PENJADWALAN ALOKASI JOB BERBASIS METODA HEURISTIK PADA LINGKUNGAN GRID INDONESIAN EDUCATION GRID I Nyoman Rudy Hendrawan, Waskitho Wibisono Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 60111 E-mail:
[email protected],
[email protected] ABSTRACT Scheduling mechanism on a grid system became one of important factor in measuring performance of the grid system. Moreover, building a grid system which is used for experiment or research is time and cost consuming, and then a grid system simulation can be an alternative. In a previous study has been conducted by designing and simulating of the grid system which is called Indonesian Education Grid (IndoEdu-Grid). A random allocation job scheduling method was used in the previous study (the method is called UD-IndoEdu-Grid in the next section). Therefore, in this paper we proposed an allocation job scheduling based on heuristic method called TS-IndoEdu-Grid, and thus expected to improve the performance of the IndoEdu-Grid environment. Experiment results show that by using the TS-IndoEdu-Grid method could reduce makespan by 20% to UD-IndoEdu-Grid. In flowtime parameter the TS-IndoEdu-Grid method also produces 94% smaller than the UD-IndoEdu-Grid method. Key words: IndoEdu-Grid, heuristic, TS-IndoEdu-Grid, UD-IndoEdu-Grid, makespan, flowtime. ABSTRAK Mekanisme penjadwalan pada sistem grid menjadi salah satu faktor penting dalam hal mengukur kinerja sistem grid. Selain itu membangun lingkungan grid yang dapat digunakan untuk eksperimen atau penelitian memerlukan waktu dan biaya yang sangat besar, sehingga penelitian dalam ranah simulasi dapat menjadi suatu alternatif. Pada penelitian sebelumnya telah dirancang dan disimulasikan teknologi grid yang bernama Indonesian Education Grid (IndoEdu-Grid). Pada penelitian tersebut digunakan metoda penjadwalan alokasi job secara random (pada bagian selanjutnya disebut UD-IndoEdu-Grid). Pada penelitian ini diajukan suatu metoda penjadwalan alokasi job berdasarkan metoda heuristik, yaitu TS-IndoEdu-Grid
sehingga dapat meningkatkan kinerja lingkungan grid IndoEdu-Grid. Hasil pengujian menunjukkan bahwa dengan menggunakan metoda penjadwalan TS-IndoEdu-Grid dapat menimimalisasi nilai parameter makespan sebesar 20% dibanding dengan metoda UD-IndoEduGrid. Nilai parameter flowtime pada metodaTS-IndoEdu-Grid menghasilkan nilai 94% lebih kecil daripada nilai parameter flowtime yang dihasilkan pada metoda UD-IndoEdu-Grid. Kata kunci: IndoEdu-Grid, heuristik, TS-IndoEdu-Grid, UD-IndoEdu-Grid, makespan, flowtime.
1.
PENDAHULUAN Pada sistem grid yang terhubung secara
jaringan, menjadi
mekanisme suatu
penjadwalan
permasalahan
job
tersendiri,
computationally hard (NP-hard) (Xhafa dan Abraham, 2010). Maka Xhafa dan Abraham, (2010),
karena lingkungan grid meliputi sistem
merekomendasikan
komputasi yang heterogen dan dinamis,
metoda heuristik dan meta-heuristik sebagai
melibatkan berbagai spesifikasi perangkat
metoda penjadwalan job pada sistem grid.
keras,
sistem
Penelitian oleh Xhafa dan Abraham, (2010),
administrasi (Ang et al., 2009). Penelitian
mengungkapkan beberapa alasan mengapa
oleh
(2010),
pendekatan dengan metoda heuristik dan
menjelaskan bahwa pada sebagian besar
meta-heuristik sesuai untuk penjadwalan job
lingkungan grid, metoda penjadwalan job
pada lingkungan grid yaitu, metoda heuristik
menjadi komponen yang paling penting.
