Peluang dan Tantangan Aplikasi Grid Computing di Indonesia. Heru Suhartanto

Peluang dan tantangan Aplikasi Grid Computing di Indonesia

Peluang dan Tantangan Aplikasi Grid Computing di Indonesia

Heru Suhartanto

Intisari Pidato Pengukuhan Guru Besar Tetap bidang Komputasi Parallel Pada Fakultas Ilmu Komputer – Universitas Indonesia Depok, 15 Oktober 2008

Page 1 of 12


Dalam pidato ini, saya akan awali dengan ulasan singkat munculnya teknologi Grid computing, ulasan singkat struktur grid computing, lalu beberapa aplikasi yang telah jalan di atasnya, kemudian melihat bagaimana kondisi grid computing di Indonesia, dan diakhiri dengan ulasan peluang serta tantangan pemanfaatan Grid computing untuk berbagai keperluan seperti antara lain di industri, sains, dan kesehatan. Lalu, mengingat keterbatasan waktu, harap maklum jika di beberapa bagian saya menyampaikan intisarinya saja. Perlunya sumber daya komputasi (SDK) tinggi Dalam kehidupan sehari hari, banyak aplikasi atau suatu sistem (suatu kumpulan perangkat lunak beserta perangkat Teknologi Informasi dan Komunikasi - TIK) terapan yang membutuhkan alat bantu untuk mendapatkan jawaban atau solusi masalah yang dihadapi. Aplikasi ini biasanya didominasi oleh aplikasi yang mencari jawab persoalan dalam sains dan rekayasa (engineering) atau suatu aplikasi yang memakai suatu metoda namun metoda ini tidak bisa dipakai dengan alat atau komputer yang sederhana. Salah satu contoh persoalan yang coba diatasi oleh aplikasi tersebut adalah antara lain permasalahan konsentrasi zat polusi (pollutant) dan pemecahan suatu model matematis menggunakan metoda yang perlu dukungan teknologi SDK yang sangat cepat. Persoalan konsentrasi zat polusi itu digambarkan dalam model matematis System Persamaan Differential Ordiner (PDO). Labotorium polusi udara Denmark mempelajari model ini dengan banyak pollutant q=29 dan jika metoda garis dipakai maka akan terbentuk empat sistem nilai awal PDO. System tersebut kemudian harus dipecahkan secara siklus pada setiap langkah integrasi. Sebagai contoh, jika ruang tiga dimensi dilukiskan sebagai grid sumbu x, y dan z dan dimisalkan masing masing berukuran 32 x 32 x 9, maka masing-masing PDO akan mengandung 267,264 persamaan yang harus dicari solusinya pada setiap langkah integrasi [Suhartanto 1998, Zlatev 1988]. Satu iterasi sistem non linier di dalamnya membutuhkan sekitar minimum kelipatan 10 pangkat 16 operasi bilangan atau titik-ambang (floating point operation) flop. Dan karena model itu harus dicari solusinya sepanjang garis skala waktu untuk mempelajari variasi dalam satuan bulan dan musim, maka flop yang harus dilakukan akan sangat besar terlebih jika diinginkan jawaban yang teliti dengan meningkatkan jumlah grid maka akan tercipta suatu sistem persamaan yang hanya dapat ditangani oleh lingkungan komputasi yang dapat menangani flop per detik jumlah tinggi. Komputer sebagai salah satu komponent TIK dikembangkan pertama kali untuk membantu manusia memroses data atau informasi secara cepat, terutama proses yang berulang dengan data yang bervariasi seperti contoh aplikasi di atas. Data data ini dapat mewakili bermacam informasi antara lain berupa teks, gambar, suara, dan video. Walau kegunaan data tersebut mewakili bermacam informasi, namun bentuk utama data tersebut yang diproses di komputer adalah bilangan atau angka. Angka inilah yang diproses untuk menghasilkan angka atau informasi baru.

