Latar Belakang
High-Performance Computing (HPC) adalah penggunaan superkomputer dan kluster komputer untuk menyelesaikan masalah komputasi kompleks di bidang sains, teknik, dan matematika. HPC dirancang untuk menangani tugas-tugas yang membutuhkan kapasitas pemrosesan dan data yang sangat besar, seperti simulasi ilmiah, analisis data berskala besar, dan pemodelan kompleks.
Manajemen bisnis proses yang efektif dalam HPC sangat penting untuk memastikan utilisasi sumber daya yang optimal, efisiensi operasional, dan keamanan sistem. Namun, meski tantangan dalam pengelolaan HPC sudah banyak diakui, belum ada tinjauan sistematis yang secara komprehensif memetakan domain penelitian, tantangan utama, dan solusi yang telah diuji. Studi ini hadir untuk mengisi kesenjangan tersebut.
Tujuan Penelitian
Studi ini dipandu oleh tiga pertanyaan penelitian. Pertama, apa saja klasifikasi dan domain utama dalam penelitian terkait bisnis proses dan manajemen HPC. Kedua, apa saja tantangan utama dalam bisnis proses dan manajemen sistem HPC. Ketiga, solusi apa saja yang telah diimplementasikan untuk mengatasi tantangan tersebut.
Metode
Penelitian ini menggunakan metode Systematic Literature Review (SLR) mengikuti panduan PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). Pencarian dilakukan di database IEEE Xplore menggunakan kata kunci kombinasi “HPC” atau “High-Performance Computing” dan “Business Process Management” atau “Workflow Management”.
Dari 255 rekaman yang teridentifikasi, 182 dieksklusi pada tahap screening judul dan abstrak, menyisakan 73 studi untuk penilaian kelayakan melalui tinjauan teks lengkap. Setelah 57 studi dieksklusi karena kurang relevan atau tidak memenuhi kriteria inklusi, akhirnya 16 studi memenuhi semua kriteria dan diikutsertakan dalam analisis.
Kriteria inklusi mensyaratkan artikel dari jurnal atau konferensi peer-reviewed yang tersedia di IEEE Xplore, sementara kriteria eksklusi menyingkirkan artikel berupa majalah, buku, atau kursus, serta artikel yang diterbitkan sebelum 2021 atau setelah 2024.
Hasil RQ1: Klasifikasi dan Domain Utama
Dari 16 studi yang dianalisis, penelitian tentang HPC dapat diklasifikasikan ke dalam beberapa domain utama. Domain terbesar adalah otomasi workflow dan penjadwalan berbasis AI yang mencakup optimasi eksekusi tugas dan utilisasi sumber daya. Domain lainnya adalah provenance tracking dan manajemen data untuk memastikan transparansi dan reproduktifitas komputasi ilmiah. Selain itu terdapat integrasi Hybrid Cloud-HPC untuk meningkatkan skalabilitas dan fleksibilitas, komputasi serverless untuk penyediaan kontainer dinamis, manajemen memori untuk workflow berbasis kontainer, serta pengelolaan sistem heterogen yang mencakup CPU, GPU, dan FPGA.
Tren yang menonjol adalah adopsi Infrastructure as Code (IaC) untuk mengelola workflow HPC, khususnya dalam lingkungan on-premise yang dinamis. Literatur juga menunjukkan minat yang meningkat terhadap penjadwal yang memperhatikan kebijakan dan operasi yang hemat energi sesuai dengan tujuan keberlanjutan.
Hasil RQ2: Tantangan Utama
Dari analisis 16 studi, tantangan utama dalam bisnis proses dan manajemen HPC dikelompokkan menjadi beberapa kategori.
Skalabilitas dan alokasi sumber daya menjadi masalah yang paling konsisten ditemukan. Banyak studi hanya berfokus pada penjadwalan komputasi atau distribusi tugas secara terpisah, tanpa menawarkan kerangka terpadu yang menangani skalabilitas komputasi dan data sekaligus.
Overhead eksekusi workflow juga berulang kali disebut sebagai bottleneck operasional. Hanya sedikit kontribusi yang mengusulkan desain tingkat arsitektur yang mampu menangani kompleksitas orkestrasi dan performa I/O secara holistik. Bottleneck I/O umumnya diselesaikan melalui optimasi ad hoc yang spesifik terhadap beban kerja tertentu sehingga kurang dapat digeneralisasi.
Provenance tracking, meskipun diakui penting untuk reproduktifitas ilmiah, masih diimplementasikan secara tidak konsisten. Tidak adanya model dan protokol provenance yang terstandarisasi menghambat interoperabilitas antar sistem HPC.
Paradigma baru seperti integrasi Hybrid Cloud-HPC dan komputasi serverless menambah lapisan kompleksitas baru, khususnya dalam orkestrasi beban kerja dinamis, manajemen latensi, dan abstraksi lintas platform heterogen. Sebagian besar pendekatan ini masih dalam tahap eksperimental dan belum divalidasi di lingkungan produksi nyata.
Hasil RQ3: Solusi yang Telah Diimplementasikan
Berbagai solusi telah diusulkan dalam literatur, namun banyak yang masih berada di tingkat konseptual atau prototipe.