tidak
Kemajemukan dan tingginya dinamika yang
optimal karena solusi yang paling optimal
terdapat
grid
hanya akan muncul pada satu waktu dan saat
job
tertentu saja sedangkan proses penjadwalan
harus melibatkan banyak parameter untuk
job pada lingkungan grid akan berjalan
mendapatkan suatu hasil yang optimal.
selama lingkungan grid itu sendiri masih
Tetapi pencapaian yang optimal sulit dicapai
bekerja. Selain itu dimungkinkan untuk
karena sumber daya grid digunakan untuk
mendapatkan solusi yang efisien pada waktu
tujuan
yang singkat, hal ini dikarenakan meta-
perangkat Xhafa
di
menyebabkan
yang
lunak,
dan
dan
Abraham,
dalam
lingkungan
metoda
penjadwalan
berbeda-beda,
mekanisme
penjadwalan
lingkungan
grid
sehingga job
dikatakan
pada sebagai
memerlukan
heuristik
pendekatan
solusi
mengabaikan
yang
dengan
paling
mekanisme
pencarian yang berkisar di satu titik saja (lokal optima), misalnya algoritma genetika
dan
algoritma
berguna
pada
Sehingga
Tabu-search. saat
pengukuran
untuk
INHERENT (Indonesian Higher Education Networks).
memperoleh nilai minimum dari suatu
Fokus pada kedua penelitian Nugroho
variabel pengukuran, misalnya makespan
dan Suhartanto, (2010); dan Suhartanto et
dan flowtime.
al., (2012), tersebut adalah melakukan
Permasalahan lain selain mekanisme
penjadwalan paket jaringan, yaitu dengan
penjadwalan job pada lingkungan grid
metoda penjadwalan FIFO (First in First
adalah bagaimana membangun lingkungan
out)
grid yang sesuai dengan kondisi nyata dan
Queuing). Tetapi kedua penelitian tersebut
dapat digunakan untuk eksperimen yang
tidak
dilakukan berulang-ulang. Penelitian oleh
pada penjadwalan job yang diproses di
Sulistio et al., (2005), mengungkapkan
dalam lingkungan grid yang dirancang. Pada
bahwa
tersebut
lingkungan grid yang dirancang tersebut
diperlukan biaya yang besar dan waktu
mensimulasikan job yang yang dikirim
pembangunan yang lama. Oleh karena itu
secara random ke sumber daya grid yang
salah
dituju.
untuk
satu
permasalahan
melakukan
cara
hal
untuk
tersebut
mengatasi
yaitu
dan
SCFQ
(Self-Clocked
mempertimbangkan
Fair
permasalahan
dengan
Oleh karena itu pada penelitian ini
memecahkan permasalahan pada lingkungan
diajukan suatu metoda penjadwalan alokasi
grid dalam ranah simulasi.
job sehingga dapat meningkatkan kinerja
Salah satu penelitian yang berada dalam ranah
simulasi
Nugroho dan
adalah
peneltian
Suhartanto,
(2010);
sistem
grid
dengan
meminimalisasi
oleh
makespan dan flowtime dari lingkungan grid
dan
berdasarkan
studi
kasus
Indonesian
Suhartanto et al., (2012). Peneliti merancang
Education Grid (IndoEdu-Grid). Metoda
dan mensimulasikan teknologi grid yang
penjadwalan yang digunakan berdasarkan
bernama
Indonesian
(IndoEdu-Grid)
yang
Education
Grid
metoda heuristik yaitu dengan menggunakan
digunakan
untuk
algoritma Tabu-search yang disesuaikan
tujuan e-learning pada simulator GridSim.
dengan
lingkungan
Pada
(disebut
TS-IndoEdu-Grid
penelitiannya,
peneliti
merancang
grid
IndoEdu-Grid pada
bagian
suatu sumber daya grid yang tersebar di tiga
selanjutnya). Penelitian sebelumnya oleh
puluh satu propinsi di Indonesia yang
Xhafa et al., (2009), dengan menerapkan
menghubungkan institusi perguruan tinggi
algoritma
melalui suatu jaringan yang disebut dengan
algoritma
penjadwalan Tabu-search
berdasarkan dapat
meminimalisasi makespan dan flowtime
pada
lingkungan
grid
yang
dibangun.
ini adalah simulator GridSim versi 5.2 [2].
