TUGAS GRID COMPUTING

NAMA : Mohd Satria Mukmin

NPM : 19083001

SEKOLAH TINGGI MANAJEMEN IINFORMATIKA DAN KOMPUTER (STMIK)

HANG TUAH PEKANBARU
PROGRAM STUDI TEKNIK INFORMATIKA
TAHUN 2019
 Pengertian Komputasi

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan

masalah dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut
dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan
tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakanpena dan kertas,
atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu
tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.
Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan
model matematika dan teknik penyelesaian numerik serta penggunaankomputer untuk
menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis,
biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk
menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam
perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam
ilmu.
Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi,
komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan
sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu
komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model
matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk
menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Pengertian Komputasi Modern

Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan
menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh
karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang
komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi oleh John Von
Neumann (1903-1957). Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern.
Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann memberikan berbagai
sumbangsih dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu
komputer yang di salurkan melalui karya-karyanya . Beliau juga merupakan salah satu ilmuwan
yang terkait dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.
Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan
pembagian bilangan delapan digit (angka) di dalam kepalanya.

Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang
ada, dan perhitungan yang dilakukan itu meliputi:
1. Akurasi (big, Floating point)
2. Kecepatan (dalam satuan Hz)
3. Problem Volume Besar (Down Sizzing atau pararel)
4. Modeling (NN & GA)
5. Kompleksitas (Menggunakan Teori big O)

Jenis-jenis Komputasi Modern

Komputasi modern terbagi tiga macam, yaitu komputasi mobile (bergerak), komputasi
grid, dan komputasi cloud (awan). Penjelasan lebih lanjut dari jenis-jenis komputasi modern
sebagai berikut :

1. Mobile computing

Mobile computing atau komputasi bergerak memiliki beberapa penjelasan, salah satunya
komputasi bergerak merupakan kemajuan teknologi komputer sehingga dapat berkomunikasi
menggunakan jaringan tanpa menggunakan kabel dan mudah dibawa atau berpindah tempat,
tetapi berbeda dengan komputasi nirkabel. Contoh dari perangkat komputasi bergerak seperti
GPS, juga tipe dari komputasi bergerak seperti smart phone, dan lain sebagainya.

2. Grid computing
 Komputasi grid menggunakan komputer yang terpisah oleh geografis, didistibusikan dan
terhubung oleh jaringan untuk menyelasaikan masalah komputasi skala besar.

3. Cloud computing

Komputasi cloud merupakan gaya
virtual yang sering menyediakan layanan
pelengkap baru, konsumsi dan layanan
melibatkan ketentuan dari keterukuran
menyediakan layanan melalui internet.
komputasi yang terukur dinamis dan sumber daya
melalui internet. Komputasi cloud menggambarkan
IT berbasis model dalam internet, dan biasanya
dinamis dan sumber daya virtual yang sering

Pengertian Komputasi Paralel

Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan
memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan saat
kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di
industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak.

Di dalam komputasi parallel ada yang dinamakan dengan pemrograman parallel. Pemrograman
paralel adalah teknik pemrograman komputer yang memungkinkan eksekusi perintah atau
operasi secara bersamaan (komputasi paralel), baik dalam komputer dengan satu(prosesor
tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU. Bila komputer yang
digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang
terhubung dalam suatu jaringan komputer lebih sering istilah yang digunakanadalah sistem
terdistribusi (distributed computing).

Perlu diingat adalah komputasi paralel berbeda dengan multitasking. Pengertian multitasking
adalah komputer dengan processor tunggal mengeksekusi beberapa tugas secara bersamaan.
Walaupun beberapa orang yang bergelut di bidang sistem operasi beranggapan bahwa komputer
tunggal tidak bisa melakukan beberapa pekerjaan sekaligus, melainkan proses penjadwalan yang
berlakukan pada sistem operasi membuat komputer seperti mengerjakan tugas secara bersamaan.
Sedangkan komputasi paralel sudah dijelaskan sebelumnya, bahwa komputasi paralel
menggunakan beberapa processor atau komputer.Selain itu komputasi paralel tidak
menggunakan arsitektur Von Neumann.

Tujuan Komputasi Paralel

Tujuan utama penggunaan komputasi paralel adalah untuk mempersingkat waktu eksekusi
program yang menggunakan komputasi serial. Beberapa alasan lain yang menjadikan suatu
program menggunakan komputasi paralel antara lain :

1. Untuk permasalahan yang besar, terkadang sumber daya komputasi yang ada sekarang
belum cukup mampu untuk mendukung penyelesaian terhadap permasalahan tersebut
2. Adanya sumber daya non-lokal yang dapat digunakan melalui jaringan atau internet
3. Penghematan biaya pengadaan perangkat keras, dengan menggunakan beberapa mesin
yang murah sebagai alternatif penggunaan satu mesin yang bagus tapi mahal, walaupun
menggunakan n buah prosesor
4. Adanya keterbatasan kapasitas memori pada mesin untuk komputasi serial.

