Author: Muh.Ahsan

VGA card S3 Trio 3D/2x dan S3 Savage 3D merupakan discreet VGA card yang masih menggunakan slot AGP 1x dan kompatibel dengan slot AGP 2x. Video card ini telah ada di market sejak tahun 1999. Untuk saat ini hampir tidak ada lagi orang yang menjual video card jenis ini karena hampir semua video card baru sudah menggunakan slot PCI 16x atau yang agak lama menggunakan PCI 8x.

S3 Trio 3D/2x dijual dengan berbagai ukuran memori bertipe SGRAM atau SDRAM. Dengan teknologi memori yang lebih baik VGA cari dini memiliki kemampuan 100% lebih cepat dibandingkan VGA card lainnya. Tentu saja lebih baik karena pada saat itu kebanyakan VGA card masih menggunakan EDO DRAM. Kapasitas memori VGA card ini bervariasi yaitu 2MB, 4MB, dan paling besar adalah 8MB. Trio 3D/2x merupakan kartu grafis dengan 64-bit 2D dan 3D graphics engine.

S3 Savage 3D juga menggunakan teknologi yang hampir sama, bedanya seri Savage 3D memiliki sambungan TV out, support composite maupun S-Video ke NTSC/PAL TV monitor. Selain itu Savage 3D memiliki 128-bit 2D dan 3D graphics engine. Diluncurkan dengan kapasitas memori yang bervariasi dari 2MB hingga 8MB.

S3 Trio 3D/2x versi 8MB dengan color depth diatur true color dapat menjangkau hingga resolusi 1280 x 1024 px, bahkan bisa sampai 1600 x 1200 pada mode high color. Berbeda dari Trio 3D/2x, Savage 3D maksimum hanya bisa menangani resolusi 1280 x 1024 px pada true color tetapi sudah dilengkapi dengan TV out.

Saya memiliki VGA Card seri S3 Trio 3D/2x versi 8MB, masih lengkap termasuk box, CD driver, beserta User Guide. VGA card ini masih berfungsi dengan baik pada komputer yang masih menggunakan Intel Celeron – 500MHz. VGA card dibeli pada bulan September 2001 dan hingga sekarang masih tampak baru.

Driver S3 Trio 3D/2x terdiri dari 3 versi untuk Windows 9x, Windows NT 4.0, dan Windows NT 5.0 (Windows 2000). Driver S3 Savage 3D terdiri dari 3 versi untuk Windows 9x, Windows 9x TV, dan Windows NT 4.0. Driver untuk Windows NT 5.0 selain support untuk Windows 2000 juga support untuk Windows XP (Windows NT 5.1 dan NT 5.2).

Download Driver S3 Trio 3D/2x

Download Driver S3 Savage 3D

Download User Guide

Mail UGM menerima komunikasi email melaui protokol incoming POP3 dan IMAP serta protokol outgoing SMTP. Untuk melakukan setting pada software mail client bisa dilakukan secara manual. Email client yang bisa digunakan misal Microsoft Outlook dan Mozilla Thunderbird, bisa juga menggunakan software email client yang lain.

Parameter yang perlu diperhatikan adalah untuk incoming sebagai contoh POP3 server gunakan pop3.ugm.ac.id dan untuk SMTP server gunakan smtp2.ugm.ac.id dalam pengaturannya. Bila ingin menggunakan protokol IMAP, gunakan imap.ugm.ac.id. Username yang digunakan adalah username saja, bukan alamat email lengkap. Misal alamat email anda adalah [email protected] maka gunakan username email.anda.

Silakan setelah selesai konfigurasi, cek email dengan menekan tombol F9 atau melalui menu Tools | Send/Receive | Send/Receive All.

http://youtube.com/watch?v=y6IWmDxZmYs

Bagi pengguna komputer awam yang biasanya bekerja dengan word processor kemungkinan tidak terlalu memerlukan pengetahuan lebih mengenai Komputasi GPU. Namun, bagi pengguna komputer yang biasa berkutat dengan pemrosesan data berukuran besar (mass computing) sekiranya hal ini menjadi tambahan yang penting.

