Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tingginya jumlah kendaraan bermotor di Indonesia memiliki dampak kepada kualitas udara. Aplikasi Mahoni merupakan upaya solusi dari permasalahan tersebut dengan membawa konsep kota cerdas. Penulis melakukan pengembangan arsitektur microservice yang melayani fitur pada aplikasi Mahoni yaitu servis kualitas udara, perjalanan, dan penukaran poin menjadi kupon sesuai dengan kebutuhan pengguna. Aplikasi Mahoni dikembangkan dengan menggunakan arsitektur event-driven agar dapat mencatat beragam data yang berasal dari sensor udara dan aktivitas pengguna secara real-time. Kafka digunakan sebagai message broker untuk mendapatkan throughput yang tinggi dan mempermudah integrasi dengan komponen big data yang memerlukan data stream untuk melakukan stream processing dan real-time analytics melalui change data capture dengan bantuan Debezium dan Kafka Connect. Data stream diolah menjadi keluaran yang dibutuhkan seperti visualisasi data menggunakan dashboard. Untuk mencapai hal tersebut, arsitektur Kappa diimplementasikan untuk membangun arsitektur big data yang sederhana, scalable, dan reliable. Arsitektur big data pada penelitian ini terdiri dari beberapa komponen yaitu Flink, Cassandra, InfluxDB, dan Grafana. Keterhubungan implementasi keseluruhan arsitektur pada penelitian ini diuji dengan melakukan end-to-end testing. Hasil dari pengujian tersebut menunjukkan bahwa keseluruhan komponen sistem aplikasi Mahoni terhubung dengan baik dalam memenuhi kebutuhan pengguna. Komponen arsitektur event-driven juga dibuktikan dapat mengatasi data stream dengan throughput tinggi dan bersifat loosely-coupled sehingga integrasi komponen baru pada sistem lebih mudah. Komponen arsitektur big data juga dibuktikan dapat mengatasi pertumbuhan data dengan melakukan scaling pada Flink sehingga menghasilkan sistem yang reliable.

---

The high number of motorized vehicles in Indonesia has an impact on air quality. Mahoni application is an attempt to solve the problem by bringing the concept of smart city. The author develops a microservice architecture that serves features in the Mahoni application, namely air quality services, travel, and redemption of points into coupons according to user needs. Mahoni application is developed using event-driven architecture in order to record various data from air sensors and user activities in real-time. Kafka is used as a message broker to get high throughput and facilitate integration with big data components that require data streams to perform stream processing and real-time analytics through change data capture with the help of Debezium and Kafka Connect. Stream data is processed into the required output such as data visualization using dashboards. To achieve this, Kappa architecture is implemented to build a simple, scalable, and reliable big data architecture. The big data architecture in this research consists of several components, namely Flink, Cassandra, InfluxDB, and Grafana. The connectedness of the implementation of the entire architecture in this study was tested by conducting end-to-end testing. The results of the test show that all components of the Mahoni application system are well connected in meeting user needs. The event-driven architecture component is also proven to be able to cope with high-throughput data streams and is loosely-coupled so that the integration of new components in the system is easier. The big data architecture component is also proven to be able to cope with data growth by scaling Flink to produce a reliable system."

"Tingginya jumlah kendaraan bermotor di Indonesia memiliki dampak kepada kualitas udara. Aplikasi Mahoni merupakan upaya solusi dari permasalahan tersebut dengan membawa konsep kota cerdas. Penulis melakukan pengembangan arsitektur microservice yang melayani fitur pada aplikasi Mahoni yaitu servis kualitas udara, perjalanan, dan penukaran poin menjadi kupon sesuai dengan kebutuhan pengguna. Aplikasi Mahoni dikembangkan dengan menggunakan arsitektur event-driven agar dapat mencatat beragam data yang berasal dari sensor udara dan aktivitas pengguna secara real-time. Digunakan message broker untuk mendapatkan throughput yang tinggi dan mempermudah integrasi dengan komponen big data yang memerlukan data stream untuk melakukan stream processing dan real-time analytics melalui change data capture. Data stream diolah menjadi keluaran yang dibutuhkan seperti visualisasi data menggunakan dashboard. Untuk mencapai hal tersebut, arsitektur Kappa diimplementasikan untuk membangun arsitektur big data yang scalable dan reliable. Keterhubungan implementasi keseluruhan arsitektur pada penelitian ini diuji dengan melakukan end-to-end testing. Hasil pengujian menunjukkan bahwa keseluruhan komponen sistem aplikasi Mahoni terhubung dengan baik dalam memenuhi kebutuhan pengguna. Komponen arsitektur event-driven terbukti dapat mengatasi data stream dengan throughput tinggi dan bersifat loosely-coupled sehingga integrasi komponen baru pada sistem lebih mudah. Komponen arsitektur big data juga terbukti dapat mengatasi pertumbuhan data dengan melakukan scaling sehingga menghasilkan sistem yang reliable.