Simulator yang digunakan pada penelitian 2.
PERANCANGAN SIMULASI Pada tahap ini dirancang entitas-entitas
yang diperlukan pada saat tahap simulasi
2.1. Perancangan Topologi Jaringan IndoEdu-Grid
berlangsung. Entitas-entitas tersebut adalah
Entitas topologi jaringan dirancang
entitas topologi jaringan IndoEdu-Grid,
berdasarkan topologi jaringan yang pada
entitas JobSubmission System, dan entitas
penelitian
Penjadwal (Scheduler).
Suhartanto et al., (2012) yaitu, Indonesian Education
sebelumnya Grid
ditunjukkan Kalbar Server
oleh
(IndoEdu-Grid)
pada
yang
Gambar
1.
Kaltim Server
NAD Server
Sulsel Users
Kalbar Users
NAD Users
Sultra Server
Sulsel Server
Sultra Users
Lampung Users
Kalimantan Leaf Router Lampung Server
dirancang
Kaltim Users Sulawesi Leaf Router
Sumatera Leaf Router
Maluku Users Maluku Server
Banten Server
Maluku Leaf Router
GIS_2
Java Leaf Router
GIS_3 GIS_1 Bali-NTB-NTT Leaf Router
Jatim Server
Papua Leaf Router
Papua Users
100 Mbps
Bali Users
10 Mbps
Bali Server Banten Users
Rentang jumlah
Papua Server NTB Users
Jatim Users
NTB Server
NTT Server
NTT Users
Gambar 1. Topologi Jaringan Indonesian Education Grid (IndoEdu-Grid) Pada topologi ini, mesin sumber daya grid
router sebagai penghubung utama antar
dikelompokkan
pulau-pulau
berdasarkan
propinsi-
propinsi yang ada di Indonesia, dengan leaf
utama,
misalnya
Pulau
Sumatera (Sumatera Leaf Router), Pulau
Kalimantan (Kalimatan Leaf Router), Pulau
bertugas mendistribusikan job ke seluruh
Sulawesi (Sulawesi Leaf Router), Kepulauan
mesin sumber daya grid. Entitas Penjadwal
Maluku (Maluku Leaf Router), Pulau Irian
(Scheduler)
(Papua Leaf Router), Kepulauan Bali-NTB-
penjadwalan
NTT (Bali-NTB-NTT Leaf Router), dan
informasi tentang job dan informasi tentang
Pulau Jawa (Java Leaf Router). Setiap
mesin sumber daya grid yang tersedia.
propinsi diasumsikan memiliki satu server
Kedua entitas ini akan saling berkomunikasi
dan satu pengguna (user).
pada saat simulasi berlangsung, komunikasi
bertugas alokasi
melakukan
job
berdasarkan
Setiap mesin sumber daya grid pada
ini melibatkan mesin sumber daya grid
Pulau Sumatera dan Jawa terhubung dengan
sebagai tempat dimana job akan dieksekusi
server GIS_1 (Grid Information Service),
selanjutnya.
setiap mesin sumber daya grid pada Pulau
komunikasi antara JobSubmission System,
Bali-NTB-NTT dan Kalimantan terhubung
Penjadwal (Scheduler), dan mesin sumber
dengan server GIS_2, dan setiap mesin
daya grid (Klusacek et al., 2008).
sumber daya grid pada pulau Sulawesi,
Berikut
Berikut
adalah
adalah
skema
tahapan
interaksi
Maluku, dan Papua terhubung dengan server
simulasi sistem grid. Tahap pertama, job
GIS_3.
sebagai
submission system mengirimkan deskripsi
penyimpan informasi tentang mesin-mesin
job yang akan dijadwalkan. Penjadwal
sumber daya grid yang berada didaftarnya.
