Analisa Kebutuhan Perangkat Lunak (SRS)

SRS sendiri merupakan sebuah dokumentasi dari hasil analisa kebutuhan yang bertujuan untuk menyamakan visi antara pengembang perangkat lunak dengan pengguna mengenai perangkat lunak yang akan dibuat. IEEE mendefinisikan SRS sebagai dokumentasi dari kebutuhan pokok (fungsi, kinerja hambatan desain dan atribut) dari perangkat lunak dan antar muka eksternal dari perangkat lunak tersebut.

SRS sendiri sebagai hasil dari analisa kebutuhan perangkat lunak harus memperlihatikan lima hal penting didalamnya :

  1. Fungsi dari perangkat lunak
    Apa yang nanti akan dilakukan oleh perangkat lunak tersebut dan apakah fungsi utama yang diharapkan muncul di dalam SRS.
  2. Antar muka eksternal

Bagaimanakan hubungan perangkat lunak dengan pengguna, perangkat keras yang akan digunakan serta pengaruh dengan perangkat lunak lainnya.

  1. Kinerja

Bagaimana kinerja yang diharapkan dari perangkat lunak tersebut, baik dari sisi keamanan, kecepatan, kemampuan serta waktu respon terhadap masalah yang ditimbulkan.

  1. Atribut

Bagaimana dengan atribut yang terkait dalam perangkat lunak tersebut, dari sisi pemeliharaan ataupun kebenaran dari input serta output yang diharapkan.

  1. Kendala Desain

Apakah terdapat batasan khusus yang harus ada di dalam desain perangkat lunak, seperti masalah kultur, peraturan oraganisasi dan keterbatasan perangkat keras.

Setelah selesai memahami mengenai pentingnya melakukan analisa kebutuhan perangkat lunak dan hasil apa yang harus dikeluarkan setelah proses analisa selesai, maka selanjutnya adalah mempelajari sekilas mengenai cara atau metode analisa. Model yang digunakan dalam analisa kebutuhan perangkat lunak sangatlah beragam.

Sebelum melangkah ke pembahasan model analisa, patut diperhatikan dengan seksama bahwa model apapun yang nanti digunakan di dalam analisa kebutuhan sistem selalu membutuhkan informasi yang akurat di dalamnya. Informasi tersebut dapat dengan beragam cara dan wajib memenuhi syarat-syarat berikut ini agar layak dijadikan modal dalam melakukan analisa kebutuhan sistem :

  1. Dimensi waktu

Informasi yang baik untuk dianalisa harus dikeluarkan tepat waktu dalam artian informasi tersebut adalah informasi yang tidak “basi” dalam organisasi tersebut. Selain itu, informasi harus merupakan informasi yang dapat disampaikan dalam waktu yang tidak terlalu lama.

  1. Dimensi isi

dari segi isi informasi yang disampaikan oleh pengguna dan kemudian diolah ulang oleh analis sistem, maka informasi tersebut haruslah akurat dan “cukup”. Untuk mendapatkan informasi yang “cukup”, berarti informasi tersebut tidak boleh berlebihan serta relevan dengan kebutuhan perangkat lunak yang akan dibuat.

  1. Dimensi format

Secara umum, sesungguhnya tidak ada sebuah format informasi yang baku dalam lingkup analisa kebutuhan, tetapi format yang diharapkan “keluar” dari kumpulan informasi adalah format yang jelas, serta dapat dipahami (dan juga disepakati) oleh kedua belah pihak (dari pengembang maupun pengguna).

Dalam ruang lingkup RPL, umumnya model analisa terbagi menjadi dua jenis yakni model klasik dan model modern. Model klasik merupakan model yang lebih berdasarkan kepada urutan analisa dari pihak pengembang perangkat lunak yang kemudian diterjemahkan ke dalam model tertentu sehingga dapat menjadi bahan untuk melakukan perancangan perangkat lunak. Sedangkan model modern umumnya diasumsikan sebagai model analisa yang melakukan penerjemahan sistem ke dalam komponen yang saling berkaitan atau juga lazim disebut sebagai analisa berorientasi obyek.

