Komputer Paralel

Pengolahan parallel (Parallel processing) adalah pengolahan infrmasi yang menekankan pada manipulasi data-data elemen secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan. Tetapi dalam praktek,seringkali sulit membagi program sehingga dapat dieksekusi oleh CPU yang berbea-beda tanpa berkaitan di antaranya, Maksudnya program dijalankan dengan banyak CPU secara bersamaan dengan tujuan untuk membuat program yang lebih baik dan dapat diproses dengan cepat. Dapat diambil kesimpulan bahwa pada parallel processing berbeda dengan istilah multitasking, yaitu satu CPU mengangani atau mengeksekusi beberapa program sekaligus, parallel processing dapat disebut juga dengan istilah parallel computing.Tujuannya memperceoat komputasu dari sistem computer dan menambahkan jumlah keluaran yang dapat dihasilkan dalam jangka waktu tertentu. Sedangkan Komputer parallel adalah computer multi-prosesor dengan kemampuan melakukan pengolahan parallel.

M.J. Flynn menjabarkan parallel computing ke dalam 4 buah model yaitu SISD, SIMD, MISD dan MIMD. Berikut penjelasannya :

1.  Komputer SISD (Single Instruction stream-Single Data stream)

Adalah Sesuai dengan arti dari SISD sendiri, komputer yang memakai model ini adalah komputer dengan prosesor tunggal dan menjalankan satu instruksi yang dieksekusi secara serial. Yang sering menggunakan model ini adalah komputer konvensional. Contoh komputer yang menggunakan model SISD ini adalah  UNIVAC1, IBM 360, CDC 7600, Cray 1 dan PDP 1. Gambarnya bisa di lihat di bawah ini.

2. Komputer SIMD (Single Instruction stream-Multiple Data stream)

Adalah data yang akan dimanipulasi berbeda.Komputer dengan model ini memiliki lebih dari satu prosessor, tetapi hanya mengeksekusi satu instruksi yang sama pada data yang berbeda.  Komputer vector adalah salah satu contoh komputer yang menggunakan model ini. Contoh lainnya adalah ILLIAC IV, MasPar, Cray X-MP, Cray Y-MP, Thingking Machine CM-2 dan Cell Processor (GPU).

3.  Komputer MISD (Multiple Instruction stream-Single Data stream)

Adalah datanya masih dalam bentuk teori. Teorinya komputer ini memiliki satu prosesor dan mengeksekusi beberapa instruksi secara paralel tetapi praktiknya tidak ada komputer yang dibangun dengan arsitektur ini karena sistemnya tidak mudah dipahami. Sampai saat ini belum ada komputer yang menggunakan model MISD.

4.  MIMD (Multiple Instruction stream-Multiple Data stream)

Adalah datanya yang paling banyak di gunakan. Komputer ini memiliki lebih dari satu prosesor dan mengeksekusi lebih dari satu instruksi secara paralel. Tipe komputer ini yang paling banyak digunakan untuk membangun komputer paralel, bahkan banyak supercomputer yang menerapkan arsitektur ini. Beberapa komputer yang menggunakan model MIMD adalah IBM POWER5, HP/Compaq AlphaServer, Intel IA32, AMD Opteron, Cray XT3 dan IBM BG/L.

Aristektur Komputer Parallel menurut Michael J.Quinn terdiri dari:

1.      Data Parallelism

·      Penerapan operasi yang sama secra simultan terhadap elemen-elemen dari kumpulan data.

2.      Control Parallelism

· Penerapan operaso-operaso berbeda terhadap elemen-elemen yang berbeda secara berssamaan.

·  Dapat terjadi aliran data antar proses-proses dan kemungkinan terjadi aliran data yang kompleks/rumit.

·    Pipeline merupakan satu kasus dari control parallelism, dimana aliran data membentuk jalur yang sederhana.

Contoh dari data parallelism dan control parallelism :

Penjelasannya:

·         Pekerja 4 dapat dilakukan jika ketika pekerjaan 1,2,3 telah selesai. Pekerjaan 1, 2, dan 3 dapat dilakukan secara bersamaan, sebagai contoh control parallelism.

·         Masing-masing pekerjaan adalah contoh data parallelism.

·          Sementara pekerjaan 4 dikerjakan pada sebuah taman, pekerjaan 1,2 dan 3 dapat dikerjakan pada satu taman yang lain. 

