Analisis Sistem Komputasi Paralel pada Infrastruktur Komputasi Grid

A. PENDAHULUAN 

Pesatnya permintaan akan data dan informasi kini mendorong para ilmuwan dan peneliti di bidang akademis, pendidikan, dan perusahaan ke era di mana kebutuhan daya komputasi dan kapasitas penyimpanan tinggi, data akan jauh melampaui kapasitas yang ada. 

Meningkatnya kesadaran para peneliti tentang keunggulan komputer dalam penelitian menyebabkan semakin banyak upaya untuk menciptakan perangkat komputer di berbagai bidang yang mampu memenuhi kebutuhan komputasi pengolahan data skala besar.solusi terbaik sangat diminati karena dapat dikembangkan menggunakan sumber daya yang ada dari berbagai organisasi untuk membentuk lingkaran TI yang sangat besar dan terisolasi secara geografis. 

Komputasi grid adalah teknologi komputasi terdistribusi yang menggunakan sumber daya yang terhubung melalui jaringan komputer secara independen tetapi dikoordinasikan oleh beberapa mekanisme. Implementasi komputasi grid diterapkan di sebagian besar negara di dunia. 

Sebagai contoh, Hong Kong telah mengimplementasikan GRID untuk R&D grid, yaitu grid untuk instansi pemerintah dan industri, dan grid untuk menghubungkan dengan mitra lain. Negaranegara di Cina dan lingkungan Asia-Pasifik. 

Indonesia sendiri mulai meneliti komputasi grid melalui infrastruktur RI-GRID yang diusulkan pada tahun 2006, infrastruktur komputasi grid nasional yang disebut InGrid (Inherent Grid). 

Tujuan dari penelitian ini adalah untuk melakukan studi tentang bagaimana membangun infrastruktur komputasi grid multicluster di lingkungan yang heterogen dengan menggunakan teknik komputasi paralel. Karena minimnya penelitian terkait grid computing dan minimnya informasi mengenai tahapan pembangunan infrastruktur, maka dirasa perlu untuk menyusun panduan dasar pengembangan infrastruktur grid computing. 

Proses instalasi juga mengevaluasi infrastruktur sebagai media pembelajaran untuk menentukan fungsionalitas sistem dan menyelidiki lebih lanjut bagaimana itu dikembangkan dan digunakan. 

B. PEMBAHASAN 

a. Komputasi Paralel 

Komputasi paralel adalah metode komputasi yang menggunakan beberapa komputer secara bersamaan. Biasanya dibutuhkan ketika kapasitas yang dibutuhkan sangat besar. Ini karena membutuhkan pemrosesan data dalam jumlah besar atau karena melibatkan banyak proses komputasi. 

Dalam model komputasi ini, masalah kompleks dibagi menjadi beberapa bagian yang lebih kecil dan dijalankan secara paralel. Memahami Komputasi Paralel Komputasi paralel adalah teknik yang menggunakan beberapa komputer independen pada saat yang sama untuk melakukan perhitungan pada waktu yang sama. Hal ini biasanya diperlukan jika kapasitas yang dibutuhkan sangat besar. 

Hal ini karena membutuhkan pemrosesan data dalam jumlah besar (industri keuangan) bioinformatika, dll) atau karena membutuhkan banyak proses komputasi. Komputasi paralel dikenal sebagai pemrograman paralel. 

Pemrograman paralel adalah teknik pemrograman komputer yang memungkinkan Anda untuk mengeksekusi instruksi atau operasi secara bersamaan (komputasi paralel) pada komputer dengan satu (prosesor tunggal) atau beberapa (beberapa prosesor dengan mesin paralel) CPU. Hal ini sering disebut sebagai sistem terdistribusi (distributed computing) ketika komputer yang digunakan pada saat yang sama dijalankan oleh komputer yang berbeda yang terhubung ke jaringan komputer. 

Perlu diingat bahwa komputasi paralel berbeda dari multitasking. Multitasking adalah komputer dengan prosesor tunggal yang melakukan banyak tugas secara bersamaan. 

