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.