Evaluasi Kinerja Arsitektur CPU dan GPU dalam Pemrosesan Komputasi Paralel Berbasis Google Colab

Abstract

Kebutuhan komputasi modern mendorong penggunaan perangkat pemrosesan yang mampu menangani beban kerja besar secara cepat dan efisien. CPU memiliki peran penting sebagai pusat pengendali instruksi umum, sedangkan GPU memiliki kemampuan pemrosesan paralel yang lebih sesuai untuk operasi numerik berskala besar. Penelitian ini bertujuan untuk mengevaluasi perbedaan kinerja arsitektur CPU dan GPU dalam pemrosesan komputasi paralel berbasis Google Colab. Metode yang digunakan adalah eksperimen kuantitatif dengan skenario pengujian perkalian matriks menggunakan pustaka PyTorch. Pengujian dilakukan pada lima ukuran matriks, yaitu 500 x 500, 1000 x 1000, 2000 x 2000, 3000 x 3000, dan 4000 x 4000. Parameter yang diukur meliputi waktu eksekusi CPU, waktu eksekusi GPU, dan nilai speed up. Hasil pengujian menunjukkan bahwa GPU belum optimal pada ukuran matriks kecil 500 x 500 dengan speed up 0,47 kali. Namun, pada ukuran matriks lebih besar, GPU menunjukkan peningkatan kinerja signifikan dengan speed up 23,25 hingga 27,30 kali dibandingkan CPU. Hasil ini menunjukkan bahwa GPU lebih efektif untuk pemrosesan paralel berskala besar.