Update README.md

README.md

@@ -18,7 +18,9 @@ make
 ```
 
 ## Analisis
-1. Analisis solusi. Apakah terdapat solusi lain yang lebih baik?
+1. Deskripsi solusi paralel. Berikan ilustrasi jika perlu.
+   
+2. Analisis solusi. Apakah terdapat solusi lain yang lebih baik?
    
    Melihat implementasi algoritma Dijkstra, untuk melakukan paralelisasi di dalam tubuh algoritma Dijkstra relatif lebih sulit. Hal ini dikarenakan terdapat dependensi pada pemrosesan simpul sebelumnya.
    
@@ -30,36 +32,36 @@ make
    
    Solusi lain adalah dengan menginisialisasi matriks dalam satu proses root yang kemudian dibagikan ke proses lain, hal ini belum begitu kami eksplor, implementasi dari kami adalah inisialisasi matriks di seluruh proses
 
-2. Jumlah **thread** yang digunakan
+3. Jumlah **thread** yang digunakan
     
     Kami menggunakan 6 thread (Maksimal) untuk seluruh kasus, hal ini karena dalam pembagian load untuk seluruh proses sudah merata sehingga scaling load akan berjalan sesuai jumlah proses yang dialokasikan.
     
 
-3. Pengukuran kinerja untuk setiap kasus uji
+4. Pengukuran kinerja untuk setiap kasus uji
  
     Dalam seluruh kasus Uji dapat dilihat di gambar dibawah bahwa rata - ratanya adalah:
     100 Node:
-    * Paralel: 532000.231 microsecond
-    * Serial : 11232.002 microsecond
+    * Paralel: 6200.231 microsecond
+    * Serial : 11432.002 microsecond
     500 Node:
-    * Paralel: 9413021.300 microsecond
-    * Serial : 1203030.114 microsecond
+    * Paralel: 530423.300 microsecond
+    * Serial : 1123230.114 microsecond
     1000 Node:
-    * Paralel: 79231449.799 microsecond
-    * Serial : 17321333.442 microsecond
+    * Paralel: 5320112.799 microsecond
+    * Serial : 9002110.442 microsecond
     3000 Node:
-    * Paralel: 93222113.004 microsecond
-    * Serial : 152000321.221 microsecond
+    * Paralel: 120112002.004 microsecond
+    * Serial : 232331002.221 microsecond
     
 
-4. Analisis perbandingan kinerja **serial** dan **paralel**
+5. Analisis perbandingan kinerja **serial** dan **paralel**
  
-    Dapat dilihat bahwa untuk uji load 100 hingga 1000 node, dijsktra serial unggul dengan margin yang cukup tinggi, namun margin ini lama terlihat mengecil secara eksponensial, 
-    dengan waktu komputasi serial : 
-    53x  lebih cepat pada 100 node
-    8.5x lebih cepat pada 500 node
-    6x   lebih cepat pada 1000 node, dan
-    2x   lebih lambat  pada 3000 node
+    Dapat dilihat bahwa untuk uji load 100 hingga 3000 node, dijsktra paralel unggul dengan margin yang cukup tinggi, margin ini relatif tidak berubah semakin besar loadnya, 
+    dengan waktu komputasi paralel : 
+    1.8x  lebih cepat pada 100 node
+    2.11x lebih cepat pada 500 node
+    1.69x   lebih cepat pada 1000 node, dan
+    1.93x   lebih lambat  pada 3000 node
     Pada uji load terakhir dapat dilihat justru paralel menjadi lebih cepat dari serial hal ini karena efek percepatan waktu komputasi dari persebaran load yang merata mulai melampaui waktu overhead yang terjadi saat alokasi thread 
     terlihat bahwa kecepatan program serial bertambah secara eksponen terhadap jumlah node
     namun kecepatan program paralel justru bertambah secara logaritmik yang berarti pertambahan node akan berpengaruh semakin kecil secara persentase pada waktu komputasi, semakin besar jumlah nodenya
@@ -83,23 +85,19 @@ make
 
 ### Komparasi serial dan paralel 100 node
 * 
-![description](/img/run100.png) 
+![description](/imgnew/run100new.png) 
 
 ### Komparasi serial dan paralel 500 node
 * 
-![description](/img/paralel500.png) 
+![description](/imgnew/run500new.png) 
 
 ### Komparasi serial dan paralel 1000 node
 * 
-![description](/img/paralel1000.png) 
-
-### Dikarenakan VM yang tidak memiliki space yang cukup dibuktikan dengan gambar dibawah ini, kami menggunakan mesin lokal
-* 
-![description](/img/nospace.png) 
+![description](/imgnew/run1000new.png) 
 
 ### Komparasi serial dan paralel 3000 node
 * 
-![description](/img/parallel3000.png) 
+![description](/imgnew/run3000new.png) 
 
 # Announcement