Inovasi Teknologi Big Data

00:51:33
https://www.youtube.com/watch?v=vijP3komXAI

Resumo

TLDRVideo ini merupakan kuliah pertama tentang inovasi teknologi, dengan fokus pada Internet of Things (IoT) dan big data. Dosen menjelaskan bagaimana IoT mengumpulkan data melalui perangkat yang terhubung, serta pentingnya memahami big data dalam konteks pengolahan dan analisis data. Ia membahas perbedaan antara data terstruktur dan tidak terstruktur, serta tantangan yang dihadapi dalam mengelola big data. Selain itu, dosen menjelaskan perbedaan antara data tradisional dan big data, serta komponen yang diperlukan untuk mengelola big data, termasuk teknologi, keamanan, dan analitik. Dosen juga memperkenalkan konsep 4V dalam big data: volume, velocity, variety, dan veracity. Setelah menonton video, mahasiswa diharapkan untuk berpartisipasi dalam diskusi lebih lanjut melalui video conference.

Conclusões

  • 📚 Kuliah pertama tentang inovasi teknologi.
  • 🌐 Memahami konsep Internet of Things (IoT).
  • 📊 Pentingnya big data dalam analisis data.
  • 🔍 Perbedaan antara data terstruktur dan tidak terstruktur.
  • ⚙️ Komponen yang diperlukan untuk mengelola big data.
  • 📈 4V dalam big data: volume, velocity, variety, veracity.
  • 💡 Big data digunakan dalam berbagai aplikasi sehari-hari.
  • 🗣️ Diskusi video conference setelah menonton video.

Linha do tempo

  • 00:00:00 - 00:05:00

    Pembukaan kuliah inovasi teknologi setelah penundaan teknis, diharapkan mahasiswa memahami materi sebelum diskusi video conference.

  • 00:05:00 - 00:10:00

    Pengenalan Internet of Things (IoT) dan hubungannya dengan teknologi internet serta big data, menjelaskan bagaimana data dihasilkan dan dikirim ke server.

  • 00:10:00 - 00:15:00

    Definisi big data dan penjelasan tentang ledakan data akibat penggunaan aplikasi, serta pentingnya akses data yang cepat dan efisien.

  • 00:15:00 - 00:20:00

    Tantangan dalam pengolahan big data, termasuk volume, kecepatan, dan variasi data, serta perbedaan antara data terstruktur dan tidak terstruktur.

  • 00:20:00 - 00:25:00

    Perbedaan antara big data dan data tradisional, termasuk cara pengolahan dan infrastruktur yang digunakan.

  • 00:25:00 - 00:30:00

    Data tradisional berorientasi pada transaksi dan operasional, sedangkan big data lebih fokus pada pengambilan keputusan.

  • 00:30:00 - 00:35:00

    Perbedaan infrastruktur antara data tradisional dan big data, termasuk penggunaan server dan sistem penyimpanan.

  • 00:35:00 - 00:40:00

    Penjelasan tentang arsitektur data tradisional dan big data, serta bagaimana data diorganisir dan diakses.

  • 00:40:00 - 00:45:00

    Komponen yang dibutuhkan untuk big data, termasuk teknologi, keamanan, model pemrograman, dan analitik.

  • 00:45:00 - 00:51:33

    Dimensi big data yang dikenal sebagai 4V: volume, velocity, variety, dan veracity, serta pentingnya analisis data dalam big data.

Mostrar mais

Mapa mental

Vídeo de perguntas e respostas

  • Apa yang dibahas dalam video ini?

    Video ini membahas tentang inovasi teknologi, khususnya Internet of Things (IoT) dan big data.

  • Apa itu Internet of Things (IoT)?

    IoT adalah jaringan perangkat yang saling terhubung dan dapat mengumpulkan serta bertukar data.

  • Apa perbedaan antara data terstruktur dan tidak terstruktur?

    Data terstruktur mudah dikategorikan dan dianalisis, sedangkan data tidak terstruktur lebih kompleks dan sulit dianalisis.

  • Apa itu big data?

    Big data adalah kumpulan data yang sangat besar dan kompleks yang memerlukan teknologi khusus untuk pengolahan dan analisis.

  • Apa saja komponen yang diperlukan untuk mengelola big data?

    Komponen yang diperlukan termasuk teknologi, keamanan, model pemrograman, analitik, dan dimensi data.

  • Apa itu 4V dalam big data?

    4V dalam big data mencakup volume, velocity, variety, dan veracity.

  • Bagaimana big data digunakan dalam kehidupan sehari-hari?

    Big data digunakan dalam berbagai aplikasi, termasuk analisis bisnis, kesehatan, dan pengambilan keputusan.

  • Apa yang akan dilakukan setelah menonton video ini?

    Setelah menonton, akan ada video conference untuk diskusi lebih lanjut.

