Floating Point (Multiplication)

Slides:



Advertisements
Presentasi serupa
PERTEMUAN MINGGU KE-4 REPRESENTASI DATA.
Advertisements

PERTEMUAN MINGGU KE-3 REPRESENTASI DATA.
ARITMETIKA KOMPUTER I. Pendahuluan
© 2009 Fakultas Teknologi Informasi Universitas Budi Luhur Jl. Ciledug Raya Petukangan Utara Jakarta Selatan Website:
Quine-McCluskey (Tabular) Minimization Pertemuan – 6`
Dasar Pemrograman Java Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2008.
Sistem – Sistem Bilangan, Operasi dan kode
Organisasi dan Arsitektur Komputer
FLOATING – POINT NUMBER SISTEM
BAGIAN III Lapisan Data Link.
1 Kuliah Rangkain Digital Kuliah 3 : Sistem Bilangan Teknik Komputer Universitas Gunadarma.
1 Pertemuan 02 Computer Data Format Matakuliah: H0162/ Mikroprosesor Tahun: 2006 Versi: 1/0.
Pertemuan 11 (Aritmatika)
Floating Point Arithmetic
COMPUTER ARITHMETIC.
Organisasi dan Arsitektur Komputer
Pertemuan 2 Sistem Bilangan
CPU ARITHMATIC.
Konversi Bilangan Mulyono.
1 Pertemuan 2 Sistem Bilangan Matakuliah: T0483 / Bahasa Rakitan Tahun: 2005 Versi: versi 1.0 / revisi 1.0.
1 Pertemuan 21 Arithmetic: I Matakuliah: T0324 / Arsitektur dan Organisasi Komputer Tahun: 2005 Versi: 1.
Representasi Floating Point
ARCHITECTURE COMPUTER
Pengantar Teknologi Informasi
Teknik. Pemrog. Terstruktur 2
PENGANTAR TEKNOLOGI KOMPUTER & INFORMASI – A
SISTEM BILANGAN.
OPERASI PERKALIAN.
STRUKTUR DATA PERTEMUAN 1
Representasi Floating Point
Arsitektur Komputer Genap 2004/2005
OPERASI ARITMATIKA Arsitektur Komputer.
ORGANISASI dan ARSITEKTUR KOMPUTER
Aritmetik Digital #11 Teknik Digital (IF) 2015.
FLOATING – POINT NUMBER SISTEM
PERTEMUAN MINGGU KE-4 REPRESENTASI DATA.
PERTEMUAN MINGGU KE-3 REPRESENTASI DATA.
Aritmetik Digital.
REPRESENTASI BILANGAN
CPU ARITHMATIC.
ARITMATIKA DAN UNIT PENGOLAHAN DASAR
VECTOR VECTOR IN PLANE.
ORGANISASI KOMPUTER MATA KULIAH: ARITMATIKA PERTEMUAN 11
William Stallings Computer Organization and Architecture
Materi Kuliah ke-2 SISTEM BILANGAN
BILANGAN REAL BILANGAN BERPANGKAT.
PERTEMUAN MINGGU KE-3 REPRESENTASI DATA.
REAL NUMBERS EKSPONENT NUMBERS.
COMPUTER ARITHMETIC.
Computer Organization and Architecture
Representasi Floating Point
I. SISTEM BILANGAN BINER
Operator dan Assignment
OPERATIONS ON ALGEBRAIC FRAC TIONAL FORMS A. Addition and Subtraction Example : 1. + =
Organisasi Sistem Komputer
Oleh : Devie Rosa Anamisa
PERTEMUAN MINGGU KE-4 REPRESENTASI DATA OLEH SARI NY.
Komputasi Numerik Kelompok 3 - JTK 2015 D4 Teknik Informatika
COMPUTER ARITHMETIC.
REPRESENTASI DATA • Data dalam kehidupan manusia
Sistem-Sistem Bilangan
Sistem-Sistem Bilangan
BILANGAN KOMPLEMEN Temu 9.
PERTEMUAN MINGGU KE-3 REPRESENTASI DATA.
Teknik. Pemrog. Terstruktur 2
BILANGAN FLOATING-POINT
Lesson 2-1 Conditional Statements 1 Lesson 2-1 Conditional Statements.
SISTEM BILANGAN.
Biner Bertanda Temu 8.
Representasi Floating Point
Transcript presentasi:

Floating Point (Multiplication) Disusun Oleh: Tri Fena Rohawati (22.05.3770)

Definisi Floating point adalah sebuah format bilangan yang dapat digunakan untuk merepresentasikan sebuah nilai yang sangat besar atau sangat kecil.