Page 2 of 12


Salah satu tujuan utama penelitian dan pengembangan dalam TIK adalah bagaimana dapat memroses informasi tersebut dengan cepat dan hemat. Cepat dalam artian berapa banyak angka atau bilangan yang dapat diproses dalam satuan detik (floating point operation per second – flops) , hemat dalam artiaan penggunaan sumber daya pemroses – misalnya ruang memory dan ruang penyimpanan – yang efisient. Ada beberapa faktor yang menentukan kinerja suatu proses, antara lain kerja keras, kerja dengan cerdik , dan memanfaatkan bantuan. Dalam TIK, konsep ini analog dengan memakai hardware (processor) yang lebih cepat, algoritma dan teknik yang optimum, serta memakai beberapa processor untuk memecahkan suatu masalah. Komputer Super Salah satu usaha untuk mencapai hardware yang cepat, antara lain dikembangkannya teknologi untuk dapat membuat SDK yang lebih cepat. Usaha ini secara kontinue dilakukan oleh para peneliti dan industri dari waktu ke waktu dengan usaha pembuatan processor yang sangat cepat. Namun satu komputer dengan satu pemroses yang sangat cepat tidaklah cukup untuk dapat mengatasi masalah yang membutuhkan kekuatan perhitungan yang maha cepat. Hal ini disebabkan oleh keterbatasan kecepatan cahaya, hukum termodinamika, dan tingginya biaya pembuatan processor. Guna mengatasi hal ini maka diciptakanlah teknologi beberapa processor yang disalinghubungkan dan proses komputasi dikoordinasikan untuk dapat dilakukan bersama sama. Saat ini berdasarkan situs www.top500.org, sistem komputer tercepat sudah mencapai kemampuan memroses data sebanyak 1026 Peta flop (1026 kali 10 pangkat 15 flop). Komputer ini merupakan komputer super di Los Alamos National Laboratory, USA. Pada komputer super, beberapa processor tersebut dihubungkan menjadi satu kesatuan. Perangkat pendukung seperti sistem pengoperasi (Operating System) dan compiler (kompilator) khusus dibuat untuk mesin tersebut. Perangkat pendukung ini dibuat untuk memudahkan user berkonsentrasi pada pengembangan aplikasi yang membutuhkan pemrosesan parallel secara otomatis. User tak perlu memikirkan bagaimana proses parallel tingkat dasar (low level) dilakukan. Salah satu aplikasi yang telah dikembangkan misalnya adalah aplikasi pemecahan persoalan yang direpresentasikan oleh model matematika PDO [Suhartanto, 1998]. Pengembangan aplikasi tersebut relatif mudah karena ia memakai perangkatbantu dan compiler khusus yang berjalan di atas system SDK super. Namun investasi dan perawatan SDK ini sangat mahal sehingga memacu orang untuk mencari alternatif. Cluster Computing sebagai pengganti komputer super Karena itulah muncul ide pengembangan system komputasi Cluster dengan memanfaatkan SDK yang sudah ada seperti misalnya PCs dan Workstations menjadi suatu sumber daya komputasi yang tinggi. Perkembangan ini mulai dari pengaitan mesin-mesin yang ada dari berbagai jenis sampai pengaitan sekumpulan (cluster) PC dengan jaringan komputer menjadi satu Node SDK berkinerja tinggi.

