pemrosesan paralel
DESCRIPTION
siskomTRANSCRIPT
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
1. Membahas kebutuhan dan klasifikasi mesin paralel (SISD, SIMD, MISD, MIMD,
SPMD), komunikasi antar prosesor, memori persekutuan (shared memory), pengiriman
pesan (message passing), jaringan interkoneksi (interconnection network), konstruksi
algoritma paralel, efisiensi dan percepatan pemrosesan paralel, dan contoh aplikasi
pemprosesan paralel.
2. Jelaskan tentang cara kerja komputer von neumann seperti yang digambarkan pada
gambar presentasi kel II Apa fungsi CU, REgister, ALU, Memori dan I/O dan bagaimana
mereka bekerja sama ?
3. Apa yang dimaksud dengan mantissa, dan bagaimanakah cara kerjanya
KOMPUTASI DAN PARALEL PROCESSING
Apa komputasi Paralel dan Terdistribusi?
Menyelesaikan satu masalah lebih cepat dengan menggunakan beberapa CPU
Paralel Memory = Bersama antara semua CPU
Terdistribusi = lokal Memory / CPU
Masalah Umum: Partisi, Sinkronisasi, Dependensi
Why Shared Memory programming?
Easier conceptual environment
Programmers typically familiar with concurrent threadsand processessharing address
space
OpenMP an application programming interface (API) for shared-memory systems
Supports higher performance parallel programming of symmetrical multiprocessors
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
1SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia
komputasi) dll.
Untuk melakukan berbagai jenis komputasi paralel diperlukan infrastruktur mesin paralel
yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja
secara paralel untuk menyelesaikan satu masalah. Untuk digunakan perangkat lunak
pendukung yang biasa disebut middleware yang berperan mengatur distribusi antar titik
dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk
merealisasikan komputasi. Salah satu middleware yang asli dikembangkan
di Indonesia adalah OpenPC yang dipelopori oleh GFTK LIPI dan diimplementasikan di LIPI
Public Center.
Pemrograman Paralel sendiri adalah teknik pemrograman komputer yang memungkinkan
eksekusi perintah/operasi secara bersamaan. Bila komputer yang digunakan secara bersamaan
tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam satu
jaringan komputer, biasanya disebut sistem terdistribusi. Bahasa pemrograman yang populer
digunakan dalam pemrograman paralel adalah MPI (Message Passing Interface) dan PVM
(Parallel Virtual Machine).
Yang perlu diingat adalah komputasi paralel berbeda dengan multitasking. Pengertian
multitasking adalah komputer dengan processor tunggal mengeksekusi beberapa tugas secara
bersamaan. Walaupun beberapa orang yang bergelut di bidang sistem operasi beranggapan
bahwa komputer tunggal tidak bisa melakukan beberapa pekerjaan sekaligus, melainkan
proses penjadwalan yang berlakukan pada sistem operasi membuat komputer seperti
mengerjakan tugas secara bersamaan. Sedangkan komputasi paralel sudah dijelaskan
sebelumnya, bahwa komputasi paralel menggunakan beberapa processor atau komputer.
Selain itu komputasi paralel tidak menggunakan arsitektur Von Neumann.
2SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Untuk lebih memperjelas lebih dalam mengenai perbedaan komputasi tunggal (menggunakan
1 processor) dengan komputasi paralel (menggunakan beberapa processor), maka kita harus
mengetahui terlebih dahulu pengertian mengenai model dari komputasi. Ada 4 model
komputasi yang digunakan, yaitu:
1. SISD
Yang merupakan singkatan dari Single Instruction, Single Data adalah satu-satunya yang
menggunakan arsitektur Von Neumann. Ini dikarenakan pada model ini hanya digunakan 1
processor saja. Oleh karena itu model ini bisa dikatakan sebagai model untuk komputasi
tunggal. Sedangkan ketiga model lainnya merupakan komputasi paralel yang menggunakan
beberapa processor. Beberapa contoh komputer yang menggunakan model SISD adalah
UNIVAC1, IBM 360, CDC 7600, Cray 1 dan PDP 1.