Ver mais resumos de vídeos

Obtenha acesso instantâneo a resumos gratuitos de vídeos do YouTube com tecnologia de IA!
Legendas
id
Rolagem automática:
  • 00:00:02
    halo halo assalamualaikum warahmatullahi
  • 00:00:04
    wabarakatuh Eh ketemu lekukan ketemu
  • 00:00:09
    lagi ya Eh ini adalah matakuliah pertama
  • 00:00:13
    semenjak diberlakukan
  • 00:00:18
    I work from home ya Jadi ini adalah
  • 00:00:21
    matakuliah inovasi teknologi seperti
  • 00:00:25
    yang sudah ke pernah kita bahas
  • 00:00:27
    sebelumnya terus enggak betulan saya
  • 00:00:31
    mohon maaf mungkin di
  • 00:00:33
    pertemuan-pertemuan sebelumnya belum ada
  • 00:00:37
    materi atau belum ada kuliah online ya
  • 00:00:41
    jadi baru minggu ini bisa dimulai karena
  • 00:00:44
    memang terkendala teknis Oke dari sini
  • 00:00:50
    yang saya harapkan disini adalah anda
  • 00:00:54
    belajar dulu jadi Anda pahami dulu video
  • 00:00:57
    ini materi ini ya Nah kemudian nanti
  • 00:01:00
    setelah waktu untuk memahaminya ini
  • 00:01:02
    selesai nanti kita adakan video
  • 00:01:06
    conference video conference kita diskusi
  • 00:01:09
    tentang materi ini jadi Anda ada di
  • 00:01:13
    kesempatan itu bisa menanyakan apa saja
  • 00:01:16
    yang menurut anda kurang jelas
  • 00:01:18
    sehat Nanti kita diskusi di video
  • 00:01:21
    confrence ya Oke berarti kita mulai dari
  • 00:01:25
    sekarang ya jadi mata Akulah realty
  • 00:01:28
    internet of things seperti yang kita
  • 00:01:31
    katakan sebelumnya yang namanya internet
  • 00:01:33
    of things Eh kalau di diproduksi tadi si
  • 00:01:39
    itu kan pasti menggunakan yang namanya
  • 00:01:42
    teknologi internet ya kemudian ada
  • 00:01:45
    things nya juga ada benda-benda yang
  • 00:01:48
    kita hubungkan ia melalui suatu devais
  • 00:01:52
    sensor sama-sama aktuator dan dari
  • 00:01:57
    sensor tersebut menghasilkan suatu data
  • 00:02:00
    kemudian dikirim ya ke server Cloud
  • 00:02:03
    server dan sebagainya Nah akhirnya
  • 00:02:06
    terkumpul banyak ya sehingga bisa
  • 00:02:10
    menjadi suatu sesuatu yang namanya big
  • 00:02:13
    data ini maka dari itu kalau kita
  • 00:02:16
    belajar Leo
  • 00:02:18
    itu sebenarnya tidak lepas dari apa yang
  • 00:02:20
    namanya big data ini
  • 00:02:23
    Hai Nah apa sih byk Tata itu Oke saya
  • 00:02:29
    sebelumnya nanti SMTown dimaklumi ya
  • 00:02:31
    Kalau mungkin misalkan muncul
  • 00:02:34
    suara-suara aneh ya seperti Ya seperti
  • 00:02:36
    umumnya kalau kita lagi live konferensi
  • 00:02:40
    nanti muncul suara-suara aneh ya ya
  • 00:02:43
    nanti Silahkan dinikmati aja oke apa sih
  • 00:02:46
    didata itu kita lihat big-data Jadi
  • 00:02:53
    sebenarnya di era saat ini ya itu kita
  • 00:02:57
    itu menghasilkan data secara Sengaja
  • 00:03:01
    maupun tidak sengaja itu dalam jumlah
  • 00:03:03
    yang besar seperti yang pernah saya
  • 00:03:05
    jelaskan di dalam mata kuliah data
  • 00:03:06
    maining ketika Anda mulai bangun pagi ya
  • 00:03:10
    sampai tidur kembali itu pasti secara
  • 00:03:12
    tidak sengaja Pak ataupun sengaja itu
  • 00:03:15
    menghasilkan data yang sehingga disini
  • 00:03:18
    dikatakan adalah MM
  • 00:03:21
    Hai terjadinya ledakan data akibat
  • 00:03:24
    penggunaan beragam aplikasi Nah jadi
  • 00:03:28
    karena kan kita akan Smart sebagai
  • 00:03:31
    contoh kita sudah pakai smartphone ya
  • 00:03:33
    Nah Smartphone kita ini aplikasinya Deb
  • 00:03:35
    sudah banyak ada yang social media itu
  • 00:03:37
    ada yang pakai Facebook Instagram
  • 00:03:39
    WhatsApp telegram kemudian belum lagi
  • 00:03:42
    nanti yang pakai Allah seperti yang di
  • 00:03:45
    mata kuliah kita Di grup pakai Google
  • 00:03:47
    classroom dan seterusnya itu semua akan
  • 00:03:49
    bermain-main dengan data yang kita kirim
  • 00:03:51
    data transfer data datanya berupa teks
  • 00:03:55
    berupa suara berupa gambar dan lain-lain
  • 00:03:57
    tuh nah dari data-data tersebut
  • 00:04:00
    dihasilkan dari berbagai proses akses
  • 00:04:03
    data ini yang berupa gambar suara maupun
  • 00:04:06
    streaming nah sehingga diperlukan suatu
  • 00:04:08
    revolusi dan transformasi baru untuk
  • 00:04:11
    menanggulangi kebutuhan akses data
  • 00:04:13
    tersebut jadi karena datanya banyak dan
  • 00:04:16
    lalu lintas datanya sudah sangat
  • 00:04:20
    kompleks yang kita
  • 00:04:21
    sesuatu yang bisa menanggulangi untuk
  • 00:04:24
    kebutuhan akses nah salah satunya adalah
  • 00:04:27
    dengan Pik data big data ini adalah
  • 00:04:30
    suatu revolusi atau transformasi baru
  • 00:04:33
    untuk meningkatkan kecepatan akses data
  • 00:04:36
    skala penggunaan datar serta
  • 00:04:38
    kapasitasnya jadi dikata itu seperti ini
  • 00:04:43
    jadi awalnya karena kita nggak sengaja
  • 00:04:45
    ngumpulin data bikin data banyak ya kan
  • 00:04:48
    Nah karena datanya menjadi penyair nya
  • 00:04:51
    kita membutuhkan sesuatu Gimana sih
  • 00:04:54
    caranya kita bisa mengakses data itu
  • 00:04:55
    mudah kemudian sesuai dengan kebutuhan
  • 00:04:58
    kita cepat dan seterusnya jadi itu
  • 00:05:03
    adalah habitat Astra umum Nah kalau
  • 00:05:06
    menurut Wikipedia ya ini yah jadi bete
  • 00:05:08
    semprot.om of dataset sholat-sholat
  • 00:05:11
    Kompleks tet tradisional data Processing
  • 00:05:14
    applications are lined thick with ya
  • 00:05:17
    kemudian tantangannya disini termasuk
  • 00:05:21
    Khalisa nya kemudian Bagaimana mengatur
  • 00:05:23
    datanya kemudian kurasi dadanya
  • 00:05:26
    pencarian dan seterusnya ini adalah
  • 00:05:28
    menurut Wikipedia nah sementara menurut
  • 00:05:31
    eh kadernya jadi kader perusahaan
  • 00:05:34
    teknologi didata ini adalah high-volume
  • 00:05:39
    high velocity dan khoiriati jadi Suatu
  • 00:05:43
    data yang volumenya besar kemudian ke
  • 00:05:45
    membutuhkan kecepatan akses juga tinggi
  • 00:05:49
    varietasnya juga bermacam-macam ini
  • 00:05:53
    menurut Aigner ya oke kemudian nah ini
  • 00:06:00
    tetap definisi Yes pembunuhan beberapa
  • 00:06:03
    saat data besar kompleksnya sehingga
  • 00:06:06
    akan menjadi susah atau rumit ya untuk
  • 00:06:08
    diproses sehingga membutuhkan database
  • 00:06:10
    serta perangkat tertentu untuk
  • 00:06:12
    memprosesnya nah sebenarnya tipe data eh
  • 00:06:16
    sori bukan tipe data type big data itu
  • 00:06:18
    ada dua macam
  • 00:06:21
    Hai ada dua macam yang pertama ada data
  • 00:06:24
    terstruktur dan data yang tidak
  • 00:06:28
    terstruktur nah nah apa sih sebenarnya
  • 00:06:32
    state yang data terstruktur itu Jadi
  • 00:06:36
    kalau data terstruktur ini jumlah data
  • 00:06:39
    yang dapat dengan mudah untuk di
  • 00:06:41
    kategori atau dianalisa jadi kalau kita
  • 00:06:45
    menemukan data itu mudah di categorized
  • 00:06:47
    mudah dikategorikan dan dianalisa
  • 00:06:49
    berarti dia dikatakan data terstruktur
  • 00:06:52
    yang biasanya dihasilkan oleh perangkat
  • 00:06:55
    jaringan sensor yang tertanam pada
  • 00:06:57
    perangkat elektronik smartphone dan GPS