Hambatan Komputasi Paralel

Penggunaan komputasi paralel sebagai solusi untuk mempersingkat waktu yang dibutuhkan
untuk eksekusi program mempunyai beberapa hambatan. Hambatan-hambatan tersebut antara
lain adalah :

1. Hukum Amdahl : percepatan waktu eksekusi program dengan menggunakan komputasi

paralel tidak akan pernah mencapai kesempurnaan karena selalu ada bagian program
yang harus dieksekusi secara serial.
2. Hambatan yang diakibatkan karena beban jaringan : dalam eksekusi program secara
paralel, prosesor yang berada di mesin yang berbeda memerlukan pengiriman dan
penerimaan data (atau instruksi) melalui jaringan. Untuk program yang dibagi menjadi
task-task yang sering membutuhkan sinkronisasi, network latency menjadi masalah
utama. Permasalahan ini muncul karena ketika suatu task membutuhkan data dari task
yang lain, state ini dikirimkan melalui jaringan di mana kecepatan transfer data kurang
dari kecepatan prosesor yang mengeksekusi instruksi task Hal ini menyebabkan task
 tersebut harus menunggu sampai data sampai terlebih dahulu, sebelum mengeksekusi
instruksi selanjutnya. Jumlah waktu yang dibutuhkan untuk berkomunikasi melalui
jaringan antar dua titik adalah jumlah dari startup time, per-hop time, dan per-word
transfer time.
3. Hambatan yang terkait dengan beban waktu untuk inisiasi task, terminasi task, dan
sinkronisasi.

Arsitektur Komputasi Paralel

Taksonomi Flynn membagi arsitektur komputer paralel dengan menggunakan sudut pandang
instruksi dan data, sehingga terdapat empat jenis arsitektur komputer paralel :

1. SISD (Single Instruction, Single Data) : arsitektur ini adalah arsitektur yang mewakili
komputer serial, di mana hanya ada satu prosesor dan satu aliran masukan data (memori)
sehingga hanya ada satu task yang dapat dieksekusi pada suatu waktu. Arsitektur von
Neumann termasuk dalam jenis ini
2. SIMD (Single Instruction, Multiple Data) : pada arsitektur ini, eksekusi sebuah instruksi
akan dilakukan secara bersamaan oleh beberapa prosesor, di mana suatu prosesor dapat
menggunakan data yang berbeda dengan prosesor lain. Karakteristik lain dari arsitektur
ini adalah alur eksekusi instruksi yang deterministik (state dari instruksi dan data pada
suatu waktu dapat dengan mudah diketahui). Arsitektur ini cocok untuk program yang
dapat dibagi menjadi task-task yang mempunyai derajat keteraturan yang tinggi, misalnya
sistem pengolah grafik
3. MISD (Multiple Instruction, Single Data) : pada arsitektur ini, berbagai instruksi akan
dieksekusi secara bersamaan oleh beberapa prosesor dengan menggunakan data yang
sama. Arsitektur ini kurang populer karena hanya sedikit permasalahan yang
membutuhkan solusi dengan menggunakan karakteristik arsitektur ini. Contoh
permasalahan yang mungkin membutuhkan arsitektur ini antara lain adalah multiple
frequency filter dan program pemecah sandi yang menggunakan beberapa algoritma
kriptografi sekaligus
4. MIMD (Multiple Instruction, Multiple Data) : pada arsitektur ini, berbagai instruksi dapat
dieksekusi oleh beberapa prosesor di mana masing-masing prosesor dapat menggunakan
data yang berbeda. Eksekusi instruksi pada arsitektur ini dapat dilakukan secara sinkron
(pada suatu rentang waktu, jumlah instruksi yang dieksekusi oleh semua prosesor adalah
sama) maupun asinkron, deterministik maupun non-deterministik. Selain itu, arsitektur
ini dapat melakukan pekerjaan sesuai dengan karakteristik dari ketiga asitektur
sebelumnya.
 Arsitektur Memori pada Komputasi Paralel

Pada umumnya, ada dua buah arsitektur memori pada komputer paralel, yaitu shared
memory dan distributed memory

1. Shared memory : arsitektur ini menyediakan global addressing sehingga berbagai

prosesor mempunyai cara pengaksesan memori yang seragam. Setiap perubahan pada
suatu lokasi memori oleh suatu prosesor akan selalu terlihat oleh prosesor lain. Kelebihan
dari arsitektur ini antara lain adalah pengaksesan memori yang user friendly dan
performansi yang baik dalam penggunaan data bersama antar task. Sedangkan
kekurangannya antara lain adalah kurangnya skalabilitas ketika terjadi penambahan
prosesor, di mana akan terjadi peningkatan traffic antara prosesor ke shared memory dan
antara cache coherent system dengan memori sebenarnya.

