Perpustakaan Digital ITB

Perkembangan teknologi pada masa sekarang ini sudah sangat cepat dan maju, salah satunya adalah teknologi komputer. Komputer pada masa sekarang ini sudah bukan barang yang asing dan mahal lagi, pada saat ini hampir di segala bidang membutuhkan komputer sebagai alat bantu, karena memiliki kelebihan yaitu dari segi kecepatan dan ketelitian. Instruksi dalam sebuah mikroprosesor komputer ditangani dalam 2 langkah, yaitu decoding dan execution. Sebuah mikroprosesor dapat menghemat waktu dengan melakukan decoding pada sebuah instruksi sementara instruksi yang mendahuluinya dijalankan, ini disebut sebagai pipelining. Dalam kondisi ini prosesor dapat mengerjakan langkah-langkah instruksi lainnya pada waktu yang sama, sehingga beberapa instruksi dapat dieksekusi dalam waktu yang singkat, dan meningkatkan kinerja prosessor. Sekarang masalahnya adalah apabila ditemukan branch instruction. Branch instruction adalah implementasi dari bentuk if-then-else. Ini menyebabkan delay pada alur instruksi yang melewati pipeline karena prosesor tidak tahu instruksi mana yang harus dijalankan sebelum branch instruction selesai dijalankan. Semakin panjang pipelinenya semakin lama juga delay pada alur instruksi pada pipeline sebelum prosesor tersebut mengetahui instruksi mana yang harus dimasukkan setelahnya ke pipeline. Karena mikroprosesor modern rata-rata memiliki pipeline yang panjang, dibutuhkan solusi untuk masalah ini. Pada tugas akhir ini dilakukan modifikasi dari sebuah paket simulator sim-bpred dari simplescalar. Tujuannya adalah untuk menambahkan fungsi simulasi branch prediction dengan metode neural perceptron ke dalamnya agar dapat dipakai sebagai sebuah alat branch predictor yang akurat. Perceptron meng-assign vektor weight untuk setiap objek dalam sistem dimana masing-masing weight mewakili kekuatan hubungan antara suatu perceptron pada objek dengan objek lainnya. Semakin kuat hubungan, semakin besar weight yang mewakilinya. Untuk pengujian hasil modifikasi, dilakukan simulasi dengan memakai beberapa benchmarking tools dari SPEC 95, yaitu Dijkstra, Compress 95, Secure Hash Algorithm, dan Go. Dari hasil pengujian dapat terlihat bahwa hasil branch prediction dengan memakai neural perceptron memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan branch predictor lain yang ada pada sim-bpred.