Beberapa orang yang bekerja pada sistem operasi berpikir bahwa satu komputer tidak dapat memproses banyak pekerjaan pada saat yang sama, tetapi proses penjadwalan yang diterapkan pada sistem operasi memungkinkan komputer untuk melakukan tugas pada saat yang sama. 

Komputasi paralel telah disebutkan sebelumnya, tetapi komputasi paralel ini menggunakan beberapa prosesor atau komputer. Selain itu, komputasi paralel tidak menggunakan arsitektur von Neumann. 

Pemrosesan paralel adalah kemampuan untuk menjalankan tugas atau aplikasi pada komputer dengan beberapa aplikasi pada waktu yang sama atau pada waktu yang sama. Secara umum, pemrosesan paralel adalah teknik yang mempercepat proses pemecahan masalah dengan memecah masalah menjadi masalah yang lebih kecil. 

Model pemrograman Untuk memfasilitasi pengembangan program dalam lingkungan komputasi paralel, telah dikembangkan model pemrograman yang menjelaskan bagaimana menggambarkan struktur algoritma paralel sesuai dengan pilihan metode dekomposisi dan pemetaan proses. Model ini memberikan pendekatan untuk melakukan desain komputasi paralel. 

Model pemrograman ini adalah:

 1. Data-Parallel Model Dalam model ini, tugas ditetapkan secara statis ke proses, dan setiap proses melakukan operasi yang sama pada data yang berbeda pada waktu yang sama. Metode dekomposisi yang digunakan adalah dekomposisi data karena setiap task melakukan operasi yang sama. 

2. Task Graph Model Model pemrograman ini menggunakan asumsi bahwa setiap perhitungan paralel dapat digambarkan sebagai grafik yang bergantung pada tugas. Model pemrograman ini digunakan ketika beban transfer data yang diperlukan untuk suatu tugas relatif lebih besar daripada beban komputasi tugas tersebut. Secara umum, tugas ditetapkan secara statis, mengurangi beban transfer data antar tugas. 

3. Work Pool Model Fitur dari model pemrograman ini adalah bahwa penugasan tugas bersifat dinamis, sehingga setiap proses memiliki peluang yang sama untuk mengeksekusi jenis tugas. 

Pointer ke tugas yang dilakukan oleh proses ditempatkan di lokasi (baik daftar, antrian, atau tabel hash). Model ini dipilih ketika beban transfer data yang diperlukan untuk tugas relatif lebih kecil daripada beban komputasi tugas, dan transfer data run-time bukanlah beban signifikan yang memengaruhi efisiensi komputasi secara keseluruhan.

 4. Master Slave Model Dalam model pemrograman ini, satu atau lebih proses master menghasilkan tugas dan secara dinamis memetakannya ke proses slave. Jika beban komputasi tugas yang dibuat oleh proses master dapat diperkirakan, proses master dapat memetakan tugas secara merata ke proses slave. 

Jika beban komputasi tugas tidak dapat diperkirakan, proses master menyebabkan kemacetan komputasi secara keseluruhan. Artinya, jika waktu yang dibutuhkan untuk membuat tugas tidak sepadan dengan waktu yang dibutuhkan oleh proses budak untuk melakukan tugas tersebut. Ditugaskan.

 5. Pipeline / Producer-Consumer Model Dalam model pemrograman ini, data mengalir dari satu proses ke turunannya (output dari satu proses adalah input dari proses lainnya). 

Pendekatan ini disebut paralelisme aliran, dan berbagai operasi dilakukan pada aliran data. Overhead dapat terjadi jika salah satu proses yang terlibat dalam rantai produsen/konsumen memiliki beban komputasi yang berat dan proses selanjutnya menunggu lama hingga komputasi selesai.

 b. Paralel Job 

Pekerjaan paralel adalah teknik komputasi yang digunakan dalam sistem komputer paralel dengan menjalankan pekerjaan komputasi yang telah ditentukan sebelumnya secara bersamaan menggunakan beberapa inti atau slot CPU. 

