Bio Informatika

Bio Informatika?

Bioinformatika adalah salah satu cabang baru ilmu biologi yang merupakan perpaduan antara biologi dan teknologi informasi. Menurut Durso (1997) bioinformatika adalah manajemen dan analisis informasi biologis yang disimpan dalam database.

Ilmu ini mengajarkan aplikasi, analisis, dan mengorganisir miliaran bit informasi genetik dalam sel mahluk hidup. Studi bioinformatika terutama didukung uleh studi genomik, biologi komputasi, dan teknologi komputer. Menurut Roderick (lihat Hieter & Boguski, 1997), genomik adalah studi yang berhubungan dengan pemetaan, sekuen, dan analisis genom. Walaupun belum jelas, secara umum Genomik bisa diartikan sebagai penggunaan informasi genom secara sistematis, dengan data eksperimental baru untuk menjawab permasalahan biologis, medis, maupun industri (Jordan, 1999).

BioInformatika sendiri mencakup kajian yang lebih mendalam dari genomik. Dalam studi bioinformatika digunakan komputer yang mampu menyimpan data dalam jumlah yang sangat banyak dan didukung berbagai macam software untuk menganalisis jutaan data yang berasal dari mahluk hidup.

Sejarah Bio informatika

Istilah bioinformatics mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis sudah dilakukan sejak tahun 1960-an.

Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali perkembangan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat, sementara basis data sekuens DNA dikembangkan pada akhir 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an menjadi landasan terjadinya ledakan jumlah sekuens DNA yang berhasil diungkapkan pada 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya menyebabkan lahirnya bioinformatika.

Perkembangan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui Internet memudahkan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui Internet memudahkan ilmuwan mengakses program-program tersebut dan kemudian memudahkan pengembangannya.

Bioinformatika di Indonesia

Saat ini mata ajaran bioinformatika maupun mata ajaran dengan muatan bioinformatika sudah diajarkan di beberapa perguruan tinggi di Indonesia. Sekolah Ilmu dan Teknologi Hayati ITB menawarkan mata kuliah “Pengantar Bioinformatika” untuk program Sarjana dan mata kuliah “Bioinformatika” untuk program Pascasarjana. Fakultas Teknobiologi Universitas Atma Jaya, Jakarta menawarkan mata kuliah “Pengantar Bioinformatika”. Mata kuliah “Bioinformatika” diajarkan pada Program Pascasarjana Kimia Fakultas MIPA Universitas Indonesia (UI), Jakarta. Mata kuliah “Proteomik dan Bioinformatika” termasuk dalam kurikulum program S3 bioteknologi Universitas Gadjah Mada (UGM), Yogyakarta. Materi bioinformatika termasuk di dalam silabus beberapa mata kuliah untuk program sarjana maupun pascasarjana biokimia,biologi, dan bioteknologi pada Institut Pertanian Bogor (IPB). Selain itu, riset-riset yang mengarah pada bioinformatika juga telah dilaksanakan oleh mahasiswa program S1 Ilmu Komputer maupun program pascasarjana biologi serta bioteknologi IPB.

Riset bioinformatika protein dilaksanakan sebagai bagian dari aktivitas riset rekayasa protein pada Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi Lembaga Ilmu Pengetahuan Indonesia (LIPI), Cibinong, Bogor. Lembaga Biologi Molekul Eijkman, Jakarta, secara khusus memiliki laboratorium bioinformatika sebagai fasilitas penunjang kegiatan risetnya. Selain itu, basis data sekuens DNA mikroorganisme asli Indonesia sedang dikembangkan di UI.

Bidang-Bidang yang Terkait dengan Bioinformatika :

Biophysics

Biologi molekul sendiri merupakan pengembangan yang lahir dari biophysics. Biophysics adalah sebuah bidang interdisipliner yang mengaplikasikan teknik- teknik dari ilmu Fisika untuk memahami struktur dan fungsi biologi (British Biophysical Society). Sesuai dengan definisi di atas, bidang ini merupakan suatu bidang yang luas. Namun secara langsung disiplin ilmu ini terkait dengan Bioinformatika karena penggunaan teknik-teknik dari ilmu Fisika untuk memahami struktur membutuhkan penggunaan TI.