Page 3 of 12


Masing-masing komputer yang berpartisipasi lokasinya tersebar dan dapat dianggap sebagai suatu prosesor, dimana masing-masing processor dapat melakukan proses dengan memakai data yang berbeda, sehingga secara keseluruhan komputasi yang dilakukan di sistem ini disebut sebagai komputasi tersebar. Contoh keberhasilan SDK berbasis Cluster dapat dilihat pada daftar www.top500.org . Daftar tersebut menggambarkan banyaknya SDK berbasis Cluster yang mampu menyaingi computer super. Salah satunya adalah Tera (10 pangkat 12) flops Cluster PC yang dirancang pada tahun 2003 di Jepang. Software atau perangkat yang membantu pembentukan aplikasi di system cluster computing antara lain MPI, PVM, CORBA, dan Java RMI. Semua perangkat pembantu ini tersedia gratis di internet, analisis perbandingan kinerjaanya telah dilakukan beberapa peneliti, antara lain [Suhartanto 2006], hasilnya menunjukkan masing masing perangkat akan cocok untuk lingkungan tertentu. Mempertimbangkan sudah tersedianya berbagai computer dan gratisnya perangkat pembantunya, maka Cluster computing banyak diminati sebagai alternative computer super yang murah. Ia sangat murah karena hanya menghubungkan komputer komputer yang sudah tersedia dengan perangkat bantu yang gratis. Grid Computing sebagai penyedia sumberdaya ampuh dan terjangkau Dipicu dengan kebutuhan untuk mengakses sumber daya yang bervariasi dan tersebar secara geografis serta suksesnya perancangan dan implementasi Cluster Computing dalam satu Node, maka para peneliti memperluas ide Cluster Computing. Sumber daya yang tadinya hanya difokuskan pada komputer saja, maka diperluas menjadi bermacam sumber daya. Kemudian masing masing Node akan dikaitkan menjadi gabungan beberapa Node, dan lokasi Node node tersebut bisa tersebar secara luas dalam suatu negara atau bahkan antara beberapa negara. Dari sini maka secara umum maka Grid computing banyak banyak didefinisikan oleh berbagai peneliti. Namun secara umum terdapat konsep yang sama. Grid Computing adalah infrastruktur komputasi yang menyediakan akses berskala besar terhadap sumber daya komputasi yang tersebar secara secara geografis namun saling terhubung menjadi satu kesatuan fasilitas. Sumber daya ini termasuk antara lain supercomputer, system storage/penyimpanan, sumber sumber data, dan instrument instrument. Konsep ini mirip dengan jaringan tenaga listrik dimana generator tenaga listrik tersebar secara geografis, namun kita sebagai pemakai dapat menikmatinya tanpa perduli tahu dimana sumber energi tersebut dan lokasinya berada. [GCIC] Dengan demikian ciri ciri grid adalah mempunyai sumber daya (hardware dan software) yang heterogen, sumber daya yang bervariasi (antara lain computer, clusters, peralatan laboratorium, peralatan engineering), sumber daya yang dikelola bersama (tidak ada monopoli pengelolaan), secara fisik sumber daya tersebut berlokasi di tempat yang tersebar hingga mencapai di berbagai belahan dunia. Dengan ciri ciri ini

Page 4 of 12


maka grid computing dikategorikan sebagai salah satu cara pemanfaatan sumber daya dengan efisien dan murah. Masyarakat tanpa memerlukan dana yang besar dapat mengakses bermacam variasi sumber daya dari mana saja dan kapan saja, selama mereka dapat hak akses system grid tersebut. Gambar 1 berikut menunjukkan struktur sebaran Grid Computing, yang diawali dengan Node cluster computing dalam satu tempat, kemudian gabungan Cluster menjadi enterprise Grid, kemudian gabungan node Grid di beberapa Negara membentuk Global Grid.

Gambar 1, Struktur fisik Grid Computing [Ian Foster]

Apakah Grid computing mahal? Untuk memadukan sejumlah variasi sumberdaya dalam Grid computing dibutuhkan Grid Middleware. Middleware ini adalah sekumpulan software yang mengatur sumberdaya tersebut hingga dapat diakses software clients tanpa harus mengetahui konfigurasinya. Peran middleware sangat penting, hal ini dapat dilihat dari struktur-tingkat Grid computing di gambar 2. Paling bawah adalah sumber daya yang akan dipakai bersama, di atasnya berjalan local resource manager, di atasnya lagi berjalan core middleware, di atasnya lagi berjalan application development and deployment environtment dimana user dapat membuat aplikasi dengan ini, dan yang paling atas adalah aplikasi yang siap jalan di sistem Grid.

Page 5 of 12


Gambar 2. Arsitektur Grid [GridBus] Globus adala salah contoh middleware yang sering digunakan. Selain Globus terdapat beberapa middleware alternative antara lain misalnya Gridbus, Gridgain, Unicore, Legion, Wamm, dan Discworld. Globus adalah middleware yang dibentuk dari sejumlah component yang terpadu menjadi suatu toolkit 1 . Toolkit ini menyediakan component client, server dan pengembangan untuk tiga pilar Globus pada Grid computing yakni manajemen sumberdaya, manajemen informasi dan manajemen data. Fitur fitur dari Globus antara lain resource specification languge, untuk menentukan resources yang tersedia; globus resource allocation manager, untuk otentikasi, pembentukan dan pemantauan process untuk suatu resource grid; grid security infrastructure , untuk layanan security and otentikasi; grid information system service, menyediakan konfigurasi system dan status; global access to secondary storage, untuk memberdayakan program berproses pada lokasi yang bervariasi untuk membaca dan menulis data; globus_io dan nexus untuk layanan komunikasi lingkungan yang heterogen; hearbeat monitor, untuk deteksi kegagalan process remote; replica catalog untuk mendukung pemetaan data secara transparent dan network weather services, untuk memantau ketersediaan resources dan beban . Dan yang sangat menggembirakan adalah semua middleware tersebut tersedia gratis dan dapat diambil lewat situs internetnya masing masing. Sehingga para peneliti dan pengembang aplikasi siap untuk merancang sistem gridnya sendiri dan aplikasi untuk kebutuhan masing masing. 1