Prosedur ini dilakukan dengan menerima program paralel, data input, dan file definisi pekerjaan paralel yang dikirim oleh pengguna melalui portal web sesuai dengan format yang ditentukan dalam GRAM. 

Node kepala memanggil penjadwal, memilih node pekerja untuk menjalankan pekerjaan paralel, menghasilkan file output (output standar dan kesalahan standar), mengirimkannya ke portal, mengunduhnya oleh pengguna, dan menjalankan pekerjaan paralel. 

c. Grid Computing 

Komputasi grid atau komputasi grid adalah solusi dari masalah komputasi besar menggunakan sumber daya yang melibatkan banyak komputer yang tersebar secara geografis. 

Komputasi grid memungkinkan Anda untuk mengintegrasikan dan menghubungkan sekumpulan komponen perangkat keras (hardware). Dalam implementasi tersebut, sumber daya yang digunakan dalam sistem grid tidak sedikit dan tidak bersifat heterogen. 

Oleh karena itu, Anda memerlukan perangkat lunak modular dan independen. Inti dari komputasi grid adalah untuk meningkatkan kinerja dan hasil dengan berbagi sumber daya komputasi dari organisasi yang berbeda. Buka antarmuka dan protokol standar. Hal ini memungkinkan sumber daya yang ada untuk bekerja sama untuk menyelesaikan proses komputasi tertentu.

 d. Arsitektur Sistem 

Aksioma Flynn membagi arsitektur komputer paralel dalam hal instruksi dan data, sehingga ada empat jenis arsitektur komputer paralel: 

a. Arsitektur Memori pada Komputasi Paralel Secara umum, komputer paralel memiliki dua arsitektur memori: memori bersama dan memori terdistribusi. 

1. Shared Memory Arsitektur ini menyediakan pengalamatan global, memungkinkan prosesor yang berbeda untuk mengakses memori dengan cara yang konsisten. Perubahan lokasi memori oleh satu prosesor selalu terlihat oleh prosesor lainnya. 

Manfaat arsitektur ini termasuk akses memori yang mudah digunakan dan kinerja yang sangat baik saat berbagi data antar tugas. Kekurangannya termasuk kurangnya skalabilitas untuk prosesor tambahan yang akan ditampilkan, tetapi meningkatkan lalu lintas dari prosesor ke prosesor ke memori bersama dan antara sistem cache yang koheren dan memori aktual. 

2. Distributed Memory Karakteristik arsitektur ini adalah bahwa setiap prosesor memiliki memori sendiri, yang memungkinkan eksekusi instruksi untuk melanjutkan secara independen dari satu prosesor ke prosesor lainnya. Prosesor menggunakan jaringan ketika perlu mengakses penyimpanan non-lokal. 

Akses ini adalah tanggung jawab penuh dari penulis program. Keuntungan dari arsitektur ini adalah tetap skalabel dengan penambahan prosesor. Namun, kelemahannya adalah pembuat program harus menangani detail komunikasi data antara prosesor dan memori jarak jauh. 

Pemrosesan terdistribusi atau sistem komputasi terdistribusi adalah kumpulan perangkat pemrosesan yang terhubung melalui jaringan komputer dan bekerja sama untuk melakukan tugas tertentu. Sistem pemrosesan data adalah komputer yang dapat menjalankan program itu sendiri. Kumpulan perangkat yang saling berhubungan yang mendistribusikan berbagai hal, 

b. Jenis arsitektur komputer paralel 

1. SISD (Single Instruction, Single Data) Arsitektur ini mewakili komputer serial dengan hanya satu prosesor dan satu aliran input data (memori), sehingga hanya satu tugas yang dapat dilakukan pada satu waktu. 

Arsitektur von Neumann termasuk dalam tipe ini. Hanya SISD yang menggunakan arsitektur Von Neumann. Ini karena model ini hanya menggunakan satu prosesor. 