 Berdasarkan frekuensi akses, ada dua jenis shared memory :Uniform Memory Access
(UMA) : setiap prosesor memiliki hak pengaksesan yang seragam dengan prosesor lain
 Non Uniform Memory Access (NUMA) : tidak semua prosesor memiliki hak yang sama
dalam mengakses memori

2. Distributed memory : arsitektur ini mempunyai karakteristik di mana setiap prosesor

memiliki memorinya masing-masing, sehingga eksekusi instruksi dapat berjalan secara
independen antara satu prosesor dengan yang lain. Prosesor akan menggunakan jaringan
ketika membutuhkan akses ke memori non lokal. Akses ini sepenuhnya menjadi tanggung
jawab penulis program. Kelebihan dari arsitektur ini adalah terjaganya skalabilitas ketika
terjadi penambahan prosesor. Sedangkan kekurangannya adalah penulis program harus
berurusan dengan detail komunikasi data antara prosesor dan memori non lokal.

Pengertian Clustering atau Analisa Cluster

Pengertian clustering atau analisa cluster adalah proses membagi (atau mempartisi) satu
set objek data (atau observasi) menjadi beberapa subset. Masing-masing subset adalah satu
cluster, sedemikian sehingga objek-objek di dalam suatu cluster adalah mirip satu sama lain,
namun tidak mirip dengan objek-objek di dalam cluster lainnya. Set (atau kumpulan) cluster
yang dihasilkan dari analisa cluster bisa disebut sebagai clustering. Di dalam konteks ini,
berbagai metode clustering yang berbeda bisa menghasilkan clustering yang berbeda pada
dataset yang sama. Proses membagi (atau mempartisi) tidak dilakukan oleh manusia, tetapi oleh
algoritma clustering. Jadi, clustering sangat bermanfaat karena dapat membawa ke penemuan
berbagai kelompok yang belum diketahui sebelumnya di dalam data.
Analisa cluster (atau clustering) sudah digunakan secara luas di berbagai macam penerapan
seperti business intelligence, pengenalan pola gambar (image pattern recognition), pencarian
web, biologi, dan keamanan.

Di business intelligence, clustering bisa digunakan untuk mengelompokkan jumlah

pelanggan yang sangat banyak menjadi beberapa kelompok, dimana para pelanggan di dalam
suatu kelompok memiliki karakteristik yang sangat mirip. Hal ini bisa membantu pengembangan
strategi bisnis untuk CRM (customer relationship management) yang lebih baik. Disamping itu,
coba pertimbangkan suatu perusahaan konsultan yang memiliki jumlah project yang sangat
banyak. Untuk meningkatkan manajemen project, clustering bisa diterapkan untuk membagi
(atau mempartisi) project-project menjadi beberapa kategori berdasarkan kemiripan sehingga
proses audit dan diagnosis project (untuk meningkatkan hasil dan delivery project) bisa
dilakukan secara efektif.

