba menganalisis tiga jenis protein yang pertumbuhannya terhambat dan ditengarai sebagai penyebab tumbuhnya kanker.

Demikian diungkap County Manager Marketing IBM Indonesia Hartini Harris saat jumpa pers IBM World Community Grid-Help Fight Childhood Cancer di RS Pusat Kanker Nasional Dharmais, Jakarta, Selasa (12/5). "IBM telah melakukan penelitian dalam bidang kesehatan selama 60 tahun," katanya.

Terkait dengan neuroblastma, IBM bekerja sama dengan Lembaga Penelitian Pusat Kanker Chiba dan Universitas Chiba, Jepang, untuk menemukan obat neuroblastma. Dari hasil penelitian, ternyata peneliti belum mengetahui penyebab neuroblastma. Dalam kasus neuroblastma, sel tumbuh secara tidak sengaja selama perkembangan sympathetic ganglia dan kelenjar adrenal.

Penyakit ini kerap terjadi pada dua tahun pertama usia anak dan berisiko kambuh kembali dengan tingkat kelangsungan hidup kurang dari 40 persen.

Menurutnya, program ini adalah program komputasi paralel kolektif dengan memanfaatkan power komputasi yang sedang tidak terpakai. Tercatat 430.000 anggota yang berasal lebih dari 200 negara dengan koneksi ke lebih dari 1,2 juta komputer. Di indonesia, IBM bekerja sama dengan Yayasan Onkologi Anak Indonesia (YOAI) dan RS Dharmais.

Ketua YOIA Rahmi Adi Putra Tahir mengungkapkan harapannya, "Kami berharap dengan program ini akan memperpanjang harapan hidup anak-anak penderita kanker neuroblastma, khususnya yang berada di Indonesia."

Sumber : Kompas, 12 Mei 2009

Diposting oleh ILMU KOMPUTASI 0 komentar

Beberapa ilmuwan dari 'University of Trento', Italia utara, Selasa (18/8), mengkonfirmasi bahwa mereka telah melakukan langkah besar ke arah pengembangan komputer kuantum super-cepat.

Semua komputer kuantum mengandalkan properti partikel sub-atom guna menyiar-pancarkan keterangan dan melakukan penghitungan dengan menggunakan berbagai unit informasi yang disebut qubit. Tidak seperti bit yang digunakan di dalam operasi komputer konvensional, yang hanya dapat mewakili satu dari dua nilai yang mungkin, qubit dapat mewakili sampai empat, sehingga memungkinkan pemakai untuk mengurangi banyak waktu di depan komputer.

Gelombang elektron yang digunakan untuk menyampaikan informasi di dalam komputer kuantum bergerak di dalam partikel yang disebut bit kuantum yang, bagaimanapun, dengan mudah dipengaruhi oleh campur-tangan dari luar. Profesor Iacopo Carusotto, seorang ahli ilmu fisika di pusat Bec-Infm yang juga mengajar di University of Trento, mengatakan, penyelesaian bagi campur tangan bit kuantum ialah mempolarisasikannya sehingga semua bit kuantum berputar pada arah yang sama.

Carusotto membandingkan teknik tersebut dengan penghapusan suara latar yang menjengkelkan yang menghalangi seseorang memusatkan perhatian. "Itu seperti memberikan irama reguler yang terus-menerus kepada sepasang maraca yang berguncang tak terkendali. Dengan cara ini, 'suara' itu menjadi dapat diterima bagi elektron, yang tidak menjadi bingung dan dapat bekerja lebih efisiensi," katanya.

Maraca, yang kadangkala disebut rumba shaker, adalah alat musik asli Puerto Rico, Kuba, Venezuela dan beberapa negara Karibia serta Amerika Latin. Maraca adalah alat perkusi sederhana, biasanya dimainkan secara berpasangan. Teknik tersebut dikembangkan oleh para peneliti di Bec-Infm Research and Development Center, laboratorium fisika di University of Trento, yang bekerja sama dengan satu tim ahli fisika internasional dari seluruh dunia. Temuan mereka disiarkan di dalam Nature Physics, jurnal ilmiah kenamaan yang memusatkan perhatian pada fisika terapan, terbitan 15 Agustus.

Sumber : Media Indonesia (19 Agustus 2009)

Diposting oleh ILMU KOMPUTASI 0 komentar

Globalisasi semakin lama semakin menuntut kemajuan dalam bidang teknologi, tak terkecuali dalam hal komputasi (computing). Perkembangan ilmu pengetahuan menuntut teknologi komputer untuk meningkatkan performanya dalam berbagai hal seperti dari kinerja(performance), penyimpanan (storage) dan ketersediaan yang tinggi (high availability). Salah satu jawabannya adalah komputasi dengan performa tinggi (High Performance Computing/HPC).

“Komputer dengan performa tinggi dapat memecahkan banyak masalah lebih cepat, lebih akurat dan lebih murah. Hal ini tidak hanya berlaku untuk bidang ilmu pengetahuan saja, tetapi juga berlaku untuk bidang industri dan pemerintahan,� jelas dosen Jurusan Fisika FMIPA Unpad, Dr. Irwan Ary Dharmawan M.Si., saat menjadi pembicara pada Workshop on High Performance Computing: From Design to Application. Acara ini diselenggarakan oleh Jurusan Fisika FMIPA Unpad bekerja sama dengan University of Kaiserslautern Jerman di Ruang Jurusan Fisika FMIPA Unpad di Jatinangor, Senin (7/12).

Menurut Ketua Jurusan Fisika FMIPA Unpad Dr. rer. nat. Ayi Bahtiar, workshop ini diselenggarakan sebagai bentuk implementasi MoU antara Unpad dengan University of Kaiserslautern dalam bidang ilmu murni, matematika dan teknologi. “Workshop ini juga diselenggarakan untuk menjalin komunikasi serta berbagi ilmu dan pengalaman dalam bidang komputasi ini dengan sesama peneliti,� jelas Dr. Ayi. Workshop diikuti tidak hanya peneliti dari Unpad saja, tapi tercatat juga dari UGM, ITB, BATAN, LIPI, Unika Atmajaya, Unibraw, Universitas Negeri Jember, Unsri, Institut Teknologi Telkom dan Utrecht University.