Model klasik yang banyak digunakan untuk analisa kebutuhan data adalah ER (Entitiy Relationship) Diagram. ER Diagram yang menggambarkan struktur tabel serta relasi antar tabel dalam sebuah database, hingga saat ini merupakan “senjata utama” bagi para pengembang perangkat lunak, khususnya perangkat lunak jenis sistem informasi.

Model berikutnya adalah DFD (Data Flow Diagram) yang lebih fokus terhadap aliran data dalam sebuah perangkat lunak yang akan dibangun. DFD merupakan gambaran dari proses bisnis yang terjadi di dalam desain perangkat lunak.

Sedangkan model analisa yang dianggap lebih baru dan modern adalah dengan menggunakan UML (Unified Modeling Language). UML terdiri dari beberapa komponen diagram tersebut sering kali hanya diambil komponen terpenting (dan juga paling umum) yakni use case modeling.

            Inti dari penggunaan model use case dalam analisa kebutuhan perangkat lunak adalah memilah komponen-komponen yang terlibat dalam proses prosedural perangkat lunak, sehingga dapat didetailkan (break down) ke dalam diagram lain yang bersifat lebih teknis. Hasil dari diagram-diagram tersebut nantinya yang menjadi dasar bagi proses desain perangkat lunak selanjutnya.

Selain menggunakan model-model analisa yang telah dijelaskan tersebut, analisa kebutuhan perangkat lunak juga membutuhkan studi kelayakan (feasibility study) sebagai salah satu rangkaian kegiatan penting di dalamnya. Studi kelayakan merupakan sebuah gabungan dari berbagai disiplin ilmu, baik dari akuntansi maupun manajemen. Karena umumnya, studi kelayakan dalam lingkup analisa kebutuhan perangkat lunak, lebih fokus kepada kelayakan finansial. Dengan satu pertanyaan besar, apakah proyek perangkat telah ditetapkan. Sehingga studi kelayakan lebih menghasilkan jawaban mengenai langkah apa yang akan dikerjakan oleh pihak pengembang dalam menerima (atau tidak menerima) proyek perangkat lunak yang dimaksud.

Sebagai lanjutan “kecil” dari proses analisa kebutuhan, studi kelayakan memiliki empat pertanyaan besar yang harus dijawab oleh seorang analis sistem. Jawaban dari pertanyaan-pertanyaan tersebut yang nanti akan menjadi dasar penerimaan sebuah proyek perangkat lunak. Pertanyaan-pertanyaan yang dimaksud adalah :

  • Berapa : Merupakan pertanyaan awal yang sangat vital, yakni berapa anggaran yang telah atau harus dialokasikan dalam pembuatan proyek perangkat lunak tersebut
  • Apa : Patut pula diketahui tujuan utama dari pembuatan perangkat lunak tersebut. Apakah nanti perangkat lunak merupakan sebuah kebutuhan pokok yang mendesak atau hanya berupa               “aksesori” yang menempel ke sebuah sistem yang
  • Bagaimana : Yang dimaksud dengan pertanyaan “bagaimana” adalah mengenai prosedur dan proses bisnis yang terlibat dalam perangkat lunak tersebut.
  • Kapan : Pertanyaan yang terakhir adalah mengenai penjadwalan dan alokasi waktu yang  disediakan untuk membangun perangkat lunak tersebut

 

Analisa Perencanaan Apa Saja Ya?

Merangkum dalam buku Software Enginnering, Edisi 9, Penulis,Ian Sommerville. Halaman 623 – 626 mengenai Project Planning (23).