An integrated set of software routines or utilities (tools) that are used to develop and maintain applications and databases. http://dictionary.zdnet.com/definition/Toolkit.htm

Page 6 of 12


Aplikasi pada Grid Aplikasi yang membutuhkan Grid cirinya adalah aplikasi yang memerlukan proses berskala besar, data yang intensive serta sumber daya yang banyak dan bervariasi. Secara umum, aplikasi ini dapat diklasifikasikan menjadi empat kelas yakni antara lain simulasi informasi – didominasi oleh komputasi; penyimpanan informasi – didominasi oleh storage; akses informasi – didominasi oleh komunikasi; dan integrasi informasi – didominasi oleh penggabungan antar sistem. Beberapa aplikasi di berbagai belahan dunia yang saat ini sudah memanfaatkan teknologi Grid computing antara lain adalah: •

•

•

[PipeLine] Deteksi kerusakan pipa. Jaringan pipa gas, minyak dan lainnya perlu diinspeksi untuk mendeteksi adanya karatan atau kerusakan lainnya dalam satuan interval waktu. Hal ini dapat dilakukan oleh probe (suatu alat) berbasis ultrasonic yang melalui pipa pipa tersebut. Ia secara otomatis mendeteksi karatan, keretakan dan kerusakan lainnya. Alat ini dapat melacak kerusakan pada tahap dini sehingga kerusakan lingkungan akibat kebocoran gas dan pipa dapat dihindari. Sebagai contoh, untuk menginspeksi 100 km pipa dengan garis tengah 50 inci, data yang terkumpul sekitar 280 Terabytes (2.8 x 1014 bytes) dengan kecepatan transfer data sekitar 2.8 Giga bytes per detik. Jumlah data ini hanya bisa diproses oleh SDK Grid computing. [NeuroGrid.] Kurangnya kekuatan komputasi dalam suatu organisasi untuk menganalisis data sains, dan penyebaran pengetahuan (oleh para peneliti) dan teknologi (devais atau peralatan sains tingkat tinggi) adalah dua masalah utama yang muncul dalam bidang sains. Salah satu disiplin sains yang mempunyai masalah ini adalah sain atau ilmu otak (brain). Analisis data aktifitas otak yang dikumpulkan dari instrument MEG (Magnetoencephalography) adalah topik riset yang sangat penting karena ia akan menolong para dokter untuk mengidentifikasi simptom berbagai penyakit. Data tersebut harus dianalisis secara mendalam agar dapat mendiagnosa dan menganalisis fungsi otak secara efisien. Analisis ini membutuhkan sumber daya komputasi yang sangat kuat. Munculnya teknologi Grid yang memberdayakan saling memakai, pemilihan dan penggabungan sumber daya yang tersebar secara geografis dapat menolong untuk mengatasi masalah ini. Namun pengembangan aplikasi, management sumberdaya dan penjadwalan di lingkungan Grid merupakan kegiatan yang cukup komplek atau rumit sehingga memerlukan kerjasama tenaga ahli dari berbagai institusi terkait. Untuk bidang ini beberapa kerjasama telah dilakukan antara Grid Lab – University of Melbourne, Nimrod-G Project – Monash University dan MEG Project – Osaka University. [Molecular Docking]. Tujuan project ini adalah untuk menyediakan sektor biotechnology suatu akses ke teknologi yang dapat memberikan kemampuan eksplorasi pengembangan obat secara efisien dan murah dengan memakai infrastruktur cyber berbasis Grid computing. Project itu akan menyediakan