2. SIMD
Yang merupakan singkatan dari Single Instruction, Multiple Data. SIMD menggunakan
banyak processor dengan instruksi yang sama, namun setiap processor mengolah data yang
berbeda. Sebagai contoh kita ingin mencari angka 27 pada deretan angka yang terdiri dari
100 angka, dan kita menggunakan 5 processor. Pada setiap processor kita menggunakan
algoritma atau perintah yang sama, namun data yang diproses berbeda. Misalnya processor 1
3SISTEM KOMPUTER
SISD
SIMD
MISD
MIMD
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
mengolah data dari deretan / urutan pertama hingga urutan ke 20, processor 2 mengolah data
dari urutan 21 sampai urutan 40, begitu pun untuk processor-processor yang lain. Beberapa
contoh komputer yang menggunakan model SIMD adalah ILLIAC IV, MasPar, Cray X-MP,
Cray Y-MP, Thingking Machine CM-2 dan Cell Processor (GPU).
3. MISD
Yang merupakan singkatan dari Multiple Instruction, Single Data. MISD menggunakan
banyak processor dengan setiap processor menggunakan instruksi yang berbeda namun
mengolah data yang sama. Hal ini merupakan kebalikan dari model SIMD. Untuk contoh,
kita bisa menggunakan kasus yang sama pada contoh model SIMD namun cara penyelesaian
yang berbeda. Pada MISD jika pada komputer pertama, kedua, ketiga, keempat dan kelima
sama-sama mengolah data dari urutan 1-100, namun algoritma yang digunakan untuk teknik
pencariannya berbeda di setiap processor. Sampai saat ini belum ada komputer yang
menggunakan model MISD.
4. MIMD
Juga disebut multiprocessors, dimana lebih dari satu proses dapat dieksekusi berikut
terhadap datanya masing-masing. Yaitu sebuah komputer yang memiliki beberapa prosesor
yang bersifat otonomus yang mampu melakukan instruksi yang berbeda pada data yang
berbeda. Sistem terdistribusi umumnya dikenal sebagai MIMD, entah itu menggunakan satu
ruangan memori secara bersama-sama atau sebuah ruangan memori yang terdistribusi.
4SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Hubungan antara Komputasi Modern dengan Paralel Processing
Hubungan antara komputasi modern dan parallel processing sangat berkaitan, karena
penggunaan komputer saat ini atau komputasi dianggap lebih cepat dibandingkan dengan
penyelesaian masalah secara manual. Dengan begitu peningkatan kinerja atau proses
komputasi semakin diterapkan, dan salah satu caranya adalah dengan meningkatkan
kecepatan perangkat keras. Dimana komponen utama dalam perangkat keras komputer adalah
processor. Sedangkan parallel processing adalah penggunaan beberapa processor
(multiprocessor atau arsitektur komputer dengan banyak processor) agar kinerja computer
semakin cepat.
Kinerja komputasi dengan menggunakan paralel processing itu menggunakan dan
memanfaatkan beberapa komputer atau CPU untuk menemukan suatu pemecahan masalah
dari masalah yang ada. Sehingga dapat diselesaikan dengan cepat daripada menggunakan satu
komputer saja. Komputasi dengan paralel processing akan menggabungkan beberapa CPU,
dan membagi-bagi tugas untuk masing-masing CPU tersebut. Jadi, satu masalah terbagi-bagi
penyelesaiannya. Tetapi ini untuk masalah yang besar saja, komputasi yang masalah kecil,
lebih murah menggunakan satu CPU saja.
5SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
ARSITEKTUR VON NEUMANN
Arsitektur von Neumann (Mesin Von Neumann) adalah arsitektur yang diciptakan oleh John
von Neumann (1903-1957). Arsitektur ini digunakan oleh hampir semua komputer saat ini.
Dengan unit sederhana ini, sebuah software yang rumit, seperti software pengolah kata Dapat
dibuat. Arsitektur Von Neumann menyediakan fitur penyimpanan dan modifikasi program
secara mudah.