Computational Biology

Computational biology merupakan bagian dari Bioinformatika (dalam arti yang paling luas) yang paling dekat dengan bidang Biologi umum klasik. Fokus dari computational biology adalah gerak evolusi, populasi, dan biologi teoritis daripada biomedis dalam molekul dan sel. Tak dapat dielakkan bahwa Biologi Molekul cukup penting dalam computational biology, namun itu bukanlah inti dari disiplin ilmu ini. Pada penerapan computational biology, model-model statistika untuk fenomena biologi lebih disukai dipakai dibandingkan dengan model sebenarnya. 

Dalam beberapa hal cara tersebut cukup baik mengingat pada kasus tertentu eksperimen langsung pada fenomena biologi cukup sulit. Tidak semua dari computational biology merupakan Bioinformatika, seperti contohnya Model Matematika bukan merupakan Bioinformatika, bahkan meskipun dikaitkan dengan masalah biologi.

Cheminformatics

Cheminformatics adalah kombinasi dari sintesis kimia, penyaringan biologis, dan pendekatan data-mining yang digunakan untuk penemuan dan pengembangan obat (Cambridge Healthech Institute’s Sixth Annual Cheminformatics conference). Pengertian disiplin ilmu yang disebutkan di atas lebih merupakan identifikasi dari salah satu aktivitas yang paling populer dibandingkan dengan berbagai bidang studi yang mungkin ada di bawah bidang ini.

Salah satu contoh penemuan obat yang paling sukses sepanjang sejarah adalah penisilin, dapat menggambarkan cara untuk menemukan dan mengembangkan obatobatan hingga sekarang –meskipun terlihat aneh–. Cara untuk menemukan dan mengembangkan obat adalah hasil dari kesempatan, observasi, dan banyak proses kimia yang intensif dan lambat. Sampai beberapa waktu yang lalu, disain obat dianggap harus selalu menggunakan kerja yang intensif, proses uji dan gagal (trial-error process).

Kemungkinan penggunaan TI untuk merencanakan secara cerdas dan dengan mengotomatiskan proses-proses yang terkait dengan sintesis kimiawi dari komponen-komponen pengobatan merupakan suatu prospek yang sangat menarik bagi ahli kimia dan ahli biokimia. Penghargaan untuk menghasilkan obat yang dapat dipasarkan secara lebih cepat sangatlah besar, sehingga target inilah yang merupakan inti dari cheminformatics.

Ruang lingkup akademis dari cheminformatics ini sangat luas. Contoh bidang minatnya antara lain: Synthesis Planning, Reaction and Structure Retrieval, 3-D Structure Retrieval, Modelling, Computational Chemistry, Visualisation Tools and Utilities.

Genomics

Genomics adalah bidang ilmu yang ada sebelum selesainya sekuen genom, kecuali dalam bentuk yang paling kasar. Genomics adalah setiap usaha untuk menganalisa atau membandingkan seluruh komplemen genetik dari satu spesies atau lebih. Secara logis tentu saja mungkin untuk membandingkan genom-genom dengan membandingkan kurang lebih suatu himpunan bagian dari gen di dalam genom yang representatif.

Mathematical Biology

Mathematical biology lebih mudah dibedakan dengan Bioinformatika daripada computational biology dengan Bioinformatika. Mathematical biology juga menangani masalah-masalah biologi, namun metode yang digunakan untuk menangani masalah tersebut tidak perlu secara numerik dan tidak perlu diimplementasikan dalam software maupun hardware. Bahkan metode yang dipakai tidak perlu “menyelesaikan” masalah apapun; dalam mathematical biology bisa dianggap beralasan untuk mempublikasikan sebuah hasil yang hanya menyatakan bahwa suatu masalah biologi berada pada kelas umum tertentu. 

Istilah proteomics pertama kali digunakan untuk menggambarkan himpunan dari protein-protein yang tersusun (encoded) oleh genom. Ilmu yang mempelajari proteome, yang disebut proteomics, pada saat ini tidak hanya memperhatikan semua protein di dalam sel yang diberikan, tetapi juga himpunan dari semua bentuk isoform dan modifikasi dari semua protein, interaksi diantaranya, deskripsi struktural dari proteinprotein dan kompleks-kompleks orde tingkat tinggi dari protein, dan mengenai masalah tersebut hampir semua pasca genom. 

Pharmacogenomics

Pharmacogenomics adalah aplikasi dari pendekatan genomik dan teknologi pada identifikasi dari target-target obat. Contohnya meliputi menjaring semua genom untuk penerima yang potensial dengan menggunakan cara Bioinformatika, atau dengan menyelidiki bentuk pola dari ekspresi gen di dalam baik patogen maupun induk selama terjadinya infeksi, atau maupun dengan memeriksa karakteristik pola-pola ekspresi yang ditemukan dalam tumor atau contoh dari pasien untuk kepentingan diagnosa (kemungkinan untuk mengejar target potensial terapi kanker). 