---

The high number of motorized vehicles in Indonesia is causing air quality issues. To combat this problem, the Mahoni application introduces a smart city concept. It employs a microservice architecture, offering features such as air quality monitoring, travel assistance, and point redemption for coupons according to user needs. Event-driven architecture is utilized for real-time data collection from air sensors and user interactions. Message broker is used to get high throughput and facilitate integration with big data components that require data streams to perform stream processing and real-time analytics through change data capture. Stream data is processed into the required output such as data visualization using dashboards. To achieve this, Kappa architecture is implemented to build a scalable and reliable big data architecture. The connectedness of the implementation of the entire architecture in this study was tested by conducting end-to-end testing. The results of the test show that all components of the Mahoni application system are well connected in meeting user needs. The event-driven architecture component is proven to cope with high-throughput data streams and is loosely-coupled, allowing easy integration of new components. The big data architecture component is also proven to accommodate data growth by scaling, ensuring a reliable system."

"Tingginya jumlah kendaraan bermotor di Indonesia memiliki dampak kepada kualitas udara. Aplikasi Mahoni merupakan upaya solusi dari permasalahan tersebut dengan membawa konsep kota cerdas. Penulis melakukan pengembangan arsitektur microservice yang melayani fitur pada aplikasi Mahoni yaitu servis kualitas udara, perjalanan, dan penukaran poin menjadi kupon sesuai dengan kebutuhan pengguna. Aplikasi Mahoni dikembangkan dengan menggunakan arsitektur event-driven agar dapat mencatat beragam data yang berasal dari sensor udara dan aktivitas pengguna secara real-time. Digunakan message broker untuk mendapatkan throughput yang tinggi dan mempermudah integrasi dengan komponen big data yang memerlukan data stream untuk melakukan stream processing dan real-time analytics melalui change data capture. Data stream diolah menjadi keluaran yang dibutuhkan seperti visualisasi data menggunakan dashboard. Untuk mencapai hal tersebut, arsitektur Kappa diimplementasikan untuk membangun arsitektur big data yang scalable dan reliable. Keterhubungan implementasi keseluruhan arsitektur pada penelitian ini diuji dengan melakukan end-to-end testing. Hasil pengujian menunjukkan bahwa keseluruhan komponen sistem aplikasi Mahoni terhubung dengan baik dalam memenuhi kebutuhan pengguna. Komponen arsitektur event-driven terbukti dapat mengatasi data stream dengan throughput tinggi dan bersifat loosely-coupled sehingga integrasi komponen baru pada sistem lebih mudah. Komponen arsitektur big data juga terbukti dapat mengatasi pertumbuhan data dengan melakukan scaling sehingga menghasilkan sistem yang reliable.

---

The high number of motorized vehicles in Indonesia is causing air quality issues. To combat this problem, the Mahoni application introduces a smart city concept. It employs a microservice architecture, offering features such as air quality monitoring, travel assistance, and point redemption for coupons according to user needs. Event-driven architecture is utilized for real-time data collection from air sensors and user interactions. Message broker is used to get high throughput and facilitate integration with big data components that require data streams to perform stream processing and real-time analytics through change data capture. Stream data is processed into the required output such as data visualization using dashboards. To achieve this, Kappa architecture is implemented to build a scalable and reliable big data architecture. The connectedness of the implementation of the entire architecture in this study was tested by conducting end-to-end testing. The results of the test show that all components of the Mahoni application system are well connected in meeting user needs. The event-driven architecture component is proven to cope with high-throughput data streams and is loosely-coupled, allowing easy integration of new components. The big data architecture component is also proven to accommodate data growth by scaling, ensuring a reliable system."