Page 7 of 12


•

•

fasilitas akses via web terhadap aplikasi docking2 dan akses terhadap basis data kimia yang sangat bervariasi, juga akses terhadap perangkat untuk membantu analisis dan pengarsipan hasil screening. Karena docking pada masing masing molekul pada basis data kimia target adalah pekerjaan yang membutuhkan komputasi dan data yang intensif, maka Project BioGrid di Australia menyediakan solusi yang efisien dan dapat terjangkau bagi para aktifiis biologi untuk mempercepat screening basis data kimia dengan memakai system komputasi tersebar berskala besar. Project molecular docking tersebut perlu melibatkan usaha dan pengembangan bersama. WEHI (Walter and Eliza Hall Institute for Medical Research) telah mengembangkan framework software molecular docking bekerjasama dengan sejumlah universitas di Australia. Project GridBus di University of Melbourne telah mengembangkan kerangka GridBus Brokering yang menunjang aplikasi yang memakai data intensif namun tersebar. Project BioGrid telah mengembangkan Portal Web BioGrid untuk screening basis data kimia dengan kustomisasi dan mengembangkan interface berbasis Web untuk analisis, visualisasi dan penyimpanan (storage) hasil screening virtual secara otomatis. Portal tersebut dipasang pada National Grid (tingkat Negara) dan memakai Gridbus Broker untuk pengelolaan eksekusi parallel operasi molecular docking pada sumber daya komputasi local dan nasional. Salah satu aplikasi Grid yang tersedia gratis antara lain ABCGrid (Application of Bioinformatics Computing Grid). ABCGrid dirancang untuk laboratorium biologi yang memakai sumber daya komputasi heterogen dan akses terhadap aplikasi bioinformatik dari satu node master. Aplikasi ini mengintegrasikan beberapa aplikasi bioinformatik antara lain NCBI_BLAST, Hmmpfam and CE yang berproses diplatform Unix/Linux, Windows dan Mac OS X. Kemudian salah satu contoh suksesnya implementasi pada Grid yang berdampak pada efisiensi beban ekonomi ditunjukkan oleh Novartis Institute for Biomedical Research, Presidentnya -- Peter Sany-- mengatakan bahwa institusinya mengestimasi bahwa perusahaannya akan akan membutuhkan 6 tahun waktu proses dengan komputer super, namun dengan PC Grid yang berjumlah 3,700 desktop PC, mereka hanya butuh waktu proses 12 jam, penghematan dana sekitar 200 juta dollar selama tiga tahun, dan kekuatan komputasi mencapai lebih dari 5 Tera-flops [Ian Foster, www.globus.org] .

Grid Computing di Indonesia: peluang, tantangan dan solusi Seperti telah kita perhatikan di atas, bahwa masyarakat dunia telah berhasil memanfaat teknologi Grid Computing sehingga dapat mempercepat proses kebutuhan mereka di berbagai bidang dengan cara yang lebih efisien dan murah. Tanpa 2

Docking is a method which predicts the preferred orientation of one molecule to a second when bound to each other to form a stable complex.[1] Knowledge of the preferred orientation in turn may be used to predict the strength of association or binding affinity between two molecules using for example scoring functions. Docking is frequently used to predict the binding orientation of small molecule drug candidates to their protein targets in order to in turn predict the affinity and activity of the small molecule. Hence docking plays an important role in the rational design of drugs. [Molecular Docking Definition]

Page 8 of 12


didukung dengan tekonologi yang canggih serta kerjasama yang baik, mustahil Indonesia dapat bersaing dengan masyarakat di luar negeri. Untuk itu, perlu kita ketahui apakah masih ada peluang bagi kita untuk dapat berkompetensi dan hambatan yang saja yang kita hadapi dan bagaimana mengatasi hambatan tersebut. Peluang Unsur utama pengembangan Grid computing dan aplikasinya adalah tersedianya infrastruktur berupa networks (jaringan komputer) yang menghubungkan institusi institusi yang memiliki sumber daya, minimum satu Portal Grid yang dapat diperluas dan paket paket pendukung pembentukan portal grid lainnya beserta aplikasi aplikasi di atasnya. Walaupun masih minim, ternyata kebutuhan tersebut sudah dapat dipenuhi untuk Indonesia. •

