Mata Kuliah Modul TIF Big Data Rekayasa Perangkat Lunak

wiwit483 0 views 32 slides Sep 30, 2025
Slide 1
Slide 1 of 32
Slide 1
1
Slide 2
2
Slide 3
3
Slide 4
4
Slide 5
5
Slide 6
6
Slide 7
7
Slide 8
8
Slide 9
9
Slide 10
10
Slide 11
11
Slide 12
12
Slide 13
13
Slide 14
14
Slide 15
15
Slide 16
16
Slide 17
17
Slide 18
18
Slide 19
19
Slide 20
20
Slide 21
21
Slide 22
22
Slide 23
23
Slide 24
24
Slide 25
25
Slide 26
26
Slide 27
27
Slide 28
28
Slide 29
29
Slide 30
30
Slide 31
31
Slide 32
32

About This Presentation

Modul TIF Big Data


Slide Content

Big Data
Peluang Penelitian & Pengembangannya
[email protected]| cloud.wg.ugm.ac.id
DigitalCitizenLabs-Big Data Computational Labs (Lab Riset SKJ DIKE FMIPA UGM)

Agenda
●Kenapa Big Data
●Mengidentifikasi Permasalahan dengan Big Data
●Membangun Pendekatan & Metode dengan Big Data
●Melakukan Analisis Big Data
●Data Insight

Lab Riset Sistem Komputer dan Jaringan
3

Cerita bermula ...

Pertanyaan muncul….
What
Apa yang bisa kita lakukan dengan penelitian ? Mitigasi,
menanggulangi dampak, memprediksi atau mencegah sejak awal?
How
Bagaimana caranya, konvensional, literature based atau
pendekatan Out of the Box, Multidisiplin ?
Objectives
Apa yang akan dituju ?

Pendekatan potensial
Normal
●Menerapkan metode/pendekatan keilmuan
beragam secara modular
●Masing-masing modul diproses dengan
cara tersendiri
●Sudut pandang berbeda
●Duplikasi data dan informasi → tidak
konsisten, data meragukan
●Kesulitan menentukan solusi cepat
Cara lain?
●By design mengkombinasikan pendekatan
multidisiplin
●Berorientasi pada data dan informasi
besar, tidak harus seragam, original
●Pengolahan besar dan berat
●Memunculkan solusi berbasis sudut
pandang (in-sight)

8

Big Data -Karakteristik
•Kumpulan data yang dijumlahkan jadi besar
•Kumpulan data berukuran besar
•Data berbagai jenis tipe dan variasi
•Data yang dihasilkan secara real time atau batch
•Data yang memiliki sifat tertentu (rahasia, dan lainnya)
•Data bernilai di masa depan
•Data yang dapat bertaut satu sama lain

Big Data adalah Data Semesta
(Riasetiawan, 2018)

VALUE05
●Data bernilai di masa depan
●Data yang dapat bertaut satu sama
lain
VELOCITY04
●Data yang dihasilkan secara real time
atau batch
VERACITY03
●Data yang memiliki sifat tertentu
(rahasia, dan lainnya)
VARIETY02 ●Data berbagai jenis tipe dan variasi
VOLUME01
●Kumpulan data yang dijumlahkan jadi
besar
●Kumpulan data berukuran besar

Identifikasi Permasalah dengan Big Data

Masalah Bertautan
3
Masalah Inti
4
Masalah Kasat Mata
Visualize Problem
1
Masalah Berpola
2
Visible Problem
Deep Problem

Bencana Tanah Longsor sudah menganggu kehidupan
Terjadi memasuki dan di pertengahan musim penghujan
Struktur tanah yang unik, tidak bertanah tetapi diatas
tumpukan batu
Jalur ratakan purba besar

Identifikasi Sumber & Data
Data History20XX
Data Inspeksi instansi terkait20XX
Data Saksi Mata & Laporan20XX
Data Kejadian Longsor20XX
Data Lingkungan (suhu, kelembaban,
dll)
20XX
Data Spatial20XX

Data menjadi unik
Pengolahan Data “biasa”
tidak memadai digunakan
Perlu pendekatan lain yang dapat
mengelola dan mengolahnya.
Internal dan
Eksternal
Tidak selalu dari sumber
primer
Tidak Terstruktur
Format, tipe dan jenis
Multi sumber
Machine generated dan
human generated
Bentuk Data
Bermacam-macam

Pendekatan Big Data

Technology
View

Big Data Architecture

Perlu didiskusikan ...
Big Data sebagai Metode Penelitian
●Metode penelitian melibatkan pendekatan
big data
●Langkah-langkah penelitian dimulai
dengan data gathering dari berbagai
sumber
●Status data primer, sekunder dan tersier
menjadi hilang
●Solusi/Novelty didasarkan pada algoritmik
yang dibangun
Big Data sebagai Pengolah Data Penelitian
●Metode penelitian riset pada umumnya
●Data yang besar
●Mesin pengolah data besar

Pendekatan Teknologi Big Data

Digitalisasi potensi resiko
●Penyusuran retakan
●Update data spatial
●Assesmen resiko kejadian
●Penyusunan Peta Resiko
●Klasifikasi Rumah/tempat
tinggal beresiko
●Rekayasa kehidupan

EWS: IoT+Cloud+BigData

Analisis & Data Insight

#1. Dashboard Informasi (real time)

#2. Data collection multidimensi

#3. Analisis

Value Added Dataset yang bisa digunakan pada penelitian berikutnya
Riset menjadi reproduce-able dengan pendekatan berbeda
dari sudut pandang disiplin lain
Data Besar menjadi potensi value yang sangat besar
Metode dan analisis dapat dikembangkan
berdasarkan pengujian data
Memunculkan potensi riset lebih advance: AI,
Machine learning, Deep Learning, dll.

Akhir yang membahagiakan