Suatu program parallel memerlukan koordinasi ketika sebuah tugas bergantung pada tugas lainnya. T.G. Lewis membedakan komputer paralel ke dalam dua kelas, berdasarkan adaatau tidak adanya common global cloc. Ada dua macam bentuk koordinasi pada komputer parallel :

·         Synchronous(saling terhubung proses pengolahannya)

Bentuk synchronous merupakan koordinasi pada hardware yang memaksa semua tugas agar dilaksanakan pada waktu yang bersamaan dengan mengesampingkan adanya ketergantungan tugas yang satu dengan yang lainnya.

·         Asynchronous(tidak saling terhubung pegolahannya

Sementara bentuk asynchronous mengandalkan mekanisme pengunci untuk mengkoordinasikan processor tanpa harus berjalan bersamaan.

Hubungan antara Komputasi Modern dan Parallel Processing

Parallel Processing juga disebut komputasi paralel. Dalam upaya lebih murah pengolahan komputasi paralel menyediakan alternatif pilihan yang layak. Waktu idle siklus prosesor di seluruh jaringan dapat digunakan secara efektif oleh perangkat lunak komputasi terdistribusi yang canggih. Pengolahan paralel digunakan untuk mewakili kelas besar teknik yang digunakan untuk memberikan tugas pengolahan simultan data untuk tujuan meningkatkan kecepatan komputasi dari sistem komputer.

Kelebihan     :

·              Waktu eksekusi lebih cepat.

·                  Throughput jadi lebih tinggi.

Kekurangan  :

·                  Perangkat keras lainnya yang dibutuhkan.

·                  Kebutuhan daya juga lebih.

·                  Tidak baik untuk daya rendah dan perangkat mobile.

Sumber:

·         https://www.academia.edu/7278335/Parallel_Processing_AOK

https://www.scribd.com/doc/32982265/Parallel-Processing

Read More

Komputasi Quantum

Quantum Computing

     Merupakan alat hitung yang menggunakan mekanika kuantum seperti superposisi dan keterkaitan, yang digunakan untuk peng-operasi-an data. Perhitungan jumlah data pada komputasi klasik dihitung dengan bit, sedangkan perhitungan jumlah data pada komputer kuantum dilakukan dengan qubit. Prinsip dasar komputer kuantum adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data, dan bahwa mekanika kuantum dapat digunakan untuk melakukan operasi dengan data ini. Dalam hal ini untuk mengembangkan komputer dengan sistem kuantum diperlukan suatu logika baru yang sesuai dengan prinsip kuantum.

Sejarah singkat

Pada tahun 1970-an pencetusan atau ide tentang komputer kuantum pertama kali muncul oleh para fisikawan dan ilmuwan komputer, seperti Charles H. Bennett dari IBM, Paul A. Benioff dari Argonne National Laboratory, Illinois, David Deutsch dari University of Oxford, dan Richard P. Feynman dari California Institute of Technology (Caltech).

Feynman dari California Institute of Technology yang pertama kali mengajukan dan menunjukkan model bahwa sebuah sistem kuantum dapat digunakan untuk melakukan komputasi. Feynman juga menunjukkan bagaimana sistem tersebut dapat menjadi simulator bagi fisika kuantum. 

Pada tahun 1985, Deutsch menyadari esensi dari komputasi oleh sebuah komputer kuantum dan menunjukkan bahwa semua proses fisika, secara prinsipil, dapat dimodelkan melalui komputer kuantum. Dengan demikian, komputer kuantum memiliki kemampuan yang melebihi komputer klasik.

Pada tahun 1995, Peter Shor merumuskan sebuah algoritma yang memungkinkan penggunaan komputer kuantum untuk memecahkan masalah faktorisasi dalam teori bilangan.

Sampai saat ini, riset dan eksperimen pada bidang komputer kuantum masih terus dilakukan di seluruh dunia. Berbagai metode dikembangkan untuk memungkinkan terwujudnya sebuah komputer yang memilki kemampuan yang luar biasa ini. Sejauh ini, sebuah komputer kuantum yang telah dibangun hanya dapat mencapai kemampuan untuk memfaktorkan dua digit bilangan. Komputer kuantum ini dibangun pada tahun 1998 di Los Alamos, Amerika Serikat, menggunakan NMR (Nuclear Magnetic Resonance).

