Skip to content

Control Processing Unit dan Graphical Processing Unit

Persamaan CPU dan GPU

Unit Pemprosesan (_Porcessor_)
  • Baik CPU (Central Processing Unit) dan GPU (Graphical Processing Unit) adalah unit pemprosesan yang dirancang untuk melakukan kalkulasi dan mengeksekusi instruksi.
Memiliki Core Inti
  • Keduanya memiliki jumlah core, walaupun jumlah core dari keduanya berbeda-beda.
Berfungsi untuk komputasi
  • Keduanya digunakan untuk menjalankan komputasi, baik itu general purpose (CPU) dan pararel processing (GPU).
Memiliki Memory Controller
  • CPU dan GPU, keduanya mengelola memori untuk menyimpan dan memproses data.

Perbedaan CPU dan GPU

Aspek CPU GPU
Fungsi Utama Mengelola dan mengeksekusi instruksi umum (general-purpose processing) Mengelola komputasi pararel (Grafis, video, AI, Scientific Computing)
Jumlah Core Lebih sedikit, biasanya antara 4 core - 16 Core Memiliki banyak core, hingga ribuan core
Arsitektur Core Kompleks, mampu menangani bergai instruksi Sederhana, dimaksimalkan untuk kalkulasi pararel
Kecepatan Clock Tingg (2 ~ 4 GHZ) Lebih rendah dibandingkan dengan CPU (1 ~ 2 GHZ)
Komputasi Pararel Terbatas pada multithreading Sangat kuat untuk komputasi pararel (multi threading). SIMD, Single Instruction Multiple Data
Tugas Utama Menjalankan Operating System, aplikasi umum, kontrol Input/Output Rendering Grafis, Machine Learning, Kriptogradi, dan simulasi
Latency dan Respons Rendah (Respone cepat untuk tugas single thread) Tinggi (Respone cepat untuk tugas multi thread)

Cara Kerja CPU

  1. Fetch - Mengambil instruksi dari memori (RAM).
  2. Decode - mengubah instruksi menjadi sinyak yang bisa dipahami oleh unit controll CPU.
  3. Execute - Melakukan perhitungan atau instruksi di ALU (Arithmetic Logic Unit).
  4. Writeback - Menyimpan hasil eksekusi ke memori atau register.
  5. Control & Scheduling - CPU memiliki control unit yg bertugas untuk ; a. Mengatur jalannya proses b. Mengatur interrupt c. Multitasking dengan sistem operasi

Kelebihan CPU

  • Fleksibel, dapat menjalankan berbagai jenis perintah.
  • Cocok untuk task yang membutuhkan instruksi berurutan.
  • Cepat dalam mengakses memori utama.

Cara Kerja GPU

  1. Masive Parallelism - GPU memliki ratusan hingga ribuan core yang bekerja secara pararel.
  2. Single Instruction Multiple Data (SIMD) Model - Menjalankan instruksi yang sama secara bersamaan pada banyak data (Rendering, Grafis).
  3. Pipelining & Batch Processing - memproses data dalam batch besar dengan pipeline yang dioptimalkan.
  4. Specialized Memory Access - GPU memiliki memori sendiri, yaitu VRAM, yang dapat diakses lebih cepat oleh core-core-nya.

Kelebihan GPU

  • Sangat efesien untuk komputasi data besar secara pararel (Data Training, Deep Learning)
  • Lebih tinggi througout dari pada CPU untuk tugas-tugas yang dilakukan pararel.