Di dalam image recognition (pengenalan gambar), clustering bisa digunakan untuk

menemukan cluster-cluster atau subclass-subclass pada berbagai sistem pengenalan karakter
tulisan tangan. Misalkan kita punya suatu dataset yang berisi angka-angka tulisan tangan, dimana
setiap angka diberi label 1,2,3, dst. Perlu dicatat bahwa ada banyak kemungkinan cara orang-
orang menuliskan angka yang sama. Ambil contoh angka 2. Beberapa orang mungkin
menulisnya dengan lingkaran kecil dibagian kiri bawah, tetapi beberapa yang lain tidak begitu.
Kita bisa menggunakan clustering untuk menentukan subclass-subclass untuk angka "2", dimana
masing-masing menyajikan variasi cara dimana angka 2 dituliskan. Dengan menggunakan
berbagai model yang berdasarkan pada subclass-subclass bisa meningkatkan akurasi pengenalan
secara keseluruhan.
Clustering juga banyak diterapkan pada pencarian web. Misalnya, pencarian suatu
keyword (kata kunci) mungkin seringkali menghasilkan jumlah hits yang sangat banyak
(misalnya laman-laman yang relevan ke pencarian) karena jumlah laman web yang sangat-sangat
banyak. Clustering bisa digunakan untuk mengorganisasi hasil-hasil pencarian menjadi beberapa
kelompok dan menampilkan hasil-hasilnya dalam cara yang ringkas dan mudah diakses. Selain
itu, teknik-teknik clustering sudah dikembangkan untuk meng-cluster berbagai macam dokumen
ke dalam topik-topik, yang sering digunakan dalam praktik-praktik pencarian dan pengambilan
informasi.
Sebagaimana halnya fungsi data mining (atau penambangan data), analisa cluster bisa
digunakan sebagai tool standalone untuk mendapatkan insight (pengetahuan) ke dalam distribusi
data, untuk mengamati karakteristik setiap cluster, dan berfokus pada set (atau sekumpulan)
cluster tertentu untuk analisa lanjutan. Yang lain lagi, analisa cluster bisa juga berfungsi pada
langkah pre-processing (persiapan data) untuk algoritma-algoritma lainnya, seperti karakterisasi
(characterization), pemilihan subset atribut, dan klasifikasi, yang kemudian diterapkan pada
cluster-cluster yang sudah dideteksi dan atribut-atribut atau feature-feature yang sudah dipilih.
 Karena suatu cluster adalam kumpulan atau koleksi objek-objek data yang mirip satu
sama lain di dalam cluster yang sama tetapi tidak mirip dengan objek-objek di cluster yang lain,
suatu cluster objek-objek data bisa diperlakukan sebagai class yang implisit. Dalam pengertian
ini, clustering kadang-kadng disebut dengan klasifikasi otomatis (atau automatic classification).
Jangan lupa, perbedaan pentingnya disini adalah bahwa clustering bisa secara otomatis
menemukan kelompok-kelompoknya. Ini adalah hal yang membedakan dari analisa cluster.
Clustering disebut juga segmentasi data dalam beberapa penerapan karena clustering
membagi (atau mempartisi) beberapa dataset yang besar menjadi kelompok-kelompok menurut
kemiripannya. Clustering juga bisa digunakan untuk outlier detection (mendeteksi pencilan),
dimana outliers (pencilan atau objek-objek yang nilai-nilainya yang sangat jauh dari cluster
manapun) mungkin lebih menarik dibanding kasus-kasus yang umum. Penerapan-penerapan
outlier detection (mendeteksi pencilan) meliputi deteksi terhadap kecurangan kartu kredit dan
monitoring berbagai aktivitas kriminal dalam e-commerce. Misalnya, ada kasus dalam transaksi
kartu kredit yang tidak biasa, seperti pembelian suatu produk yang sangat mahal dan sangat
jarang, mungkin saja menjadi perhatian karena aktivitas kecurangan atau pembobolan yang
mungkin terjadi. Outlier detection di bahas dalam post artikel lainnnya.
Clustering data sedang dikembangkan secara serius. Area kajian yang memberikan
kontribusi yang berarti meliputi data mining (penambangan data), statistik, machine learning,
teknologi database spasial, pencarian dan penemuan informasi (information retrieval), pencarian
web, biologi, marketing, dan banyak area-area penerapan lainnya. Karena jumlah data yang
dikumpulkan di database sangatlah besar, analisa cluster akhir-akhir ini menjadi topik yang
sangat aktif di dalam penelitian data mining.
Sebagai cabang dari statistik, analisa cluster sudah menjadi kajian yang sangat luas,
dengan fokus utama pada analisa cluster berbasis jarak. Berbagai macam tool analisa cluster
berbasis k-means, k-medoids, dan beberapa metode yang lain juga sudah dibuat menjadi banyak
paket software analisa statistik, seperti S-Plus, SPSS, dan SAS. Pada machine learning, harap
diingat bahwa klasifikasi (classification) dikenal sebagai supervised learning (pembelajaran
terawasi) karena informasi label class ditentukan, artinya, algoritma pembelajaran diawasi dalam
arti sudah diberitahu keanggotaan class dari setiap baris data yang digunakan untuk training.
Clustering dikenal sebagai unsupervised learning (pembelajaran tak-terawasi) karena informasi
label class tidak ada. Karena alasan ini, clustering adalah suatu bentuk belajar dengan observasi,
dan bukan belajar dengan contoh. Pada data mining (penambangan data), berbagai usaha sudah
berfokus pada menemukan berbagai metode untuk analisa cluster yang efisien dan efektif pada
database yang sangat besar. Tema-tema aktif penelitian berfokus pada skalabilitas dari berbagai
metode clustering, efectiveness dari berbagai metode untuk clustering bentuk-bentuk yang
kompleks (misalnya nonconvex) dan jenis-jenis data (misalnya teks, grafik, dan gambar), teknik-
teknik clustering dengan dimensi yang sangat banyak (high-dimensional clustering) misalnya
clustering pada object-object dengan ribuan features atau atribut, dan metode-metode untuk
clustering data campuran antara data numerik dan nominal pada database yang sangat besar.
 Perbedaan dan persamaan