Entanglement

     Entanglement adalah efek mekanik kuantum yang mengaburkan jarak antara partikel individual sehingga sulit menggambarkan partikel tersebut terpisah meski Anda berusaha memindahkan mereka. Contoh dari quantum entanglement: kaitan antara penentuan jam sholat dan quantum entanglement. Mohon maaf bagi yang beragama lain saya hanya bermaksud memberi contoh saja. Mengapa jam sholat dibuat seragam? Karena dengan demikian secara massal banyak manusia di beberapa wilayah secara serentak masuk ke zona entanglement bersamaan.

Pengoperasian Data Qubit

     Komputer kuantum memelihara urutan qubit. Sebuah qubit tunggal dapat mewakili satu, nol, atau, penting, setiap superposisi quantum ini, apalagi sepasang qubit dapat dalam superposisi kuantum dari 4 negara, dan tiga qubit dalam superposisi dari 8. Secara umum komputer kuantum dengan qubit n bisa dalam superposisi sewenang-wenang hingga 2 n negara bagian yang berbeda secara bersamaan (ini dibandingkan dengan komputer normal yang hanya dapat di salah satu negara n 2 pada satu waktu). Komputer kuantum yang beroperasi dengan memanipulasi qubit dengan urutan tetap gerbang logika quantum. Urutan gerbang untuk diterapkan disebut algoritma quantum.

     Sebuah contoh dari implementasi qubit untuk komputer kuantum bisa mulai dengan menggunakan partikel dengan dua putaran menyatakan: “down” dan “up”. Namun pada kenyataannya sistem yang memiliki suatu diamati dalam jumlah yang akan kekal dalam waktu evolusi dan seperti bahwa A memiliki setidaknya dua diskrit dan cukup spasi berturut-turut eigen nilai , adalah kandidat yang cocok untuk menerapkan sebuah qubit. Hal ini benar karena setiap sistem tersebut dapat dipetakan ke yang efektif spin -1/2 sistem.

Algoritma pada Quantum Computing

     Para ilmuwan mulai melakukan riset mengenai sistem kuantum tersebut, mereka juga berusaha untuk menemukan logika yang sesuai dengan sistem tersebut. Sampai saat ini telah dikemukaan dua algoritma baru yang bisa digunakan dalam sistem kuantum yaitu algoritma shor dan algoritma grover.

Algoritma Shor

Algoritma yang ditemukan oleh Peter Shor pada tahun 1995. Dengan menggunakan algoritma ini, sebuah komputer kuantum dapat memecahkan sebuah kode rahasia yang saat ini secara umum digunakan untuk mengamankan pengiriman data. Kode yang disebut kode RSA ini, jika disandikan melalui kode RSA, data yang dikirimkan akan aman karena kode RSA tidak dapat dipecahkan dalam waktu yang singkat. Selain itu, pemecahan kode RSA membutuhkan kerja ribuan komputer secara paralel sehingga kerja pemecahan ini tidaklah efektif.

Algoritma Grover

Algoritma Grover adalah sebuah algoritma kuantum yang menawarkan percepatan kuadrat dibandingkan pencarian linear klasik untuk list tak terurut. Algoritma Grover menggambarkan bahwa dengan menggunakan pencarian model kuantum, pencarian dapat dilakukan lebih cepat dari model komputasi klasik. Dari banyaknya algoritma kuantum, algoritma grover akan memberikan jawaban yang benar dengan probabilitas yang tinggi. Kemungkinan kegagalan dapat dikurangi dengan mengulangi algoritma. Algoritma Grover juga dapat digunakan untuk memperkirakan rata-rata dan mencari median dari serangkaian angka, dan untuk memecahkan masalah Collision.

Implementasi Quantum Computing

     Pada 19 Nov 2013 Lockheed Martin, NASA dan Google semua memiliki satu misi yang sama yaitu mereka semua membuat komputer kuantum sendiri. Komputer kuantum ini adalah superkonduktor chip yang dirancang oleh sistem D - gelombang dan yang dibuat di NASA Jet Propulsion Laboratories.