"ABSTRAKTantangan aliran data besar membutuhkan mesin pembelajaran khusus. Ragam, variabilitas dan kompleksitas berkaitan dengan masalah pergeseran konsep CD . Jumlah dan kecepatan berkaitan dengan masalah skalabilitas. Kami mengusulkan pendekatan integrasi jaringan syaraf konvolusi CNN dengan mesin pembelajaran ekstrem ELM yang menggunakan banyak CNNELM secara paralel. Solusi CD pendekatan pertama, CNNELM adaptif ACNNELM-1 menggunakan ELM tunggal dengan banyak CNN dengan menerapkan Adaptif Online Sequential ELM. Pendekatan ke- dua ACNNELM-2 menggunakan paduan penggabungan matriks dari banyak CNNELM. Solusi skalabilitas, Distributed averaging DA CNNELM bekerja dengan konsep MapReduce. CNNELM mulai dengan cetakan bobot yang sama kemudian dilatih secara asinkronus menggunakan partisi dari data pelatihan. Hasil akhir didapat dengan merata-ratakan bobot kernel dan ELM output. Ini menghemat waktu pelatihan dibandingkan satu CNNELM dengan pelatihan keseluruhan data. Kami mempelajari metoda pelatihan propagasi balik untuk memperbaiki akurasi dengan iterasi. Kami melakukan verifikasi dengan data extended MNIST, Not-MNIST dan CIFAR10. Kami men-simulasikan pergeseran virtual, pergeseran nyata , dan pergeseran hibrid. Pelatihan DA membagi data pelatihan menjadi beberapa himpunan partisi lebih kecil. Perangkat yang dipakai adalah Deep Learning toolbox dengan CPU parallel, dan Matconvnet dengan GPU. Kelemahan metoda ini memerlukan pemilihan penambahan parameter pembelajaran dan distribusi data pelatihan.

---

ABSTRACTBig stream data challenges need special machine learning. Variety, variability and complexity are related with concept drift CD problem. Volume and velocity are related with scalability problem. We proposed integration approach Convolutional Neural Network CNN with Extreme Learning Machine ELM that used multi parallel CNNELM. For CD, the 1st approach, the Adaptive CNNELM ACNNELM 1 used single ELM with multi CNN by employing Adaptive Online Sequential ELM. The 2nd approach ACNNELM 2 used matrices concatenation ensemble from multi CNNELM. For scalability solution, the distributed averaging DA CNNELM worked with MapReduce concept. CNNELM started with the same weight template afterward trained asynchronously using the partition of training data. Final result obtained by averaging all kernel and ELM output weights. This saved training time instead of single CNNELM trained by the whole data. We studied the backpropagation method to improve the accuracy through iterations. We verified using extended MNIST, not MNIST and CIFAR10 data set. We simulated virtual drift, real drift, and hybrid drift. The DA training divided the training data set to be some smaller partition set. The tools are Deep Learning toolbox with CPU parallel enhancement, and Matconvnet with GPU. The drawbacks need additional learning parameters and the distribution of training data selection."

"Menurut laporan Ericsson Mobility Report (2018), bahwa Jumlah total langganan seluler ada di sekitar 7,9 miliar pada Q3 2018, dengan 120 juta pelanggan baru bertambah pada kuartal tersebut. Di Indonesia juga sudah cukup banyak orang yang melek dengan teknologi, terutama internet. Pada penelitian ini, peneliti ingin mencari tentang karakteristik dari aplikasi (mobile app) yang berbayar (purchase) dan gratis (Free), terhadap peluang usaha pada perusahaan baru (startup) di Indonesia. Pada penelitian ini akan dilakukan pengamatan pada big data dan big data analytics, dari hasil pengumpulan aplikasi dalam bentuk populasi pada Google Play dan Apple App Store Indonesia. Pengambilan data akan menggunakan bahasa pemrograman Python 3.7 dan Anaconda sebagai IDE (Integrated Development Environment) sebagai basis visualisasi dari data dan program. Pengumpulan data dan penelitian akan berjalan dimulai dari Januari 2020.

---

According to the Ericsson Mobility Report (2018), the total number of cellular subscriptions is around 7.9 billion in Q3 2018, with 120 million new customers increasing in the quarter. In Indonesia, there are many people who are literate with technology, especially the internet. In this study, researchers want to find out about the characteristics of the application (mobile app) that is paid and free with in-app purchases, to business opportunities in new companies (startups) in Indonesia. In this study, observations will be made on big data and big data analytics, from the results of collecting applications in the form of population on Indonesia Google Play and Apple App Store. Data processing will use the Python 3.7 programming language, and Anaconda as an IDE (Integrated Development Environment) as the basis for visualization of data and programs. Data collection and research will run starting from January 2020."