komputasi grid vs komputasi paralel

 Komputasi paralel itu bersifat homogen yang artinya seluruh resource yang digunakan
serupa. sedangkan komputasi grid bersifat heterogen yaitu berasal dari bermcam-macam
resource yang berbeda ataupun homogen.
 komputasi paralel hanya terdiri dari satu cluster, sedangkan komputasi grid dapat terdiri
dari beberapa cluster.
 Dalam komputasi paralel, pembagian job execution harus sama besar antar resource,
sedangkan untuk komputasi grid tidak harus sama.

Ada tiga hal yang di sharing dalam sebuah sistem grid, diantarnya adalah : Resource, Network,
dan Proses. Kegunaan dari sistem grid itu sendiri adalah untuk melakukan high troughput
computing dibidang penelitian, ataupun komputasi lainnya yang memerlukan banyak resource.

Keuntungan dasar dari penerapan sistem grid adalah :

✓ Lebih cepat dan lebih besar : komputasi simulasi dan penyelesaian masalah dapat berjalan
lebih cepat dan serta mencakup domain yang lebih luas.

✓ Perkalian dari sumber daya : Resource pool dari CPU dan storage tersedia ketike idle.

✓ software dan aplikasi : Pool dari aplikasi dan pustaka standar, akses terhadap model dan
perangkat berbeda, dan metodologi penelitiannya lebih baik.

✓ Data : Akses terhadap sumber data global dan hasil penelitiannya lebih baik.

Negara Indonesia memulai riset tentang grid pada tahun 2006 dengan diusulkannya sebuah
infrastruktur GRID tingkat nasional RI-GRID, yaitu infrastruktur komputasi grid di tingkat
negara republik indonesia dimana tujuannya untuk memanfaatkan sumber daya komputasi yang
berada di institusi-institusi penelitian baik saat ini maupun di masa akan datang yang dapat
digunakan para peneliti di negara ini untuk mengembangkan ilmu pengetahuan dan juga
teknologi.

Middleware adalah lapisan atau layer perangkat lunak (software) yang letaknya diantara sistem
operasi dan aplikasi. Elemen-elemen dasar dari middleware adalah :

 Kemanan / security
 Pengelolaan sumber daya (Resource Management)
 Pengelolahan Data (Data Management)
 Layanan Informasi (Information Service)
Solusi untuk middleware yang tersedia adalah

 Globus Toolkit(Argonne + ISI)

 LCG/Glite (dari proyek uni eropa)
 Gridbus(Melbourne, Australia)
 Unicore ( Jerman)
 dll

Nah sekian dulu artikel tentang Grid Computing ini.. artikel ini dibuat hanya untuk tugas mata
kuliah pengantar komputasi modern (softskill). Jika ada kesamaan tulisan mohon dimaafkan.

The Grid: Blue Print for a new computing infrastructure

Dalam buku The Grid: Blue Print for a new computing infrastructure dijelaskan bahwa
yang dimaksud dengan komputasi grid adalah infrastruktur perangkat keras dan perangkat lunak
yang dapat menyediakan akses yang bisa diandalkan, konsisten, tahan lama dan tidak mahal
terhadap kemampuan komputasi mutakhir yang tersedia.

“A computational grid is a hardware and software infrastructure that provides dependable,

consistent, pervasive, and inexpensive access to high-end computational capabilities.”

Seandainya kelak dikemudian hari teknologi yang dibutuhkan untuk mewujudkan visi paradigma
komputasi grid ini sudah mapan, peluang akan semakin terbuka bagi kerjasama lintas organisasi,
lintas benua dan lintas bangsa. Akan terbuka peluang bagi peneliti di Indonesia yang ingin
melakukan komputasi yang sangat rumit, dengan menggunakan supercomputer tercepat di dunia,
tanpa harus melakukan investasi besar-besaran dalam bidang teknologi informasi.

Ide awal komputasi grid dimulai dengan adanya distributed computing, yaitu mempelajari
penggunaan komputer terkoordinasi yang secara fisik terpisah atau terdistribusi. Sistem
terdistribusi membutuhkan aplikasi yang berbeda dengan sistem terpusat. Kemudian berkembang
lagi menjadi parallel computing yang merupakan teknik komputasi secara bersamaan dengan
memanfaatkan beberapa komputer secara bersamaan.