Dr. Irwan menyampaikan bahwa HPC ini telah banyak diaplikasikan di berbagai bidang, antara lain dalam hal perkiraan cuaca, desain industri, model astronomi, sumber data, dan lain-lain. “Saat ini, pengembangan HPC masih didominasi oleh negara Amerika Serikat, Jerman, Cina, Jepang, dan negara-negara maju lainnya. Di Indonesia baru beberapa institusi yang mengembangkan HPC ini, tapi keberadaannya masih tersebar di berbagai bagian, tidak terpusat,� jelas Dr. Irwan.

Menurut fisikawan dari University of Kaiserslautern Jerman, Gerolf Ziegenhain Dr. rer. nat, Dipl. Phys., yang hadir sebagai pembicara, HPC sangat dibutuhkan dalam hal akurasi. “Pada perhitungan-perhitungan dengan skala kecil, mungkin kita masih dapat menggunakan komputer biasa. Tapi, apabila sudah melibatkan algoritma yang rumit dan dalam skala besar, kita membutuhkan super computing untuk melakukannya,� jelas Gerolf.

Saat ini perusahaan di dunia yang mengaplikasikan HPC ini antara lain Google, IBM, HP, Cray. Menurut Gerolf, selain perusahaan tersebut, banyak kalangan industri yang menggunakannya untuk pengembangan dan riset produk mereka, kolaborasi dengan perusahaan lain dan interaksi dengan konsumennya seperti call center. Sedangkan di kalangan perguruan tinggi, HPC banyak digunakan untuk penelitian-penelitian. Di kalangan pemerintah, HPC digunakan untuk bagian infrastrukturnya.

Pada workshop ini, hadir pula pembicara lain, yaitu Dr. Yudi Rosandi yang mengangkat materi “HPC, Planning, usage and application�. Dalam workshop ini, peserta akan belajar bagaimana merancang dan menggunakan fasilitas komputer yang paralel. Dari mulai desain kluster dasar hingga konfigurasi yang lebih maju. Tidak hanya diberi pemaparan secara teoritis, tapi peserta workshop ini juga akan diberi pelatihan berupa praktek langsung di laboratorium komputer.

Sumber : Unpad, 7 Desember 2009

Diposting oleh ILMU KOMPUTASI 0 komentar

Adakah kecepatan komputasi memiliki batas? Kebanyakan orang akan menjawab iya, mungkin karena sukar membayangkan sesuatu yang tidak terbatas. Namun kalau ada, berapa jauhkah batas itu?

Baru-baru ini dua ilmuwan dari Universitas Boston, Lev B. Levitin dan Tommaso Toffoli berusaha mencari jawaban tentang batas kecepatan atau kemampuan teknologi komputasi.

Hasilnya cukup mengejutkan, bila kita menerapkannya untuk menghitung batas kecepatan prosesor. Bila kita menganggap Hukum Moore berlaku, batas tersebut akan dicapai hanya dalam waktu 75 tahun lagi.

Tidak seperti perhitungan yang dilakukan Levitin dan Toffoli, Hukum Moore adalah kaidah empiris yang diamati oleh insinyur Intel, Gordon Moore. Hukum ini menyebutkan bahwa kerapatan transistor dalam suatu chip akan berlipat ganda dalam waktu 18 bulan.

Peningkatan kerapatan transistor ini biasanya digunakan untuk mendongkrak kecepatan pemrosesan. Dengan kata lain, kecepatan komputer juga ikut meningkat dua kali lipat dalam waktu yang sama.

Levitin dan Toffoli pada awalnya mencoba menghitung limit fundamental laju operasi pengolahan informasi. Dengan kata lain, batas seberapa cepat sebuah komputer dapat beroperasi. Batas yang dihitung ini berlaku untuk semua jenis komputer. Hasil perhitungan ini dipublikasikan di Physics Review Letters tanggal 16 Oktober la*lu.

Dengan persamaan yang dirumus-kannya, Levitin dan Toffoli kemudian mencoba menghitung kecepatan sebuah komputer kuantum sempurna memiliki lebih dari lO operasi dibandingkan dengan prosesor paling cepat saat ini. Dengan menggunakan Hukum Moore untuk mencari kapan kecepatan ini tercapai, batas tersebut akan diraih pada tahun 2084.

Seperti kebanyakan batas teoretis lainnya, kenyataannya bisa jauh lebih buruk daripada itu. Sebagai contoh, secara teoretis batas tercepat yang bisa dicapai manusia adalah kecepatan cahaya, yaitu kurang dari 83.300 km/jam. Namun, kenyataannya kecepatan tertinggi yang dicapai saat ini hanyalah sekitar 12.140 km/jam.

Tidak heran bila kemudian pihak lain, seperti Scott Aronson dari MIT, berpendapat bahwa ramalan tersebut terlalu optimistis. Menurutnya Iebih realistis untuk mematok jangka waktu yang lebih singkat ketika komputer tidak lagi bertambah cepat. Dia memperkirakan dalam 20tahun lagi kecepatan komputer tidak lagi akan meningkat.

Limit Bremermann

Batas yang dihitung oleh Levitin dan Toffoli ini bukan satu-satunya usaha yang pernah dilakukan untuk mencari limit komputasi berdasarkan batasan fisik.

Sebelum Levitin dan Toffoli menghitung limit tersebut, pada tahun 1962 Hans Bremermann berdasarkan teori relativitas khusus dan mekanika kuantum (seperti yang diakukan juga oleh Levitin dan Toffoli mencoba menghitung seberapa cepat suatu massa komputer dapat memproses informasi. Dia menemukan bahwa 1 gram massa dapat memproses informasi 2X1047 bit per detik.

Bremermann kemudian menanyakan bagaimana bila ada komputer sebesar bumi, yang telah beroperasi untuk memecahkan suatu masalah sejak bumi diciptakan? Berapa banyak bit yang dapat diprosesnya? Angka yang didapatkan ini kemudian dinamakan limit Bremermann, yaitu 1023.

