ABSTRAKSI: Perkembangan teknologi mengantarkan pada sistem yang dapat bekerja secara adaptif atau dapat menyesuaikan dengan kondisi yang terjadi. Salah satu metode adaptif yang telah dikembangkan adalah Jaringan Syaraf Tiruan (JST). Dengan kelebihan algoritma JST, terdapat pula kelemahan yaitu berupa sulitnya menemukan parameter yang dapat memberikan hasil yang optimal seperti mengetahui jumlah Hidden Neuron yang memberikan MSE paling kecil.
Penelitian ini yaitu algoritma paralel dengan GPU, diharapkan dapat menyelesaikan permasalahan ini yaitu dengan cara melakukan pencarian nilainilai parameter JST secara paralel sehingga pencarian parameter yang lebih baik dapat dilakukan dengan lebih cepat serta konsumsi resource komputer yang lebih kecil.
Dari desain komputasi yang dilakukan menggunakan desain Non-uniform Memory Access didapatkan hasilnya sangat signifikan bahwa komputasi dengan GPU dapat melakukan komputasi 800 kali lebih cepat dibandingkan CPU bahkan lebih pada komputasi 150 JST. Nilai peningkatan ini jauh lebih besar dibanding jumlah CUDA core itu sendiri dimana GPU yang digunakan pada TA ini hanya memiliki 128 core akan tetapi penggunaan CUDA dengan desain ini tidak menurunkan penggunaan resource komputer dan bahkan menambah penggunaan memori karena untuk keperluan penyediaan data.Kata Kunci : JST, MSE, Hidden Neuron, GPU, CUDA, Non-Uniform Memory Access, CUDA core.ABSTRACT: Technology development running to systems that could adapt or could change itself from some trigger from condition. One of adaptive method that has been developed for years is Neural Network (NN). NN is not only has so many advantage but also some disadvantages. One of them is there is no exact way to find out how many hidden neuron that should be used to get minimum Mean Square Error (MSE).
This research, Parallel Algorithm using GPU, trying to solve this problem that this algorithm could find out the parameters using parallel so the computation could be faster with lower resource.
Using Non-Uniform Memory Access design in computation show the result is so significant that GPU computation could compute 800 times faster than CPU on 150 NN computation. This speedup above the number of GPU core that using 128 core although it has disadvantages that the computation still using the same processor utilization and even higher memory resource to store complete data.Keyword: NN, MSE, Hidden Neuron, GPU, CUDA, Non-Uniform Memory Access, CUDA core.