Setidaknya ada dua sisi yang mendorong semakin berkembangnya grid computing saat ini.
Kebutuhan akan sumber daya komputasi yang besar di berbagai bidang serta adanya sumber
daya komputasi yang tersebar. Grid computing menawarkan solusi komputasi yang murah, yaitu
dengan memanfaatkan sumber daya yang tersebar dan heterogen serta pengaksesan yang mudah
dari mana saja. Globus Toolkit adalah sekumpulan perangkat lunak dan pustaka pembuatan
lingkungan komputasi grid yang bersifat open-source. Dengan adanya lingkungan komputasi
grid ini diharapkan mempermudah dan mengoptimalkan eksekusi program-program yang
menggunakan pustaka paralel.

Dalam tulisan What is the Grid? A Three Point Checklist oleh Ian Foster (bapak dari Komputasi
Grid) ada check-list yang dapat digunakan untuk mengidentifikasi bahwa suatu sistem
melakukan komputasi grid yaitu :

1. Sistem tersebut melakukan koordinasi terhadap sumberdaya komputasi yang tidak berada
dibawah suatu kendali terpusat. Seandainya sumber daya yang digunakan berada dalam
satu cakupan domain administratif, maka komputasi tersebut belum dapat dikatakan
komputasi grid.
2. Sistem tersebut menggunakan standard dan protokol yang bersifat terbuka (tidak terpaut
pada suatu implementasi atau produk tertentu). Komputasi grid disusun dari kesepakatan-
kesepakatan terhadap masalah yang fundamental, dibutuhkan untuk mewujudkan
komputasi bersama dalam skala besar. Kesepakatan dan standar yang dibutuhkan adalah
dalam bidang autentikasi, otorisasi, pencarian sumberdaya, dan akses terhadap sumber
daya.Misalnya TCP/IP
3. Sistem tersebut berusaha untuk mencapai kualitas layanan yang canggih, (nontrivial
quality of service) yang jauh diatas kualitas layanan komponen individu dari komputasi
grid tersebut.

Beberapa konsep dasar dari Komputasi Grid

1. Sumber daya dikelola dan dikendalikan secara lokal.

2. Sumber daya berbeda dapat mempunyai kebijakan dan mekanisme berbeda, mencakup
Sumber daya komputasi dikelola oleh sistem batch berbeda, Sistem storage berbeda pada
node berbeda, Kebijakan berbeda dipercayakan kepada user yang sama pada sumber daya
berbeda pada Grid.
3. Sifat alami dinamis: Sumber daya dan pengguna dapat sering berubah
4. Lingkungan kolaboratif bagi e-community (komunitas elektronik, di internet)

Tiga hal yang disharing dalam sebuah sistem grid, antara lain : Resource, Network dan Proses.
Kegunaan / layanan dari sistem grid sendiri adalah untuk melakukan high throughput computing
dibidang penelitian, ataupun proses komputasi lain yang memerlukan banyak resource komputer.

Indonesia sudah menggunakan sistem Grid dan diberi nama InGrid (Inherent Grid). Sistem
komputasi grid mulai beroperasi pada bulam Maret 2007 dan terus dikembangkan sampai saat
ini. InGrid ini menghubungkan beberapa perguruan tinggi negeri dan swasta yang tersebar di
seluruh Indonesia dan beberapa instansi pemerintahan seperti Badan Meteorologi dan Geofisika.

Struktur Grid Computing

Grid computing merupakan sistem komputer dengan sumber daya yang dikelola dan
dikendalikan secara lokal. Dimana sumber daya ini berbeda dalam hal kebijakan dan mekanisme
yaitu mencakup sumber daya komputasi yang dikelola oleh sistem batch berbeda, sistem storage
berbeda pada node berbeda. Kebijakan berbeda dipercayakan kepada user yang sama pada
sumber daya berbeda pada Grid. Grid computing memiliki sifat alami dinamis artinya Sumber
daya dan pengguna dapat sering berubah.

Grid computing dibangun dengan cara menggabungkan seluruh sistem komputasi grid yang ada
di institusi-institusi penelitian menjadi sebuah kesatuan. Pengaturan hardware dan software pada
masing-masing sistem di tingkat institusi kemungkinan berbeda, namun dengan menjalankan
teknologi Grid computing dengan menggabungkan simpul-simpul penghubung dari masing-
masing sistem, maka akan terbentuk sebah kesatuan sumber daya komputasi grid. Dengan ini
berarti pengguna pada suatu institusi dapat memanfaatkan sumber daya komputasi yang berada
di luar institusinya. Salah satu syarat dari pembentukan grid computing adalah adanya suatu
backbone jaringan berkapasitas besar untuk menghubungkan simpul-simpul penghubung
(memiliki lebar pita mulai dari 2 Mbps sampai dengan 155 Mbps).