Batas memori

Semua pembahasan sejauh ini menyangkut tentang kecepatan pemrosesan informasi. Pada komputeryang biasa kita temukan sehari-hari inidilakukan oleh prosesor. Namun, pada suatu komputer, prosesor bukanlah satu-satunya komponen. Bagian yang juga penting adalah memori, baik yang sementara seperti RAM (random access memory) maupun yang lebih permanen, seperti cakram keras (hard disk) atau flash disk. Adakah batas terhadap banyaknya memori yang disimpan?

Seth LJoyd dari Departemen Teknik Mesin MIT, dalam artikelnya di jurnal Nature edisi tahun 2000 berjudul Ultimate physical limits to computation membahas batas-batas komputasi ini.

Salah satu parameter yang dihitung adalah ruang memori (memory space) sebuah komputer jinjing hipotetis dengan berat 1 kilogram yang memiliki volume 1 liter.

Dia mendapatkan angka 2,5 x 100 byte sebagai batas tertinggi. Tentu saja batas ini juga tidak mudah dicapai. Menurut LJoyd, untuk mencapai batas tersebut komputer jinjing akan berupa plasma, keadaan zat yang ditemukan di dalam inti bintang atau reaksi ter-monuklir.

Penerapan di enkripsi

Semua batas ini kedengarannya tidak punya penerapan langsung dan kedengarannya mengawang-awang. Namun, sebenarnya penghitungan batas kecepatan yang mungkin dicapai oleh suatu sistem komputasi sa-ngat penting dalam keamanan komputasi.

Batas kecepatan misalnya membantu apakah jaminan keamanan bahwa suatu data yang disandikan (dienkripsi) berlaku atau tidak. Suatu sandi pada dasarnya selalu dapat dipecahkan.

Permasalahannya, apakah algorit-ma untuk memecahkannya selalu dapat dilaksanakan dalam waktu yang cukup singkat? Analisis algorit-ma di antara lain menghitung jumlah langkah yang diperlukan untukpelaksanaan ini. Dari sini, dengan mengetahui kecepatan eksekusi pada dasarnya kita bisa menghitung berapa lama waktu yang diperlukan untuk memecahkan suatu sandi. Sandi yang baik haruslah tidak dapat dipecahkan dalam waktu yang praktis.

Bila kita dapat menentukan bahwa suatu sandi tidak dapat dipecahkan meskipun waktu yang diberikan lebih panjang dari umur teoretis alam semesta, kita bisa menjamin bahwa sandi tersebut aman.

Sumber : Bisnis Indonesia

Diposting oleh ILMU KOMPUTASI 0 komentar

Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia komputasi) dll.

Mesin paralel

Untuk melakukan aneka jenis komputasi paralel ini diperlukan infrastruktur mesin paralel yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja secara paralel untuk menyelesaikan satu masalah. Untuk itu diperlukan aneka perangkat lunak pendukung yang biasa disebut sebagai middleware yang berperan untuk mengatur distribusi pekerjaan antar node dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk merealisasikan komputasi. Tidak berarti dengan mesin paralel semua program yang dijalankan diatasnya otomatis akan diolah secara paralel !

Salah satu middleware orisinal yang dikembangkan di Indonesia adalah openPC[1] yang digawangi oleh GFTK LIPI dan telah diimplementasikan dengan di LIPI Public Cluster.

GRID

GRID merupakan pengembangan teknologi mesin paralel dengan memanfaatkan jaringan pita lebar di era dijital. Dengan adanya jaringan pita lebar, paralelisasi tidak hanya dilakukan antar komputer dalam satu jaringan, tetapi juga antar mesin paralel yang terpisah secara geografis.

Pemrograman Paralel

Pemrograman paralel adalah teknik pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan (komputasi paralel), baik dalam komputer dengan satu (prosesor tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU. Bila komputer yang digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam suatu jaringan komputer lebih sering istilah yang digunakan adalah sistem terdistribusi (distributed computing).

Motivasi

Tujuan utama dari pemrograman paralel adalah untuk meningkatkan performa komputasi. Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan. Analogi yang paling gampang adalah, bila anda dapat merebus air sambil memotong-motong bawang saat anda akan memasak, waktu yang anda butuhkan akan lebih sedikit dibandingkan bila anda mengerjakan hal tersebut secara berurutan (serial). Atau waktu yg anda butuhkan memotong bawang akan lebih sedikit jika anda kerjakan berdua.

Performa dalam pemrograman paralel diukur dari berapa banyak peningkatan kecepatan (speed up) yang diperoleh dalam menggunakan tehnik paralel. Secara informal, bila anda memotong bawang sendirian membutuhkan waktu 1 jam dan dengan bantuan teman, berdua anda bisa melakukannya dalam 1/2 jam maka anda memperoleh peningkatan kecepatan sebanyak 2 kali.

Peningkatan Kecepatan

Peningkatan kecepatan dapat diformulasikan dalam persamaan berikut ini

 S = \frac{T_1}{T_j}

Dimana T1 adalah waktu yang dibutuhkan untuk menyelesaikan pekerjaan (program komputer) bila dijalankan dalam satu komputer. Dan Tj adalah waktu yang dibutuhkan jika pekerjaan dikerjakan bersamaan oleh beberapa komputer.

Ada limitasi dalam usaha membuat suatu program komputer berjalan lebih efisien melalui peningkatan kecepatan, hukum yang menetapkan batasan ini dikenal sebagai Hukum Amdahl. Ide dari hukum amdahl ini adalah bahwa anda hanya akan bisa meningkatkan efisiensi program komputer anda, sebatas pada bagian tertentu dari program tersebut yang dapat di paralelkan. Sementara bagian yang memang harus dilaksanakan secara berurutan, akan menjadi penentu performa akhir.

Kembali ke analogi memasak tadi, bila anda harus menggunakan sarung tangan sebelum menyalakan kompor ataupun memotong bawang, maka waktu yang anda butuhkan untuk memakai sarung tangan ini adalah waktu serial, yang tidak dapat dihindari. Sementara waktu untuk memasak dan memotong bawang tadi adalah bagian yang bisa diparalelkan.