     NASA dan Google berbagi sebuah komputer kuantum untuk digunakan di Quantum Artificial Intelligence Lab menggunakan 512 qubit D -Wave Two yang akan digunakan untuk penelitian pembelajaran mesin yang membantu dalam menggunakan jaringan syaraf tiruan untuk mencari set data astronomi planet ekstrasurya dan untuk meningkatkan efisiensi searchs internet dengan menggunakan AI metaheuristik di search engine heuristical. 

     A.I. seperti metaheuristik dapat menyerupai masalah optimisasi global mirip dengan masalah klasik seperti pedagang keliling, koloni semut atau optimasi swarm, yang dapat menavigasi melalui database seperti labirin. Menggunakan partikel terjerat sebagai qubit, algoritma ini bisa dinavigasi jauh lebih cepat daripada komputer konvensional dan dengan lebih banyak variabel. 

     Penggunaan metaheuristik canggih pada fungsi heuristical lebih rendah dapat melihat simulasi komputer yang dapat memilih sub rutinitas tertentu pada komputer sendiri untuk memecahkan masalah dengan cara yang benar-benar cerdas . Dengan cara ini mesin akan jauh lebih mudah beradaptasi terhadap perubahan data indrawi dan akan mampu berfungsi dengan jauh lebih otomatisasi daripada yang mungkin dengan komputer normal. 

Sumber :

http://id.wikipedia.org/wiki/Komputer_kuantum

http://quantumstudyclub.blogspot.com/2008/03/quantum-computer.html

http://flashintata.blogspot.com/2013/05/quantum-computation.html

http://www.komputasi.lipi.go.id/utama.cgi?artikel&1152643054

http://en.wikipedia.org/wiki/Grover's_algorithm

http://annisa-anggi.blogspot.com/2014/04/implementasi-quantum-computing.html

Read More

Analisa Jurnal (Cloud,Grid,Virtualisasi)

PEMANFAATAN CLOUD COMPUTING DALAM GOOGLE MAPS  UNTUK PEMETAAN INFORMASI ALIH FUNGSI LAHAN DI KABUPATEN MINAHASA TENGGARA

Analisa Umum Jurnal

Penlitian dengan judul "Developing Web_based Tourist information Tools Using Google Map” membahas tentang penggunaan Google Map API untuk pengembangan aplikasi tujuan yang akan dilakukan oleh turis atau travel agent. Aplikasi ini menyediakan tour guide, perjalanan secara online, dan rencana perjalanan yang akan dilakukan oleh seorang Turis. Dalam Penelitian ini pemandu wisata menggunakan handphone dengan layanan GPS untuk berkomunikasi dengan Google Map dan secara real-time menyampaikan lokasi yang akan dituju oleh turis.

Cloud Computing

Saat ini cloud computing identik dengan internet. Namun bila dilihat dari konsepnya, cloud juga ada pada jaringan yang lebih kecil, seperti LAN atau MAN. Definisikan Cloud Computing atau komputasi awan menurut Hartig [1]:  Cloud computing can be defined as simply the sharing and use of applications and resources of a network environment to get work done without concern about ownership and management of the network’s resources and applications. With cloud computing, computer resources for getting work done and their data are no longer stored on one’s personal computer, but are hosted elsewhere to be made accessible in any location and at any time. Ada beberapa alasan yang melatarbelakangi penerapan teknologi ini, antara lain: 1) Ini adalah sebuah model layanan berbasis Internet untuk menampung sumberdaya sebuah perusahaan. Artinya sebuah perusahaan tak perlu lagi memiliki atau mendirikan infrastruktur lantaran sudah ada perusahaan lain yang menyediakan “penampung” di cloud alias Internet. 2) Sebuah perusahaan tak perlu lagi mengalokasikan anggaran untuk pembelian dan perawatan infrastruktur dan software. 3) Perusahaan pun tak perlu memiliki pengetahuan serta merekrut tenaga pakar dan tenaga pengontrol infrastruktur di “cloud” yang mendukung mereka.

Karakteristik Cloud computing

NIST mengidentifikasi lima karakteristik penting dari cloud computing [3] sebagai berikut:

1.      On-demand self-service. Pengguna dapat memesan dan mengelola layanan tanpa interaksi manusia dengan penyedia layanan, misalnya dengan menggunakan, sebuah portal web dan manajemen interface.

2.      Broad network access. Kemampuan yang tersedia melalui jaringan dan diakses melalui mekanisme standar, yang mengenalkan penggunaan berbagai platform (misalnya, telepon selular, laptop, dan PDA).