Representation of Floating Point Numbers in Single Precission IEEE 754 standard Value = N = (-1)S X 2 E-127 X (1.M) S E M

Representation (cont..) Di mana : S = sign bit (0->positif, 1->negatif) E = Exponent M = Mantissa

Floating point Conversion Example Bilangan desimal 0.7510 akan dikonversikan dalam bentuk IEEE 754 32 bit format…. (0.75)10 0 = 0 (converted into biner) .75 = Calculation Integer Fraction .75 * 2 1 .5 .5 * 2 1 0 Jadi, 0.75 = 11 (0.75)10 = 0.11 0.11=1.1 * 2-1 (normalized a binary number)

Floating point Conversion Example (cont…) 1.1 * 2-1 (normalized a binary number) hidden The mantissa is positive so the sign S is given by: The biased exponent E is given by E = e + 127 E = -1 + 127 = 12610 = Fractional part of mantissa M: M = (in 23 bits) The IEEE 754 single precision representation is given by: S = 0 011111102 .10000000000000000000000 0 01111110 10000000000000000000000 S E M 1 bits 8 bits 23 bits

Simplified Floating Point Multiplication Flowchart

Floating Point Multiplication Example Multiply the following two numbers represented in the IEEE 754 single precision format: X = -1810 represented as: and Y = 9.510 represented as: 1 10000011 00100000000000000000000 0 100000100 00110000000000000000000 (1) Value of one or both operands = 0? No, continue with step 2 (2) Compute the sign: S = Xs XOR Ys = 1 XOR 0 = 1 (3) Multiply the mantissas: The product of the 24 bit mantissas is 48 bits with two bits to the left of the binary point: (01).0101011000000….000000 Truncate to 24 bits: hidden ® (1).01010110000000000000000 (4) Compute exponent of result: Xe + Ye - 12710 = 1000 0011 + 1000 0010 - 0111111 = 1000 0110 (5) Result mantissa needs normalization? No (6) Overflow? No. Underflow? No Result 1 10000110 01010101100000000000000

IEEE 754 Single precision Multiplication Rounding terjadi dalam floating point multiplication saat mantissa berubah dari 48bit jadi 24 bit. Overflow Overflow terjadi ketika jumlah exponents lebih dari 127 Saat ini exponent mulai dari 128 ( E=225 ) dan mantissa di set = 0 Overflow terjadi saat hasil tidak memiliki tanda sesuai dengan tanda operand ( hasil negatif akan didapatkan saat menambah2 angka positif ) Digunakan two’s complement untuk adding or subtracting numbers A carry occurs when the result of an addition or subtraction, considering the operands and result as unsigned numbers, does not fit in the result.

IEEE 754 Single precision Multiplication Underflow Underflow terjadi saat penjumlahan dari exponent lebih dari (-)126, angka negatif yang di definisikan dalam bias adalah (-)127 Angka yang bukan nol adalah 2 – 149, untuk mempertahankan ketepatan tiap 1 bit dalam mantissa. Saat ini, exponent di set (-)127 (E=0) -If M = 0, the number is exactly zero. -If M is not zero, then a denormalized number is indicated which has an exponent of -127 and a hidden bit of 0.

IEEE 754 Single precision Multiplication Underflow Arithmetic underflow (or "floating point underflow", "floating underflow", "underflow") adalah kondisi dimana hasil dari floating point operation lebih kecil dalam (mendekati nol, angka positif/negatif) Contoh : For example, an eight-bit two's complement exponent can represent multipliers of 2 - 128 to 2127. A result less than 2 - 128 would cause underflow.