  • 00:06:59
    data tersetrum mencakup seperti angka
  • 00:07:03
    penjualan saldo rekening dan data
  • 00:07:05
    transaksi dan data yang lainnya kayak
  • 00:07:08
    kalau di akademik data nilai Anda data
  • 00:07:11
    IPK Anda kemudian ah kegiatan
  • 00:07:15
    perkuliahan Anda ya itu
  • 00:07:18
    Hai itu adalah data terstruktur kalau
  • 00:07:21
    data tidak terstruktur atau and
  • 00:07:23
    structure yaitu bersifat lebih kompleks
  • 00:07:26
    karena bersifat lebih kompleks jadi
  • 00:07:28
    lebih susah untuk dianalisa ya lebih
  • 00:07:31
    susah dianalisa lebih susah dibaca
  • 00:07:32
    contohnya disini adalah data seperti apa
  • 00:07:36
    ada data ulasan pelanggan ini ada data
  • 00:07:39
    ulasan pelanggan Anda data lagi yang
  • 00:07:42
    namanya komentar Ya komentar pada
  • 00:07:43
    Facebook Instagram ada data berupa cuit
  • 00:07:47
    on di Twitter Nah itu kan karena
  • 00:07:50
    bentuknya tidak standar ya atau tidak
  • 00:07:52
    baku bukan bukan tidak standarnya tidak
  • 00:07:56
    baku nah sehingga dikatakan tidak
  • 00:07:58
    terstruktur hal struktur data bisa
  • 00:08:00
    berupa foto bisa berubah multimedia bisa
  • 00:08:03
    berupa gelombang suara dan seterusnya
  • 00:08:05
    nih gelombang elektromagnetik ya sorry
  • 00:08:08
    bukan suara data ini tidak dapat dengan
  • 00:08:10
    mudah untuk dipisahkan kedalam kategori
  • 00:08:13
    atau dianalisis nenek jadi ini adalah
  • 00:08:16
    data tidak terstruktur
  • 00:08:18
    satu dari bentuknya itu ada dua macam
  • 00:08:21
    terstruktur dan tidak terstruktur ini
  • 00:08:25
    sebenarnya ada kaitannya nanti dengan
  • 00:08:28
    matakuliah data maining kemudian
  • 00:08:33
    Bagaimana sich data dengan data
  • 00:08:35
    tradisional kalau big data ini dia lebih
  • 00:08:39
    mengacu kepada arsitektur sebuah data
  • 00:08:42
    berskala besar yang untuk memfasilitasi
  • 00:08:45
    suatu perangkat dalam hal penanganan
  • 00:08:46
    volume kecepatan serta variabilitas data
  • 00:08:51
    jadi big data ini ya datanya besar terus
  • 00:08:56
    dia disetting atau di konfigurasi untuk
  • 00:09:00
    menangani volume data yang besar
  • 00:09:01
    kecepatan yang tinggi dan akses Farid
  • 00:09:05
    variasi datanya lebih tinggi Nah kalau
  • 00:09:09
    data yang tradisional di sini sebuah
  • 00:09:12
    data yang volumenya relatif kecil
  • 00:09:14
    kemudian proses pembaruan data yang
  • 00:09:17
    konsisten berdasar
  • 00:09:18
    struktur data yang ada serta operasi
  • 00:09:22
    server tunggal Contohnya apa kalau yang
  • 00:09:25
    tradisional ya kayak data penjualan di
  • 00:09:29
    suatu supermarket terus data-data
  • 00:09:36
    akademik Anda ya this is di Siakad Nah
  • 00:09:38
    itu adalah Ed belum dikatakan Pik data
  • 00:09:41
    itu masih Tradisional banget ya dan
  • 00:09:45
    tradisionalnya itupun masih siang simpel
  • 00:09:47
    Yap belum belum yang rumit nah berbeda
  • 00:09:51
    anehnya pasti perbedaan antara a bit
  • 00:09:54
    data dan data tradisional dari sisi
  • 00:09:57
    ukurannya infrastruktur serta
  • 00:10:00
    pengolahannya jadi bedanya seperti ini
  • 00:10:03
    ya kalau yang tradisional data itu
  • 00:10:08
    Biasanya kita gunakan yang namanya data
  • 00:10:11
    wireless Jadi kalau anda pernah belajar
  • 00:10:14
    database host ini sebenernya kita masih
  • 00:10:17
    tradisional
  • 00:10:18
    Oh ya Jadi kita masih tradisional
  • 00:10:21
    termasuk data tradisional Apa saja sih
  • 00:10:24
    atau ke Delta tradisional ini dia
  • 00:10:28
    Ngapain aja sih Jadi kalau data
  • 00:10:31
    tradisional ini dia berorientasi pada
  • 00:10:34
    transaksi Untuk apa untuk operasional
  • 00:10:39
    dan data history ini jadi cuman
  • 00:10:45
    berorientasi pada transaksi maksudnya
  • 00:10:47
    adalah Eh gini ketika Anda lagi bikin
  • 00:10:53
    database misalkan ya ketika Anda lagi
  • 00:10:55
    dibikin bikin database Anda pasti akan
  • 00:10:57
    bertanya Tetapi hanya untuk apa
  • 00:11:00
    Hai kemudian dijawab Oh untuk penjualan
  • 00:11:03
    maka pasti anda akan merancang suatu
  • 00:11:05
    database khusus untuk penjualannya
  • 00:11:07
    protein transaksinya untuk penjualan
  • 00:11:10
    jadikan sudah pasti seperti itu ya
  • 00:11:13
    contoh lagi Anda jujur bikin database
  • 00:11:16
    database Untuk apa untuk sistem
  • 00:11:18
    informasi akademik kampus berarti
  • 00:11:21
    keandakan pasti merancang merancang
  • 00:11:24
    tabel atau database tersebut pakai apa
  • 00:11:27
    Pakai yang namanya query language yang
  • 00:11:30
    biasanya pakai SQL database nya apa
  • 00:11:33
    Mariadi B terus meski l postgre dan
  • 00:11:37
    seterusnya mau ditambahin oltp mau
  • 00:11:41
    ditambahin oleh Bisa pakai data
  • 00:11:43
    warehousing bisa yang kemarin itu pakai
  • 00:11:47
    apa mata kuliah Anda enggak tahu ya saya
  • 00:11:48
    lupa kemudian disini cuman untuk sebagai
  • 00:11:53
    peralatan pendukung keputusan ya jadi
  • 00:11:56
    peralatan pendukung keputusan nih
  • 00:12:00
    Hai nah sementara kalau tidak data kalau
  • 00:12:04
    big data itu dia sudah fokus langsung
  • 00:12:06
    digunakan untuk mengambil keputusan jadi
  • 00:12:10
    bukan berorientasi terhadap suatu proses
  • 00:12:14
    atau transaksi tertentu Kok bisa Pak
  • 00:12:17
    langsung dipakai untuk mengambil
  • 00:12:19
    keputusan bisa karena dia pakai yang
  • 00:12:21
    namanya my channel natural yang kecil
  • 00:12:24
    casing dan seterusnya jadi itu itu
  • 00:12:28
    bedanya antara tradisional data dan
  • 00:12:31
    fakta berikutnya dagabaaz link-nya
  • 00:12:35
    bagaimana sih kalau yang tradisional
  • 00:12:38
    terstruktur dan terorganisir organisasi
  • 00:12:41
    kebanyakan pakai database relasional
  • 00:12:44
    jangan pasti pakai relasi dan rendah
  • 00:12:47
    pasti Ingatkan mata ada relasi
  • 00:12:50
    one-to-many menit huanmin ditemuin Iya
  • 00:12:53
    kan Nah seperti itu itu adalah ada tapis
  • 00:12:56
    eh sorry data tradisional ya
  • 00:13:00
    Hai kemudian butuh file system.ini
  • 00:13:04
    Hai yang yang namanya adata Tradisional
  • 00:13:08
    pasti butuh file sistem tertentu ini
  • 00:13:10
    kemudian Bagaimana dengan skalanya ya
  • 00:13:13
    skalanya small atau medium skala
  • 00:13:16
    infrastrukturnya jadi nggak butuh
  • 00:13:18
    teknologi-teknologi yang besar banget
  • 00:13:20
    gak butuh eh server yang besar banget ya
  • 00:13:27
    server yang banyak enggak ya nih jadi
  • 00:13:30
    dia ingin faktur infrastrukturnya kecil
  • 00:13:33
    seperti kalau di siakad siakad natambus
  • 00:13:35
    kita ya Ya udah pakai server-server nya
  • 00:13:40
    kampus sendiri ya walaupun ketika
  • 00:13:41
    listrik daun ya servernya juga don't
  • 00:13:45
    internet down maka kita nggak bisa akses
  • 00:13:47
    itu ini kemudian kalau bitdata skalanya
  • 00:13:54
    lebih besar lebih luas dia membutuhkan
  • 00:13:58
    kecepatan yang revit velocity jadi
  • 00:14:00
    kecepatan data yang sangat tinggi sangat
  • 00:14:02
    cepat ya
  • 00:14:04
    dalam mentransfer data yang jumlahnya