Dalam proyek pembangunan rencana proyek menetapkan sumber daya yang tersedia untuk proyek rincian pekerjaan, dan jadwal untuk melaksanakan pekerjaan. Rencana mengidentifikasi risiko untuk proyek dan perangkat lunak dalam pengembangan, dan pendekatan yang diambil manajemen risiko. Rincian spesifik dari perencanaan proyek sangat tergantung pada jenis organisasi yang diaplikasikan, perencanaan proyek mencakup sebagai berikut:

  1. Introduction :

            Secara singkat menjelaskan tujuan dari proyek dan menetapkan batasan (misalnya anggaran, waktu, dll) yang mempengaruhi manajemen proyek.

  1. Project Organization :

            Menggambarkan cara di mana tim pengembangan mengatur orang yang terlibat, dan setiap peran dalam tim

  1. Risk Analysis:

            Menggambarkan kemungkinan risiko proyek akan timbul, dan strategi untuk pengurangan manajemen risiko yang diusulkan.

  1. Hardware and software Resource Requirement :

            Menentukan Software dan Hardware yang diperlukan untuk melaksanakan proyek. Jika Hardware dan Software telah didapat, maka perkiraan harga dan jadwal pengiriman dapat disertakan.

  1. Work Breakdown :

            Rincian proyek dalam kegiatan dan mengidentifikasi yang terjadi (milestones)  dan penyerahan yang terkait dengan setiap aktivitas. Milestones  adalah kunci utama tahap dalam proyek dapat dinilai.

  1. Project Schedule :

            Menunjukkan hubungan antar kegiatan, perkiraan waktu yang diperlukan untuk mencapai tujuan masing-masing, dan alokasi orang untuk kegiatan.

  1. Monitoring and Reporting Mechanisms :

            Mendefinisikan laporan manajemen yang harus dijalankan dan mekanisme proyek untuk digunakan pengawasan.

Selain perencanaan proyek utama, yang harus fokus pada risiko untuk proyek dan jadwal proyek dapat dikembangkan sejumlah tambahan rencana untuk mendukung kegiatan proses lainnya seperti manajemen pengujian. Contoh rencana tambahan yang mungkin ditampilkan gambar 1.1.

Gambar 1.1 The Project Planning Process

Proses Perencanaan

Perencanaan proyek adalah suatu proses berulang yang dimulai ketika membuat awal rencana proyek selama fase startup proyek. Gambar 1.1 adalah UML activity  diagram yang menunjukkan workflow untuk sebuah proyek proses perencanaan. Perubahan rencana bisa terjadi. Sebagai informasi lebih lanjut tentang sistem dan tim proyek menjadi tersedia selama proyek teratur harus mengganti rencana persyaratan, jadwal, dan risiko perubahan. Mengubah tujuan juga menyebabkan perubahan dalam rencana proyek.

Pada awal proses perencanaan, harus menilai kendala-kendala yang mempengaruhi proyek tersebut. Milestones adalah titik dalam jadwal yang Anda dapat menilai kemajuan, misalnya, penyerahan sistem untuk pengujian. Deliverables adalah proses kerja yang disampaikan kepada pelanggan contohnya dokumen persyaratan untuk sistem.

Proses memasuki pengulangan (looping). Menyusun jadwal perkiraan proyek dan kegiatan-kegiatan yang lain. Setelah itu melihat kemajuan dan perbedaan dari jadwal yang direncanakan. Perencanaan proyek diperkirakan  berubah ke rencana semula.

Jika ada masalah serius dengan pembangunan yang mungkin menyebabkan penundaan, Diperlukan melakukan tindakan risiko untuk mengurangi risiko kegagalan proyek.

Hasil peninjauan keputusan untuk membatalkan proyek ini mungkin hasil dari kegagalan teknis. Waktu pengembangan untuk sebuah proyek perangkat lunak sering berjalannya waktu. Tujuan bisnis pasti berubah, perubahan-perubahan tersebut berarti perangkat lunak tidak lagi diperlukan atau persyaratan proyek tidak bisa digunakan. Manajemen mungkin memutuskan untuk menghentikan pengembangan perangkat lunak atau membuat perubahan besar untuk proyek supaya mencerminkan perubahan dalam tujuan organisasi.