"ABSTRAKJakarta yang telah didukung oleh teknologi big data. Peran teknologi big data bagi perkembangan smart city sangat penting karena dapat menjadi dasar untuk menyusun perencanaan dan menentukan kebijakan pemerintah daerah. Pada tesis ini dibahas mengenai analisis implementasi teknologi big data di Pemerintah Provinsi DKI Jakarta dengan menggunakan metode gap analysis pada data-data hasil in-depth interview dan data pendukung lainnya. Berdasarkan hasil gap analysis diketahui bahwa implementasiteknologi big data di Jakarta Smart City masih memerlukan perbaikan dan pengembangan karena masih adanya kesenjangan pada elemen-elemen penelitian yaitu data, infrastruktur, pengelolaan, sumber daya manusia dan manfaat. Pada penelitian ini selanjutnya dirumuskan usulan perbaikan terhadap kesenjangan yang ditemukan dan menyusun urutan prioritas perbaikan dengan menggunakan metode capability, accessibility, readiness dan leverage (CARL).

---

ABSTRACTThe Jakarta Smart City Unit is a work unit of the Jakarta Provincial Government in Indonesia with the main duty and function of implementing smart city, one of itsefforts using big data technology. The role of big data technology in the development of smart city is very important, because it can be the basis of the steps in determining the policies of the local government. This study discusses and analyses the implementation of big data technology in the Provincial Government of Jakarta by using gap analysis tool based on in-depth interview data and other supporting data. Based on the results of the gap analysis, it is known that the use of big data technology in Jakarta Smart City still needs improvement and development because there are still gaps in the research elements, namely data, infrastructure, governance, human resources and benefit. In this study the proposed improvements to the gaps that were found and formulated the priority order of improvement using the method of Capability, Accessibility, Readiness,and Leverage CARL."

"ABSTRAKSebuah rancangan prosedur operasional standar POS untuk requirement engineering pada pengembangan perangkat lunak di Subdirektorat Integrasi Pengolahan Data Subdit IPD , Badan Pusat Statistik BPS , telah dihasilkan. BPS merupakan lembaga pemerintah non kementrian yang bertugas untuk menyelenggarakan kegiatan sensus dan survei. POS requirement engineering disusun menggunakan soft system methodology SSM yang telah dimodifikasi dan scrum sebagai metode pengembangannya. Kebutuhan POS dirancang berdasarkan studi literatur, SBOK trade; Guide sebagai referensi best practice, serta penelitian sebelumnya untuk menentukan tahapan proses requirement engineering pada scrum. Wawancara dengan analisis tematik juga dilakukan untuk mengetahui kebutuhan organisasi BPS akan POS requirement engineering. Rancangan POS requirement engineering yang dihasilkan terdiri dari tiga buah POS, yaitu POS Tahap Inisiasi, POS Tahap Pengembangan, dan POS Tahap Perencanaan Iterasi. Konsep POS requirement engineering divalidasi kepada narasumber di Subdit IPD BPS yang telah mengikuti pelatihan pengembangan perangkat lunak dengan menggunakan metode scrum. Selain itu, hasil rancangan POS juga divalidasi kepada Kepala Subdit IPD BPS dan menunjukkan bahwa rancangan POS dapat diimplementasikan namun memerlukan dukungan pimpinan dalam pelaksanaannya. Hasil rancangan POS requirement engineering ditujukan untuk standarisasi proses requirement engineering pada pengembangan perangat lunak di Subdit IPD BPS. Dengan dihasilkannya rancangan POS requirement engineering ini, diharapkan perangat lunak yang dihasilkan oleh Subdit IPD BPS menjadi berkualitas.

---

ABSTRACTA design of Standard Operating Procedure SOP for requirement engineering in software development in Data Processing Integration Subdirectorate Statistics Indonesia was resulted. Statistics Indonesia is non ministerial government institution that is responsible for conducting statistical surveys. SOP for requirement engineering was designed using modified soft systems methodology SSM . Scrum method is used as an approach. The needs of SOP is derived from literature, SBOK trade Guide as best practice, and previous research to determine the process in scrum. Interview with thematic analysis was also conducted to determine the needs of requirement engineering SOP from the organizations. The design of requirement engineering SOP consists of three steps Initiation, Development, and Iteration Planning. Concepts of requirement engineering SOP have been validated to the interviewees in Data Processing Integration Subdirectorate, who have had training software development using scrum. Futhermore, The design of SOP has been validated to the Chief of Data Processing Integration Subdirectorate. The result from validation process show that the design of SOP for requirement engineering can be implemented in Data Processing Integration Subdirectorate, but still need the support from high level management. The result is aimed to standardize the process of requirement engineering in Data Processing Integration Subdirectorate. With this SOP design, software produced by Data Processing Integration Subdirectorate is expected to achieve the quality."