Dahulu orang hanya mengetahui bahwa “tukang proses” dalam sebuah komputer itu CPU. Seiring perkembangan kartu grafis yang ternyata inovasinya sangat luar biasa, kini satu buah kartu grafis bisa melakukan komputasi khusus yang jauh lebih cepat dibanding CPU. Kartu grafis keluaran tahun 2000 keatas telah mengimplementasikan multicore dalam sistemnya. Hingga saat ini telah banyak kartu grafis yang memiliki jumlah core puluhan bahkan ada yang hingga 500 core lebih. Jumlah core yang banyak ini tentu juga berimbas pada kecepatan dalam melakukan komputasi khusus untuk menangani grafis.

Bersamaan dengan perkembangan kecepatan pemrosesan yang ada dalam sebuah kartu grafis, berkembang pula penggunaan GPU untuk melakukan komputasi secara umum (general purpose) semacam pemrosesan data float baik single precission maupun double precission. Tentunya pada saat itu orang dalam membuat program selain harus menguasai bahas pemrograman dasar dan pemrograman parallel juga harus mempelajari pemrograman yang berfungsi untuk mengontrol GPU supaya dapat melakukan proses yang massive. Pada saat itu berkembang library “bahasa grafis” semacam OpenGL, OpenCL, DirectX, dan beberapa library lainnya sehingga mempermudah pemrogram untuk membuat perintah terhadap kartu grafis.

Apa sebenarnya yang membuat GPU bekerja lebih cepat? Kemampuan GPGPU (General Purpose GPU) biasanya berdasarkan kecepatan operasi data float dalam satu detik atau dikenal dengan Floating Operation Per Second (FLOPS). Yang membuat GPGPU sangat cepat dalam mengeksekusi perintah adalah jumlah prosesor dalam satu buah kartu grafis dan bandwidth memory yang menghubungkan RAM kartu grafis dan prosesor grafis yang besar. Sebagai perbandingan pada mode single precission CPU Intel Core i7 2600K (4 core 8 thread) memiliki kecepatan tidak lebih dari 84 GigaFLOPS (tomshardware) sedangkan kartu grafis Nvidia GTX570 memiliki kecepatan lebih dari 1400 GigaFLOPS (wikipedia.org). Kalau dihitung maka GPU 16 kali lebih cepat dari CPU (GPU dan CPU yang dibandingkan pada kisaran harga yang sama).

Meski GTX570 tidak masuk dalam jajaran GPGPU, tetapi sudah bisa dilihat bahwa GPU ini memiliki kemampuan komputasi 16x lebih cepat dibanding CPU Intel Core i7 2600K.

Produsen kartu grafis NVIDIA telah mengembangkan platform CUDA bagi pengembang software dalam membuat aplikasi yang support GPU Computing supaya lebih mudah dalam mengimplementasikan teknologi GPU computing. CUDA saat ini telah support bahasa pemrograman C, C++, Fortran, OpenCL, dan DirectX. Selain pengembangan CUDA, NVIDIA telah membuat kartu grafis khusus untuk GPGPU dalam kelas NVIDIA TESLA.

Penggunaan GPGPU mulai digunakan oleh pengembang software khusus misal untuk menangani pemrosesan data seismik dan visualisasinya, pemodelan tatasurya, pemodelan fluida, serta pemodelan fisis dan matematis lain yang memerlukan sumberdaya tinggi untuk komputasi massive.

Sebelum menjelaskan lebih jauh, terlebih dahulu saya definisikan mengenai penggunaan workstation yang akan dirakit. Workstation yang akan dirakit merupakan sebuah komputer yang digunakan sebagai alat bantu melakukan komputasi dan visualisasi secara masif. Isu parallel computing telah banyak merambah ke berbagai bidang komputasi, termasuk munculnya GPU computing.

Workstation yang akan dirakit adalah sebuah desktop PC digunakan untuk melakukan komputasi data double precision (FP64), diutamakan dengan memanfaatkan GPU computing, kesalahan selama proses komputasi tidak dapat ditoleransi.