(Scheduler) menggunakan daftar sumber
Server
GIS
dari
daya grid yang tersedia dan beberapa
pengguna (user) dan dari sumber daya grid
parameter lainnya seperti jumlah prosesor
ke leaf router (ditunjukkan oleh garis lurus
dan kecepatan prosesor (dalam MIPS –
pada Gambar 1) diasumsikan sebesar 10
Million Instructinos per Second). Sistem
Mbps,
Bandwidth
dan
jaringan
berfungsi
yang
bandwidth
menghubungkan
setiap
berasal
jaringan
yang
penjadwalan
leaf
router
(sentralisasi),
ini
bersifat
sehingga
terpusat penjadwal
(ditunjukkan oleh garis putus-putus pada
(Scheduler) memiliki informasi tentang
Gambar 1) sebesar 100 Mbps, asumsi dibuat
seluruh sumber daya yang ada serta akses ke
berdasarkan penelitian sebelumnya oleh [5].
seluruh penjadwal
2.2. Perancangan JobSubmission System dan Penjadwal (Scheduler)
sumber
daya.
(Scheduler)
Tahap
kedua,
menanggapi
peristiwa dari job submission system dengan menyediakan informasi tentang sumber daya
Entitas JobSubmission System berfungsi
grid mana yang akan mengeksekusi job.
sebagai pembangkit job-job yang dibuat dan
Komunikasi antara job submission system
dan penjadwal (Scheduler) adalah asinkron
kembali oleh sumber daya grid ke job
(asynchronous),
job
submission system. Tahap terakhir yaitu
submission system tidak akan menunggu
tahap kelima, pada saat job sampai, job
tanggapan dari penjadwal (Scheduler) untuk
submission system akan mengirimkan pesan
mengirimkan
acknowledgement ke penjadwal (Scheduler).
oleh
karena
deskripsi
itu
baru
job
yang
berasal dari job generator. Ketiga, job
Kemudian
dikirimkan ke sumber daya grid oleh job
memperbarui informasi tentang beban kerja
submission system berdasarkan beban kerja
sumber daya grid. Hal ini dilakukan untuk
sumber
mendukung
daya
grid
yang
akan
dituju.
penjadwal
(Scheduler)
tentang
akan
perencanaan
Kemudian job akan dieksekusi oleh sumber
penjadwalan
daya grid. Tahap keempat, setelah job
mencegah sumber daya grid berada dalam
selesai dieksekusi, job akan dikirimkan
keadaan idle.
job
·
Membuat deskripsi job
·
Menerima informasi tentang penjadwalan
Sumber Daya Grid ·
·
Menerima job dan mengeksekusi job
Mengirimkan kembali job yang telah dieksekusi
3
4
·
Mengirimkan job ke sumber daya yang telah ditentukan oleh penjadwal (scheduler)
·
Menerima kembali job dari sumber daya grid
·
Mengirimkan informasi acknoledgement ke penjadwal (scheduler)
sehingga
Penjadwal (Scheduler)
Job Submission System Job Generator Membangkitkan job
selanjutnya,
1
·
Melakukan penjadwalan job
2
·
Mengirimkan informasi penjadwalan ke Job Submission System
·
Perbarui informasi tentang sumber daya grid dan jadwalkan job yang baru
5
Gambar 2. Skema Komunikasi Komponen Sistem Grid (Klusacek et al., 2008) 2007). Menurut penelitian oleh Xhafa dan
2.3. Kriteria Optimasi Kriteria optimasi yang dicari adalah
Abraham (2010), makespan adalah suatu
meminimalisasi nilai parameter makespan
indikator produktifitas dari suatu sistem
dan nilai flowtime. Makespan adalah waktu
grid, semakin kecil nilai makespan berarti
terbesar penyelesaian suatu job dari seluruh
suatu
rangkaian job ada di suatu mesin (Zomaya,
melakukan penjadwalan job secara efisien.