Mesin von Neumann mempunyai program dan data daerah memory yang sama. Model ini
membutuhkan berbagai pengumpulan program dan data untuk membentuk instruksi.
Pengumpulan program dan data diselesaikan menggunakan time division multiplexing yang
akan berpengaruh pada performa mikrokontroler itu sendiri.
Diagram Arsitektur von Neumann :
6SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Cara Kerja Von Neumann Nomor ( 1 – 2 )
Ada dua unit operasi dasar dalam mesin ini : ALU dan I/O,
ALU melakukan inti operasi : perkalian, penjumalahan, pengurangan, dll.
Unit I/O menangani aliran data eksternal.
Kunci utama arsitektur von Neumann adalah unit pemrosesan sentral (CPU), yang
memungkinkan seluruh fungsi komputer untuk dikoordinasikan melalui satu sumber tunggal.
Adapun cara kerja model Von Neumann, yaitu :
Main memory menyimpan data dan program BUS mentransfer data, alamat dan mengontrol signal. Baik itu dari atau ke memory maupun
dari atau ke perangkat lainnya. CPU Control Unit menangkap intruksi dan mengeksekusinya. ALU (Arithmetic Logic Unit) melakukan operasi (menambah, mengurangi, dll) Register 9Fast Memory) menyimpan hasil sementara dan informasi kontrol (alamat instruksi
berikutnya). Perangkat I/O menjadi tepat penghubung antara user dan komputer.
7SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Cara Kerja Von Neumann Nomor ( 3 )
Cara kerjanya adalah satu CPU mengeksekusi instruksi satu persatu dan menjemput atau
menyimpan data satu persatu. Adapun karakteristik model SIMD ini :
Mendistribusi proses ke sejumlah besar hardware
Beroperasi terhadap berbagai elemen data yang berbeda
Melaksanakan komputasi yang sama terhadap semua elemen data
Kelebihan & Kekurangan Model Von Neumann
Kelebihan Von Neumann adalah pada fleksibilitas pengalamatan program dan data.
Biasanya program selalu ada di (ROM=Read Only Memory ) dan data selalu ada di
(RAM=Random Access Memory). Arsitektur Von Neumann memungkinkan prosesor untuk
menjalankan program yang ada didalam memori data (RAM). Misalnya pada saat power on,
dibuat program inisialisasi yang mengisi byte di dalam RAM. Data di dalam RAM ini pada
gilirannya nanti akan dijalankan sebagai program. Sebaliknya data juga dapat disimpan di
dalam memori program (ROM).
Kekurangan Arsitektur Von Neumann adalah bus tunggalnya itu sendiri. Sehingga
instruksi untuk mengakses program dan data harus dijalankan secara sekuensial dan tidak
bisa dilakukan overlaping untuk menjalankan dua isntruksi yang berurutan. Selain itu
bandwidth program harus sama dengan banwitdh data. Jika memori data adalah 8 bits maka
program juga harus 8 bits. Satu instruksi biasanya terdiri dari opcode (instruksinya sendiri)
dan diikuti dengan operand (alamat atau data). Karena memori program terbatas hanya 8 bits,
maka instruksi yang panjang harus dilakukan dengan 2 atau 3 bytes. Misalnya byte pertama
adalah opcode dan byte berikutnya adalah operand. Secara umum prosesor Von Neumann
membutuhkan jumlah clock CPI (Clock per Instruction) yang relatif lebih banyak dan
walhasil eksekusi instruksi dapat menjadi relatif lebih lama.
8SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
BILANGAN FLOATING POINT
Bilangan yang mempunyai nilai pecahan (misalnya 3.2575) dapat direpresentasikan dengan
dua format bilangan: fixed-point dan floating-point.
Bilangan pecahan fixed-point mempunyai jangkauan yang dibatasi oleh jumlah digit
signifikan yang digunakan untuk merepresentasikan bilangan tersebut. Misalnya bilangan
pecahan desimal sepuluh digit. Bilangan tersebut dinyatakan dengan fixed-point, yaitu satu
digit untuk tanda, empat digit untuk angka utuh dan lima digit untuk angka pecahan.
