Berikut ini adalah review paper dari sebuah penelitian yang menggunakan metode komputasi paralel dengan judul "Analisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing" dengan penulis Bagus Kurniawan, Noor Akhmad Setiawan, dan Teguh Bharata Aji (2015).

REVIEW

1. Masalah yang diteliti

Belum teruji baik untuk melakukan image processing maupun video processing menggunakan kinerja komputasi paralel GPU dengan CUDA sehingga perlu dilakukan analisis kinerja. Dari analisis tersebut akan tampak perbandingan komputasi GPU dengan komputasi CPU.

 

2. Tujuan Penelitian

Penelitian ini bertujuan untuk menerapkan teknik komputasi dengan teknologi CUDA dan memaparkan hasil kinerja dari perbandingan antara komputasi paralel GPU menggunakan CUDA dengan komputasi sekuensial CPU menggunakan OpenCV.

3. Metode Penelitian

Tahap penelitian terbagi menjadi dua bagian, yaitu membandingkan antara komputasi CPU dengan komputasi GPU untuk image processing dan video processing pada 10 data. Operasi yang dilakukan adalah grayscale, negatif, dan deteksi tepi dengan metode sobel filter. Pada pengujian, digunakan fungsi dalam algoritma yang sama, baik pada CPU maupun GPU. Namun cara pengolahan operasi dibedakan, untuk komputasi CPU menggunakan OpenCV sedangkan untuk komputasi GPU menggunakan CUDA.

4. Hasil Penelitian

Pengujian terhadap 10 data untuk image processing dan video processing dengan komputasi CPU dan komputasi GPU menghasilkan rata-rata waktu proses dari masing-masing komputasi sebagai berikut.

Dari perbandingan waktu rata-rata operasi grayscale di atas diperoleh bahwa pengujian untuk ukuran pixel terkecil hingga terbesar memiliki selisih waktu hampir merata dengan selisih paling besar yaitu 0.023 detik untuk keunggulan CUDA.

Dari perbandingan waktu rata-rata operasi negatif di atas diperoleh bahwa pengujian untuk ukuran pixel terkecil hingga terbesar memiliki selisih waktu paling besar yang mencapai  1.325 detik pada ukuran 7500x5000 pixel untuk keunggulan CUDA.

 

Dari perbandingan waktu rata-rata operasi deteksi tepi di atas diperoleh bahwa pengujian untuk ukuran pixel terkecil hingga terbesar memiliki selisih waktu yang cukup signifikan mencapai  14.037 detik pada ukuran 7500x5000 pixel untuk keunggulan CUDA.

 

 

Dari perbandingan waktu rata-rata video processing di atas diperoleh bahwa OpenCV unggul tipis dengan CUDA antara 1 s.d. 2 fps karena data yang di-copy ke GPU terlalu banyak dan berjalan secara perulangan sehingga memakan waktu lebih lama untuk eksekusi.

5. Kelebihan Penelitian

Kelebihan dari penelitian ini yaitu telah menerapkan berbagai operasi dari grayscale, negatif, deteksi tepi, dan video processing pada 10 data dengan ukuran pixel yang berbeda-beda (dari terkecil hingga terbesar) untuk melakukan perbandingan antara komputasi paralel menggunakan GPU dan komputasi sekuensial menggunakan CPU. Bahkan dilakukan juga proses secara paralel untuk rendering, converting, dan pemrosesan editing gambar maupun video dengan kompleksitas tinggi.

6. Kekurangan Penelitian

Kekurangan dari penelitian ini yaitu tidak disertainya hasil pengujian paralel untuk proses rendering, converting, dan pemrosesan editing gambar maupun video walaupun telah dilakukan pengujiannya yang menghasilkan bahwa komputasi paralel GPU lebih cepat.

7. Kesimpulan

Dari penelitian tersebut didapatkan kesimpulan bahwa teknologi CUDA untuk komputasi paralel menggunakan GPU menujukkan keunggulan terhadap komputasi sekuensial menggunakan CPU. Hasil pemrosesan gambar untuk operasi grayscale, negatif, dan deteksi tepi yang dilakukan dengan komputasi GPU lebih cepat dibandingkan komputasi CPU, walaupun untuk video processing menunjukan bahwa komputasi CPU sedikit lebih unggul dari komputasi GPU dengan selisih waktu yang sangat sedikit (selisih 1 s.d. 2 fps saja) sehingga tidak begitu terlihat dalam video.