2001) dan flowtime adalah waktu total
Sedangkan flowtime mengacu pada waktu
penyelesaian seluruh job
respon penjadwal (Scheduler) terhadap job
(Grosan et al.,
penjadwal
(Scheduler)
dapat
yang dikirimkan oleh pengguna (user),
untuk menyelesaikan job dari suatu mesin m.
sehingga meminimalisasi nilai flowtime
Nilai
berarti mengurangi rata-rata waktu respon
menyelesaian suatu job dihasilkan dari
dari
untuk
kecepatan prosesor (MIPS) dibagi beban
nilai
kerja job (MI), dapat diekspresikan dengan
sistem
menghitung flowtime
grid. nilai
Sehingga dan
makespan
diperlukan
waktu
penyelesain
waktu
yang
diharapkan
untuk
persamaan berikut:
job/actual completion time (ACT) (Xhafa et al., 2009); (Xhafa dan Abraham, 2010). Jika mesin m adalah mesin sumber daya grid dan jn adalah rangkaian job dimana n = {1, 2, 3, …, n}, maka definisi nilai makespan berdasarkan definisi Xhafa dan Abraham, (2010), adalah pada persamaan berikut:
ACT[j][m]
adalah
prosesor dalam satuan MIPS dan nilai parameter b adalah beban kerja job dalam satuan MI. Nilai parameter flowtime adalah
Actual Completion Time (ACT) dipengaruhi oleh waktu kesiapan (ready times) dan yang
diharapkan
total
penyelesaian
seluruh
job
(Grosan, 2007). Sehingga nilai flowtime juga dipengaruhi oleh nilai actual completion time (ACT) suatu job j pada mesin m, maka
Actual
Completion Time job j pada mesin m. Nilai
waktu
k ............................................ (3) b
Dimana nilai parameter k adalah kepatan
waktu
makespan maxACT j m , j 1,2,3,...., n(1)
Dimana
WPj
untuk
menyelesaikan suatu job dari suatu mesin m
flowtime
dapat
didefinisikan
dengan
persamaan berikut (Xhafa et al., 2009); (Xhafa dan Abraham, 2010):
flowtime ACT j m ............ (4)
(WPjm). Sehingga nilai Actual completion time pada mesin m diekspresikan pada persamaan sebagai berikut (Xhafa et al., 2009); (Xhafa dan Abraham, 2010): ACT m rtm WPjm .... (2)
Variabel rt adalah ready times dari mesin m dan WPjm adalah waktu yang diharapkan
2.4. Skenario Uji Coba Pada disebutkan
bagian bahwa
Pendahuluan pada
telah
penelitian
sebelumnya, [5][6] dilakukan penjadwalan alokasi job secara random. Sehingga pada penelitian ini penjadwalan alokasi job secara random diasumsikan penjadwalan dengan metode pendistribusian job secara normal (uniform). Hal ini berarti job memiliki
kemungkinan
pengalokasian
semua
parameter makespan dan flowtime yang
mesin sumber daya grid yang hampir
didapatkan pada saat simulasi berlangsung.