[sunting] Hukum Amdahl

Telah dijelaskan bahwa dari T1 (waktu yg dibutuhkan menjalankan pekerjaan dalam satu komputer) tadi, ada sebagian yg tidak bisa diparalelkan. Untuk menyatakan ini kita gunakan notasi α dimana  0 \le \alpha \le 1 menunjukkan berapa bagian dari T1 yang tidak bisa dijadikan paralel (atau bagian serial dari program ini).

Maka kita ketahui α * T1 adalah waktu yg tidak akan terpengaruh oleh bertambahnya komputer yg digunakan (a).

Sisanya (1 − α) * T1 adalah waktu yang akan berkurang menjadi  \frac {(1 - \alpha) * T_1} {N} bila kita menggunakan N komputer tambahan {b) .

Sehingga waktu total yang dibutuhkan untuk menjalankan pekerjaan dalam N komputer adalah (a) + (b) alias :

 T_N = \alpha * T_1 + \frac {(1 - \alpha) * T_1} {N}

Peningkatan kecepatan yang kita peroleh dari persamaan ini adalah :

 S_N = \frac{T_1}{\alpha * T_1 + \frac {(1 - \alpha) * T_1}{N}}

Mungkin anda akan mendapati persamaan speed up yang terlihat berbeda tapi pada dasarnya sama. Persamaan dibawah, bisa didapat dari persamaan diatas, dengan mengeliminasi komponen T1 (pada bagian atas dan bawah persamaan), lalu mengatur N dan α

 S_N = \frac{N}{1 +  \alpha(N-1)}

Bila anda cermati persamaan di atas, bisa dilihat bahwa jika kita menggunakan komputer yang amat banyak ( N \rightarrow \infty ) komponen (b) akan dapat diabaikan, menyisakan persamaan :

 S_N = \frac{1}{\alpha}

Inilah batas maksimum peningkatan kecepatan yang bisa dicapai menurut hukum Amdahl yaitu perbandingan terbalik dari seberapa banyak bagian serial dari suatu pekerjaan.

Dalam sistem terdistribusi dimana anda berusaha menggunakan lebih banyak prosesor untuk menyelesaikan masalah, akan ada imbal balik. Menggunakan komputer tambahan dari lokasi yang berbeda memberikan anda sumber komputasi baru, tapi juga melibatkan biaya komunikasi tambahan, saat anda harus memberikan pekerjaan tersebut pada komputer yg terpisah.

Bahasa populer dalam Pemrograman Paralel

  • MPI Message Passing Interface, bahasa pemrograman dengan basis pertukaran pesan.
  • PVM Parallel Virtual machine.

[sunting] Istilah-istilah dalam pemrograman paralel

  • Embarasingly Parallel adalah pemrograman paralel yang digunakan pada masalah-masalah yang bisa diparalelkan tanpa membutuhkan komunikasi satu sama lain. Sebenarnya pemrograman ini bisa dibilang sebagai pemrograman paralel yang ideal, karena tanpa biaya komunikasi, lebih banyak peningkatan kecepatan yang bisa dicapai.
  • Taksonomi dari model pemrosesan paralel dibuat berdasarkan alur instruksi dan alur data yang digunakan:
    • SISD Single Instruction Single Datapath, ini prosesor tunggal, yang bukan paralel.
    • SIMD Single Instruction Multiple Datapath, alur instruksi yang sama dijalankan terhadap banyak alur data yang berbeda. Alur instruksi di sini kalau tidak salah maksudnya ya program komputer itu. trus datapath itu paling ya inputnya, jadi inputnya lain-lain tapi program yang digunakan sama.
    • MIMD Multiple Instruction Multiple Datapath, alur instruksinya banyak, alur datanya juga banyak, tapi masing-masing bisa berinteraksi.
    • MISD Multiple Instruction Single Datapath, alur instruksinya banyak tapi beroperasi pada data yang sama.

Perkembangan di Indonesia

Di Indonesia, usaha untuk membangun infrastruktur mesin paralel sudah dimulai sejak era 90-an, meski belum pada tahap serius dan permanen. Namun untuk pemrograman paralel sudah sejak awal menjadi satu mata-kuliah wajib di banyak perguruan tinggi terkait. Baru pada tahun 2005 dimulai pembuatan infrastruktur mesin paralel permanen, misalnya yang dikembangkan oleh Grup Fisika Teoritik dan Komputasi di P2 Fisika LIPI. Didorong oleh perkembangan pemrograman paralel yang lambat, terutama terkait dengan sumber daya manusia (SDM) yang menguasainya, mesin paralel LIPI ini kemudian dibuka untuk publik secara cuma-cuma dalam bentuk LIPI Public Cluster (LPC)[3]. Saat ini LPC telah dikembangkan lebih jauh menjadi gerbang komputasi GRID di Indonesia dengan kerjasama global menjadi IndoGRID.

Pada tahun berikutnya, dengan dukungan dana dari proyek Inherent Dikti, Fasilkom UI juga membangun mesin paralel[4]. Sementara itu pada tahun 2009, ITB membuat kluster hibrid CPU+GPU yang pertama di Indonesia dengan kemampuan hingga 60 core CPU dan 1920 core GPU

Diposting oleh ILMU KOMPUTASI 0 komentar

Pemodelan dalam suatu rekayasa perangkat lunak merupakan suatu hal yang dilakukan di tahapan awal. Di dalam suatu rekayasa dalam perangkat lunak sebenarnya masih memungkinkan tanpa melakukan suatu pemodelan. Hal itu tidak dapat lagi dilakukan dalam suatu industri perangkat lunak. Pemodelan delam perangkat lunak merupakan suatu yang harus dikerjakan di bagian awal dari rekayasa, dan pemodelan ini akan mempengaruhi perkerjaan-pekerjaan dalam rekayasa perangkat lunak tersebut.

Proses

Di dalam suatu industri dikenal berbagai macam proses, demikian juga halnya dengan industri perangkat lunak. Perbedaan proses yang digunakan akan menguraikan aktivitas-aktivitas proses dalam cara-cara yang berlainan. Perusahaan yang berbeda menggunakan proses yang berbeda untuk menghasilkan produk yang sama. Tipe produk yang berbeda mungkin dihasilkan oleh sebuah perusahaan dengan menggunakan proses yang berbeda. Namun beberapa proses lebih cocok dari lainnya untuk beberapa tipe aplikasi. Jika proses yang salah digunakan akan mengurangi kualitas kegunaan produk yang dikembangkan.