  • 00:14:07
    besar ini kemudian dia eh semi
  • 00:14:13
    terstruktur semi atau bahkan tidak
  • 00:14:15
    terstruktur ya ini jadi karakternya
  • 00:14:19
    seperti itu kemudian data scale to
  • 00:14:22
    multiple storage servicenya jadi big
  • 00:14:25
    data itu sebenarnya dia ngambil dari
  • 00:14:27
    multipel storage service nya jadi dari
  • 00:14:30
    berbagai sumber Nah itu ngumpul jadi
  • 00:14:32
    satu kalau yang tradisional Tuh kan
  • 00:14:35
    cuman satu server ya kalau siakad1
  • 00:14:38
    server udah artis yang pertama hardisk
  • 00:14:40
    a&k lunanti webnya kampus RSBI dan
  • 00:14:43
    seperti itu Nah kalau yang ini enggak
  • 00:14:45
    Kalau beta jadi multiple servers toys
  • 00:14:48
    jadi ngambilnya dari mana-mana ya Nah
  • 00:14:52
    Kalian tau nggak kalau big data itu
  • 00:14:54
    sebenarnya server-server nya gimana
  • 00:14:56
    misalkan ada suatu perusahaan yang dia
  • 00:14:58
    menyediakan layanan pidato misalkan dia
  • 00:15:01
    berada Yogyakarta ya dia enggak mau
  • 00:15:04
    MH Dia memberikan suatu layanan untuk
  • 00:15:07
    Indonesia servernya di mana bisa di
  • 00:15:09
    Jakarta bisa di Bandung bisa di Surabaya
  • 00:15:12
    bisa di Medan bisa dipakai papan bisa di
  • 00:15:16
    Jayapura ya jadi semuanya Itu semuanya
  • 00:15:19
    tersebar tetap tetap datanya tetap
  • 00:15:22
    seolah-olah bisa telkomunikasi
  • 00:15:24
    seolah-olah Bisa minta menjadi 111 apa
  • 00:15:30
    ya satu tempat ya tapi sebenarnya enggak
  • 00:15:32
    sebenarnya mereka terpecah bagaimana
  • 00:15:36
    mereka bisa berkomunikasi antar server
  • 00:15:38
    Bagaimana bisa berkomunikasi antar data
  • 00:15:40
    seperti itu Itulah yang fitur-fitur yang
  • 00:15:44
    dibutuhkan untuk mengelola apa yang
  • 00:15:47
    namanya big data ya Ah kemudian ini nah
  • 00:15:50
    Nih barusan saya ceritakan dia message
  • 00:15:53
    distributed system jadi sistem terdiri
  • 00:15:56
    bus terdistribusi secara masif dan
  • 00:15:58
    secara luas
  • 00:16:00
    Hai jadi memang bener-bener ah
  • 00:16:05
    terdistribusi secara luas ya servernya
  • 00:16:07
    Wah beda-beda lokasi udah nanti kalau
  • 00:16:10
    beda lokasi beda waktu gimana cara
  • 00:16:12
    menanganinya ya kan bisa kan di
  • 00:16:14
    Indonesia deh Waktu Indonesia Barat
  • 00:16:16
    Tengah Timur nah itu kan sudah beda
  • 00:16:18
    waktu yang membayangkan kalau orang
  • 00:16:21
    misalkan punya dulu bukti apukka
  • 00:16:25
    rekening di salah satu bank swasta di
  • 00:16:27
    Jakarta tetapi dia sekarang lagi tinggal
  • 00:16:31
    di Papua Nah kan nah terus dia dipapua
  • 00:16:35
    dia pakai yang namanya aplikasi Mobile
  • 00:16:38
    Banking dia melakukan dia melakukan
  • 00:16:40
    transaksi melalui mobile banking Nah
  • 00:16:44
    kalau dia aplikasi Mobile Banking jamnya
  • 00:16:45
    gimana
  • 00:16:47
    Hai waktunya gimana akan menyusup pasti
  • 00:16:49
    menyesuaikan di kalau Timur Wei theia
  • 00:16:52
    with nah terus di servernya pakai WIB
  • 00:16:57
    itu bagaimana menanganinya yo ya seperti
  • 00:17:00
    itu jadi memang bener-bener mistis
  • 00:17:03
    distributed system ya kemudian scalable
  • 00:17:07
    arsitektur ya jadi arsitekturnya karena
  • 00:17:10
    meses distributed system ya ya luas
  • 00:17:12
    banget ya jadi itu adalah sekilas
  • 00:17:18
    perbedaannya antara tradisional data dan
  • 00:17:22
    big data Nah dari sisi layarnya
  • 00:17:25
    kira-kira kalau tradisional data dan big
  • 00:17:27
    data itu Bedanya apa jadi disini jadi
  • 00:17:31
    yang di sebelah kiri ini ya Ini adalah
  • 00:17:37
    abstraksi untuk pict datanya kalau yang
  • 00:17:42
    sebelah kanan itu adalah abstraksi data
  • 00:17:45
    tragis tradisionalnya
  • 00:17:47
    Ya udah jadi ini yang sering kita
  • 00:17:50
    gunakan sering kita ketahui dan mudah
  • 00:17:53
    kita ketahui dan sering kita gunakan
  • 00:17:55
    jadi kita bahas dulu untuk yang data
  • 00:17:59
    tradisional ya kalau yang data
  • 00:18:03
    tradisional yang pertama adalah physical
  • 00:18:06
    layer nya jadi layar fisiknya
  • 00:18:12
    Hai nah layer fisik ini merupakan layer
  • 00:18:14
    atau level terbawah ya dimana dia eh
  • 00:18:20
    menggunakan tingkat kompleksitas
  • 00:18:23
    struktur data yang kecil terutama pada
  • 00:18:25
    penyimpanan datanya Contohnya apa sih
  • 00:18:29
    layer fisik nih artisnya ya prosesornya
  • 00:18:33
    servernya ya gan kemudian eh spesifikasi
  • 00:18:40
    jaringannya dan seterusnya itu adalah
  • 00:18:42
    physical layer nya oke kemudian naik ke
  • 00:18:47
    look logika level atau layer ya logic
  • 00:18:51
    layer nafasnya lagi clear nih dia
  • 00:18:53
    menjelaskan tentang data yang tersimpan
  • 00:18:55
    pada database dan Kalau yang ini kan
  • 00:18:59
    database-nya tadi disimpan di sini nah
  • 00:19:02
    kalau ini dia membahas menjelaskan data
  • 00:19:05
    yang tersimpan di database Bagaimana sih
  • 00:19:07
    kita mengakses databasenya ini bagaimana
  • 00:19:11
    kita
  • 00:19:12
    Hai memberikan akses datanya itu ada di
  • 00:19:15
    musik layarnya makanya di sini dikatakan
  • 00:19:18
    dimana beberapa aktivitas yang dilakukan
  • 00:19:21
    pada layer ini yang adalah proses desain
  • 00:19:25
    database serta tools yang digunakan
  • 00:19:27
    untuk proses bak pick up
  • 00:19:30
    Oh ya Jadi kalau kita belajar ada tapi
  • 00:19:34
    situ kan ada dua ya yang sering dikenal
  • 00:19:36
    Aduh ada data manipulation language
  • 00:19:41
    language ya di-email ya sama data
  • 00:19:46
    definition language jadi dua-duanya itu
  • 00:19:49
    ada di logic layer ini jadi di sini oke
  • 00:19:55
    berikutnya naik ke full layer-layer
  • 00:20:00
    tertinggi dalam data tradisional ngapain
  • 00:20:05
    nih yang namanya full layer ya pasti
  • 00:20:08
    menampilkan data Bagaimana bagaimana
  • 00:20:11
    mengelola datanya ya kan dalamnya
  • 00:20:14
    didalamnya terdapat proses pengolahan
  • 00:20:17
    data pakai apa bisa pakai query bisa
  • 00:20:20
    pakai Trigger bisa pakai prosedur
  • 00:20:22
    terserah
  • 00:20:30
    hai oke berikutnya kita bahas tentang
  • 00:20:36
    yang dicetak layer paling bawah di sini
  • 00:20:39
    ada physical layer ya tegas sama
  • 00:20:42
    physical layer nya ya di sini
  • 00:20:44
    strukturnya pada pidato mengalamatkan
  • 00:20:47
    beberapa bentuk dan tipe data dengan
  • 00:20:49
    performen data transfer yang cepat dan
  • 00:20:51
    efisien nah perlu diingat ya kalau
  • 00:20:54
    physical layer nya m-bit data karena
  • 00:20:59
    tadi message sistem meses distributed
  • 00:21:04
    system dan fisiknya memang bener-bener
  • 00:21:07
    eh mungkin bisa dikatakan terpecah-pecah
  • 00:21:10
    ya Bukan terpecah-pecah sih berada di
  • 00:21:13
    tempat yang jauh yang terpisah-pisah
  • 00:21:16
    yang intinya seperti itu Nah bisa jadi
  • 00:21:18
    di di sini ya setiap episklera ini dia
  • 00:21:23
    menghandle suatu jenis data tertentu
  • 00:21:25
    misalkan yang disini khusus untuk
  • 00:21:27
    amisnya salkom contohnya share
  • 00:21:30
