Internet
of Things:
Pengenalan IoT & Big Data
Definisi
Internet of Things IoT menurut Rekomendasi ITU T Y 2060
didefinisikan sebagai sebuah penemuan yang mampu menyelesaikan
permasalahan yang ada melalui penggabungan teknologi dan dampak
sosial sementara itu jika ditinjau dari standarisasi secara teknik IoT
dapat digambarkan seba gai infrastruktur global untuk memenuhi
kebutuhan informasi masyarakat memungkinkan layanan canggih
dengan interkoneksi baik secara fisik dan virtual berdasarkan pada
yang telah ada dan perkembangan informasi serta teknologi
komunikasi.
Definisi 2
Untuk memahami definisi dari Internet of Things dapat dilihat dari
gabungan dari 2 kata yakni ”Internet” dan ”Things”.
Dimana ”Internet” sendiri didefinisikan sebagai sebuah jaringan komputer
yang menggunakan protokol protokol internet (TCP/IP) yang digunakan untuk
berkomunikasi dan berbagi informasi dalam lingkup tertentu .
Sementara ”Things” dapat diartikan sebagai objek objek dari dunia fisik yang
diambil melalui sensor sensor yang kemudian dikirim melalui Internet
Untuk mempermudah model penyimpanan dan pertukaran informasi
diperlukan adanya Teknologi Semantic. Oleh karena itu untuk
mewujudkan Internet of Things diperlukan 3 komponen pendukung
yakni Internet, Things dan Semantic.
IoT Reference Model
1. Physical Devices & Controller
Terdiri dari 3 bagian , antara lain:
#Sensor
Dimana sensor dapat mengidentifikasikan bagian physic dari alam . Sensor dapat berupa
pengukur suhu , pengukur jarak dsb
#Embededed system ( sistem benam )
Minimum sistem atau pusat pemrosesan yang berukuran kecil dan dilengkapi dengan
beberapa interface IO
#Gateway
Perangkat komunikasi yang menghubungkan perangkat physical dengan internet
2. Connectivity
Perangkat komunikasi yang menghubungkan antara perangkat fisik dan edge
computing, bisa berupa 4G, Wifi , LoRA dsb
3. Edge Computing
Layer yang berfungsi untuk menangkap data yang dikirimkan dari sensor. Pada
layer ini data dipersiapkan untuk dapat disimpan pada suatu database
4. Data accumulation
Pada layer ini data yang telah sampai disimpan pada suatu storage. Dimana
storage yang dapat digunakan bisa berupa SQL atau NoSQL base.
5. Data Abstraction
Layer ini berfungsi untuk mengatur aliran data di sisi server atau cloud,
dimana data yang masuk akan diarahkan menuju ke tempat penyimpanan
atau diarahkan ke tempat lain seperti visualisasi , machine learning atau
lainnya.
6. Application
Layer ini memiliki fungsi sebagai kontrol sistem , vertical untuk mobile aplikasi
dan juga Bisnis intelijen dan analisis . Dimana data diolah dengan machine
learning untuk mendapatkan klasifikasi , cluster dan juga peramalan data.
7. Collaboration & Prosess
Layer ini memberikan informasi kepada personal untuk dapat melakukan
suatu hal berdasarkan data yang diterima . Proses bisa dilakukan sebagai
feedback.
Untuk keamanan dimasing masing layer memiliki sistem keamanan
sendiri sendiri sehingga data bisa terproses dengan aman.
Big Data
•Big data adalah sekumpulan beberapa set data besar dan complex yang akan
menjadi susah untuk diproses sehingga membutuhkan database serta perangkat
tertentu untuk memprosesnya wikipedia 2014
•Sekumpulan data tersebut akan dianalisa menjadi sekumpulan data yang kecil akan tetapi
nampak menjadi data yang besar Big Data telah digunakan untuk menyam paikan segala
macam konsep termasuk jumlah data yang sangat besar anal isis media sosial penerapan
next generation dalam hal manajemen data, data real time, dan lain lain
•Big data memiliki dua tipe data yaitu data struktural dan data Unstruktural
•Data Struktural adalah sejumlah data yang dapat dengan mudah untuk dikategorikan dan
dianalisis Data data ini biasanya dihasilkan oleh perangkat jaringan sensor yang tertanam
pada peragkat elektronik smartphone dan GPS Data struktural juga mencakup hal hal
seperti angka penjualan saldo rekening dn data transaksi
•Data Unstruktural biasanya data informasi yang bersifat lebih kom pleks seperti halnya
ulasan pelanggan pada situs komersial foto dan multimedia lainnya serta jejaring sosial
Data ini tidak dapat dengan mudah untuk dipisahkan kedalam kategori atau dianalisis secara
numerik.