Karena banyaknya variasi dalam model proses yang digunakan maka tidak mungkin menghasilkan gambaran-gambaran yang reliabel untuk alokasi biaya dalam aktivitas-aktivitas ini.

Modifikasi perangkat lunak biasanya lebih dari 60 % dari total biaya pembuatan perangkat lunak. Presentasi ini terus bertambah karena lebih banyak perangkat lunak dihasilkan dan dipelihara. Pembuatan perangkat lunak untuk suata perubahan adalah penting. Proses perangkat lunak komplek dan melibatkan banyak aktivitas.

Seperti produk, proses juga memiliki atribut dan karakteristik seperti :

  • Understandability, yaitu sejauh mana proses secara eksplisit ditentukan dan bagaimana kemudahan definisi proses itu dimengerti.
  • Visibility, apakah aktivitas-aktivitas proses mencapai titik akhir dalam hasil yang jelas sehingga kemajuan dari proses tersebut dapat terlihat nyata/jelas
  • Supportability, yaitu sejauh mana aktivitas proses dapat didukung oleh CASE
  • Acceptability, apakah proses yang telah ditentukan oleh insinyur dapat diterima dan digunakan dan mampu bertanggung jawab selama pembuatan produk perangkat lunak
  • Reliability, apakah proses didesain sedikian rupa sehingga kesalahan proses dapat dihindari sebelum terjadi kesalahan pada produk.
  • Robustness, dapatkah proses terus berjalan walaupun terjadi masalah yang tak diduga
  • Maintainability, dapatkah proses berkembang untuk mengikuti kebutuhan atau perbaikan
  • Rapidity, bagaimana kecepatan proses pengiriman sistem dapat secara lengkap memenuhi spesifikasi.

Model

Tidak mungkin untuk mengoptimalkan semua atribut proses secara serentak. Contohnya, jika pengembangkan proses cepat dilakukan mungkin kita perlu mengurangi visibility proses karena pembuatan proses yg nyata berarti pembuatan dokumen secara teratur. Ini akan memperlambat proses.

Model proses perangkat lunak masih menjadi object penelitian, tapi sekarang ada banyak model umum atau paradigma yang berbeda dari pengembangan perangkat lunak, antara lain:

  • Pendekatan Waterfall
Berisi rangkaian aktivitas proses seperti yang telah diuraikan diatas dan disajikan dalam proses yang terpisah, seperti spesifikasi kebutuhan, implementasi desain perangkat lunak, uji coba dst. Setelah setiap langkah didefinisikan, langkah tersebut di sign off dan pengembangan dilanjutkan pada langkah berikutnya.
  • Pengembangan secara evolusioner
Pendekatan ini interleaves aktivitas spesifikasi, pengembangan dan validasi. Sistem awal dengan cepat dikembangkan dari kastamer untuk memproduksi sistem yang memenuhi kebutuhan kastamer. Kemudian sistem disampaikan. Sistem itu mungkin diimplementasikan kembali dengan pendekatan yang lebih terstruktur untuk menghasilkan sistem yang kuat dan maintable.
  • Transformasi formal
Pendekatan ini berdasarkan pembuatan spesifikasi sistem formal secara matematik dan transformasi spesifikasi dengan menggunakan metode matematik atau dengan suatu program. Transformasi ini adalah correctnesspreserving ini berarti bahwa kita dapat yakin program yang dikembangkan sesuai dengan spesifikasi.
  • Penggabungan sistem dengan menggunakan komponen-komponen yang dapat digunakan kembali.
Teknik ini menganggap bagian-bagian dari sistem sudah ada. Proses pengembangan sistem lebih berfokus pada penggabungan bagian-bagian daripada pengembangan tiap bagian. Dua pertama dari pendekatan-pendekatan diatas yaitu waterfall dan pengembangan evolusioner, saat ini banyak digunakan dalam pengembangan sistem. Beberapa sistem sudah dibuat dengan menggunakan transformasi correctness preserving tapi ini masih menjadi penelitian.

Metode penggunaan kembali (reuse) umum di jepang. Metode ini sekiranya akan diakui oleh Eropa dan Amerika Utara. Di US metode ini dimulai 1995 dengan anggaran 150 million dolars. Bagaimanapun juga reuse masih suatu penelitian, terlalu cepat untuk berkomentar tentang keefektifannya.

Waterfall

Model ini telah diperoleh dari proses engineering lainnya. Model ini menawarkan cara pembuatan perangkat lunak secara lebih nyata.

Langkah-langkah yang penting dalam model ini adalah

  • Penentuan dan analisis spesifikasi
Jasa, kendala dan tujuan dihasilkan dari konsultasi dengan pengguna sistem. Kemudian semuanya itu dibuat dalam bentuk yang dapat dimengerti oleh user dan staf pengembang.
  • Desain sistem dan perangkat lunak
Proses desain sistem membagi kebutuhan-kebutuhan menjadi sistem perangkat lunak atau perangkat keras. Proses tersebut menghasilkan sebuah arsitektur sistem keseluhan. Desain perangkat lunak termasuk menghasilkan fungsi sistem perangkat lunak dalam bentuk yang mungkin ditransformasi ke dalam satu atau lebih program yang dapat dijalankan.
  • Implementasi dan ujicoba unit
Selama tahap ini desain perangkat lunak disadari sebagai sebuah program lengkap atau unit program. Uji unit termasuk pengujian bahwa setiap unit sesuai spesifikasi.
  • Integrasi dan ujicoba sistem
Unit program diintegrasikan dan diuji menjadi sistem yang lengkap untuk menyakinkan bahwa persyaratan perangkat lunak telah dipenuhi. Setelah ujicoba, sistem disampaikan ke kastamer
  • Operasi dan pemeliharaan
Normalnya, ini adalah phase yang terpanjang. Sistem dipasang dan digunakan. Pemeliharaan termasuk pembetulan kesalahan yang tidak ditemukan pada langkah sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru ditemukan.
Gambar 1. Pemodelan Waterfall

Dalam prakteknya, setiap langkah sering tumpang tindih dan saling memberi informasi satu sama lain. Proses perangkat lunak tidak linier dan sederhana tapi mengandung urutan iterasi dari aktivitas pengembangan. Selama di langkah terakhir, perangkat lunak telah digunakan. Kesalahan dan kelalaian dalam menentukan kebutuhan perangkat lunak original dapat diatasi.