Oleh karena itu, model ini dapat disebut sebagai model kalkulasi tunggal. Tiga model lainnya dihitung secara paralel, tetapi menggunakan beberapa prosesor. Contoh komputer yang menggunakan model SISD adalah UNIVAC1, IBM 360, CDC 7600, Cray 1, dan PDP1. 

2. SIMD (Single Instruction, Multiple Data). Dalam arsitektur ini, eksekusi instruksi dilakukan oleh beberapa prosesor pada saat yang sama, dan satu prosesor dapat menggunakan data yang berbeda dari yang lain. 

Fitur lain dari arsitektur ini adalah aliran deterministik eksekusi instruksi (keadaan instruksi dan data pada setiap titik waktu dapat dengan mudah diidentifikasi). 

Arsitektur ini cocok untuk program yang dapat dibagi menjadi tugas dalam urutan tinggi, seperti sistem pemrosesan grafis. SIMD menggunakan banyak prosesor dengan instruksi yang sama, tetapi setiap prosesor memproses data secara berbeda. Misalnya, Anda ingin menemukan 27 angka dalam urutan 100 angka dan menggunakan 5 prosesor. 

Setiap prosesor menggunakan algoritma atau instruksi yang sama, tetapi memproses data yang berbeda. Misalnya prosesor 1 memproses data dari baris/urutan pertama ke urutan ke-20, prosesor 2 memproses data dari urutan 21 hingga urutan 40, dan data dari prosesor lainnya. Contoh komputer yang menggunakan model SIMD adalah ILLIAC IV, MasPar, Cray X-MP, Cray Y-MP, Thinking Machine CM-2, dan Cell Processor (GPU). 

3. MISD (Multiple Instruction, Single Data) Dalam arsitektur ini, instruksi yang berbeda dieksekusi secara bersamaan oleh beberapa prosesor yang menggunakan data yang sama. Arsitektur ini tidak terlalu populer karena ada beberapa masalah yang memerlukan solusi dengan menggunakan properti dari arsitektur ini. Contoh masalah yang mungkin memerlukan arsitektur ini mencakup beberapa filter frekuensi dan kemampuan dekripsi yang menggunakan beberapa algoritme kriptografi secara bersamaan. 

MISD menggunakan beberapa prosesor, masingmasing menggunakan instruksi yang berbeda, tetapi memproses data yang sama. Ini adalah kebalikan dari model SIMD. Misalnya, Anda dapat menggunakan kasus yang sama dengan contoh model SIMD, tetapi dengan solusi yang berbeda. Di MISD, komputer ke-1, ke-2, ke-3, ke-4, dan ke-5 semuanya memproses data dalam urutan 1 hingga 100, tetapi algoritma yang digunakan untuk metode pencarian adalah per prosesor, tergantung pada. Sampai saat ini, tidak ada komputer yang menggunakan model MISD. 

4. MIMD (Multiple Instruction, Multiple Data). Dalam arsitektur ini, beberapa prosesor dapat mengeksekusi instruksi yang berbeda, dan setiap prosesor menggunakan data yang berbeda. Eksekusi instruksi dalam arsitektur ini dapat sinkron (jumlah instruksi yang sama dieksekusi oleh semua prosesor selama periode waktu tertentu) atau asinkron, deterministik, atau non-deterministik. Selain itu, arsitektur ini bekerja sesuai dengan karakteristik ketiga arsitektur sebelumnya. 

MIMD menggunakan beberapa prosesor, masingmasing dengan instruksi yang berbeda dan memproses data yang berbeda. Namun, banyak komputer yang menggunakan model MIMO juga menyertakan komponen model SIMD. Komputer yang menggunakan model MIMD antara lain IBM POWER5, HP/Compaq AlphaServer, Intel IA32, AMD Opteron, Cray XT3, dan IBM BG/L. Konsep dasar dalam mengembangkan infrastruktur grid adalah bahwa banyak komputer berpartisipasi dalam pelaksanaan tugas, dan setiap komputer memiliki perannya sendiri. 