Istilah pharmacogenomics digunakan lebih untuk urusan yang lebih “trivial” — tetapi dapat diargumentasikan lebih berguna– dari aplikasi pendekatan Bioinformatika pada pengkatalogan dan pemrosesan informasi yang berkaitan dengan ilmu Farmasi dan Genetika, untuk contohnya adalah pengumpulan informasi pasien dalam database.

Pharmacogenetics

Tiap individu mempunyai respon yang berbeda-beda terhadap berbagai pengaruh obat; sebagian ada yang positif, sebagian ada yang sedikit perubahan yang tampak pada kondisi mereka dan ada juga yang mendapatkan efek samping atau reaksi alergi. Sebagian dari reaksi-reaksi ini diketahui mempunyai dasar genetik. Pharmacogenetics adalah bagian dari pharmacogenomics yang menggunakan metode genomik/Bioinformatika untuk mengidentifikasi hubungan-hubungan genomik, contohnya SNP (Single Nucleotide Polymorphisms), karakteristik dari profil respons pasien tertentu dan menggunakan informasi-informasi tersebut untuk memberitahu administrasi dan pengembangan terapi pengobatan. 

Secara menakjubkan pendekatan tersebut telah digunakan untuk “menghidupkan kembali” obat-obatan yang sebelumnya dianggap tidak efektif, namun ternyata diketahui manjur pada sekelompok pasien tertentu. Disiplin ilmu ini juga dapat digunakan untuk mengoptimalkan dosis kemoterapi pada pasien-pasien tertentu. Gambaran dari sebagian bidang-bidang yang terkait dengan Bioinformatika di atas memperlihatkan bahwa Bioinformatika mempunyai ruang lingkup yang sangat luas dan mempunyai peran yang sangat besar dalam bidangnya. Bahkan pada bidang pelayanan kesehatan Bioinformatika menimbulkan disiplin ilmu baru yang menyebabkan peningkatan pelayanan kesehatan.

4IA14

Reni Marintan br. Doloksaribu (55411973)

1. Arief Iman Rahman 

2. Asep Rohmana 

3. Cella Rofi 

4. Kutfu Dany 

5. Latifah 

6. M Fuad Fazri 

7. M Isan Guci 

8. Netty Herawaty 

9. Reni Marintan 

PEMROGRAMAN PARALLEL

Komputasi Paralel

Komputasi

Komputasi adalah algoritma yang digunakan untuk menemukan suatu cara dalam memecahkan masalah dari sebuah data input. Data input disini adalah sebuah masukan yang berasal dari luar lingkungan sistem. Komputasi ini merupakan bagian dari ilmu komputer berpadu dengan ilmu matematika. Secara umum ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains).

Komputasi Modern

Komputasi modern bisa disebut sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi oleh John Von Neumann (1903-1957). Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1.    Akurasi

2.    Kecepatan

3.    ProblemVolume Besar

4.    Modelling

5.    Kompleksitas

Paralel Processing

Pemrosesan paralel (parallel processing) adalah penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan.

Pemrograman paralel adalah teknik pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan (komputasi paralel), baik dalam komputer dengan satu (prosesor tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU. Bila komputer yang digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam suatu jaringan komputer lebih sering istilah yang digunakan adalah sistem terdistribusi (distributed computing).

TUJUAN PARALLEL PROCESSING

Tujuan utama dari pemrosesan paralel adalah untuk meningkatkan performa komputasi. Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan.

Jadi Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer secara bersamaan. Biasanya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar ataupun karena tuntutan proses komputasi yang banyak. Untuk melakukan aneka jenis komputasi paralel ini diperlukan infrastruktur mesin paralel yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja secara paralel untuk menyelesaikan satu masalah. Untuk itu diperlukan aneka perangkat lunak pendukung yang biasa disebut sebagai middleware yang berperan untuk mengatur distribusi pekerjaan antar node dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk merealisasikan komputasi.

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 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.

            Embarasingly Parallel adalah pemrograman paralel yang digunakan pada masalah-masalah yang bisa diparalelkan tanpa membutuhkan komunikasi satu sama lain. Sebenarnya pemrograman ini bisa dibilang sebagai pemrograman paralel yang ideal, karena tanpa biaya komunikasi, lebih banyak peningkatan kecepatan yang bisa dicapai.