Sayangnya, model yang banyak mengandung iterasi sehingga membuat sulit bagi pihak manajemen untuk memeriksa seluruh rencana dan laporan. Maka dari itu, setelah sedikit iterasi, biasanya bagian yang telah dikembangkan akan dihentikan dan dilanjutkan dengan langkah pengembangan selanjutnya. Masalah-masalah selama resolusi selanjutnya, dibiarkan atau diprogram. Pemberhentian yang prematur dari persyaratan akan berarti bahwa sistem tidak akan sesuai dengan keinginan user. Mungkin juga sistem terstruktur secara jelek yang sebenarnya merupakan masalah desain akan dibiarkan karena terkalahkan oleh trik implementasi.

Masalah pendekatan waterfall adalah ketidakluwesan pembagian project ke dalam langkah yang nyata/jelas. Sistem yang disampaikan kadang-kadang tidak dapat digunakan sesuai keinginan kastamer. Namun demikian model waterfall mencerminkan kepraktisan engineering. Konsekuensinya, model proses perangkat lunak yang berdasarkan pada pendekatan ini digunakan dalam pengembangan sistem perangkat lunak dan hardware yang luas.

Pengembangan Evolusioner

Model ini berdasarkan pada ide pengembangan pada implementasi awal yang akan menghasilkan komentar pemakai sehingga dapat dilakukan perbaikan melalui banyak versi sampai sistem yang mencukupi dapat dikembangan. Selain memiliki aktivitas-aktivitas yang terpisah model ini memberikan feedback dengan cepat dan serentak

Terdapat 2 tipe pada model ini

  1. Pemprograman evolusioner
  2. Dimana tujuan proses adalah bekerjasama dengan kastamer untuk menghasilkan kebutuhan-kebutuhan dan menyampaikan sistem akhir kepada pemakai/kastamer. Pengembangan dimulai dengan bagian-bagian sistem yang dimengerti. Sistem dikembangkan melalui penambahan features sesuai yang diusulkan oleh kastamer.

  3. Pemodelan
Dimana tujuan pengembangan evolusioner pada tipe ini adalah mengetahui kebutuhan-kebutuhan kastamer dan mengembangkan difinisi kebutuhan yang lebih baik untuk sistem. Model/contoh difikuskan pada penelitian bagian-bagian kebutuhan kastamer yang kurang dimengerti. Pemprograman evolusioner penting saat sulit untuk membuat spesifikasi sistem secara rinci. Beberapa orang mungkin setuju bahwa semua sistem masuk dalam tipe ini. Namun, pemprograman evolusioner banyak digunakan dalam pengembangan sistem AI (artificial intelligence) yang berusaha untuk menyamai kemampuan manusia.

Kita tidak mungkin membuat spesifikasi yang rinci untuk perangkat lunak yang menyamai manusia karena kita tidak mengerti bagaimana manusia menjalankan tugas-tugas mereka.

Pendekatan evolusioner biasanya lebih efektif daripada pendekatan waterfall untuk hal pengembangan perangkat lunak yang harus dengan segera dapat memenuhi kebutuhan kastamer. Namun, dari segi teknik dan manajemen, model ini memiliki masalah mendasar yaitu:

  • Proses tidak visibel.
Manager-manager membutuhkan "deliverables" yang teratur untuk mengukur kemajuan. Jika sistem dikembangkan dengan cepat akan terjadi pemborosan pada pembuatan dokumen yang menggambarkan setiap versi sistem.
  • Sistem-sistem biasanya kurang terstruktur
Kecenderungan perubahan yang terus menerus akan mengurangi stuktrur dari perangkat lunak. Evolusi perangkat lunak terlihat sulit dan mahal.
  • Ketrampilan khusus jarang dimiliki
Tidak jelas batasan ketrampilan yang normal dalam rekayasa perangkat lunak yang mungkin dapat digunakan secara efektif dalam model pengembangan ini. Kebanyakan sistem yang dikembangkan melalui cara ini telah diimplementasikan oleh kelompok kecil yang memiliki ketrampilan yang tinggi dan motivasi yang kuat. Untuk memecahkan masalah-masalah tersebut, kadang-kadang tujuan dari pengembangan evolusioner adalah mengembangkan contoh sistem. Contoh ini digunakan untuk mengerti dan mevalidasikan spesifikasi sistem. Disinilah pengembangan evolusioner merupakan bagian dari beberapa proses yang lebih luas. ( seperti model waterfall ).

Karena masalah-masalah tersebut, sistem dengan skala besar biasanya tidak dikembangkan melalui cara ini. Pengembangan evolusioner lebih tepat untuk

Pengembangan sistem yang relatif kecil.

Masalah-masalah mengenai perubahan sistem yang ada dihindari dengan meimplementasi ulang sistem keseluruhan kapanpun perubahan yang signifikan diperlukan. Jika pemodelan digunakan, tidak terlalu mahal.

Pengembangan sistem yang memiliki masa hidup yang relatif singkat.

Disini, sistem dikembangkan untuk mendukung beberapa aktivitas yang dibatasi oleh waktu. Contohnya, sebuah sistem yang mungkin dikembangkan secara khusus untuk peluncuran produk baru.

Pengembangan sistem atau bagian-bagian dari sistem yang besar dimana tidak memungkinkan untuk menyatakan spesifikasi secara rinci. Contohnya, sistem AI dan interfaces pemakai.

Spiral Boehm

Model proses nyata waterfall yang berorientasi dokumen telah diambil sebagai standar umum oleh banyak agen pemerintah dan pembuat perangkat lunak. Jadi, tidak mudah melupakan model tersebut walaupun masih terdapat masalah-masalah yang ditimbulkan dalam model tersebut. Kita membutuhkan sebuah proses yang lebih baik untuk manajemen yang dapat menggunakan semua model umum seperti yang telah kita bicarakan sebelumnya. Model perbaikan tersebut juga harus memenuhi kebutuhan-kebutuhan pembuat perangkat lunak. Pendekatan alternatif diusulkan oleh Boehm (1988). Boehm mengusulkan sebuah model yang secara eksplisit menjelaskan bahwa resiko yang disadari mungkin membentuk dasar model proses umum.