Big Data - Data Dimensi
4V: Volume, Velocity, Variety, dan Veracity
• Volume, Berhubungan dengan skala ukuran
data yang digunakan. Volume data
berkembang pesat karena adanya beberapa
aplikasi bisnis, sosial, web dan eksplorasi
ilmiah.
• Velocity, Berhubungan dengan kecepatan
akses data yang berkaitan dengan
kebutuhan data streaming yang bersifat
real time.
• Variety, Berhubungan dengan beberapa
bentuk data yang digunakan dalam proses
analisis data.
• Veracity, Berhubungan dengan
ketidakpastian dan keakuratan suatu data.
Pada beberapa kondisi tingkat akurasi akan
didapatkan apabila dilakukan adanya proses
filtering dan selecting data.
Big Data Teknis Analisis
•Teks Analisis
Proses
ini berasal darisumber informasi berupa teks Teknologi dalam
analisis teks berasal dari beberapa bidang mendasar termasuk linguis tik
statistik dan machine learning Secara umum analisis teks yang modern
menggunakan model statistik ditambah dengan teori linguis tik untuk
menangkap pola dalam bahasa manusia sehingga mesin da pat memahami
arti dari teksdan melakukan berbagai tugas analisis teks
•Memori Analisis
Dalam
analisis memori adalah proses yang mencerna data dalam jum lah
besar dari berbagai sumber yang langsung menuju ke memori sistem untuk
mendapatkan perhitungan kinerja yang efisien Pada memori analisis ini
terjadi sebuah pendekatan untuk pengalamatan data saat berada pada
RAM guna mendapatkan respon waktu yang cepat dalam proses
pengalamatan
•Prediktif Analisis
Suatu proses yang digunakan untuk memprediksi
kejadian yang akan datang dengan beberapa
bantuan seperti data statistik , pemodelan ,
machine learning dan data mining dengan
menganalisa kejadian yang pernah ada .
•Grafik Analisis
Grafik analisis ini digunakan untuk mempelajari
perilaku segala sesu atu yang terhubung pada
sistem . Perilaku yang diamati guna untuk
mencari komponen yang bersifat lemah atau
kuat pada suatu sistem .
Big Data Teknologi
•Teknologi yang digunakan pada Big Data secara umum diklasifikasikan
menjadi 3 bagian yaitu
•File System
•Framework Komputasi
•Frameworks yang digunakan dalam proses komputasi pada Big data yang bersifat open source
diantaranya :
•Apache Hadoop
•Spark
•Komersial
•Google, Amazon, Microsoft
•tools
•Key Value Store : Key value pair (KVP) digunakan pada noSQL
•Document Oriented Database =JSON
•Big Table Database =Hbase , Casandra
•Graph Database =Neo4j
Big Data Model Pemrograman
•MapReduce
•Merupakan sebuah model pemrograman tingkat tinggi yang membangun sebuah MAP dan REDUCE. Fungsi pengelompokan datayang didistribusikan dari beberapa node yang ada . MAP yang dibangun berfungsi untuk memfillter dan mengurutkan datasedangkan fungsi Reduce adalah menggabungkan beberapa hasi outputan peta untuk menjadi suatu hasil akhir .
•Contoh : Hadoop MapReduce
•Thread/Task Data Intensive Mode
•Model pemrograman yang digunakan pada aplikasi tingkat tinggi den gan sebuah logika komputasi yang didasarkan pada batas waktu teng gat sebuah aplikasi .
•Contoh : Aneka
•Machine Learning Tools
•Merupakan sebuah pembelajaran pada suatu mesin yang digunakan un tuk pengambian sebuah keputusan
•Contoh : Spark, Mahout
•Big Query Language
•Merupakan sebuah generasi baru dalam hal pengenalan suatu bahasa . Model pemrograman ini biasanya melibatkan pencarian data teks . Salah satu contoh aplikasi dari pemrograman ini adalah pencarian suatu kata berdasarkan frekuensi kemunculan menggunakan Google Big Query Data Analisis .
•Contoh : Google Query
0 Comments