Dalam infrastruktur komputasi grid, arsitektur sistem dibagi menjadi beberapa komponen:

 1. Head Nole Komputer bertindak sebagai node master yang memilih dan menjadwalkan setiap pekerjaan paralel yang dikirim oleh portal. Node dan portal master berkomunikasi menggunakan middleware grid. Pada tugas akhir ini, penulis menggunakan Globus Toolkit 4 dan Grid Engine yang disediakan dalam paket debian. 

2. Storage Node Node penyimpanan komputer digunakan untuk menyimpan data yang diperlukan untuk menjalankan pekerjaan paralel. Komputer ini akan menjalankan layanan file sharing seperti Network File System & # 40; NFS & # 41; yang akan digunakan penjadwal untuk berbagi file dengan node pekerja sehingga node pekerja dapat menjalankan pekerjaan secara paralel. 3. Worker Node Komputer node pekerja adalah bagian terpenting dari infrastruktur jaringan. 

Komputer ini berkomunikasi dengan penjadwal. 4. Portal Komputer yang bertindak sebagai portal berkomunikasi dengan penjadwal di setiap cluster untuk mengirim pekerjaan paralel. Jalankan pekerjaan paralel dan akses node penyimpanan melalui pemasangan NFS sehingga Anda dapat menjalankan file dan data yang dapat dieksekusi yang diperlukan untuk pekerjaan paralel. 

e. Globus Toolkit Globus Toolkit 

open source memungkinkan Anda membangun "kisi" yang memungkinkan Anda berbagi sumber daya komputasi, database, dan alat lain dengan aman di seluruh perusahaan, organisasi, dan batas geografis tanpa mengorbankan otonomi kompromi regional. Ini adalah teknologi yang harus dibuat. Toolkit ini mencakup layanan perangkat lunak dan perpustakaan untuk pemantauan sumber daya, penemuan, manajemen, dan keamanan sistem dan manajemen file. 

f. OpenGrid Scheduler/Grid Engine OpenGrid Scheduler / Grid Engine, juga dikenal sebagai Sun Grid Engine, adalah perangkat lunak penjadwal yang dikembangkan oleh Sun Microsystems. Perangkat lunak ini membantu Anda mengelola pelaksanaan pekerjaan paralel dengan memulai dengan antrian pekerjaan paralel, berkomunikasi dengan perpustakaan MPI yang disebut lingkungan paralel, dan menetapkan node pekerja ke setiap pekerjaan paralel yang saat ini dalam antrian. 

Pengguna dapat mengirim banyak pekerjaan paralel sekaligus tanpa mengetahui di mana, kapan, dan bagaimana pekerjaan paralel akan dijalankan. Perangkat lunak mengumpulkan informasi tentang sumber daya yang tersedia berdasarkan aturan yang dapat diatur oleh administrator. Informasi ini nantinya akan digunakan oleh Grid Engine untuk mengalokasikan sumber daya ke pekerjaan paralel yang dikirimkan pengguna. 

g. Message Passing Interface (MPI) Program paralel yang menggunakan MPI menjalankan satu atau lebih proses pada setiap komputer. Proses ini memproses data di komputer Anda. Variabel yang dibuat oleh semua proses di semua komputer tidak dapat mengakses variabel yang dibuat di komputer lain. Untuk dapat berbagi data (dalam hal ini nilai variabel lokal), Anda perlu menggunakan mekanisme komunikasi, atau message passing. Mekanisme ini dilakukan dengan mengirim dan menerima pesan antar komputer yang menjalankan program paralel. 

h. Gridsphere Gridsphere adalah perangkat lunak portal web berbasis Java yang paling banyak digunakan yang dikembangkan oleh mahasiswa Institut Jerman. Aplikasi ini digunakan untuk mengintegrasikan informasi dan aplikasi dan menyajikannya kepada pengguna. Dalam hal ini, ini adalah informasi dan aplikasi yang disediakan oleh jaringan. Selain istilah portal, dikenal juga istilah portlet. Ini adalah komponen web berbasis Java yang dapat menghasilkan konten web portabel dan dinamis. 