“JARDIKNAS (Jejaring Pendidikan Nasional) telah terealisasi pertama kali bulan Juli 2006 sejalan dengan program pengembangan infrastruktur TIK di lingkungan Direktorat Pembinaan Sekolah Menengah Kejuruan (PSMK) Mandikdasmen Depdiknas. Pada awalnya, PSMK Mandikdasmen Depdiknas berencana membangun infrastruktur jaringan online skala nasional untuk kebutuhan interkoneksi antar sekolah (Zona Sekolah) di setiap wilayah Kota/Kabupaten se-Indonesia. Dalam perkembangannya, infrastruktur jaringan online tersebut juga dihubungkan ke seluruh kantor Dinas Pendidikan Propinsi dan Kota/Kabupaten se-Indonesia sebagai simpul lokal JARDIKNAS di daerah (Zona Kantor Dinas). Dimana setiap kantor dinas pendidikan (sebagai simpul lokal) tersebut berkewajiban untuk mendistribusikan koneksi JARDIKNAS ke sekolah-sekolah termasuk sekolah SMK yang berfungsi sebagai pusat TIK di daerah masing-masing.” Sejalan dengan program JARDIKNAS, Direktorat Jenderal Pendidikan Tinggi (Dikti Depdiknas) juga turut mengembangkan infrastruktur jaringan skala nasional khusus antar perguruan tinggi yang disebut INHERENT (Indonesia Higher Education Network). Ada lebih dari 32 perguruan tinggi negeri sebagai simpul lokal INHERENT dimana simpul lokal tersebut mendistribusikan koneksinya ke perguruan tinggi lain di wilayah masingmasing.” [Jardiknas]

•

“Telah tersedianya inGRID versi 1.0 -- yang telah dibangun oleh sekelompok peneliti Fasilkom UI - yang merupakan awal pengembangan infrastruktur komputasi grid di atas INHERENT. inGRID versi 1.0 ini menyediakan sumber daya komputasi setara dengan 32 buah komputer PC (Pentium IV, 2 GHz) dan kapasitas penyimpanan data minimal 1 TeraBytes. Sumber daya komputasi grid ini dapat digunakan oleh para peneliti e-Science di perguruan tinggi-perguruan tinggi yang terhubung dalam INHERENT untuk menjalankan program-program komputer yang mereka miliki baik dalam bentuk program paralel (dengan basis MPI atau PVM) maupun program standalone yang membutuhkan sumber daya komputasi besar. Selain mendukung para peneliti e-Science , pengembangan inGRID versi 1.0 ini akan digunakan untuk mempelajari baik aspek-aspek teknis maupun non-teknis (manajemen sumber daya komputasi tersebar) yang akan

Page 9 of 12


•

sangat dibutuhkan dalam mengembangkan inGRID lebih lanjut. Termasuk di dalamnya, aspek-aspek penerapan infrastruktur komputasi grid di dunia industri.” [InGrid]. Status terakhir pada akhir agustus 2008 lalu, InGrid telah berhasil menggabungkankan Grid UGM, sehingga pengguna dapat memakai sumber daya di UI dan UGM. Seperti telah kami sebutkan di awal pidato ini, peluang pemanfaat teknologi Grid computing sangat terbuka terutama telah tersedianya perangkat pendukung pembentukan Grid dan pengembangan aplikasinya. Perangkat perangkat dan beberapa aplikasi siap pakai ini tersedia secara gratis dan dapat diambil di internet.

Tantangan Ada beberapa tantangan dihadapi masyarakat kita jika ingin menerapkan teknologi Grid Computing. Tantangan pertama adalah kebanyakan manajemen institusi kita terlalu birokratis, sulit untuk merelakan fasilitas yang dimiliki suatu institusi untuk dapat dipakai bersama, sebagian bahkan enggan berbagi kenikmatan untuk tujuan manfaat yang lebih besar untuk masyarakat yang lebih luas. Diperlukan terobosan dari para petinggi dan pimpinan institusi untuk dapat melihat peluang perbaikan output proses dengan kerjasama dengan pihak lain dengan kerelaan berbagi pemakaian fasilitas. Tantangan berikutnya adalah masih sedikitnya sumber daya manusia yang handal untuk mengelola Grid Computing, dari hasil observasi kami, kebanyakan SDM ini terfokus pada Perguruan Tinggi, sebagian besar adalah tenaga tidak tetap yang sewaktu waktu dapat pergi meninggalkan kemampuan yang diperlukan. Saat ini SDM yang ada baru terbatas di UI, UGM dan ITS. Tantangan lainnya adalahnya minimnya pengetahuan masyarakat – baik praktisi dan tenaga ahli non TIK terhadap manfaat TIK dan Grid Computing untuk lebih menunjang hasil proses penelitian, pengembangan dan industri di bidangnya. Media komunikasi yang membuka peluang dialog lintas bidang riset dan teknologi non TIK dan TIK pun masih sangat kurang. Saran Solusi: Dengan tersedianya peluang peluang untuk menjawab tantangan aplikasi Grid Computing di Indonesia, maka saya menawarkan beberapa usulan untuk menjawab tantangan tersebut, antara lain adalah: • •

Perluasan pengembangan Jardikas dan Inherent sehingga melibatkan instansi instansi terkait non pendidikan seperti industri dan pemerintahan. Dengan demikian peluang kerjasama yang lebih luas dan bervariasi siap dilakukan. Kerjasama riset dan pengembangan antara departement dalam suatu perguruan tinggi dan industri.