Taksonomi dari model pemrosesan paralel dibuat berdasarkan alur instruksi dan alur data yang digunakan:

1.     - SISD Single Instruction Single Datapath, ini prosesor tunggal,yang bukan paralel

2.    - SIMD Single Instruction Multiple Datapath, alur instruksi yang sama dijalankan terhadap banyak alur data yang berbeda. Alur instruksi di sini kalau tidak salah maksudnya ya program komputer itu. trus datapath itu paling ya inputnya, jadi inputnya lain-lain tapi program yang digunakan sama

3.    - MIMD Multiple Instruction Multiple Datapath, alur instruksinya banyak, alur datanya juga banyak, tapi masing-masing bisa berinteraksi

4.    - MISD Multiple Instruction Single Datapath, alur instruksinya banyak tapi beroperasi pada data yang sama.

Contoh pemrograman paralel dengan 3 metode

1.      MPI (Message Passing Interface)

MPI atau Mesage Passing Interface adalah spesifikasi yang perlu diterapkan pengembang dan pengguna pemrograman parallel.

Secara umum, pemrograman parallel menggunakan spesifikasi MPI membutuhkan tiga tahapan. Hal ini terlepas dari kebutuhan lain terkait eksekusi seperti mem-boot layanan ini. Ketiganya adalah:

1.             Inisialisasi

2.            Dekomposisi, distribusi dan pengambilan kembali sub pekerjaan

3.            De-inisialisasi

Bagaimana ketiganya diterapkan dalam C/C++, berikut adalah contoh prrogram sederhana.

Program berikut ini hanya bertugas menampilkan karakter/informasi ke layar oleh masing-masing node yang terlibat dalam komunkasi MPI. Kode sumber pertama dibuat dalam C.

#include <stdio.h>

#include "mpi.h"

int main(int argc, char ** argv) {

        int p;

        int id;

        double wtime;

        //Inisialisasi MPI

        MPI_Init(&argc,&argv);

        //Mendapatkan id dan jumlah proses

        MPI_Comm_size(MPI_COMM_WORLD,&p);

        MPI_Comm_rank(MPI_COMM_WORLD,&id);

        wtime=MPI_Wtime();

        //Mendistribusi pekerjaan

        if(id==0) {

               printf("MPI Hello - Master Process\n");

               printf(" C / MPI version\n");

               printf(" An example program\n\n");

               printf(" The number of process = %d\n",p);

        }

        else {

               printf("Process %d says 'Hello World!'\n",id);

        }

        if(id==0) {

               printf("\n");

               printf("Hello MPI - Master Process:\n");

               printf(" Normal end of execution: 'Goodbye World!'\n\n");

               wtime=MPI_Wtime() - wtime;

               printf("Elapsed wall clock time = %g seconds\n", wtime);

        }

        //De-inisialisasi

     MPI_Finalize();

        return 0;

}

2.      openMP

OpenMP (Open Multi-Processing) adalah sebuah API (application programming interface) yang mendukung multi-platform memori bersama pemrograman multiprocessing dalam C, C + +, dan Fortran, pada arsitektur prosesor paling dan sistem operasi, termasuk Linux, Unix, AIX, Solaris, Mac OS X, dan Microsoft Windows platform. Ini terdiri dari satu set arahan kompiler, rutinitas perpustakaan, dan variabel lingkungan yang mempengaruhi perilaku saat run-time

Contoh model program parallel openMP

#include <omp.h>

#include <sdl.h>

#include <windows.h>
#include <math.h>

void __putpixel(SDL_Surface* buffer, int x, int y, Uint32 color)

{

int bpp = buffer->format->BytesPerPixel;

/* Here p is the address to the pixel we want to set */

Uint8 *p = (Uint8 *)buffer->pixels + y * buffer->pitch + x * bpp;

switch(bpp) {

case 1:

*p = color;

break;

case 2:

*(Uint16 *)p = color;

break;

case 3:

if(SDL_BYTEORDER == SDL_BIG_ENDIAN) {

p[0] = (color >> 16) & 0xff;

p[1] = (color >> 8 ) & 0xff;

p[2] = color & 0xff;
} else {

p[0] = color & 0xff;

p[1] = (color >> 8 ) & 0xff;

p[2] = (color >> 16) & 0xff;
}

break;

case 4:

*(Uint32 *)p = color;

break;
}

}

Uint32 __getpixel(SDL_Surface* buffer, int x, int y)
{

int bpp = buffer->format->BytesPerPixel;

/* Here p is the address to the pixel we want to retrieve */

Uint8 *p = (Uint8 *)buffer->pixels + y * buffer->pitch + x * bpp;

switch(bpp) {
case 1:

return *p;

case 2:

return *(Uint16 *)p;

case 3:

if(SDL_BYTEORDER == SDL_BIG_ENDIAN)

return p[0] << 16 | p[1] << 8 | p[2];

else

return p[0] | p[1] << 8 | p[2] << 16;

case 4:

return *(Uint32 *)p;

default:

return 0;       /* shouldn't happen, but avoids warnings */

}
}

int WINAPI WinMain(HINSTANCE hInst, HINSTANCE hPrev, LPSTR lpCmdLine, intnShowCmd)

{

SDL_Surface *tmp, *screen;

int i, j, w, h;

int nThread, tid;

Uint32 starttick;

SDL_Event evt;
int done = 0;

FILE *deb = fopen("debug.txt", "w");

fprintf(deb, "start \n");

SDL_Init(SDL_INIT_VIDEO);

atexit(SDL_Quit);

tmp = SDL_LoadBMP("alfa256.bmp");

w = tmp->w;

h = tmp->h;

screen = SDL_SetVideoMode(w, h, tmp->format->BitsPerPixel, SDL_SWSURFACE|SDL_ANYFORMAT);
SDL_BlitSurface(tmp, NULL, screen, NULL);

SDL_FreeSurface(tmp);
tmp = screen;

if ( SDL_MUSTLOCK(tmp) ) {

if ( SDL_LockSurface(tmp) < 0 ) {

fprintf(stderr, "Can't lock screen: %s\n", SDL_GetError());

return;
}

}

fprintf(deb, "starting block \n");
starttick = SDL_GetTicks();

#pragma omp parallel shared(tmp, w, h)
{

Uint8 r, g, b, a, tmpi;
int i,j;

#pragma omp for schedule(dynamic) nowait

for (j=0; j<h; ++j){

for (i=0; i<w; ++i){

SDL_GetRGBA(__getpixel(tmp, i, j), tmp->format, &r, &g, &b, &a);
tmpi = (Uint8)round(0.299 * r + 0.587 * g + 0.114 * b);

tmpi = (tmpi>128)?255:0;

__putpixel(tmp, i, j, SDL_MapRGBA(tmp->format, tmpi, tmpi, tmpi, a));

}

SDL_UpdateRect(screen, 0, 0, 0, 0);
}

}

SDL_UpdateRect(screen, 0, 0, 0, 0);

fprintf(deb, "end block %d\n", SDL_GetTicks()-starttick);

if ( SDL_MUSTLOCK(tmp) ) {

SDL_UnlockSurface(tmp);
}

while(!done){

while(SDL_PollEvent(&evt)){
switch(evt.type){

case SDL_QUIT:
done = 1;

break;
}

}
}

fclose(deb);

SDL_SaveBMP(tmp, "alfagrey.bmp");

return 0;

}

3.       POSIX thread

POSIX Thread, biasanya disebut sebagai pthreads, adalah standar POSIX untuk thread. Standar,POSIX.1c, Thread ekstensi (IEEE Std 1003.1c-1995), mendefinisikan sebuah API untuk menciptakan dan memanipulasi thread.

Implementasi dari API yang tersedia pada banyak Unix-seperti POSIX-konforman sistem operasi seperti FreeBSD, NetBSD, OpenBSD, GNU / Linux, Mac OS X dan Solaris. DR-DOS dan Microsoft  Windows implementasi juga ada: dalam subsistem SFU / SUA yang menyediakan implementasi aslidari sejumlah POSIX API, dan juga di dalam paket pihak ketiga seperti pthreads-W32,  yang mengimplementasikan pthreads di atas ada Windows API.