3.      Resource pooling. Penyatuan sumberdaya komputasi yang dimiliki penyedia untuk melayani beberapa konsumen menggunakan model multi-penyewa, dengan sumberdaya fisik dan virtual yang berbeda, ditetapkan secara dinamis dan ditugaskan sesuai dengan permintaan konsumen.

4.      Rapid elasticity. Kemampuan dapat dengan cepat dan elastis ditetapkan.

5.       Measured  Service. Sistem cloud computing secara otomatis mengawasi dan mengopti-malkan penggunaan sumberdaya dengan memanfaatkan kemampuan pengukuran (measuring) pada beberapa tingkat yang sesuai dengan jenis layanan (misalnya penyimpanan, pemrosesan, bandwidth, dan account pengguna aktif).

Layanan Cloud Computing

1.      Cloud Software as a Service (SaaS). Kemampuan yang diberikan kepada konsumen untuk menggunakan aplikasi penyedia dapat beroperasi pada infra-struktur awan.

2.      . Cloud Platform as a Service (PaaS). Kemampuan yang diberikan kepada konsumen untuk menyebarkan aplikasi yang dibuat konsumen atau diperoleh ke infrastruktur cloud computing menggunakan bahasa pemrograman dan peralatan yang didukung oleh provider.

3.      Cloud Infrastructure as a Service (IaaS). Kemampuan yang diberikan kepada konsumen untuk memproses, menyimpan, koneksi jaringan, dan komputasi sumberdaya penting lainnya, dimana konsumen dapat menyebarkan dan menjalankan perangkat lunak secara bebas, dapat mencakup sistem operasi dan aplikasi.

Kesimpulan Analisa

Informasi pertanian merupakan hal penting dalam pengembangan sektor pertanian. Dalam proses penyebaran informasi pertanian yaitu dalam studi kasus alih lahan wilayah minahasa tenggara, dibangun suatu model cloud computing pada google map API yang diimplementasi dalam peta digital alih lahan tanaman pangan yang diharapkan tepat waktu dan relevan memberikan informasi yang bermanfaat kepada petani dan pemerintah Kabupaten Minahasa tenggara serta dapat juga dikembangkan dalam suatu WebGis sebagai sarana informasi yag dapat bermanfaat kepada pihak-pihak yang terlibat dalam proses produksi dan diharapkan mampu meningkatkan tingkat produksi tanaman pangan.

Komputasi Grid Berbasiskan Grid Resources for Industrial Application untuk Pertukaran Data

Analisa Umum Jurnal

                  Komputasi Grid adalah suatu model komputasi yang mendistribusikan proses melewati batas infrastruktur yang terpisah secara administratif dan geografis. Komputasi gris menghubungkan banyak sumber daya komputasi yang heterogen, sehingga membentuk sebuah arsitektur komputer virtual yang memanfaatkan sumber daya-sumber daya yang idle atau tidak sedang digunakan. GRIA (Grid Resources for Industrial Applications) dibuat untuk menjadikan komputasi grid dapat digunakan baik dalam dunia industri maupun bisnis. Middleware GRIA ini dibuat berdasarkan layanan web (web services), dan dirancang khusus memenuhi kebutuhan kegiatan perindustrian dalam hal keamanan serta operasi dan pengadaan layanan business-to-business (B2B). Penelitian ini mengungkap kinerja GRIA dengan melakukan uji coba terhadap layanan data dan layanan job. Dari uji coba diperoleh nilai rata-rata dari waktu , ukuran berkas dan bandwidth . 

Komputasi Grid

                 Komputasi grid dapat dilihat sebagai model komputasi terdistribusi yang mendukung konsep organisasi dinamis virtual dengan memberikan akses yang aman, terkoordinasi dan berbagi sumber daya yang heterogen dan tersebar secara geografis.
Sebuah komputasi grid adalah infrastruktur perangkat keras dan perangkat lunak yang dapat diandalkan, konsisten, menyeluruh, dan akses yang murah untuk kemampuan komputasi high-end. Sebagai teknologi yang belum matang, khususnya dalam implementasi grid di dunia nyata, maka jenis grid dapat digambarkan sebagai berikut [4-5]: 
1. Grid Komputasi (computational grid) Sebuah komputasi grid merupakan grid yang memiliki kekuatan pemrosesan sebagai sumber komputasi utama yang di-share antar node-nodenya. 
2. Grid Data (data grid) Grid data memiliki kapasitas penyimpanan data sebagai sumber utama yang di-share.
3. Grid Jaringan (network grid) Grid jaringan juga dikenal dengan nama (delivery grid) grid pengiriman.