Jangkauan bilangan tersebut adalah 0 sampai 9999 untuk angka utuh dan 0.00001 sampai
0.99999 untuk angka pecahan, sehingga nilai bilangan yang mungkin adalah -9999.99999
sampai +9999.99999 dengan presisi 0.00001. Contoh bilangan tersebut yang valid adalah -
9.00102 dan 100.99998. Bilangan ±10000 tidak bisa dinyatakan dengan sistem bilangan
sepuluh digit ini. Sedangkan bilangan 0.000005 tidak memenuhi derajat presisi yang
diinginkan, walaupun berada dalam jangkauan bilangan. Bilangan tersebut akan dibulatkan
ke 0.00000 atau 0.00001, yang berarti ada selisih sebesar ±0.000005 dari nilai yang
diinginkan.
Dalam aplikasi saintifik, mungkin akan terdapat bilangan yang sangat besar atau sangat kecil.
Bilangan tersebut harus dapat direpresentasikan dengan tepat (presisi), yaitu
menggunakanfloating-point. Bilangan floating-point direpresentasikan dengan mantissa yang
berisi digit signifikan dan eksponen dari radix R
Format: mantisa × Reksponen
Represensasi bilangan floating-point seringkali dinormalisasi terhadap radixnya, misalnya 1,
5 × 1044atau 1, 253 × 10 − 36
Format bilangan floating-point biner telah distandarkan oleh IEEE 754-2008 (atau
ISO/IEC/IEEE 60559:2011), yaitu meliputi format 16-bit (half), 32-bit (single-precision), 64-
bit (double-precision), 80-bit (double-extended) dan 128-bit (quad-precision). Di bab ini
hanya dibahas tentang format dasar, yaitu 32-bit dan 64-bit.
Bilangan Floating-Point 32-bit (single-precision)
Bilangan floating-point 32-bit tersusun atas (Gambar 0.1↓):
9SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
1 bit tanda (S),
8 bit eksponen (E), dan
23 bit untuk mantisa (M)
Figure 0.1 Format bilangan floating-point 32-bit
Bit tanda (S) menyatakan bilangan positif jika S=0 dan negatif jika S=1.
Field eksponen adalah radix 2. Nilai eksponen bisa negatif atau positif untuk menyatakan
bilangan yang sangat kecil atau sangat besar. Format eksponen yang digunakan
adalah excess-127. Nilai 127 ditambahkan dari nilai eksponen sebenarnya (Exp), yaitu Exp =
E − 127. Dengan excess-127, nilai E akan selalu positif dengan jangkauan 0 sampai 255.
Nilai ekstrem adalah untuk E=0 dan E=255
E=0 menyatakan bilangan NOL (jika M = 0) dan subnormal (jika M ≠ 0)
E=255 menyatakan bilangan TAK TERHINGGA (jika M = 0) dan NAN/not-a-
number (jika M ≠ 0);
Nilai normal adalah 1 ≤ E ≤ 254 yang menunjukkan nilai eksponen sebenarnya dari -126
sampai 127
Contoh: Emin(1) = − 126, E(50) = − 77 dan Emax(254) = 127;
Eksponen
(E)
Mantissa=0 Mantissa ≠ 0 Persamaan
0 0, -0 subnormal ( − 1)S × 0.bit signifikan × 2 −
126
1-254 Nilai ternormalisasi ( − 1)S × 1.bit signifikan × 2E −
127
255 ∞ bukan bilangan (NAN=not-a-
number)
Table 0.1 Nilai eksponen di format floating-point 32-bit
10SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Saat nilai mantisa (M) dinormalisasi, most significant bit (MSB) selalu 1. Namun, bit MSB
ini tidak perlu disertakan secara eksplisit di field mantisa (Tabel 0.1↑). Nilai mantisa yang
sebenarnya adalah 1.M, sehingga nilai bilangan floating-pointnya menjadi:
Di bilangan subnormal, nilai mantisa sebenarnya adalah 0.M, sehingga bilangan floating-
pointnya menjadi:
Dengan mantissa 23 bit ini ditambah 1 bit implisit, total presisi dari representasi floating-
point 32-bit ini adalah 24 bit atau sekitar 7 digit desimal (yaitu 24 × log10(2) = 7.225).