Contoh Posix thread

#include <stdlib.h>

#include <unistd.h>

#include <stdio.h>

#include <sys/types.h>

#include <sys/time.h>

#include <pthread.h>

#include <time.h>

#define MAX_THREAD 16                         /* maximum number of threads */

#define NDIM 1024                             /* number of NDIMs */

double          a[NDIM][NDIM];

double          b[NDIM][NDIM];

double          c[NDIM][NDIM];

struct timeval tvstart, tvstop;

typedef struct

{

    int             id;                       /* identification */

    int             noproc;                   /* process */

    int             dim;                      /* number of threads */

    double     (*a)[NDIM][NDIM],(*b)[NDIM][NDIM],(*c)[NDIM][NDIM];

} parm;

void mm(int me_no, int noproc, int n, double a[NDIM][NDIM], double b[NDIM][NDIM], double c[NDIM][NDIM])

{

    int i,j,k;

    double sum;

    i=me_no;

    while (i<n) {

       for (j = 0; j < n; j++) {

          sum = 0.0;

          for (k = 0; k < n; k++) {

             sum = sum + a[i][k] * b[k][j];

          }

          c[i][j] = sum;

       }

       i+=noproc;

    }

}

void * worker(void *arg)

{

     parm           *p = (parm *) arg;

     mm(p->id, p->noproc, p->dim, *(p->a), *(p->b), *(p->c));

}

int main(int argc, char *argv[])

{

   int             j, k, noproc, me_no;

   double          sum;

   double          t1, t2;

   pthread_t      *threads;

   parm           *arg;

   int             n, i;

   for (i = 0; i < NDIM; i++)

     for (j = 0; j < NDIM; j++) {

        a[i][j] = i + j;

        b[i][j] = i + j;

     }

   if (argc < 2) {

     n = MAX_THREAD;

   }

   else {

      n = atoi(argv[1]);

   }

   // start the bechmark timer

   gettimeofday(&tvstart, NULL);

   threads = (pthread_t *) malloc(n * sizeof(pthread_t));

   arg=(parm *)malloc(sizeof(parm)*n);

   for (i = 0; i < n; i++) {

        arg[i].id = i;

        arg[i].noproc = n;

        arg[i].dim = NDIM;

        arg[i].a = &a;

        arg[i].b = &b;

        arg[i].c = &c;

        pthread_create(&threads[i], NULL, worker, (void *)(arg+i));

    }

    for (i = 0; i < n; i++) {

        pthread_join(threads[i], NULL);

    }

    gettimeofday(&tvstop, NULL);

    double t = (tvstop.tv_sec - tvstart.tv_sec) * 1000 +

               (tvstop.tv_usec - tvstart.tv_usec) * 1e-3;

    printf("Pthread: %d : Dim: %d : Time: %f\n", n, NDIM, t);

    free(arg);

    return 0;

}

Contoh b

Diasumsikan graf dengan n buah verteks. Diberikan matriks ajasensi

(bertetangga) mxn dan konstanta positif c, sebuah prosesor dibuat untuk setiap

pewarnaan graf yang mungkin.

Prosesor P(i0, i1, i2, …, in-1) mengilustrasikan pewarnaan verteks 0 dengan warna

i0, verteks 1 dengan warna i1 hingga verteks n-1 dengan warna in-1.

Contoh algoritma pewarnaan graf CREW PRAM Algoritma mendapatkan 2 warna untuk 3 buah vertex

PSEUDOCODE

GRAPH.COLORING (CREW PRAM):

Global n {Number of vertices}

c {Number of colors}

A[1…n][1…n] {Adjacency matrix}

candidate[1…c][1…c] … [1…c] {n-dimensional

boolean matrix}

valid {Number of valid colorings}

j, k

begin

spawn(P(i0, i1, i2, …, in-1)) where 0 £ iv < c for 0 £ v < n

for all P(i0, i1, i2, …, in-1) where 0 £ iv < c for 0 £ v < n do

candidate[i0, i1, i2, …, in-1] ¬1

for j ¬ 0 to n-1 do

for k ¬ 0 to n-1 do

if a[j][k] and ij = ik then

candidate[i0, i1, i2, …, in] ¬ 0

endif

endfor

endfor

valid ¬ S candidate {Sum of all elements of candidate}

endfor

if valid > 0 then print “Valid coloring exists”

else print “Valid coloring does not exist”

endif

end

Algoritma CREW PRAM untuk menunjukkan jika graf dengan n verteks diwarnai dengan c warna

NAMA KELOMPOK (4IA14)

1. Arief Iman Rahman   51411100

2. Asep Rohmana         51411242

3. Cella Rofi              57411950

4. Kutfu Dany            57411997

5. Latifah                 54411074

6. M Fuad Fazri          54411663

7. M Isan Guci           54411670

8. Netty Herawaty      59411443

9. Reni Marintan         55411973