Prinsip Kerja Grid Computing

    Grid Resources for Industrial Applications (GRIA) adalah infrastruktur yang berorientasi layanan (service-oriented) dan dirancang untuk mendukung kolaborasi B2B (Business-toBusiness) melalui penyediaan layanan dengan cara yang aman, interoperabilitas dan fleksibel.

  Gambar 1. Kelompok kerja yang terhubung dalam satu sistem GRIA 

Dalam sistem GRIA terdapat dua sisi utama yang tersedia yaitu sisi Penyedia Layanan (Service Provider) dan sisi Organisasi klien (Client Organisation).

 

Metode Grid

                   Data yang digunakan dalam pengujian adalah 30 data uji yang terdiri dari 3 kelompok jenis berkas yang mewakili berkas teks, gambar dan audiovideo. Tiga kelompok ini masing-masing terdiri dari 10 berkas teks berekstensi pdf, 10 berkas gambar berekstensi jpg dan 10 berkas audiovideo berekstensi flv. Gambar 2 menunjukkan diagram alir dari pengujian terhadap layanan data. Data masukan yang digunakan adalah ke-30 data uji yang diunggah (upload)  oleh klien ke tempat penyimpanan data grid atau provider. Data uji.

ini bervariasi dari segi kapasitas maupun jenis ekstensinya. Dari segi jenis ekstensi, data masukannya berupa berkas dengan ekstensi jpg (kompresi gambar), flv (video) dan pdf (teks). 

Kesimpulan analisa

  untuk mendapatkan informasi performa kecepatan unggah dan unduh suatu berkas berdasarkan kemampuan bandwidth yang ada. Dengan diketahuinya nilai-nilai ini, maka GRIA dapat dipertimbangkan untuk digunakan pada kebutuhan komputasi grid disamping Globus yang telah terlebih dahulu digunakan.

1.     -

PEMBUATAN PROTOTYPE VIRTUAL SERVER MENGGUNAKAN PROXMOX VE UNTUK OPTIMALISASI RESOURCE  HARDWARE DI NOC FKIP UNSPEMBUATAN PROTOTYPE VIRTUAL SERVER MENGGUNAKAN PROXMOX VE UNTUK OPTIMALISASI RESOURCE  HARDWARE DI NOC FKIP UNS

Analisa Umum Jurnal

Penelitian ini bertujuan untuk merancang prototype virtualisasi server di lingkungan FKIP UNS untuk membangun infrastruktur server yang efisien, flexybel, serta mengoptimalkan penggunaan resource agar dapat disesuaikan dengan beban kerja sehingga resource hardware menjadi optimal. Sejumlah mesin server di Network Operator Center (NOC) FKIP UNS memiliki spesifikasi prosesor dan memori yang tidak sama sehingga perlu dilakukan optimalisasi tiap-tiap mesin supaya bekerja optimal.

Dasar Teori

Konsep virtualisasi sesungguhnya  bukan konsep yang baru. Mainframe IBM sudah menggunakan sistem operasi VM yang sudah menerapkan teknologi virtualisasi selama beberapa dekade. Saat ini sistem operasi VM memungkinkan untuk menjalankan beberapa sistem Linux  pada sebuah mesin mainframe. Dengan  kata lain, sejumlah mesin Linux dapat dikonsolidasikan  pada sebuah mainframe  menggunakan sistem operasi VM. Sistem komputer modern tersusun atas beberapa layer, yaitu layer hardware, layer operating system, dan layer program aplikasi.

Software virtualisasi melakukan abstraksi dari mesin virtual  dengan cara menambahkan layer baru di antara 3 layer di atas. Posisi dari layer baru tersebut menentukan level dari virtualisasi. Secara umum terdapat 3 level virtualisasi, yaitu[1]:

1.      Level hardware: pada tahun  1970-an mainframe IBM  menjadi pionir dalam virtualisasi secara hardware. Mainframe tersebut menjalankan sistem  operasi VM yang berfungsi untuk menyediakan servis virtualisasi, sehingga mainframe tersebut dapat  dipartisi dimana  masing-masing partisi dapat menjalankan sistem operasi dan aplikasi sendiri.