    punya Instagram ya Yang ini servernya
  • 00:21:34
    Facebook yang ini servernya bisa akan
  • 00:21:38
    YouTubenya video yang ini servernya
  • 00:21:42
    untuk depository berupa dokumen ya
  • 00:21:46
    misalkan seperti itu itu dari physical
  • 00:21:48
    layer jadi datanya itu memang
  • 00:21:51
    macem-macem deh
  • 00:21:54
    the lounge
  • 00:21:56
    Indonesia C berikutnya oke itu b
  • 00:22:04
    Hai datalayer datang layer ini dia hampa
  • 00:22:15
    dia menjelaskan ya proses organisasi
  • 00:22:17
    data jadi dari data yang tadi
  • 00:22:20
    bermacam-macam terus ah volumenya juga
  • 00:22:25
    sangat besar ya kan jadi organisasi jadi
  • 00:22:30
    dia menjelek dia Kerjanya tuh di
  • 00:22:33
    organisasi data sama pengambilan data
  • 00:22:36
    nafas pas pengorganisasian data ini dia
  • 00:22:39
    disertai dengan proses pemberian indeks
  • 00:22:43
    pada suatu data yang nantinya akan
  • 00:22:45
    didistribusikan pada suatu perangkat
  • 00:22:48
    jadi seperti ini ini kalau di dalam
  • 00:22:52
    contoh kehidupan sehari-hari dan
  • 00:22:55
    misalkan yang misalkan Anda lagi
  • 00:22:58
    Googling gitu ya anda mencari sesuatu
  • 00:23:01
    dengan keyword tertentu misalkan
  • 00:23:04
    Halo Manda mencari keyword Katakanlah
  • 00:23:12
    keyboard amata kuliah data maining atau
  • 00:23:15
    inovasi teknologi gitu ya Nah yang
  • 00:23:18
    namanya inovasi teknologi itu ketika
  • 00:23:20
    anda ketika anda ampere gitu ya itu kan
  • 00:23:23
    pasti akan muncul beberapa Alis ya
  • 00:23:26
    daftar jadi mulai dari yang pertama
  • 00:23:29
    kedua ketiga dan seterusnya Nah kalau
  • 00:23:31
    anda amati setiap setiap list itu kan
  • 00:23:36
    pastikan dari berbagai sumber ya dari
  • 00:23:40
    berbagai website ya Iya kan Nah kalau
  • 00:23:45
    dari berbagai website itu kan
  • 00:23:47
    dikumpulkan ya dikumpul seolah-olah dia
  • 00:23:49
    si Google ini dia mengumpulkan data dari
  • 00:23:52
    berbagai websitenya terus macamnya
  • 00:23:55
    banget banyak Nah kemudian ia diindeks
  • 00:24:00
    Nah maksudnya diindeks ini ibaratnya
  • 00:24:03
    kaya dikasih
  • 00:24:04
    for ya kayak di kalau buku itu kayak
  • 00:24:10
    dibuatkan sesuatu yang namanya daftar
  • 00:24:14
    isi nya jadi halaman pertama oh nanti
  • 00:24:18
    diarahkan ke websitenya ini ya Halaman
  • 00:24:22
    kedua diarahkan ke websitenya ini dan
  • 00:24:24
    seterusnya jadi eh didata Layra itu
  • 00:24:27
    contohnya yang paling gampang itu yang
  • 00:24:29
    bisa atau yang sering kita lihat itu
  • 00:24:33
    kemudian berikutnya dikomputer layer ya
  • 00:24:36
    jadi layer ini terdiri dari penggunaan
  • 00:24:39
    software dalam hal proses pemodelan data
  • 00:24:44
    pemrograman serta pemrosesan ini ini ini
  • 00:24:51
    adalah komputer layar jadi eh seperti
  • 00:24:55
    apa ya kalau anda belajar kemarin data
  • 00:24:59
    wireless itu pakai aplikasi apa namanya
  • 00:25:04
    Mbok saya lupa hahaha yang diajarin Pak
  • 00:25:09
    Hari itu apa ya wah pengen tahu Jadi
  • 00:25:18
    pengen tahu Jadi pengen tahu tuh mungkin
  • 00:25:20
    the dia main-main di sininya dikonfir
  • 00:25:25
    layarnya lah tergantung nanti anda mau
  • 00:25:27
    nampilin datanya Seperti apa itu
  • 00:25:29
    tergantung Anda yaitu ya Kalau pindah
  • 00:25:32
    utuh cuman tulisnya aja kemudian di
  • 00:25:36
    lever di level yang ada iqlab
  • 00:25:42
    kep kemudian di layer yang paling atas
  • 00:25:51
    ya Ada analitik nah layer paling atas
  • 00:25:55
    Analitik ini sesuatu atau terdapat suatu
  • 00:25:59
    standarisasi dan teknik yang digunakan
  • 00:26:01
    untuk mengembangkan software yang
  • 00:26:04
    digunakan untuk mendapatkan hasil yang
  • 00:26:06
    lebih spesifik jadi layer atas ini kan
  • 00:26:10
    analytix ya di sini ada saintifik
  • 00:26:13
    diperoleh exploration bisnis intelijen
  • 00:26:15
    cover mempublish Store sektor-sektor
  • 00:26:18
    Sorry kemudian ada head karya ini jadi
  • 00:26:24
    datanya tadi digunakan untuk apanya
  • 00:26:26
    digunakan untuk ini ini ini ini ya
  • 00:26:29
    seperti di mata kuliah kita data maining
  • 00:26:31
    gitu jadi di dalam data mining tuh ada
  • 00:26:34
    di dalamnya bisnin the installations ya
  • 00:26:37
    Atau bisa digunakan juga di dalamnya di
  • 00:26:39
    stan scientific exploration of
  • 00:26:42
    hai hidup menggali data mencari pola itu
  • 00:26:45
    ada di sini digunakan untuk siapa bisa
  • 00:26:47
    digunakan untuk cover Nun bisa digunakan
  • 00:26:50
    untuk public Sector ya private Sector
  • 00:26:53
    dance dan seterusnya eh makan untuk
  • 00:26:57
    untuk bidang kesehatan ini Oke jadi itu
  • 00:27:03
    adalah dari sisi abstraksi layarnya big
  • 00:27:08
    data dan tradisional bedanya itu ya
  • 00:27:11
    kalau yang tradisional cuman ini kalau
  • 00:27:15
    yang big data itu ada empat ini kemudian
  • 00:27:22
    Nah karena big-data eduda tanya
  • 00:27:24
    macem-macem kemudian tadi sempat
  • 00:27:28
    dikatakan mesih distributed system
  • 00:27:32
    message distributed system am yang
  • 00:27:36
    namanya big data itu butuh sesuatu
  • 00:27:39
    komponen pendukung
  • 00:27:42
    Hai butuh yang namanya komponen
  • 00:27:44
    pendukung nah Apa saja sih yang
  • 00:27:47
    dibutuhkan big data secara singkat yang
  • 00:27:51
    dibutuhkan pendeta itu ini Oke jadi big
  • 00:27:55
    data itu butuh apa yang pertama butuh
  • 00:27:57
    teknologi butuh yang namanya security
  • 00:28:01
    butuh yang namanya programming models
  • 00:28:03
    butuh yang namanya analitik butuh yang
  • 00:28:07
    namanya data Dimensions butuh yang
  • 00:28:09
    namanya Steven jadwal annya jadi jadi
  • 00:28:13
    sebenarnya kalau big data itu oh ada
  • 00:28:15
    banyak ya dari teknologi terpecah lagi
  • 00:28:17
    menjadi frameworknya apa ya pakai yang
  • 00:28:22
    open source apa yang komersial ya pada
  • 00:28:25
    sistemnya pakai apa Pakai yang
  • 00:28:27
    distributed system pararel atau lokal
  • 00:28:30
    file system teknologinya pake tools apa
  • 00:28:34
    pakai yang grafik SQL atau no SQL ya
  • 00:28:38
    security-nya pakai apa Pakai secure com
  • 00:28:42
    King pakai otot yang questions pakai
  • 00:28:44
    secure communication dan seterusnya
  • 00:28:46
    programming nya pakai apa ini bigquery
  • 00:28:50
    trade memprediksi usya kemudian
  • 00:28:54
    analitiknya pakai apa web mining teks
  • 00:28:56
    analisis memori analisis video analisis
  • 00:28:59
    prediktif analisis macem-macem
  • 00:29:02
    dimensinya pakai apa sementara ini kan
  • 00:29:04
    kalian belajar eh ndak wero kan cuma di
  • 00:29:08
    sini ya kan ya pakai dari berbagai
  • 00:29:10
    dimensi Ya kan ya terutama di sini ya
  • 00:29:15
    kan Diva ratingnya Anda belum belajar
  • 00:29:18
    untuk high velocity nyala volumenya V
  • 00:29:21
    Rashid SMS traktoran struktur-struktur
  • 00:29:23
    dengan belum ya Jadi sebenarnya bgt tuuh
  • 00:29:27
    luas banget ini dan kalau mau dibahas
  • 00:29:30
    sedih dalam satu mata kuliah Itu nggak
  • 00:29:32
    mungkin selesai dalam satu semester