Page 10 of 12


• •

Pengadaan kuliah Grid Computing di beberapa perguruan tinggi, workshop tentang Grid, pelatihan tentang Grid untuk seluruh pihak terkait. Pengembangan aplikasi yang relevant: antara lain data grid untuk materi sumber sumber pendidikan (penyediaan sumber daya untuk pendidikan seluruh Indonesia dalam upaya penyebaran kebutuhan materi pembelajaran yang memadai dan dapat dijangkau seluruh masyarakat), pemerintahan (e-goverment – antara lain integrasi data kependudukan: ktp, sim, pbb, pph, kesehatan, dan bpkb) , kesehatan (antara lain basis data kesehatan masyarakat, sistem penunjang pembentukan obat), serta mengkaji aplikasi yang telah dikembangkan di luar sana seperti telah diuraikan di atas agar dapat dikembangkan lebih lanjut untuk keperluan spesifik kita.

Besar harapan saya, dengan menjawab tantangan ini, maka pengembangan kebutuhan masyarakat Indonesia yang memerlukan dukungan TIK dapat dilakukan dengan cara yang lebih efisien dan murah, serta kompetitif di tingkat internasional. – Allah SWT tidak akan merubah keadaan/nasib suatu kaum, sampai kaum tersebut berusaha untuk melakukan perubahan --- , Insya Allah. Kepustakaan 1. ABCGrid, http://abcgrid.cbi.pku.edu.cn (akses 3 Oktober 2008), juga tersedia oleh Ying Sun, Shuqi Zhao, Huashan Yu, Ge Gao and Jingchu Luo. (2007) ABCGrid: Application for Bioinformatics Computing Grid. Bioinformatics 2. GCIC, http://www.gridcomputing.com/, akses 25 Sep 2008. 3. Globus, http://www.globus.org, akses 25 Sep 2008 4. Gridbus Application, http://www.gridbus.org/applications.html, akses 25 Sep 2008 5. Gridbus Middleware, http://www.gridbus.org/middleware/, akses 25 Sep 2008 6. GridGain, http://www.gridgain.com, akses 15 Sep 2008 7. H. Suhartanto, Kajian Perangkatbantu Komputasi tersebar berbasis Message Passing, Makara Teknologi, Vol 10, No 2, 2006, page 72 -- 81 8. H. Suhartanto, Parallel Iterated Techniques based on Multistep Runge-Kutta Methods of Radau Type, Ph.D Thesis, University of Queensland, Australia, 1998. 9. InGrid, https://grid.ui.ac.id/gridsphere/gridsphere, akses 28 Sep 2008 10. Jardiknas, http://jardiknas.diknas.go.id/, akses 28 Sep 2008 11. Molecular Docking, http://grid.apac.edu.au/OurUsers/MolecularDocking, akses 27 Sep 2008 12. Molecular Docking Definition, http://en.wikipedia.org/wiki/Docking_(molecular), akses 3 Oktober 2008 13. MultimediaGrid, http://www.gridbus.org/papers/MultimediaGrid-MJCS2007.pdf, akses 27 Sep 2008 14. NeuroGrid, http://www.gridbus.org/neurogrid/, akses 27 Sep 2008 15. Paul Coddington, Distribute and High Performance Computing course, University of Adelaide, 2002 UK national HPC service, http://www.csar.cfs.ac.uk/user_information/grid/grid-middleware.shtml

Page 11 of 12


16. Pipeline – Inspektionmolch: http://www.hpe.fzk.de/projekt/molch/, akses 27 Sep 2008 17. Top500, http://www.top500.org, di akses 14 September 2008. 18. Wahid Chrabakh, Computational Grid Computing: Application Viewpoint, Computer Science, Major Exams, UCSB, ppt file, 19. Zlatev, Z. and Berkowicz, R. (1988), Numerical treatment of large-scale air pollutant models, Comput. Math. Applic., 16, 93 -- 109

Page 12 of 12

Peluang dan Tantangan Aplikasi Grid Computing di Indonesia. Heru Suhartanto

Recommend Documents