2.      Level sistem operasi: layer virtualisasi diletakkan di atas layer sistem operasi. Program aplikasi dijalankan  di atas sistem operasi  pada mesin  virtual.  Akses ke hardware  dari mesin virtual harus melalui  sistem  operasi dari mesin fisik, sehingga tidak seefisien  pada arsitektur hypervisor. Arsitektur virtualisasi pada level sistem operasi disebut  juga sebagai arsitektur hosted.  

3.      Level bahasa tingkat tinggi: layer virtualisasi berada di atas layer program aplikasi, berfungsi untuk melakukan abstraksi  mesin virtual  yang dapat menjalankan  program yang  ditulis dan dikompilasi sesuai  dengan definisi abstrak mesin virtual  yang akan menjalankan  program tersebut.

Proxmox

Proxmox merupakan software open source Virtualization Platform untuk menjalankan Virtual Appliance dan Virtual Machine. Proxmox VE adalah distro khusus yang didedikasikan secara khusus sebagai mesin host virtualisasi sistem dan memuat 2 teknologi virtualisasi, yaitu KVM dan OpenVZ

Proxmox VE menggunakan Container Virtualization dan Full Virtualization:

·         Container Virtualization ( OpenVZ) merupakan teknologi yang disarankan untuk menjalankan server linux. OpenVZ membuat beberapa container yangsecure

dan terisolasi ( disebut juga CT,VE atau VPS).

·         Full Virtualization (KVM) merupakan singkatan dari (Kernel-based Virtual Machine) adalah solusi virtulaisasi penuh untuk hardware berbasis x86 yang memiliki ekstensi virtualisasi ( Intel VT datau AMDV CPU).

Kesimpulan Analisa

1.      Prototype virtualisasi server di NOC FKIP UNS menunjukkan adanya optimalisasi pada penggunaan sumber daya prosesor dan memori yang telah disesuaikan dengan beban kerja sehingga optimalisasi resources hardware dapat tercapai.

2.      Opitimalisasi juga terdapat pada prosesor dan memori yang utilitasnya meningkat pada perbandingan server non virtual dan server virtual. 

3.      Penerapan virtualisasi server akan mempermudah proses maintenance dan recovery karena hanya berfokus pada satu hardware server saja.

Daftar Pustaka

Jurnal 1

[1] Hartig, K (2008) What is Cloud Computing?, Cloud Computing Journal available at: http://cloudcomputing. syscon.com/node/579826

[2] Mark-Shane E. Scale (2009) Cloud Computing and Collaboration. Library Hi Tech News, Vol. 26 Iss: 9, pp.10 - 13).

[3] Mell,  P  and  Grance  T  (2009)  NIST  Definition of  Cloud Computing v15.

[4] Mell, P and Grance T (2009) Presentation on Effectively and Securely Using the Cloud Computing Paradigm v26. Available at : http://csrc.nist.gov/groups/SNS/cloud- computing/cloud-computing-v26.ppt

[5] Bing Pana; John C. Crottsa; Brian Mullerb. (2007). "Developing Web-Based Tourist Information Tools Using Google Map". Department of Hospitality and Tourism Management College of Charleston, USA, 2007

[6] Akhmad Syaikhu. (2010). "Komputasi Awan (CLOUD COMPUTING) Perpustakaan Pertanian". Jurnal Pustakawan Indonesia Volume 10 No. 1.2010

[7] Akhmad Syaikhu. (2010). "Komputasi Awan (CLOUD COMPUTING) Perpustakaan Pertanian". Jurnal Pustakawan Indonesia Volume 10 No. 1.2010 

[8] Pinardi, Eko Setia. (2011). "Menuju Pembangunan Pertanian Berkelanjutan Melalui Cloud Computing".  STEI ITB Puslitbang Tanaman Pangan–Badan Litbang Pertanian. 2011 [9] Wei-Tek Tsai; Xin Sun; Janaka Balasooriya. (2010) "Service-Oriented Cloud Computing Architecture", Department of Computer Science Arizona State University (USA), Department of Computer Science and Technology, Tsinghua University, Beijing (China)

[10] Yao-Jan Wu; Yinhai Wang; and Dalin Qian. (2007) "A Google-Map-Based Arterial Traffic Information System". Proceedings of the 2007 IEEE Intelligent Transportation Systems Conference Seattle, WA, USA, 2007.