C. METODE PENELITIAN 

a. Tahapan Penelitian Penelitian ini menggunakan metode analisis sistem dengan membangun infrastruktur komputasi grid yang menguji dengan beberapa skenario yang menghasilkan data informasional yang digunakan untuk membuat keputusan yang digunakan untuk membuat materi survei. Fokus penelitian ini adalah pada perancangan infrastruktur dan analisis komputasi paralel. Sistem berjalan pada infrastruktur komputasi grid. 

b. Desain Sistem Pada perancangan topologi jaringan yang dirancang ini, dua cluster sistem komputer ditempatkan di dua lokasi yang berbeda dan terhubung dengan router di jaringan kampus Politeknik Negeri Ujung Pandang. Desain topologi sistem yang digunakan dalam penelitian ini dapat dilihat pada gambar di bawah ini. Berikut ini adalah tabel untuk merencanakan alamat IP dan penamaan server yang dikonfigurasi untuk layanan DNS Server Hostname IP Address Perangkat mastergrid013.pnup.ac.id 193.128.106.158 Master Grid Klaster 013 slave1grid014.pnup.ac.id 198.158.106.152 Slave1 Grid Klaster 014 slave2rdsgrid01.pnup.ac.id 196.178.106.154 Slave2 Grid Klaster 017 mastergcdfrid02.pnup.ac.id 194.158.104.153 Master Grid Klaster 024 slave1grghfid02.pnup.ac.id 193.162.104.152 Slave1 Grid Klaster 021 slave2grdfrid02.pnup.ac.id 193.198.104.154 Slave2 Grid Klaster 029 portalgfgtrid.pnup.ac.id 194.138.126.255 Server Portal Grid 56 servergsawrid.pnup.ac.id 195.178.106.206 Server VM Proxmox 678 

c. Tahapan Instalasi Perangkat Lunak Proses instalasi dan konfigurasi perangkat lunak pada setiap komponen grid computing harus dilakukan secara bertahap karena setiap perangkat lunak saling berhubungan dan terintegrasi. Oleh karena itu, keberhasilan proses instalasi sebelumnya mempengaruhi keberhasilan proses instalasi perangkat lunak selanjutnya. Fase ini dimulai dengan proses instalasi dan konfigurasi pada cluster pertama dan berlanjut ke cluster kedua. Konfigurasi perangkat lunak yang dilakukan pada node pekerja menggunakan hasil konfigurasi pada node kepala, sehingga pekerjaan cluster dimulai terlebih dahulu pada node kepala (dalam hal ini host grid master). Pada tahap terakhir, Anda akan mengelola server portal dan menghubungkan dua cluster headnode ke beberapa node pekerja yang dibuat sebelumnya.

 d. Kebutuhan Hardware dan Software Dalam penelitian ini, beberapa node komputasi digunakan sebagai slave dan terintegrasi. Oleh karena itu, keberhasilan proses instalasi sebelumnya mempengaruhi keberhasilan proses instalasi perangkat lunak selanjutnya. 

D. HASIL DAN PEMBAHASANNYA

 Dalam skenario ini, proses eksekusi program paralel berjalan Pengujian berikut dijalankan menggunakan matriks yang mengalikan derajat 5000x4000 dengan 4000x3000 untuk membuat matriks 5000x3000. Perkalian matriks ini dilakukan dalam tiga tahap: perkalian matriks pertama, perkalian matriks kedua, dan perkalian matriks yang dihasilkan. Prosesnya ditunjukkan pada gambar dibawah ini Metode ini hanya dilakukan secara eksperimental dengan menggunakan beberapa jenis perkalian matriks. 