Karakteristik Sistem

Ian Foster dalam jurnalnya tentang “What is grid?” menjelaskan ada 3 karakteristik atau ciri
utama dari suatu sistem grid, yaitu :

1. Tidak ada kontrol terhadap resource yang controlized

2. Memiliki kesamaan standar protokol, misal TCP/IP
3. Memberikan layanan yang canggih (non trivial QoS)

Tiga hal yang di-sharing dalam sebuah sistem grid, antara lain : Resource, Network dan Proses.
Kegunaan atau layanan dari sistem grid sendiri adalah untuk melakukan high through put
computing dibidang penelitian, ataupun proses komputasi lain yang memerlukan banyak
resource komputer.

Jenis-jenis Grid Computing

Jenis-jenis atau komponen-komponen grid computing adalah:

1. Gram (Grid Resources Allocation & Management)

Komponen ini dibuat untuk mengatur seluruh sumberdaya komputasi yang tersedia dalam
sebuah sistem komputasi grid. Pengaturan ini termasuk eksekusi program pada seluruh komputer
yang tergabung dalam sistem komputasi grid, mulai dari inisiasi, monitoring, sampai dengan
penjadwalan dan koordinasi antar proses yang terjadi dalam sistem tersebut. Juga dapat
berkoordinasi dengan sistem-sistem pengaturan sumber daya yang telah ada sebelumnya.
Dengan mekanisme ini program-program yang telah dibuat sebelumnya tidak perlu dibangun
ulang atau bila dimodifikasi, modifikasinya minimum.

1. RFT/GridFTP (Reliable File Transfer/Grid File Transfer Protocol)

Komponen ini dibuat agar pengguna dapat mengakses data yang berukuran besar dari semua
simpul komputasi yang telah tergabung dalam sebuah sistem komputasi secara efisien. Hal ini
tentu saja berpengaruh karena kinerja komputasi tidak hanya bergantung pada kecepatan
komputer yang tergabung dalam mengeksekusi program, tapi juga seberapa cepat data yang
dibutuhkan dapat diakses. Data yang diakses juga tidak selalu ada pada komputer yang
mengeksekusi.

1. MDS (Monitoring and Discovery Service)

Komponen ini dibuat untuk memonitoring proses komputasi yang sedang dijalankan agar dapat
mendeteksi masalah yang timbul dengan segera. Sedangkan fungsi disovery dibuat agar
pengguna mampu mengetahui keberadaan sumber daya komputasi beserta karakteristiknya.

1. GSI (Grid Security Infrastructure)

Komponen ini dibuat untuk mengamankan sistem komputasi grid secara keseluruhan. Komponen
ini membedakan teknologi GT4 dengan teknologi-teknologi sebelumnya. Dengan menerapkan
mekanisme keamanan yang tergabung dengan komponen-komponen komputasi grid lainnya,
sistem ini dapat diakses secara luas tanpa sedikitpun mengurangi tingkat keamanannya. Sistem
keamanan ini dibangun dengan segala komponen yang telah diuji, mencakup proteksi data,
autentikasi, delegasi dan autorisasi.

Kelebihan Grid Computing

Beberapa kelebihan dari grid computing adalah:

1. Perkalian dari sumber daya: Resource pool dari CPU dan storage tersedia ketika idle.
2. Lebih cepat dan lebih besar: Komputasi simulasi dan penyelesaian masalah dapat
berjalan lebih cepat dan mencakup domain yang lebih luas.
3. Software dan aplikasi: Pool dari aplikasi dan pustaka standard, akses terhadap model dan
perangkat berbeda, metodologi penelitian yang lebih baik.
4. Data: Akses terhadap sumber data global dan hasil penelitian lebih baik.
5. Ukuran dan kompleksitas dari masalah mengharuskan orang-orang dalam beberapa
organisasi berkolaborasi dan berbagi sumber daya komputasi, data dan instrumen
sehingga terwujud bentuk organisasi baru yaitu virtual organization. Organisasi virtual
sebagai hasil kolaborasi memberikan beberapa keuntungan lebih lanjut, di antarnya :
6. Sumber daya dan orang-orang yang tersebar ;
7. Dihubungkan oleh jaringan, melintasi domain-domain admin;
8. Berbagi sumber daya, tujuan bersama;
9. Dinamis;
10. Fault-tolerant, dan
11. Tidak ada batas-batas geografis.
Kekurangan Grid Computing

Kekurangan pada grid computing yang lebih saya tekankan disini adalah mengenai hambatan
yang dialami oleh masyarakat Indonesia dalam mengaplikasikan teknologi grid computing.
Hambatan-hambatan tersebut adalah sebagai berikut :

1. Manajemen institusi yang terlalu birokratis menyebabkan mereka enggan untuk

merelakan fasilitas yang dimiliki untuk digunakan secara bersama agar mendapatkan
manfaat yang lebih besar bagi masyarakat luas.
2. Masih sedikitnya sumber daya manusia yang kompeten dalam mengelola grid
computing.
3. Kurangnya pengetahuan yang mencukupi bagi teknisi IT maupun user non teknisi
mengenai manfaat dari grid computing itu sendiri.