Model Boehm bebrbentuk spiral. Setiap loop mewakili sebuah tahap dari proses perangkat lunak.

Tidak ada tahap yang tetap dalam model ini. Manajemen harus memutuskan bagaimana membentuk proyek kedalam tahap-tahap. Perusahaan biasanya bekerja dengan beberapa model umum dengan tahap tambahan untuk proyek khusus atau ketika masala-masalah ditemukan selama pembuatan proyek.

Setiap loop dibagi dalam 4 sektor

  1. Pembuatan tujuan
  2. Tujuan, hambatan dalam proses ataupun produk serta resiko-resiko proyek ditentukan. Rencan rinci manajemen juga ditulis lengkap. Pembuatan strategi-strategi alternatif direncanakan sesuai dengan resiko yang ada.

  3. Perkiraan dan pengurangan resiko
  4. Untuk setiap resiko yang telah diidentifikasi, akan dibuat analisis rincinya. Kemudian diambil langkah-langkah untuk mengurangi resiko. contohnya, jika ada resiko bahwa persyaratan-persyaratan tidak tepat maka sebuah model contoh mungkin dapat dikembangkan.

  5. Pengembangan dan validasi
  6. Setelah evaluasi resiko, sebuah model pengembangan untuk sistem dipilih. Misalnya, jika resiko interface pengguna yang dominan maka model pengembangan yang tepat mungkin pengembangan evolusioner dengan menggunakan model contoh (prototipe)

    Jika resiko keselamatan yang diutamakan, model pengembangan yang sesuai adalah transformasi formal dan seterusnya. Model waterfall mungkin tepat digunakan jika resiko yang diutamakan adalah integrasi sistem.

  7. Perencanaan
Jika diputuskan untuk melanjutkan pada loop spiral berikutnya maka proyek dibicarakan kembali dan rencana dibuat untuk tahap selanjutnya. Tidak perlu untuk menggunakan satu model tunggal pada setiap loop spiral bahkan dalam keseluruhan sisten perangkat lunak. Model spiral encompasses model lainnya. Pemodelan digunakan pada salah satu psiral untuk memecahkan masalah kebutuhan. Kemudian dapat diikuti oleh model konvensional, waterfall. Transformasi formal digunakan untuk mengembangkan bagian-bagian sistem yang memiliki persyaratan keselamatan yang tinggi dan pendekatan reuse digunakan untuk pengimplementasian bagian-bagian lain dari sistem data manajemen.

Pada implementasinya, model spiral ini juga banyak digunakan, tetapi biasanya dikombinasikan dengan model yang lain. Pemodelan waterfall, yang sangat bagus dalam menentukan millestones dan pemodelan spiral, yang sangat bagus dengan menggunakan prototyping, merupakan kombinasi yang sering dipakai di dalam kontrak-kontrak untuk perangkat lunak dewasa ini.

Manajemen Resiko

Perbedaan yang mendasar antara model spiral dengan model lainnya adalah bahwa model spiral dengan eksplisit menyadari resiko-resiko yang ada. Resiko adalah konsep yang sulit didefinisikan secara tepat. Secara informal resiko adalah sesuatu yang sederhana yang dapat menyebabkan kesalahan. Contohnya, jika bertujuan menggunakan pemprograman bahasa baru (new programming language), resiko yang mungkin adalah alat pengumpul yang digunakan tidak reliabel dan tidak menghasilkan code objek yang efesien.

Resiko adalah sebagai hasil ketidakcukupan informasi. Resiko tersebut dapat dipecahkan dengan pengenalan beberapa kegiatan yang dapat menutupi informasi yang kurang menyakinkan. Dalam contoh diatas, resiko mungkin dapat diatasi dengan survey pasar untuk menemukan alat pengumpul mana yang dapat digunakan dan bagaimana kebaikan alat tersebut. Jika sistem ternyata tidak sesuai maka keputusan untuk menggunakan bahasa baru harus diubah.

Siklus spiral dimulai dengan penguraian tujuan-tujuan seperti performance, kegunaan, dan seterusnya. Cara alternatif dalam pencapaian tujuan dan hambatan dipergunakan dengan sebaik-baiknya kemudian diperhitungkan. Setiap alternatif diperhitungan bertentangan dengan tujuan. Ini biasanya menghasilkan identifikasi sumber resiko proyek. Langkah selanjutnya adalah mengevaluasi resiko-resiko ini dengan aktivitas seperti analisis yang lebih detail, pembuatan model/contoh, simulasi dan seterusnya. Untuk menggunakan model spiral, Boehm menyarankan sebuah bentuk umum yang dipenuhi dalam setiap daerah spiral. Bentuk ini mungkin dilengkapi pada sebuah level abtrak atau perkiraan rinci yang imbang dari pengembangan produk.

Daftar Pustaka

  1. Roger S. Pressman, "Software Engineering, a Practitioner's Approach" Fourth Edition, McGraw Hill, 1997.
  2. Barbee Teasley Mynatt, "Software Engineering with Student Project Guidance", Prentice Hall Int. 1990.
  3. Roger S. Pressman, "Software Engineering, A Beginner's Guide", McGraw Hill, 1998.
Oleh :
Arief Hamdani : hamdani@risti.telkom.co.id
Fera fbj15@bdg.centrin.net.id

Diposting oleh ILMU KOMPUTASI 0 komentar

IT TELKOM, SENIN (25/5)-Berubahnya nama Sekolah Tingggi Teknologi Telkom (STT Telkom) menjadi Institut Teknologi Telkom (IT Telkom) menorehkan perkembangan positif pada institusi. Hal itu diwujudkan dengan dibukanya dua program studi (prodi) baru, yaitu Teknik Fisika dan Ilmu Komputasi. Disampaikan Dekan Fakultas Sains Danang Mursita, Drs., MSi,

“Lahirnya prodi baru tersebut merupakan upaya IT Telkom demi memenuhi tuntutan kebutuhan industri . Pasalnya, tenaga ahli di bidang Teknik Fisika dan Ilmu komputasi banyak dibutuhkan, mengingat kedua bidang tersebut cakupannya sangat luas,”.

