PERBANDINGAN KINERJA JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN PEMROSESAN PARALEL GPGPU CUDA DAN PEMROSESAN SEKUENSIAL

Abstract

Jaringan Syaraf Tiruan (JST) merupakan salah satu contoh kecerdasan buatan yang terdiri dari beberapa layer yang dibentuk oleh node neuron, dan saling terhubung satu sama lain melalui jaringan. Metode JST diketahui sebagai salah satu metode terbaik dalam menyelesaikan beberapa kasus meskipun masih diperlukan waktu komputasi yang lama dalam kasus yang sangat kompleks. Pemrosesan Paralel dengan memanfaatkan kekuatan GPU Geforce diharapkan proses pelatihan dan pengujian JST untuk suatu kasus berjalan dengan waktu komputasi lebih cepat. Untuk mencapai tujuan, bahasa pemrograman C++ dan SDK CUDA sebagai tool pemrograman paralel. JST yang digunakan adalah metode JST backpropagation, dengan penerapan komputasi sekuensial dan paralel. Dari hasil penelitian dapat diketahui bahwa ternyata waktu komputasi paralel yang dibutuhkan 4 kali waktu komputasi sekuensial. Oleh karena itu, aplikasi JST untuk prediksi jumlah penderita penyakit masih cukup ditangani dengan pemrosesan sekuensial saja. Kelambatan pemrosesan paralel kemungkinan dapat disebabkan oleh latency, throughput, memory clock, cache, clock prosesor, bandwith atau algoritma paralel yang digunakan. Dengan adanya permasalahan crash yang dialami aplikasi JST setelah melakukan pengaturan nilai neuron hidden yang lebih besar, pemrosesan paralel masih bisa menjadi alternatif untuk menyelesaikan beberapa kasus. Pemahaman mengenai JST backpropagation dan arsitekur GPU sangat diperlukan agar dapat mengembangkan aplikasi JST CUDA dengan baik.