 

Komputer Awan? Apa itu? Yuk Simak

Menurut Wikipedia Cloud Computing adalah layanan komputasi dan sumber daya secara online yang melibatkan server-server yang memungkikan penyimpanan data secara terpusat.

Menurut Oxford Dictionaries Cloud Computing adalah praktik penggunaan jaringan server secara remote di internet untuk meyimpan, mengelola, dan memproses data.

Menurut NIST (National Institute of Standard and Technology) Cloud Computing adalah sebuah model yang memungkinkan penggunaan sumber daya (server, jaringan, storage, aplikasi, layanan, dll) bersama-sama yang dapat dikonfigurasi dengan mudah dan meminimalisir interaksi dengan penyedia layanan (provider).

Penerapan Cloud Computing telah dilakukan oleh beberapa perusahaan IT ternama dunia seperti Google lewat aplikasi Google Drive, IBM lewat Blue Cord Initiative, Microsoft melalui sistem operasi nya yang berbasis Cloud Computing, Windows Azure dsb. Di kancah nasional sendiri penerapan teknologi Cloud juga dapat dilihat melalui penggunaan Point of Sale/program kasir.
Salah satu perusahaan yang mengembangkan produknya berbasis dengan sistem Cloud adalah DealPOS. Metode kerja Point of Sale (POS) ini adalah dengan mendistribusikan data penjualan toko retail yang telah diinput oleh kasir ke pemilik toko retail melalui internet dimanapun pemilik toko berada. Selain itu, perusahaan telekomunikasi ternama nasional, Telkom juga turut mengembangkan sistem komputasi berbasis Cloud ini melalui Telkom Cloud dengan program Telkom VPS dan Telkom Collaboration yang diarahkan untuk pelanggan UKM (Usaha Kecil-Menengah).

  1. Cloud Computing memilik 5 (lima) karakteristik utama yaitu :
    On-Demand Self-Service : Pengguna dapat langsung memilih jenis dan spesifikasi layanan yang dibutuhkan sehingga mengurangi interaksi dengan pihak penyedia layanan cloud (cloud provider).
  2. Broad Network Access : Layanan cloud memerlukan akses jaringan yang cukup memadai agar layanan tersebut bisa diakses dengan lancar.
  3. Resource Pooling : Sumber daya komputasi berasal dari sekumpulan server yang lokasinya berbeda-beda, tidak terpusat pada satu lokasi saja.
  4. Rapid Elasticity : kapabilitas layanan harus dapat diatur kapasitasnya sesuai dengan yang diinginkan dan dapat dilakukan dalam waktu yang singkat.
  5. Measured Service : Layanan yang digunakan oleh pengguna dapat terukur dengan jelas sehingga pengguna hanya membayar sewa sesuai jumlah layanan yang digunakan.

 

Cloud computing ada 3 model layanan yaitu :

  1. Software as a Service (SaaS) : layanan yang diberikan kepada pengguna berupa perangkat lunak seperti office suite. Contoh Google Doc dan Apple iWork yang merupakan aplikasi office. Tipe pengguna dari layanan SaaS adalah End User, pengguna yang tinggal menggunakan aplikasi saja.
  2. Platform as a Service (PaaS) : layanan yang diberikan kepada pengguna berupa platform untuk membantu proses pengembangan perangkat lunak seperti database, service, dan platform bahasa pemrograman. Contoh Google App Engine, RedHat OpenShift, dan Koding. Tipe penggunan dari layanan PaaS adalah Application Developer, pengembang aplikasi bisa langsung fokus mengembangkan aplikasi tanpa perlu menyiapkan sendiri platform pengembangannya.
  3. Infrastructure as a Service (IaaS) : layanan yang diberikan kepada pengguna berupa komputer server (mesin virtual) dan jaringan seperti layanan VPS (Virtual Private Server). Contoh Amazon Web Service (AWS), Linode, Digital Ocean, dan Cloud Kilat. Tipe pengguna dari layanan IaaS adalah Network/System Architect, sysadmin yang menyiapkan semua konfigurasi sistem mulai dari sistem operasi, jaringan, sampai platform pengembangan aplikasi.