(approximately) merata. (Sumber: http://
Jumlah job yang dibuat sebanyak 1000 job,
docs.oracle.com/javase/6/docs/api/java/util/
dimana jumlah job tersebut tetap pada saat
Random.html). Mekanisme pendistribusian
simulasi berlangsung. Jumlah mesin sumber
ini disebut dengan UD-IndoEdu-Grid pada
daya grid sebanyak 31 dimana jumlah
bagian selanjutnya.
tersebut sama dengan jumlah propinsi di
Pengujian
ke
dilakukan
dengan
Indonesia berdasarkan Gambar 1. Beban job
membandingkan kinerja sistem grid yang
eksekusi sebesar 1000, 2000, 3000, 4000,
menggunakan metoda penjadwalan TS-
dan 5000 MI (Million Instructions) dimana
IndoEdu-Grid dengan metoda UD-IndoEdu-
job tersebut juga memiliki ukuran sebesar
Grid. Kinerja sistem grid diukur berdasarkan
10 Mega Byte.
Tabel 1. Parameter-parameter simulasi No Parameter
Spesifikasi
1
Jumlah Sumber Daya Grid
31
2
Jumlah Mesin
31
3
Jumlah Pengguna
31
4
Jumlah Job
1000
5
Jumlah Prosesor per Mesin
2 (dalam satuan PE – Processing Element)
6
Kecepatan Prosesor per Prosesor
300 MIPS (dalam Million Instructions per Seconds)
7
Beban Eksekusi Job (job length)
1000, 2000, 3000, 4000, 5.000 (dalam MI - Million Instruction)
8
Ukuran Job (job file size)
10 (dalam Mega Byte)
3. EVALUASI KINERJA Pada Tabel 2. dibawah adalah hasil pengujian parameter makespan dan flowtime pada metoda TS-IndoEdu-Grid dan metoda UD-IndoEdu-Grid.
ukuran job sebesar 10 Mega Byte. Pada Tabel 2 terlihat bahwa nilai
dilakukan
parameter makespan dan flowtime pada
Tabel
1,
metoda TS-IndoEdu-Grid selalu lebih kecil
dimana jumlah job sebanyak 1000, beban
daripada nilai parameter makespan dan
berdasarkan
Pengujian
eksekusi job sebesar 1000 sampai 5000, dan
spesifikasi
pada
flowtime pada metoda UD-IndoEdu-Grid.
Perbedaan terbesar nilai makespan pada
sebesar 5000 MI mencapai 42,5% pada
kedua metoda adalah pada beban eksekusi
metoda
job 4000 MI, dimana perbedaan nilai
45,4% pada metoda UD-IndoEdu-Grid.
makespan pada kedua metoda tersebut
Grafik nilai makespan pada kedua metoda
mencapai 20%. Pada beban eksekusi 1000
terdapat pada Gambar 2.
TS-IndoEdu-Grid
dan
sebesar
MI perbedaan nilai makespan mencapai
Gambar 3. adalah grafik nilai parameter
7,2%, pada beban eksekusi job 2000 MI
flowtime pada metoda TS-IndoEdu-Grid dan
meningkat sebesar 11,2%, pada beban
UD-IndoEdu-Grid. Terlihat pada grafik
eksekusi job 3000 MI terjadi penurunan
bahwa nilai parameter flowtime pada metoda
sebesar
TS-IndoEdu-Grid lebih kecil dibandingkan
7,7%,
sedangkan
pada
beban
eksekusi job terbesar yaitu 5000 MI terjadi
dengan nilai
penurunan kembali sebesar 11,9%. Sehingga
metoda UD-IndoEdu-Grid. Perbedaan nilai
peningkatan nilai parameter makespan dari
parameter ini hingga mencapai 94% pada
beban eksekusi job terkecil yaitu 1000 MI
seluruh beban eksekusi job.