Jelasnya, Teknik Fisika di IT Telkom memiliki kefokusan pada bidang Information Communication Technology (ICT). Inilah yang membedakan Teknik Fisika di IT Telkom dengan di perguruan tinggi lain. Kurikulum yang fokus pada sains terapan sehingga menopang bidang-bidang teknik lainnya seperti teknik elektro, teknik mesin, teknik industry, dan teknik material. Sehingga lulusannya lebih fleksibel dalam bekerja ,” papar Danang. Kefokusannya pada ICT menjadikan keberadaan prodi ini satu-satunya di Indonesia.

Kurikulum Prodi Teknik Fisika memiliki penekanan terhadap, rekayasa instrumentasi dan control, rekyasa Energi, rekayasa fotonika dan aplikasi electromagnet, dan rekayasa material. Alhasil, diyakini peluang karir di bidan ini terbuka luas. Beberapa profesi yang yang kompeten dengan bidang keahlian teknik fisika diantaranya Sistem Integrator Engineer, Instrument and control Engineer, Health, Safety, Enviromental Engineer. Energy Engineer,dan Mechatronic and Robotic Engineer.

Lain halnya Ilmu Komputasi. Di kebanyakan perguruan tinggi, Ilmu komputasi kerap dijumpai di Program Studi Pasca Sarjana. Namun di IT Telkom Ilmu komputasi dijumpai di program studi Sarjana atau S1.

“Ilmu komputasi adalah suatu bidang perpaduan antara teknik informatika, permodelan, dan teknologi jaringan komputer,” ujar Danang. Ia tak memungkiri bahwa kebutuhan industrilah yang menuntut IT Telkom untuk segera membuka prodi Ilmu Komputasi untuk jejang S1.

Jelasnya, Ilmu Komputasi diperlukan untuk untuk menunjang penyelesaian masalah-masalah yang memerlukan komputasi tingkat tinggi, di antaranya desain sistem pada bidang pertelekomunikasian, peramalan harga saham, desain sistem kecerdasan buatan, desain sistem pada industri manufaktur, desain sistem pada perusahaan pertambangan dan sebagainya. Melalui ilmu komputasi, mahasiswa dibekali pengetahuan komputasi pararel yaitu komputasi yang melibatkan teknologi jaringan komputer.

“Tidak heran jika Ilmu Komputasi menjadi trend di beberapa negara maju seperti Amerika Serikat, Inggris, Australia dan Singapura. Pasalnya, peluang profesi dan karir terbuka luas untuk bidang ini,” ujar Danang.

Diungkapkan Danang, beberapa peluang profesi yang kompeten dengan bidang Ilmu Komputasi diantaranya Information Technology Support Engineer, System Analyst Engineer, Software Development Engineer, Database Engineer, dan Modeling and Simulation Engineer.

“Calon mahasiswa Teknik Fisika dan Teknik Komputasi harus memiliki kekuatan nalar dan logika yang kuat. Jadi ia harus memiliki kemampuan yang baik dalam pelajaran Matematika dan Fisika. Karena nantinya mata pelajaran tersebut akan mempermudah mahasiswa dalam pemahaman selama perkuliahan ,” papar Danang.

Prodi Teknik Fisika dan Ilmu Komputasi kini berada di bawah naungan Fakultas Sains IT Telkom. Keduanya dibuka pada tahun ajaran 2009-2010, sedangkan seleksi masuknya dapat diikuti calon mahasiswa pada Ujian Tulis Gelombang (UTG) II yang akan diselenggarakan tanggal 5 Juli 2009. Ujian dilaksanakan serentak di 20 kota di beberapa wilayah Indonesia seperti pulau Jawa, Sumatera dan Sulawesi.

Keberadaan prodi baru menjadi wujud perkembangan positif IT Telkom yang telah mencanangkan World Class University (WCU) di tahun 2017. Selain peningkatan kualitas perkuliahan, perkembangan IT Telkom juga dapat dilihat dari sisi infrastruktur yaitu dibangunnya Learning Center yang direncanakan selesai pada bulan Agustus. Nantinya, Learning Center akan diarahkan menjadi perpustaan tingkat nasional yang focus di bidang ICT.

Diposting oleh ILMU KOMPUTASI 0 komentar

Fakultas Sains adalah fakultas termuda yang ada di Institut Teknologi Telkom yang baru di resmikan pada tahun 2009 ini. Pembukaan ini dilatarbelakangi oleh kepedulian IT Telkom pada perkembangan dunia industri dan tren teknologi infokom.

Di bawah fakultas Sains ini, terdapat 2 program studi yang juga baru dibuka pada tahun ajaran 2009/2010. Kedua program studi itu adalah Program Studi Teknik Fisika dan Program Studi Ilmu Komputasi. Program Studi Ilmu Komputasi di IT Telkom adalah yang pertama di Indonesia.

Pembukaan program studi baru di IT Telkom mendapatkan sambutan positif dari DIKTI Departemen Pendidikan Nasional, dengan memberikan ijin pembukaan Program Studi S1 Teknik Fisika melalui SK No. 90/D/T2009. Dimana berdasarkan SK tersebut, IT Telkom mulai tahun ajaran 2009/2010 menerima pendaftaran mahasiswa baru untuk Prodi S1 Ilmu Komputasi dan Prodi S1 Teknik Fisika.

Diposting oleh ILMU KOMPUTASI 2 komentar

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.

Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam ilmu.

Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Diposting oleh ILMU KOMPUTASI Rabu, 10 Februari 2010 0 komentar

Followers

toolbar powered by Conduit

Subscribe here

TRANSLATE

DOWNLOAD

About Me

ILMU KOMPUTASI
Program S1 ilmu komputasi terdapat pada fakultas sains di Institute Teknologi Telkom
Lihat profil lengkapku

Label

BUKU TAMU


ShoutMix chat widget