 

4 model deployment cloud computing :

  1. Public Cloud : layanan cloud dapat diakses oleh siapa saja (Public). Layanan Public Cloud ada yang berbayar dan ada yang gratis. Pengguna Public Cloud pada umumnya adalah masyarakat umum. Kelebihan menggunakan Public Cloud, pengguna tidak perlu pusing memikirkan biaya investasi, penyediaan infrastruktur dan sumber daya manusia agar layanan bisa terus berjalan. Data juga dapat mudah disimpan dan diakses selama terkonkesi dengan internet. Kekurangannya memerlukan akses internet yang memadai dan sangat bergantung dengan penyedia layanan.
  2. Private Cloud : layanan cloud hanya dapat diakses oleh orang/organisasi tertentu saja (Private). Model ini banyak diterapkan pada lingkungan pendidikan atau perusahaan. Kelebihan paling utama dari Private Cloud adalah kerahasiaan data. Jika Private Cloud ini diimplementasikan pada jaringan intranet maka dapat menghemat biaya dan aksespun lebih cepat. Kekurangannya memerlukan biaya investasi infrastruktur dan sumber daya manusia.
  3. Community Cloud : layanan cloud yang dikembangkan oleh komunitas yang memiliki kepentingan atau tujuan yang sama. Misalnya komunitas atau asosiasi perguruan tinggi di Indonesia membangun layanan cloud yang berisi data dan aplikasi untuk lingkungan pendidikan.
  4. Hybrid Cloud : layanan cloud yang merupakan gabungan dari Private Cloud, Public Cloud, dan/atau Community Cloud. Misalnya sebuah perusahaan menggunakan gabungan Private dan Public Cloud, aplikasi dan data-data yang tidak rahasia atau ditujukan untuk konsumen ditempatkan pada Public Cloud sementara untuk aplikasi dan data yang sangat sensitif ditempatkan pada Private Cloud

Cloud Computing memang hadir dengan membawa berbagai macam solusi dari permasalahan komputasi, tapi ada juga resiko yang membuat suatu organisasi tidak mau mengadaptasi cloud computing. Dua resiko yang paling penting adalah masalah keamanan dan kerahasiaan data, karena data kita diupload ke internet dimana semua orang bisa mengaksesnya atau khawatir layanan tersebut mengalami serangan cyber.

 

Sumber :

http://www.semestainformatika.com/v2/blog/cloud-computing-pengertian-manfaat-cara-kerja/
I Putu Agus Eka Pratama, S.T., M.T – Smart City Beserta Cloud Computing dan Teknologi-Teknologi Pendukung Lainnya
The NIST Defintion of Cloud Computing
en.wikipedia.org/Cloud_Computing
oxforddictionaries.com – definition cloud computing

BACA YUK! Penjelasan Konsep Dasar Rekayasa Perangkat Lunak

Roger R. Pressman: Rekayasa Perangkat Lunak adalah pengubahan perangkat lunak itu sendiri guna mengembangkan, memelihara, dan membangun kembali dengan menggunakan prinsip reakayasa untuk menghasilkan perangkat lunak yang dapat bekerja lebih efisien dan efektif untuk pengguna.