Dengan adanya beberapa manfaat dan hambatan mengenai tersedianya grid computing di
Indonesia, maka harus ada solusi yang berfungsi untuk mewujudkan manfaat dan menghilangkan
hambatan yang muncul tersebut. Solusi itu antara lain adalah sebagai berikut :

1. Memberikan sosialisasi pada instansi pendidikan maupun institusi non pendidikan

mengenai manfaat serta biaya dengan menggunakan sistem komputasi grid.
2. Kerjasama riset dan pengembangan antara departement dalam suatu perguruan tinggi dan
industri.
3. Diberikannya mata kuliah tentang grid computing sehingga dapat menghasilkan generasi
yang menguasai teknologi ini.
4. Adanya pengembangan aplikasi yang relevan dengan grid computing.

Sebuah.
Analogi Jaringan Tenaga Listrik

Sebuah. Jaringan listrik

- pengguna (atau peralatan listrik) mendapatkan akses ke listrik melalui soket di dinding tanpa
peduli di mana atau bagaimana listrik sebenarnya dihasilkan.
- "Jaringan listrik" menghubungkan pembangkit listrik dari berbagai jenis
b. Grid
- pengguna (atau aplikasi klien) mendapatkan akses ke sumber daya komputasi (prosesor,
penyimpanan, data, aplikasi, dan sebagainya) sebagaimana diperlukan dengan sedikit atau tanpa
pengetahuan tentang di mana sumber daya itu berada atau apa teknologi yang mendasari,
perangkat keras, sistem operasi, dan begitu juga
- "Grid" menghubungkan sumber daya komputasi (PC, workstation, server, elemen
penyimpanan) bersama-sama dan menyediakan mekanisme yang diperlukan untuk
mengaksesnya.

Prospek komputasi Grid

• Grid pada akhirnya bertujuan untuk mengubah jaringan global komputer menjadi satu sumber
daya komputasi yang luas.
• Terkait dengan banyak bidang dalam ilmu komputer
• Sedang dikembangkan oleh ratusan peneliti dan insinyur perangkat lunak di seluruh dunia.
• Masih “bekerja dalam proses”
• Berpotensi revolusioner.

Arsitektur Grid

• Lapisan fabric: Menyediakan sumber daya untuk akses berbagi yang dimediasi oleh protokol
Grid.
• Lapisan konektivitas: Menentukan komunikasi inti dan protokol otentikasi yang diperlukan
untuk fungsi jaringan khusus-kisi.
• Lapisan sumber daya: Menentukan protokol, API, dan SDK untuk negosiasi yang aman,
inisiasi, kontrol pemantauan, akuntansi dan pembayaran operasi berbagi pada sumber daya
individual.
• Lapisan Kolektif: Berisi protokol dan layanan yang menangkap interaksi di antara kumpulan
sumber daya.
• Lapisan Aplikasi: Ini adalah aplikasi pengguna yang beroperasi dalam lingkungan VO.
Siapa yang butuh Grid Computing?

• Bukan hanya ilmuwan komputer ...

• ilmuwan "menabrak dinding" ketika dihadapkan pada situasi:
- Jumlah data yang mereka butuhkan sangat besar dan data disimpan di lembaga yang berbeda.
- Jumlah perhitungan serupa yang harus dilakukan ilmuwan sangat besar.

• Area lain:
- Pemerintah
- Bisnis
- Pendidikan
- Desain industry

Mengapa perlu Grid Computing?

• Teknologi jaringan inti sekarang berakselerasi pada kecepatan yang jauh lebih cepat daripada
kemajuan dalam kecepatan mikroprosesor
• Memanfaatkan sumber daya yang digunakan
• Kapasitas CPU paralel
• Sumber daya virtual dan organisasi virtual untuk kolaborasi
• Akses ke sumber daya tambahan

referensi :

http://mamedmenulis.wordpress.com/2010/04/30/mobile-computing-grid-computing-dan-cloud-
computing/

http://my.opera.com/aviciena/blog/grid-computing-komputasi-grid

http://kucingkampung27.wordpress.com/grid-computing/
http://madluke.wordpress.com/2011/04/15/grid-computing/