Jadi kunci utamanya ada pada kartu grafis. Tentu saja tanpa mengesampingkan komponen-komponen lain. Sebagai gambaran, komponen-komponen lain yang perlu dicatat adalah sebagai berikut:

Processor Intel Core i7 2600K
Mainboard ASUS Z68 Pro-V
RAM DDR3 1600 16GB 4slot
HDD 2 x 1TB SATA3 RAID0
HDD 1 x 1TB SATA2
HeatSink Corsair H60 Liquid Cooler
PSU Super Flower 1000W Modular
Case Infinity W3 Tower

Nvidia menawarkan pengalaman GPU computing melalui CUDA platformnya. Tentu saja ini menjadi suatu kelebihan bagi Nvidia yang tidak dimiliki pesaingnya secara langsung. Selanjutya kartu grafis Nvidia sendiri memiliki kelas Tesla, Quadro, dan GeForce untuk kartu grafis komputer desktop.

Kali ini yang akan dibandingkan adalah Nvidia GTX480 dari kelas GeForce dengan Nvidia Quadro 4000 dari kelas Quadro. Keduanya memang memiliki selisih harga yang sangat jauh, Quadro 4000 jauh lebih mahal dibanding GTX480. Komparasi dilakukan berdasarkan spesifikasi teknis dan hasil pengujian dari beberapa website yang telah mencoba memperbandingkan keduanya. Sebagai pandangan awal, sekilas melihat harga Quadro 4000 jauh lebih mahal dibanding GTX480 seharusnya Quadro 4000 juga jauh lebih bagus.

1. Nvidia GTX480 memiliki jumlah core lebih banyak (480 core) dibandingkan Quadro 4000 (256 core), sehingga dalam komputasi bisa disimpulkan GTX480 lebih cepat melakukan perhitungan secara parallel.
2. Nvidia GTX480 hanya mampu melakukan 32x anti aliasing (AA) sedangkan Quadro 4000 bisa melakukan 64x anti aliasing, artinya Quadro 4000 bisa melakukan visualisasi gambar lebih smoth dibanding GTX480.
3. Nvidia GTX480 memiliki core clock lebih tinggi dibandingkan Quadro 4000 (450 MHz), artinya dalam satu core processor GTX480 mampu melakukan komputasi lebih cepat dibanding Quadro 4000.
4. Clock GTX480 yang tinggi menyebabkan suhu yan lebih tinggi dibanding Quadro 4000, artinya Quadro 4000 lebih tangguh digunakan dan nyala secara terus menerus dibandingkan GTX480.
5. Nvidia GTX 480 memiliki memory bandwidth lebih besar (177.4 GB/s) dibanding Quadro 4000 (86.9 GB/s), sehingga kecepatan akses memori GTX480 lebih cepat dibanding Quadro 4000.
6. RAM Nvidia GTX480 lebih rendah (1 GB) dibandingkan dengan Quadro 4000 (GB), artinya Quadro 4000 lebih fleksibel dalam menangani data-data maupun variabel berukuran besar dibandingkan GTX480.

Kesimpulan:

• Kalau membutuhkan memori RAM besar, pilih kelas Quadro atau bahkan Tesla.
• Kalau membutuhkan kecepatan komputasi, pilih kelas GeForce.
• Kalau membutuhkan kemampuan anti aliasing tinggi, pilih kelas Quadro.
• Kalau membutuhkan ketahanan kartu grafis tinggi (misal pemakaian seminggu penuh) pilih Quadro atau Tesla.

Jadi berdasarkan parameter-parameter diatas dan melihat dari tujuan merakit workstation yang sudah saya jelaskan di awal, maka pemakaian GTX480 sudah cukup memenuhi kebutuhan, dan sangat menghemat budget.

Catatan: Quadro 4000 belum dilengkapi dengan error code correction sehingga tingkat kesalahan selama proses komputasi sama dengan kelas GeForce. Kedua kartu grafis ini sama-sama tidak memenuhi syarat “sedikit kesalahan selama proses komputasi” sehingga pada sektor ini dianggap seimbang. Untuk mendapatkan kartu grafis desktop dengan fitur error code correction (ECC) bisa memilih kelas Quadro 5000, 6000, Plex 7000, dan kelas Tesla C2050, C2070, C2075. Pertimbangan utamanya adalah harga kartu grafis dengan fitur ECC masih jauh lebih mahal.