Judul Jurnal 1 : Introduction to GPU Computing and CUDA Programming: A Case Study on FOlD (Pengenalan pada komputasi gpu dan programming CUDA: Sebuah studi kasus tentang FTFD).
Judul Jurnal 2: An INTRODUCTION TO CUDA Programming (Sebuah pengenalan ke pemrograman CUDA)
Volume dan Halaman : 1 Volume 7 Halaman (Jurnal 1) Dan 1 Volume 8 Halaman (Jurnal 2)
Tahun : 2010 (Jurnal 1) dan 2008 (Jurnal 2)
Penulis : Danilo De Donno, Alessandra Esposito, Luciano Tarricone, and Luca Catarinucci (Jurnal 1) dan Irina Mocanu (Jurnal 2)
Latar Belakang
Latar belakang dari kedua jurnal diatas memiliki kesamaan yaitu dari batasan waktu dan sumber daya untuk melakukan komputasi yang berskala besar, namun hal tersebut tidak dapat dilakukan dengan CPU(Central Processing Unit) yang dibuat untuk melakukan komputasi general dan komputasi yang branching. Pengenalan CUDA oleh NVIDIA memberikan para peneliti cara alternatif dengan melakukan komputasi pada GPGPU(General Purpose Graphic Processor Unit) dimana pada dasar GPU didesain untuk melakukan komputasi aritmatik secara paralel dalam jumlah yang besar, hal ini juga didukung dengan harga GPU murah dan mudah pengoperasiannya dibanding membeli dan membuat arsitektur grid-computing.
Tujuan penelitian
Tujuan penelitian pada jurnal pertama lebih merujuk untuk mencari cara alternatif yang lebih mudah dan lebih tidak memakan biaya untuk mencari solusi pada masalah elektromagnet yang bertambah besar dan kompleks sehingga dibutuhkan komputer yang dapat melakukan komputasi dengan cepat. Sedangkan pada jurnal kedua lebih menjelaskan kegunaan dan kemampuan dari GPGPU yang disediakan oleh NVIDIA dengan API CUDA mereka
Metode Penelitian
Metode yang digunakan dan menjadi fokus dari jurnal pertama adalah metode FTFD(Finite Difference Time Domain) atau dikenal dengan metode Yee yang digunakan untuk mencari solusi pada masalah yang berhubungan dengan gelombang baik itu gelombang radio ataupun gelombang dekat inframerah(near infrared wavelength). dimana diharapkan dengan penggunaan waktu komputasi yang dapat dikurangi secara exponensial menggunakan eksploitasi yang diberikan oleh GPGPU dengan API CUDA.
Sedangkan pada jurnal kedua tidak terdapat melainkan terdapat penjelasan yang mendetail tentang workflow dan arsitektur dari CUDA dan mulai dari penggunaan cpu sebagai thread-handler dan penggunaan shared-memory.
Kedua jurnal membahas hal seperti API call CUDA dan function yang dapat digunakan oleh CUDA dan bagaimana arsitektur dari CUDA. selain itu kedua jurnal tersebut juga memberikan cara caranya sendiri untuk melakukan optimasi performa yang dapat diperoleh dari CUDA.
Analisa Perbedaan
Kedua jurnal tersebut tentu saja memiliki banyak kesamaan dikarenakan topik yang dibahas namun kedua jurnal tersebut juga memiliki perbedaan dikarenakan metode yang dipilih atau lebih tepatnya hanya satu jurnal yang memiliki metode yaitu metode FDTD yang menyebabkan jurnal pertama lebih memfokuskan peneliti jurnal tersebut pada pokok masalah yang dapat diselesaikan gabungan FDTD dengan CUDA. sedangkan pada jurnal kedua lebih menjelaskan apa itu CUDA dan penggunaan dari teknologi CUDA dan GPGPU secara umum.
Tanggapan
Kedua jurnal ini sangatlah bagus untuk pembaca yang sudah memiliki dasar tentang apa itu GPGPU,CUDA dan pengetahuan tentang arsitektur komputer yang lebih dalam. Hal yang dapat diambil dari kedua jurnal itu adalah bagaimana cara kerja CUDA secara umum dan bagaimana menggunakan CUDA secara efektif atau dapat dibilang mengoptimalkan kegunaan dari CUDA. dengan naiknya trend akan Machine-Learning, Artificial intelligence, big data. Teknologi CUDA akan semakin digunakan dimana trend tersebut membutuhkan komputasi yang cepat dengan besarnya dataset yang perlu diproses.
Referensi
Jurnal 1: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=5586593
Jurnal 2: http://www.rebe.rau.ro/RePEc/rau/jisomg/FA08/JISOM-FA08-A17.pdf
Nizmitz 