Untuk tantangan provenance, HyperProvenance diusulkan untuk pengumpulan provenance di lingkungan HPC heterogen, sementara solusi berbasis COMPSs dan RO-Crate menawarkan registrasi provenance otomatis dengan intervensi pengguna minimal.
Untuk efisiensi workflow, GNU Parallel digunakan untuk orkestrasi pekerjaan dengan overhead lebih rendah, sementara Radical-Cybertools mendukung eksekusi paralel ensemble workflow di sistem HPC besar. DFMan mengusulkan optimasi berbasis graf untuk penjadwalan dataflow.
Untuk manajemen memori berbasis kontainer, kebijakan manajemen memori cerdas menggunakan SLURM dan Singularity berhasil meningkatkan efisiensi memori bertingkat sebesar 51–87%.
Untuk serverless HPC, penggunaan Knative Serverless menghasilkan penghematan CPU sebesar 78,11% dan pengurangan memori sebesar 73,92% dibanding eksekusi bare-metal. Pendekatan serverless lainnya mencapai waktu eksekusi 30% lebih cepat.
Untuk integrasi Hybrid Cloud-HPC, framework StreamFlow memungkinkan eksekusi workflow lintas Kubernetes dan HPC tanpa ruang data bersama, yang divalidasi pada pipeline bioinformatika.
Untuk penjadwalan berbasis AI, algoritma machine learning diterapkan untuk mengoptimalkan alokasi beban kerja pada CPU, GPU, dan FPGA dengan efisiensi distribusi sumber daya yang tinggi.
Meskipun beragam, solusi-solusi ini belum konvergen. Masih kurang adanya standarisasi dan kerangka kerja modular yang interoperabel yang menyeimbangkan performa dengan kegunaan nyata di berbagai lingkungan HPC.
Keterbatasan Penelitian
Pencarian literatur hanya dilakukan pada satu database yaitu IEEE Xplore, sehingga berpotensi melewatkan studi relevan di Scopus atau ACM Digital Library. Kriteria inklusi membatasi cakupan pada artikel yang diterbitkan antara 2021–2024 dan berbahasa Inggris, yang mungkin menghilangkan karya dasar yang lebih awal. Hanya 16 studi yang diseleksi untuk analisis akhir sehingga generalisasi temuan masih terbatas. Penilaian kualitas formal tidak dilakukan dalam studi ini, dan ulasan tidak menggunakan teknik meta-analisis kuantitatif.
Arah Penelitian Masa Depan
Penelitian mendatang disarankan untuk mengeksplorasi integrasi HPC dengan komputasi kuantum sebagai paradigma yang berpotensi menghasilkan peningkatan eksponensial dalam waktu komputasi untuk beban kerja tertentu, meskipun memerlukan perancangan ulang mendasar pada mekanisme penjadwalan, orkestrasi, dan aliran data. Selain itu, pengembangan framework atau simulator open-source baru yang mengkonsolidasikan solusi paling efektif dari literatur — seperti penjadwalan pekerjaan berbasis AI, pelacakan provenance otomatis, dan orkestrasi cloud hibrid — sangat dibutuhkan sebagai lingkungan benchmarking terstandar untuk mengevaluasi strategi manajemen HPC.
Kesimpulan
Studi ini memberikan analisis terstruktur terhadap bisnis proses dan manajemen HPC melalui tinjauan 16 paper relevan. Otomasi workflow dan penjadwalan berbasis AI mendominasi penelitian saat ini. Provenance tracking banyak diperlakukan sebagai elemen esensial untuk transparansi dan reproduktifitas. Integrasi Hybrid Cloud-HPC terus berkembang untuk meningkatkan skalabilitas, namun efisiensi perpindahan data dan orkestrasi lintas platform tetap menjadi hambatan yang persisten. Secara keseluruhan, meskipun tantangan HPC sudah banyak diakui, solusi yang ada masih terfragmentasi dan membutuhkan pendekatan yang lebih terintegrasi untuk manajemen HPC yang efektif, skalabel, dan berkelanjutan.
Paper ini cocok disitasi oleh peneliti yang tengah mencari penelitian yang:
- Mengkaji secara sistematis bisnis proses dan strategi manajemen sistem High-Performance Computing (HPC)
- Memetakan tantangan utama dalam pengelolaan HPC seperti skalabilitas, alokasi sumber daya, overhead workflow, dan provenance tracking
- Mencari tinjauan literatur terkini (2021–2024) tentang solusi otomasi workflow, penjadwalan berbasis AI, dan integrasi Hybrid Cloud-HPC
- Mengeksplorasi paradigma baru dalam HPC seperti serverless computing dan Infrastructure as Code (IaC)
- Membutuhkan peta jalan (roadmap) untuk modernisasi infrastruktur HPC dengan mempertimbangkan aspek keberlanjutan dan efisiensi energi
- Meneliti arah masa depan HPC termasuk potensi integrasi dengan komputasi kuantum
Judul: Future Direction of HPC System: Challenges, Solutions, and Evolving Management Strategies
Penulis: Miftahul Mustafirin, Ridi Ferdiana, Noor Akhmad Setiawan (Departemen Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada, Yogyakarta)
Unduh Publikasi Penuh di: https://doi.org/10.1109/SoutheastCon63549.2026.11476135