[11] BPS Minahasa Selatan, 2012. Minahasa Tenggara Dalam  Angka, 2012.

[12] Spinola, M (2009) An Essential Guide to Possibilities and Risks of Cloud Computing: a Pragmatic Effective and Hype Free Approach for Strategic Enterprise Decision Making.

[13] Velte, Anthony T.; Toby J. Velte, Ph.D.; Robert Elsenpeter. (2010). “Cloud Computing: A Practical Approach”. McGraw-Hill: New York. 20 Elsenpeter. (2010).

Jurnal 2

[1] The Enabling Grids for E-sciencE (EGEE) project. Tersedia di :  http://www.eu-egee.org/  

[2] I. Foster, ,”What is the Grid? A Three Point Checklist”, 2002. 

[3] I. Foster, C. Kesselman,   The Grid 2, Blueprint for a New Computing Infrastructure,  Morgan Kaufmann, San Fransisco , 2004, p. 46. 

[4] L.Ferreira,  F. Lucchese, T.Yasuda, Y. L.Chin, C.A.Queiroz, , E.Minetto , A.Mungioli ,”Grid Computing Products and Services”, 1st edition, IBM Corporation, New York, 2005. 

[5] L.Ferreira,  F. Lucchese, T.Yasuda, Y. L.Chin, C.A.Queiroz, , E.Minetto , A.Mungioli, ” Grid Computing in Research and Education”, 1st edition, IBM Corporation, New York, 2005. 

[6] I.Foster, , C.Kesselmen , dan S.Tuecke, ,” The Anatomy of the Grid: Enabling Scalable Virtual Organizations”, International Journal Supercomputer Applications, 15(3), 2001, pp. 200-222.  

[7] I.Foster, , C.Kesselmen, J.Nick, , S.Tuecke ,”The Physiology of the Grid: An Open Grid Services Architecture for Distributed Systems Integration”, In Open Grid Service Infrastructure WG, Global Grid Forum, 2002. 

[8] The Globus Alliance. Tersedia di :  http://www.globus.org 

[9] The GRIA Project. Tersedia di :  http://www.gria.org 

[10] WS-I Basic Profile 2.0 reference. Tersedia di : http://wsi.org/Profiles/BasicProfile-2.0-2010-11-09.html 

[11] WS-I Basic Security Profile 1.0 reference. Tersedia di :  http://www.ws-i.org/Profiles/BasicSecurityProfile-1.0-Errata.html 

[12] M.Surridge, S.Taylor, D. D. Roure dan E.Zaluska, ,”Experiences with GRIA – Industrial applications on a Web Services Grid”, Proceedings of the First International Conference on e-Science and Grid Computing (e-Science ’05),  Southampton, 2005. 

[13] The DataGrid project.Tersedia di :  http://www.eu-datagrid.org 

[14] The Condor project. Tersedia di :  http://www.cs.wisc.edu/condor 

[15] The International Community W3C . Tersedia di :  http://www.w3.org 

[16] The ActiveState Software Inc. Tersedia di : http://www.activestate.com

[17] The ImageMagick Studio LLC. Tersedia di : http://www.imagemagick.org 

Jurnal 3

1) Masin vavai Sugianto,2011,rev.2. Panduan virtualisasi & cloud computing pada Sistem linux,Bekasi.

2) Puspanda, Hatta., 2011. Optimalisasi Utilisasi Server Menggunakan Virtualisasi Server. Skripsi, Universitas Sebelas Maret

3) Isa, Sani Muhamad, 2006,Penerapan Konsolidasi Server Menggunakan Teknologi Virtualisasi, SNATI 2006, Yogyakarta

4) D.H. Brown Associates, Inc. VMware: Tool for Server Consolidation, http://www.vmware.com/pdf/vmwaredhbrown.pdf (diakses  pada tanggal 2 Agustus 2012).

5) Nurhaida, Ida., 2009.  Pengukuran Overhead, Linearitas, Isolasi Kinerja dan Penggunaan Sumber Daya Perangkat Keras pada Server Virtual. Tesis, Universitas Indonesia

Read More