parameter
flowtime pada
sampai beban eksekusi job terbesar yaitu Tabel 2. Hasil Pengujian pada Skenario Jumlah Job 1000 Beban Eksekusi Job (MI) 1000 2000 3000 4000 5000
TS-IndoEdu-Grid Makespan Flowtime (Detik) (Detik) 282.14 8000 320.89 14000 387.95 22000 439.89 28000 490.89 34000
Gambar 2. Grafik Parameter Makespan
UD-IndoEdu-Grid Makespan Flowtime (Detik) (Detik) 304.10 134336 361.17 232736 420.29 362340 550.10 474488 557.17 561408
Gambar 3. Grafik Parameter Flowtime
4. KESIMPULAN Berdasarkan hasil pengujian terlihat bahwa
metoda
TS-IndoEdu-Grid
Grosan, C., Abraham, A., dan Helvik, B.,
dapat
(2007), "Multiobjective Evolutionary
meminimalisasi nilai parameter makespan
Algorithms for Scheduling Jobs on
dan flowtime dibandingkan metoda UD-
Computational
IndoEdu-Grid pada skenario jumlah 1000,
International Conference - Applied
beban eksekusi job 1000 MI sampai 5000
Computing,
MI, dan ukuran job sebesar 10 Mega Byte.
Guimares and Pedro Isaias.
Grids.",
DIS
Salamanca,
Nuno
Sehingga berdasarkan pengujian tersebut
Klusacek, D., Matyska, L., dan Rudova, H.,
dapat disimpulkan bahwa metoda TS-
(2008), "Alea - Grid Scheduling
IndoEdu-Grid mampu meningkatkan kinerja
Simulation
Environment.",
lingkungan grid Indonesian Education Grid
International
Conference
yang
penelitian
Processing and Applied Mathematics,
parameter
Gdansk, Polandia, Springer Berlin
telah
dirancang
sebelumnya
pada
berdasarkan
7th
Parallel
Heidelberg, hal. 1029-1038.
makespan dan flowtime.
Nugroho, I.B., dan Suhartanto, H., (2010), 5. DAFTAR PUSTAKA
"Design and Simulation of Indonesian
Ang, T.F., Ng, W.K., Ling, T.C., Por, L.Y.,
Education
Grid
Topology
Using
dan Liew, C.S. (2009), "A Bandwidth-
Gridsim Toolkit." Asian Journal of
Aware
Information
Grouping-Based
Job
Scheduling on Grid Environment." Information (Asian
for
Journals, Vol. 9, hal. 263 - 271. Suhartanto, H., Nugroho, I.B., dan Herdiani,
Scientific
A., (2012), "Province Based Design
Information). Vol. 8, No. 3, hal. 372 -
and
377.
Education
Buyya, R., dan Murshed, M., (2002), "GridSim:
A
Toolkit
Modeling
and
Distributed
Resource
Medwell
Journal
Technology
Network
Technology,
for
Simulation
The of
Simulation Grid
of
Indonesian Topology."
International Journal of Computer Science Issues, Vol. 9, No. 1, hal. 142 - 147.
Management
Sulistio, A., Poduvaly, G., Buyya, R., dan
and Scheduling for Grid Computing."
Thamy, C. K. (2005), "Constructing A
Concurrency
Computation:
Grid Simulation with Differentiated
Practice and Experience. John Wiley
Network Service Using GridSim." 6th
& Sons, Ltd., hal. 1175 - 1220.
International Conference on Internet
and
Computing (ICOMP 2005). Vol 6, Las
Problems."
Vegas.
Computer System, Elsevier, hal. 608 -
Xhafa, F., Carretero, J., Dorronsoro, B., dan Alba, E., (2009), “A Tabu Search Algorithm for Scheduling Independent Jobs
in
Computational
Grids”,
Future
Generation
621. Zomaya, A. Y., (2001), "Observations on Using Dynamic
Genetic
Algorithms
Load-Balancing.",
Computing and Informatics, Vol. 28,
Transactions
hal. 1001 – 1014.
Distributed Systems, IEEE.
on
Parallel
for IEEE and
Xhafa, F., dan Abraham, A., (2010),
Oracle., docs.oracle.com, http://docs.oracle.
"Computational Models and Heuristic
com/javase/6/docs/api/java/util/Rando
Methods
m.html, di akses pada 7 Juli 2013
for
Grid
Scheduling