  • 00:29:34
    makanya ada sebagai mahasiswa ini
  • 00:29:37
    tugasnya harus sering-sering belajar
  • 00:29:40
    mandiri harus
  • 00:29:42
    Khan menjadi lain lovernr Jadi anda
  • 00:29:46
    belajar sepanjang hidupnya di selama
  • 00:29:50
    hidup ada belajar terus Hino bukan long
  • 00:29:55
    life learning ya atau bukan long level
  • 00:29:57
    jadi Blade kalau long leveler itu
  • 00:29:59
    belajar untuk apa hidup yang belajar
  • 00:30:04
    untuk hidup yang panjang jadi wujud yang
  • 00:30:07
    penting tapi enggak ini belajarnya
  • 00:30:09
    adalah selama hidup jadi selama hidup
  • 00:30:13
    Anda harus belajar bukan berhijab bukan
  • 00:30:16
    belajar untuk hidup panjang nah tapi
  • 00:30:18
    bentuk tapi belajar selama hidup anda
  • 00:30:22
    Iya jadi ini adalah bisa dikatakan ini
  • 00:30:25
    adalah taksonomi jadi bikin data itu
  • 00:30:27
    butuh Apa saja sih dan butuh komponen
  • 00:30:29
    Abah teknologi-teknologi hutan dipecah
  • 00:30:33
    lagi menjadi dia butuh tembok yang
  • 00:30:35
    komersial di butuh open-source dia butuh
  • 00:30:38
    file system dia betul kalau yang
  • 00:30:40
    komersial contohnya apa
  • 00:30:42
    punya OK Google pakai panas pakai eh
  • 00:30:45
    sorry Panda's Ah mana sih enggak tahu
  • 00:30:47
    yang aneh-aneh Mbak kemudian pakai
  • 00:30:50
    Oracle ya kalau yang open source pakai
  • 00:30:52
    espak pakai Adobe mungkin pernah
  • 00:30:55
    mendengar pernah mendengar istilah ini
  • 00:30:57
    ya di big data itu butuh ini nih luas
  • 00:31:04
    banget ini silakan nanti anda belajar
  • 00:31:07
    Anda kepingin belajar yg mana Gem
  • 00:31:10
    kebetulan Kalau di saya akan di sini ya
  • 00:31:13
    Di analytix ya di analytix dengan nama
  • 00:31:17
    mata kuliahnya data maining Oke Jadi
  • 00:31:20
    sebenarnya antara ayoti dan data mining
  • 00:31:23
    sebenernya ada ada korelasinya oke nah
  • 00:31:28
    jadi ini ini adalah komponen atau
  • 00:31:31
    taksonomi big data berikutnya adalah
  • 00:31:33
    dimensi ya jadi big data itu bisa
  • 00:31:38
    dikatakan big data itu kalau dia
  • 00:31:41
    mengandung 4v
  • 00:31:42
    pause
  • 00:31:44
    Oh ya 4 v&v yang pertama ada volume
  • 00:31:49
    kedua velocity variety veracity kalau
  • 00:31:54
    yang volume lah kalau yang Volume anda
  • 00:31:58
    mungkin pernah mendengar yang namanya
  • 00:31:59
    istilah terabyte ya dulu anda punya
  • 00:32:02
    penyimpanan tuh maksimal berapa ratus
  • 00:32:04
    giga nah sekarang dah 1tera 2 Tera Nah
  • 00:32:07
    dari Tera ini ditingkatkan menjadi
  • 00:32:09
    menjadi setup.exe apa sih hitam B itu
  • 00:32:13
    berapa sih cari di internet sekarang
  • 00:32:17
    sudah maju ya Anda harus cari kemudian
  • 00:32:20
    dia punya yang namanya
  • 00:32:23
    [Musik]
  • 00:32:25
    Hai apa sih veracity Oke ini ya
  • 00:32:29
    penjelasannya jadi Aduh doa nih begini
  • 00:32:33
    yang full volume yah jadi berhubungan
  • 00:32:35
    kalau volume ini berhubungan dengan
  • 00:32:37
    skala ukuran datang ya datanya ini
  • 00:32:40
    berkembang pesat karena adanya beberapa
  • 00:32:43
    aplikasi bisnis sosial web dan
  • 00:32:45
    seterusnya kalau veracity eh kilo Siti
  • 00:32:48
    dulu ya kalau yang velocity ini
  • 00:32:51
    berhubungan dengan kecepatan ya speed ya
  • 00:32:54
    kalau anda mungkin pernah mendengar di
  • 00:32:59
    Oke di fisik akan rumus kecepatan dan
  • 00:33:03
    simbolnya pakai vs Swedia velocity yakni
  • 00:33:07
    dari yang tadinya a suatu kayak suatu
  • 00:33:11
    petsi atau tumpukan atau antrian menjadi
  • 00:33:15
    yang namanya streaming MU
  • 00:33:19
    Hai streaming oke nah berikutnya adalah
  • 00:33:26
    verity jadi big data ini memiliki
  • 00:33:29
    varietas yang sangat-sangat besar ya
  • 00:33:36
    jadi variasinya sangat besar mulai dari
  • 00:33:39
    tadi yang terstruktur semi terstruktur
  • 00:33:41
    hingga tidak terstruktur dan berhubungan
  • 00:33:45
    dengan bentuk data ini ya udah jelas ya
  • 00:33:47
    ini penjelasannya kemudian yang terakhir
  • 00:33:49
    adalah
  • 00:33:51
    Ndak ini berhubungan dengan
  • 00:33:53
    ketidakpastian dan keakuratan Suatu data
  • 00:33:57
    nah pada kondisi tingkat akurasi yang
  • 00:34:00
    akan didapatkan apabila dilakukan adanya
  • 00:34:06
    proses filtering dan sleeping
  • 00:34:09
    Oh maksudnya gimana nah jadi maksudnya
  • 00:34:12
    gini jadi data itu dia akurat enggak
  • 00:34:15
    akurat atau enggak itu sebenernya dia
  • 00:34:18
    itu tergantung pada yang namanya proses
  • 00:34:20
    filtering dan seleksian
  • 00:34:24
    t-shirt Nike jadi data-data yang
  • 00:34:27
    ditampilkan akurat gak itu tergantung
  • 00:34:29
    dari filter dan seleksi datanya
  • 00:34:31
    contohnya lagi seperti seperti saat Anda
  • 00:34:33
    lagi Eh koplingnya pakai Google anda
  • 00:34:37
    masukan keyboard misalkan udah masukkan
  • 00:34:39
    keyboard Bisakah anda pakai keyboard
  • 00:34:45
    supertramp biar gitu Jadi yang muncul
  • 00:34:49
    kan pasti yang berkaitan dengan Soviet
  • 00:34:52
    sobat ambilkan kan nggak mungkin ketika
  • 00:34:53
    anda Google Soviet sobat Ambiar kemudian
  • 00:34:56
    didalamnya muncul konten atau berita
  • 00:35:00
    dari website Corona cover nine ten dan
  • 00:35:03
    seterusnya ya kan enggak Mungkinkah itu
  • 00:35:07
    semua bergantung pada filtering dan
  • 00:35:09
    selection datanya
  • 00:35:12
    Oh ya Keke jadi ini adalah dimensinya
  • 00:35:15
    habis data berikutnya adalah Angel
  • 00:35:19
    analisa dalam bit data jadi dalam bidata
  • 00:35:24
    itu terdapat analisanya juga Ya seperti
  • 00:35:27
    yang tadi di dalam taksonomi dalam
  • 00:35:32
    taksonomi tadi sudah disebutkan ngapain
  • 00:35:36
    sih analisa ini ya dia menganalisa data
  • 00:35:38
    menggunakan model statistik pertama
  • 00:35:41
    innings tetap beberapa teknologi
  • 00:35:43
    komputasi kemudian analisanya mengacu
  • 00:35:47
    pada serangkaian prosedur model
  • 00:35:49
    statistik kemudian diekstrak
  • 00:35:50
    informasinya ya dari beberapa data sheet
  • 00:35:54
    atau Set data yang berukuran besar
  • 00:35:57
    contohnya kita bisa menggunakan atau
  • 00:36:00
    yang mungkin bisa kita pernah dengar itu
  • 00:36:03
    yang namanya teks analisis memori
  • 00:36:06
    analisis prediktif analisis grafik
  • 00:36:08
    analisis ini ini pak
  • 00:36:12
    ndak analisa dalam pidato kemudian dalam
  • 00:36:14
    teknologinya tadi disebutkan juga butuh
  • 00:36:19
    file system butuh Framework tutur tools
  • 00:36:22
    ya ini Jadi ini file sistem yang efektif
  • 00:36:27
    itu nanti pakai apa ya digunakan untuk
  • 00:36:31
    mengatur datanya ya Kemudian
  • 00:36:35
    frameworknya untuk proses komputasi
  • 00:36:37
    kemudian toolsnya yang digunakan untuk
  • 00:36:40
    analisa dan sebagainya soundplant
  • 00:36:43
    analisa adanya ada juga banyak Nanti
  • 00:36:45
    silahkan anda cari di internet Nah
  • 00:36:50
    sekarang big data pada sistem Cloud nah
  • 00:36:53
    ini
  • 00:36:54
    lagu girls' Generation baru untuk
  • 00:36:57