Dalam pemrograman, suatu bilangan single-precision ini dideklarasikan dengan tipe
data float(bahasa C, C++, Java) dan single (Pascal, VB, MATLAB).
float anumber; // 32-bit single precision number
int main(){
anumber = -1.1245;
...
return 0;
}
Contoh 1
Bilangan floating-point dinyatakan dengan B = 0x3E600000 . Nyatakan B sebagai bilangan
pecahan desimal.
Representasi bilangan floating-point 32-bit dapat dinyatakan seperti Gambar 0.2↓.
11SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Jadi, B = 0x3E6300000 menyatakan bilangan floating-point 0.21875
Figure 0.2 Contoh bilangan floating-point 32-bit B = 0x3E60000
Contoh 2
Tentukan nilai pecahan desimal dari bilangan floating-point B=0×00600000 (Gambar 0.3↓)
Bilangan B mempunyai E = 0 dan M ≠ 0, sehingga merupakan bilangan subnormal dan
berlaku persamaan bilangan subnormal. Nilai pecahan desimal dari bilangan subnormal B
adalah:
Figure 0.3 Contoh bilangan floating-point 32-bit B = 0x0060000
Contoh 3
Nyatakan bilangan pecahan desimal B=35.625 dalam format floating-point 32-bit
Bilangan B dipecah menjadi bilangan utuh dan bilangan pecahan. Bilangan utuh dan bilangan
pecahan dikonversikan ke biner (nyatakan bilangan seperti di fixed-point). Kedua bilangan
tersebut disatukan dan dinormalkan (geser) untuk mendapatkan nilai mantissa dan eksponen
akhir.
B = (35.625)10
12SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
= (35)10 + (0.625)10
= (100011)2 + (0.1001)2
= (100011.1001)2
= (1.000111001)2 × 25
Dari perhitungan di atas, nilai eksponen E = 5 + 127 = 132 = 10000100 dan mantissa M =
000111001, sehingga diperoleh B = 0x420E4000 (Gambar 0.4↓).
Figure 0.4 Contoh bilangan floating-point 32-bit B = 35.625
Bilangan floating-point negatif mempunyai bentuk sign-magnitude, yaitu nilai S
menunjukkan tanda sedangkan besar nilai ditunjukkan oleh mantissa dan eksponennya.
Contoh 4
Nyatakan format floating-point 32-bit dari bilangan A = − 0.21875
Dari Contoh ↑, nilai bilangan − A = + 0.21875 adalah 0x3E600000. Dengan mengubah field
S=1, maka bilangan A dinyatakan dengan 0xBE600000 (Gambar 0.5↓)
Figure 0.5 Bilangan negatif A = − 0.21875 dinyatakan dengan 0xBE600000
Bilangan Floating-Point 64-bit (double-precision)
Bilangan floating-point 64-bit tersusun atas (Gambar 0.6↓):
1 bit tanda (S),
11 bit eksponen (E), dan
52 bit untuk mantisa (M)
13SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Figure 0.6 Format bilangan floating-point 64-bit
Seperti halnya dengan bilangan single-precission, bit tanda (S) menyatakan bilangan positif
jika S=0 dan negatif jika S=1. Field eksponen adalah radix 2. Nilai eksponen bisa negatif atau
positif untuk menyatakan bilangan yang sangat kecil atau sangat besar. Format eksponen
yang digunakan adalah excess-1023. Nilai 1023 ditambahkan dari nilai eksponen sebenarnya
(Exp), yaituExp = E − 1023. Dengan excess-1023, nilai E akan selalu positif dengan
jangkauan 0 sampai 2047.