Eksperimen selanjutnya adalah eksperimen eksekusi program paralel menggunakan tiga jenis perkalian matriks dan mencoba jumlah prosesor yang digunakan sebanyak enam kali. Hasil percobaan ditampilkan dalam bentuk tabel dan grafik seperti gambar di bawah ini. Oleh karena itu, jenis program paralel dan jumlah proses yang perlu dijalankan oleh program paralel mempengaruhi waktu yang dibutuhkan untuk menjalankan program paralel. Juga, jumlah prosesor atau komputer mempengaruhi waktu pemrosesan program paralel. 

E. PENUTUP 

a. Kesimpulan 

1. Infrastruktur komputasi grid komputasi paralel dapat dibangun dari beberapa cluster master dan beberapa slave yang terpisah secara geografis dan terhubung melalui jaringan internet menggunakan fitur FQDN (Fully Qualified Domain Name). 

2. Infrastruktur jaringan dibangun menggunakan beberapa perangkat lunak komputer dan perangkat lunak pendukung, diinstal secara bertahap, dan terintegrasi satu sama lain. 

3. Berfungsinya sistem komputer paralel dalam infrastruktur komputasi grid difasilitasi dengan adanya portal web. Saat pengguna mengirimkan pekerjaan, sistem mendistribusikan pekerjaan ke beberapa node pekerja berdasarkan program yang digunakan, hingga portal dapat melihat status eksekusi pekerjaan. 

4. Tidak ada standar untuk penggunaan perangkat lunak dalam pengembangan infrastruktur komputasi grid. Setiap lembaga pembangunan memiliki standarnya sendiri untuk digunakan di lingkungannya sendiri. 

5. Infrastruktur komputasi grid pada dasarnya difokuskan pada proses paralel dari program yang dibuat. Infrastruktur digunakan untuk mengelola dan mengeksekusi file program paralel. Aplikasi yang menggunakan infrastruktur jaringan untuk kebutuhan lain perlu menggunakan perangkat lunak tambahan yang dapat diintegrasikan ke dalam infrastruktur yang ada 

b. Saran

 1. Saat mengembangkan infrastruktur komputasi grid, lebih baik memiliki banyak orang untuk mencapai penelitian kolaboratif yang lebih baik. 

2. Penelitian di masa depan diharapkan mengarah pada penerapan infrastruktur komputasi grid untuk kebutuhan pendidikan dan pembelajaran, 

3. Membuat sistem komputer paralel untuk integrasi dengan proses rendering atau sistem pembelajaran online. 

4. Untuk lebih mengembangkan sistem ini, perlu menggunakan mata kuliah pemrograman paralel dalam perkuliahan. 

DAFTAR PUSTAKA 

Anindito, Benediktus. 2013. Implementasi Portal Komputasi Grid untuk Multikluster. Surabaya: ITS Library. 

Anonim. 2005. GT 4.2 Quickstart AdminGuide. Budiharto, Widodo. 2012. Implementasi dan Evaluasi Penerapan Globus Toolkit untuk Aplikasi GriD Computing. Jurnal Computer Science BinusUniversity, Vol 3 no 1. Jakarta:Comtech. 

Ferreira, Luis, dkk. (2003, October 06).Introduction to Grid Computing with Globus.,

 Lai, Chuan-Lin., Yung, Chao-Tung (July, 2003). Construct a Grid Computing Environment on Multiple Linux PC Cluster. Tunghai Science vol. 5 : 107-124. 

London e-Science Centre. 2005. Sun Grid Engine Integration with Globus Toolkit 4. Message Passing Interface Forum. MPI: A Message-Passing Interface Standard. 

Rumagit, Arthur, (2013). Implementasi GridComputing untuk High Throughput Computing. Jurnal Teknik Informastika Universitas Sam Ratulangi, vol 2 no 1. 

Sefrika, E. (2016). Perancangan Arsitektur Enterprise Perguruan Tinggi Menggunakan Togaf Adm (Studi Kasus Stp Sahid Jakarta). Paradigma, XVIII, 

 Ega, S. A., Tien, F. K., Iqbal, S. (2019). Perancangan Enterprise Architecture Pada Bidang Agroforestry Menggunakan Metode Togaf 9.1 Adm, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi). 3, 2, 210 -- 215