    membangun analisis-analisis yang system
  • 00:37:00
    analysis pada suatu data atau sebuah
  • 00:37:03
    data melalui atau menggunakan suatu
  • 00:37:06
    infrastruktur dengan skala yang bersifat
  • 00:37:10
    elastis atau dinamis dan secara otomatis
  • 00:37:14
    mengikuti ukuran data yang ada nah
  • 00:37:18
    ibaratnya ini kayak kita data maining ya
  • 00:37:22
    nanti data maining Tetapi kan kita udah
  • 00:37:27
    bikin model The sudah muncul polanya
  • 00:37:30
    udah muncul istilahnya label atau
  • 00:37:35
    kelasnya ya kan tetapi dia bisa
  • 00:37:37
    fleksibel mengikuti dengan komposisi
  • 00:37:41
    volume data komposisi variasi data jadi
  • 00:37:46
    bisa dia bisa ngikutin jadi kayak
  • 00:37:48
    seperti cerdas kaya bisa dia bisa
  • 00:37:51
    beradaptasi ini
  • 00:37:54
    ndak jadi kalau pakai Cloud kita bisa
  • 00:37:56
    seperti itu jadi as kalanya besar dapat
  • 00:37:59
    didistribusikan ya kemudian data
  • 00:38:03
    didefinisikan berdasar sistem akses
  • 00:38:05
    datanya Bukan berdasarkan jalur atau
  • 00:38:09
    nama file-nya file systemnya ini
  • 00:38:11
    dikatakan dia di Advan sistemnya dinamis
  • 00:38:14
    ya membuat dan memetakan data yang ada
  • 00:38:17
    Jadi dia otomatis ya pemutih banget ya
  • 00:38:19
    bisa berubah sewaktu-waktu ya seperti Ah
  • 00:38:25
    ya contohnya yang sering kita gunakan
  • 00:38:27
    Google ya ketika Anda lagi Googling atau
  • 00:38:31
    mencari sesuatu dengan keyword tertentu
  • 00:38:34
    sistem aksesnya data berskala besar yang
  • 00:38:38
    bersifat transparan terhadap peran akses
  • 00:38:41
    yang dimiliki kemudian kinerja yang
  • 00:38:45
    tinggi memungkinkan proses komputasi
  • 00:38:49
    yang cepat nih kemudian dia ini dapat
  • 00:38:54
    segala bentuk dan dimensi data ya mampu
  • 00:38:58
    mengembangkan atau menyebarkan
  • 00:39:00
    penggunaan sistem analisis mekanisme
  • 00:39:04
    replikasi atau Republik duplikasi ya
  • 00:39:06
    terhadap data dan sistem komputasi yang
  • 00:39:08
    digunakan kemulian menggunakan metode
  • 00:39:12
    intensif data pada skala platform yang
  • 00:39:16
    digunakan Jadi sebenarnya kalau kayak
  • 00:39:20
    loud itu pertama ini dia ambis a eh
  • 00:39:25
    kalau bahasa jadulnya atau basah-basah
  • 00:39:28
    Gobloknya bisa dia bisa auto debit
  • 00:39:32
    autocopy PC di misalkan ada suatu data
  • 00:39:38
    di server tertentu misalkan di Jakarta
  • 00:39:40
    di Jakarta kemudian ia bisa autodebet
  • 00:39:43
    like dicopy gimana misalkan dicopy di
  • 00:39:46
    Surabaya tujuannya apa supaya apa supaya
  • 00:39:49
    orang-orang Jawa Timur ketika mengakses
  • 00:39:51
    beratnya sisdata itu lebih cepet kan
  • 00:39:54
    nah servernya yang di Surabaya Udah
  • 00:39:57
    ngopi data dari Jakarta jadi datanya
  • 00:40:01
    atau request datanya itu nggak perlu
  • 00:40:03
    sampai jauh-jauh ke Jakarta gampang
  • 00:40:06
    Hanya seperti itu jadi request datanya
  • 00:40:08
    cukup a.di di Surabaya karena di yang di
  • 00:40:12
    Surabaya tadi dia sudah Dia sudah
  • 00:40:15
    mengcopy Ya sudah mengcopy data dari
  • 00:40:17
    Jakarta contoh simpelnya seperti itu ya
  • 00:40:21
    Nah terus penggunaan aplikasi audit dan
  • 00:40:25
    big data Contohnya apa contohnya ada ini
  • 00:40:29
    ada Opick kritis netbook Robert platform
  • 00:40:32
    ya ini disebut dengan Kidul boards ya
  • 00:40:37
    jadi ribuan summerbird ya menggunakan
  • 00:40:44
    artificial intelegent secara kolektif
  • 00:40:48
    jadi ini robotnya kecil ini sebenarnya
  • 00:40:50
    sebesar Ah mungkin
  • 00:40:54
    koin atau kancing baju ya ya sekitar itu
  • 00:40:56
    nanti silahkan anda cari ya kilobot Oke
  • 00:41:00
    jadi penggunanya seperti ini my contoh
  • 00:41:03
    penggunaan iOS dan bidata disini dia
  • 00:41:06
    digunakan untuk melacak ya melacak
  • 00:41:11
    korban manusia ketika ada suatu bencana
  • 00:41:14
    ini makanya di sini fortrek Swamp
  • 00:41:17
    disaster robot inyoman detection Nah
  • 00:41:21
    jadi dia mendeteksi manusia yg ada
  • 00:41:24
    korban bencana dimana dia pakai ini
  • 00:41:26
    pakai yang namanya KB atau some
  • 00:41:30
    properties kemudian digunakan untuk
  • 00:41:35
    industri industrial internet computing
  • 00:41:40
    nih ia butuh industri akan Bonek
  • 00:41:42
    internet come internet computing
  • 00:41:44
    requirment yang dibutuhkan apa dia butuh
  • 00:41:47
    Claudia butuh pidato dia butuh manajemen
  • 00:41:50
    aset dia butuh mesin yang dia bisa
  • 00:41:54
    sendiri ya bukan mesin nuraninya tapi
  • 00:41:56
    mesinnya dia bisa cerdas ya kemudian
  • 00:41:59
    butuh butuh keamanan butuh akses data
  • 00:42:04
    butuh user experience
  • 00:42:07
    ini memang jadi ini Nah di sini ada Yupi
  • 00:42:12
    kritis netbook robot atau some robot
  • 00:42:14
    tadi ya jadi dia keunggulannya dalam
  • 00:42:19
    menjangkau daerah yang sulit dan
  • 00:42:21
    berbahaya bagi manusia dan dapat
  • 00:42:24
    dipersiapkan secara cepat serta mampu
  • 00:42:27
    melakukan kegiatan penyelamatan Jadi
  • 00:42:30
    intinya disini dia Mencari korban
  • 00:42:32
    bencana ya kemudian robot ini disebarkan
  • 00:42:34
    ke daerah-daerah yang sulit dijangkau
  • 00:42:36
    manusia yang Manusia Biasa kalau anda
  • 00:42:41
    luar biasanya silahkan anda jangkau ya
  • 00:42:44
    nih dan suami robot bentuknya ini
  • 00:42:47
    bermacam-macam ya ada yang berbentuk
  • 00:42:51
    ular robot berkaki atau seperti
  • 00:42:55
    laba-laba nah kan ada yang bentuknya
  • 00:42:57
    seperti ikan dan lain-lain sebagainya
  • 00:43:00
    anda mungkin pernah mendengar seperti
  • 00:43:03
    Drone yang jumlahnya banyak ya kemudian
  • 00:43:07
    dan
  • 00:43:07
    lebih dia bisa dikendalikan hanya
  • 00:43:10
    menggunakan satu pengendali atau 1
  • 00:43:12
    remote ya hampir seperti itu itu adalah
  • 00:43:14
    some robot cuman bentuknya adalah Drone
  • 00:43:18
    itu nah secara teknis bentuknya seperti
  • 00:43:23
    ini jadi ada satu webserver ada satu
  • 00:43:28
    server atau web server dia terkoneksi
  • 00:43:30
    dengan internet nah internet ini setelah
  • 00:43:35
    dia terkoneksi dengan internet dan ia
  • 00:43:38
    bisa digunain dikomunikasikan dengan
  • 00:43:40
    satu Robert deh istilahnya kayak Danton
  • 00:43:44
    nya ya dan komandan peleton nya ya Jadi
  • 00:43:47
    ini adalah komandan peleton dan kemudian
  • 00:43:49
    yang lainnya ini adalah
  • 00:43:50
    prajurit-prajurit nya yang dimana dia
  • 00:43:52
    harus patuh dan patuh kepada komandannya
  • 00:43:55
    ya robot satu dan harus bisa kok
  • 00:43:58
    berkoordinasi dengan prajurit-prajurit
  • 00:44:00
    atau robot-robot yang lain jadi seperti
  • 00:44:03
    ini ya jadi perintahnya Darius server
  • 00:44:07
    Oke internet diperintahkan karo bersatu
  • 00:44:09
    maka robot satu dia mendistribusikan
  • 00:44:11
    perintah dan setelah didistribusikan
  • 00:44:15
    silahkan shiraishi robot ini bekerja
  • 00:44:16
    namun tetap harus patuh dan
  • 00:44:18
    berkoordinasi dengan robot yang lain
  • 00:44:22