Nilai ekstrem adalah untuk E = 0 dan E = 2047
E=0 menyatakan bilangan NOL (jika M = 0) dan subnormal (jika M ≠ 0)
E=2047 menyatakan bilangan TAK TERHINGGA (jika M = 0) dan NAN/not-a-
number (jika M≠ 0) (Tabel 0.2↓);
Nilai normal adalah 1 ≤ E ≤ 2046 yang menunjukkan nilai eksponen sebenarnya dari -1022
sampai 1023
Contoh: Emin(1) = − 1022, E(100) = − 923 dan Emax(2046) = 1023;
Eksponen
(E)
Mantissa=0 Mantissa ≠ 0 Persamaan
0 0, -0 subnormal ( − 1)S × 0.bit signifikan × 2 −
1022
1-2046 Nilai ternormalisasi ( − 1)S × 1.bit signifikan × 2E −
1023
2047 ∞ bukan bilangan (NAN=not-a-
number)
Table 0.2 Nilai eksponen di format floating-point 64-bit
Nilai mantisa (M) dinormalisasi, yang berarti most significant bit (MSB) selalu 1. Bit MSB
ini tidak perlu disertakan secara eksplisit di field mantisa. Nilai mantisa sebenarnya
adalah 1.M, sehingga nilai bilangan floating-pointnya menjadi:
14SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Dengan mantissa 52 bit ini ditambah 1 bit implisit, total presisi dari representasi floating-
point 32-bit ini adalah 53 bit atau sekitar 16 digit desimal (yaitu 53 × log10(2) = 15.995).
Dalam pemrograman, suatu bilangan single-precision ini dideklarasikan dengan tipe
data double(bahasa C, C++, Java).
double anumber; // 64-bit double precision number
int main(){
anumber = -1.1245;
...
return 0;
}
Contoh 5
Bilangan floating-point dinyatakan dengan B = 0x3FD5000000000000 . Nyatakan B sebagai
bilangan pecahan desimal.
Representasi bilangan floating-point 64-bit dapat dinyatakan seperti Gambar 0.7↓.
Jadi, B = 0x3FD5000000000000 menyatakan bilangan floating-point 0.328125
15SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Figure 0.7 Contoh bilangan floating-point 64-bit B = 0x3FD5000000000000 = 0.328125
Contoh 6
Nyatakan bilangan pecahan desimal B=35.625 dalam format floating-point 64-bit
Bilangan B dipecah menjadi bilangan utuh dan bilangan pecahan. Bilangan utuh dan bilangan
pecahan dikonversikan ke biner (nyatakan bilangan seperti di fixed-point). Kedua bilangan
tersebut disatukan dan dinormalkan (geser) untuk mendapatkan nilai mantissa dan eksponen
akhir.
B = (35.625)10
= (35)10 + (0.625)10
= (100011)2 + (0.1001)2
= (100011.1001)2
= (1.000111001)2 × 25
Dari perhitungan di atas, nilai eksponen E = 5 + 1023 = 1028 = 10000000100 dan
mantissa M = 000111001, sehingga diperoleh B = 0x4041C800000000 (Gambar 0.8↓).
Figure 0.8 Contoh bilangan floating-point 64-bit B = 35.625
Bilangan floating-point negatif mempunyai bentuk sign-magnitude, yaitu nilai S
menunjukkan tanda sedangkan besar nilai ditunjukkan oleh mantissa dan eksponennya.
Contoh 7
Nyatakan format floating-point 32-bit dari bilangan A = − 0.328125
16SISTEM KOMPUTER
NAMA : BAYU SETIAWANNIM : K11110014PEMROSESAN PARALEL
Dari Contoh 0.7↑, nilai bilangan − A = + 0.328125 adalah 0x3FD5000000000000. Dengan
mengubah field S=1, maka bilangan A dinyatakan
dengan 0xBFD5000000000000 (Gambar 0.9↓)
Figure 0.9 Bilangan negatif A = − 0.328125 dinyatakan dengan 0x3FD5000000000000
17SISTEM KOMPUTER