"Perkembangan teknologi informasi dan internet dalam berbagai sektor kehidupan menyebabkan terjadinya peningkatan pertumbuhan data di dunia. Pertumbuhan data yang berjumlah besar ini memunculkan istilah baru yaitu Big Data. Karakteristik yang membedakan Big Data dengan data konvensional biasa adalah bahwa Big Data memiliki karakteristik volume, velocity, variety, value, dan veracity. Kehadiran Big Data dimanfaatkan oleh berbagai pihak melalui Big Data Analytics, contohnya Pelaku Usaha untuk meningkatkan kegiatan usahanya dalam hal memberikan insight yang lebih luas dan dalam. Namun potensi yang diberikan oleh Big Data ini juga memiliki risiko penggunaan yaitu pelanggaran privasi dan data pribadi seseorang. Risiko ini tercermin dari kasus penyalahgunaan data pribadi Pengguna Facebook oleh Cambridge Analytica yang berkaitan dengan 87 juta data Pengguna. Oleh karena itu perlu diketahui ketentuan perlindungan privasi dan data pribadi di Indonesia dan yang diatur dalam General Data Protection Regulation (GDPR) dan diaplikasikan dalam Big Data Analytics, serta penyelesaian kasus Cambridge Analytica-Facebook. Penelitian ini menggunakan metode yuridis normatif yang bersumber dari studi kepustakaan. Dalam Penelitian ini ditemukan bahwa perlindungan privasi dan data pribadi di Indonesia masih bersifat parsial dan sektoral berbeda dengan GDPR yang telah mengatur secara khusus dalam satu ketentuan. Big Data Analytics juga memiliki beberapa implikasi dengan prinsip perlindungan privasi dan data pribadi yang berlaku. Indonesia disarankan untuk segera mengesahkan ketentuan perlindungan privasi dan data pribadi khusus yang sampai saat ini masih berupa rancangan undang-undang.

---

The development of information technology and the internet in various sectors of life has led to an increase in data growth in the world. This huge amount of data growth gave rise to a new term, Big Data. The characteristic that distinguishes Big Data from conventional data is that Big Data has the characteristic of volume, velocity, variety, value, and veracity. The presence of Big Data is utilized by various parties through Big Data Analytics, for example for Corporation to incurease their business activities in terms of providing broader and deeper insight. But this potential provided by Big Data also comes with risks, which is violation of one's privacy and personal data. One of the most scandalous case of abuse of personal data is Cambridge Analytica-Facebook relating to 87 millions user data. Therefor it is necessary to know the provisions of privacy and personal data protection in Indonesia and which are regulated in the General Data Protection (GDPR) and how it applied in Big Data Analytics, as well as the settlement of the Cambridge Analytica-Facebook case. This study uses normative juridical methods sourced from library studies. In this study, it was found that the protection of privacy and personal data in Indonesia is still partial and sectoral which is different from GDPR that has specifically regulated in one bill. Big Data Analytics also has several implications with applicable privacy and personal data protection principles. Indonesia is advised to immediately ratify the provisions on protection of privacy and personal data which is now is still in the form of a RUU."

"Data merupakan unsur terpenting dalam setiap penelitian dan pendekatan ilmiah. Metodologi sains data digunakan untuk memilah, memilih dan mempersiapkan sejumlah data untuk diproses dan dianalisis. Teknologi big data mampu mengumpulkan data dengan sangat banyak dari berbagai sumber dengan tujuan untuk mendapatkan informasi dengan visualisasi tren atau menyingkapkan pengetahuan dari suatu peristiwa yang terjadi baik dimasa lalu, sekarang, maupun akan datang dengan kecepatan pemrosesan data sangat tinggi. Analisis prediktif memberikan wawasan analisis lebih dalam dan kemunculan machine learning membawa analisis data ke tingkat yang lebih tinggi dengan bantuan teknologi kecerdasan buatan dalam tahap pemrosesan data mentah. Analisis prediktif dan machine learning menghasilkan laporan berbentuk visual untuk pengambil keputusan dan pemangku kepentingan. Berkenaan dengan keamanan siber, big data menjanjikan kesempatan dalam rangka untuk mencegah dan mendeteksi setiap serangan canggih siber dengan memanfaatkan data keamanan internal dan eksternal."

"Data are the prominent elements in scientific researches and approaches. Data Science methodology is used to select and to prepare enormous numbers of data for further processing and analysing. Big Data technology collects vast amount of data from many sources in order to exploit the information and to visualise trend or to discover a certain phenomenon in the past, present, or in the future at high speed processing capability. Predictive analytics provides in-depth analytical insights and the emerging of machine learning brings the data analytics to a higher level by processing raw data with artificial intelligence technology. Predictive analytics and machine learning produce visual reports for decision makers and stake-holders. Regarding cyberspace security, big data promises the opportunities in order to prevent and to detect any advanced cyber-attacks by using internal and external security data."