    Jadi sistemnya some robot seperti itu
  • 00:44:26
    berikutnya
  • 00:44:36
    hai
  • 00:44:40
    Hai nah berikutnya Eh ada istilah Semar
  • 00:44:45
    Semar itu kepanjangan dari Smartfren
  • 00:44:49
    monitoring and analytic in realtime
  • 00:44:52
    system Jadi ngapain dia ya dia ini
  • 00:44:56
    tugasnya sih lemot ya Sorry komputer
  • 00:45:00
    saya hang
  • 00:45:07
    Hai ayo nah jadi Semar di suatu aplikasi
  • 00:45:12
    monitoring kualitas air berdasarkan
  • 00:45:14
    lingkungan secara Real Time system ini
  • 00:45:18
    dia terdiri dari beberapa aplikasi kecil
  • 00:45:22
    atau subsistem yang saling terkoneksi
  • 00:45:24
    diantaranya ada Rofi ya dia ini
  • 00:45:28
    dilengkapi dengan sensor kondisi air
  • 00:45:30
    untuk mengetahui kondisi air pada sungai
  • 00:45:34
    yang mampu dikendalikan secara jarak
  • 00:45:37
    jauh kemudian ada sensor kondisi air dan
  • 00:45:40
    Banjir juga diletakkan di daerah
  • 00:45:42
    tertentu ya untuk mengetahui kondisi air
  • 00:45:45
    pada sungai kemudian mengukur arusnya
  • 00:45:47
    mengukur ketinggian nih kemudian
  • 00:45:51
    semuanya data dari sensor ini dikumpulin
  • 00:45:53
    di pusat datanya pakai yang namanya big
  • 00:45:57
    data ya kemudian sistem dia juga
  • 00:46:02
    menggunakan sistem pendeteksi terumbu
  • 00:46:05
    karang yang menggunakan
  • 00:46:07
    Hai direkonstruksi 3D bawah laut jadi
  • 00:46:10
    ini Jadi ini adalah contoh dari ayo Tia
  • 00:46:14
    dari yang namanya Swamp Robert kemudian
  • 00:46:21
    Hai Smart tadi ya jadi Semarang ini jadi
  • 00:46:25
    kalau kita diproduksi itu sebenarnya
  • 00:46:29
    kalau kita lagi belajar Ahok itu jangan
  • 00:46:32
    cuman Oh bikin misalkan Arduino bisa
  • 00:46:37
    mendeteksi sensor atau bisa menyalakan
  • 00:46:40
    lampu otomatis itu enggak kalau di situ
  • 00:46:43
    nggak cuman seperti itu kalau yang cuman
  • 00:46:45
    tugas-tugas Oh menyalakan lampu otomatis
  • 00:46:48
    terus menyamar matikan kompor otomatis
  • 00:46:52
    itu cuma itu tugasnya anak elektro ya
  • 00:46:55
    kalau kita lebih ke lebih ke jadi
  • 00:46:58
    setelah kita misalkan gini misal setelah
  • 00:47:01
    kita membaca sensor cahaya Nah kan kalau
  • 00:47:06
    secara sederhana sensor cahaya
  • 00:47:09
    intensitas cahayanya kurang dari
  • 00:47:11
    misalkan kurang dari 100 gitu maka and
  • 00:47:16
    the duck nah terus lampu Nyalakan gitu
  • 00:47:19
    itu tugasnya oh no
  • 00:47:21
    nama elektro Ya tapi kalau di tugasnya
  • 00:47:24
    es itu kita enggak cuma seperti itu dia
  • 00:47:27
    Misalkan kita mendapat data intensitas
  • 00:47:29
    cahaya dari hari kehari jangan kemudian
  • 00:47:34
    digabungin dengan data waktu nah
  • 00:47:38
    pastikan ketahuan dari hari ke hari dari
  • 00:47:41
    waktu ke waktu di jam yang sama itu
  • 00:47:43
    pasti intensitasnya pasti akan beda
  • 00:47:45
    belum lagi nanti kalau ketika ada
  • 00:47:48
    mataharinya lagi ketutup awan atau kita
  • 00:47:51
    lagi mendung atau kita lagi gerhana
  • 00:47:53
    matahari itu kan pasti beda bukan hanya
  • 00:47:57
    masalah cuman menyalakan lampunya tetapi
  • 00:47:59
    kita harus bisa memanfaatkan data
  • 00:48:02
    intensitas cahaya mata cahaya matahari
  • 00:48:05
    tersebut Nya sehingga apa bisa digunakan
  • 00:48:08
    untuk kecerdasan buatan ini jadi itu
  • 00:48:13
    salah satu contoh untuk kecerdasan
  • 00:48:14
    buatan tapi kemudian bisa juga digunakan
  • 00:48:16
    untuk pengambilan keputusan yang
  • 00:48:20
    misalkan
  • 00:48:21
    Hai semuanya oke di kampus kita butuhkan
  • 00:48:25
    ruangannya banyak itu pasti ada yang
  • 00:48:27
    dekat dengan parkiran ada yang masuk ke
  • 00:48:30
    dalam ya kan Nah kalau yang dekat dengan
  • 00:48:32
    parkir dan yang masuk ke dalam itu kan
  • 00:48:35
    pasti anda mau pakai intense patokan
  • 00:48:39
    intensitas cahaya yang sama untuk
  • 00:48:40
    menyalakan lampu itu pasti nggak bisa ya
  • 00:48:44
    Hai misalkan kalau yang di ruang
  • 00:48:45
    parkiran atau yang dekat parkiran Itu
  • 00:48:48
    lampu akan menyala jika intensitasnya
  • 00:48:52
    kurang dari 100 misalkan intensitas
  • 00:48:54
    cahaya kurang dari 100 dia nyala okey
  • 00:48:58
    Dodi di ruangan atau di tempat yang
  • 00:49:00
    dekat dengan parkiran atau agak terbuka
  • 00:49:03
    tetapi di ruang yang lebih dalam di
  • 00:49:07
    waktu yang sama ya itu kan sudah gelap
  • 00:49:11
    gulita baru nyala berarti kan harus
  • 00:49:15
    nyala duluan sebelum yang di dekat
  • 00:49:17
    parkir ya kan nah jadi hal-hal seperti
  • 00:49:20
    itulah yang harusnya bisa kita
  • 00:49:22
    tanganinya untuk orang-orang sistem
  • 00:49:25
    informasi jadi enggak cuman sekedar
  • 00:49:26
    nyalakan lampu kalo nyala bareng Uwa itu
  • 00:49:30
    kan pemborosan ya pemborosan listrik
  • 00:49:32
    Tetapi kalau anda bisa mengatur yang
  • 00:49:34
    nyala duluan yang di ruangan yang dalam
  • 00:49:36
    karena lebih gelapnya lebih duluan baru
  • 00:49:39
    yang luar Kalau gelapnya am
  • 00:49:44
    hai
  • 00:49:44
    hai hai mungkin kurang dari 100 atau
  • 00:49:47
    berapa Nah itu Itulah yang sebenarnya
  • 00:49:49
    yang harus kita pecahkan Jadi bukan
  • 00:49:51
    hanya cuman bikin device yang bisa
  • 00:49:53
    melihat mendeteksi sesuatu kemudian
  • 00:49:56
    Nyalakan sesuatu gerakan sesuatu itu
  • 00:49:58
    enggak itu tugasnya anak-anak elektro
  • 00:50:00
    tetapi tugas kita adalah bagaimana
  • 00:50:03
    memanfaatkan teknologi tersebut untuknya
  • 00:50:06
    tadi misalkan untuk menghemat listrik
  • 00:50:08
    dan simpulkan hanya cuman hanya mengatur
  • 00:50:11
    nyala lampu yang dinyalakan yang dalam
  • 00:50:13
    duluan baru kemudian yang luar dan
  • 00:50:16
    seterusnya itu kan sudah menyelesaikan
  • 00:50:18
    suatu masalah untuk penghematan listrik
  • 00:50:20
    begitu juga
  • 00:50:22
    ndak pergi dari sini eh videonya
  • 00:50:26
    terakhir ini nanti silahkan anda
  • 00:50:30
    pelajari kemudian setelah kita pelajari
  • 00:50:33
    setelah anda pelajari nanti kita adakan
  • 00:50:37
    video conference untuk ya untuk
  • 00:50:41
    berdiskusi dari diskusi ini nanti anda
  • 00:50:44
    yang kurang paham di mana yang harus
  • 00:50:46
    kita bahagia Jelaskan lebih detail nanti
  • 00:50:49
    dimana Kemudian untuk Saya dulu pernah
  • 00:50:53
    menjanjikan kepada anda untuk
  • 00:50:55
    menunjukkan hamlud MC Uya ya Nanti coba
  • 00:51:01
    saya rekam karena memang Ya karena
  • 00:51:05
    memang darurat Corona ya jadi kejadian
  • 00:51:08
    luar biasa memang menyita banyak waktu
  • 00:51:12
    ya sehingga kita harus memakai bedak
  • 00:51:16
    harus hati-hati tetapi kegiatan atau
  • 00:51:18
    produktivitas jangan sampai berkurang
  • 00:51:22
    ia terima kasih kita ketemu lagi saat
  • 00:51:25
    nanti video conference assalamualaikum
  • 00:51:28
    warahmatullah wabarakatuh
Etiquetas
  • Inovasi Teknologi
  • Internet of Things
  • Big Data
  • Data Terstruktur
  • Data Tidak Terstruktur
  • 4V Big Data
  • Analitik
  • Keamanan Data
  • Pemrograman
  • Diskusi Video Conference