Tujuan Rekayasa Perangkat Lunak yaitu :

  • Memperoleh biaya produksi perangkat lunak yang rendah.
  • Menghasilkan perangkat lunak yang kinerjanya tinggi, andal dan tepat waktu
  • Menghasilkan perangkat lunak yang dapat bekerja pada berbagai jenis platform
  • Menghasilkan perangkat lunak yang biaya perawatannya rendah

 

Ruang Lingkup Rekayasa Perangkat Lunak :

  • Software Requirements berhubungan dengan spesifikasi kebutuhan dan persyaratan perangkat lunak.
  • Software design mencakup proses penampilan arsitektur, komponen, antar muka, dan karakteristik lain dari perangkat lunak.
  • Software construction berhubungan dengan detail pengembangan perangkat lunak, termasuk. algoritma, pengkodean, pengujian dan pencarian kesalahan.
  • Software testing meliputi pengujian pada keseluruhan perilaku perangkat lunak.
  • Software maintenance mencakup upaya-upaya perawatan ketika perangkat lunak telah dioperasikan.
  • Software configuration management berhubungan dengan usaha perubahan konfigurasi perangkat lunak untuk memenuhi kebutuhan tertentu.
  • Software engineering management berkaitan dengan pengelolaan dan pengukuran RPL, termasuk perencanaan proyek perangkat lunak.
  • Software engineering tools and methods mencakup kajian teoritis tentang alat bantu dan metode RPL.

 

Rekayasa Perangkat Lunak dan Disiplin Ilmu Lain

Cakupan ruang lingkup yang cukup luas, membuat RPL sangat terkait dengan disiplin dengan bidang ilmu lain. tidak saja sub bidang dalam disiplin ilmu komputer namun dengan beberapa disiplin ilmu lain diluar ilmu komputer.

Bidang ilmu manajemen meliputi akuntansi, finansial, pemasaran, manajemen operasi, ekonomi, analisis kuantitatif, manajemen sumber daya manusia, kebijakan, dan strategi bisnis.

Bidang ilmu matematika meliputi aljabar linier, kalkulus, peluang, statistik, analisis numerik, dan matematika diskrit.

Bidang ilmu manajemen proyek meliputi semua hal yang berkaitan dengan proyek, seperti ruang lingkup proyek, anggaran, tenaga kerja, kualitas, manajemen resiko dan keandalan, perbaikan kualitas, dan metode-metode kuantitatif.

 

Lapisan Perangkat Lunak secara umum :

  • A Quality Focus

Awal dari membangun aplikasi yaitu mengetahui sasaran target pengguna, kualitas aplikasi seperti apa, infrastruktur bagaimana dll. Programmer akan mengetahui tingkatan fokus kualitas aplikasi yang ingin di bangun.

  • Process

Alur program harus mengetahui proses yang harus dijalani secara terurut dan tepat agar tidak terjadi kesalahan pada saat aplikasi selesai.

  • Method

Metode merupakan langkah-langkah dan tindakan yang sesuai dijalankan dengan metode yang ada, metode tersebut harus disesuaikan dengan perangkat lunak yang dibangun.

  • Tools

Tools atau alat bantu untuk menyelesaikan proyek yang dibuat. Berbagai tools seperti multimedia, animasi. Misalnya axure, adobe, x3d.

 

Sumber :

Presman, Rouger S, Software Enigineering, 4th Edition, Mc. Graw Hill,1997.

http://fairuzelsaid.com/konsep-dasar-rekayasa-perangkat-lunak-rpl/

Software Layer (Lapisan Perangkat Lunak)

Ini-lah Search Engine Populer Masa Kini!

Google

Sebuah perusahaan di Mountain View California Amerika Serikat search engine ini didirikan oleh Larry Page alumnus Universitas Michigan dan Sergey Brin pada tahun 4 September 1998. Google berasal dari kata ‘Gogol’ yang mempunyai arti kata sebuah bilangan yang sangat besar jumlahnya melebihi bilangan miliar bahkan triliun.

Google adalah search engine yang paling populer dan banyak digunakan di dunia maya untuk mencari informasi yang diinginkan, dapat berupa pencarian alamat website, gambar, file,. Dengan adanya Google maka semua masalah yang membutuhkan waktu yang cepat ketika harus mencari file atau data di internet dapat diselesaikan dalam hanya hitungan detik saja. Hanya dengan mengetikan kata kunci yang akan kita cari, maka secara otomatis google akan memberikan jawaban yang diberikan melebihi dari yang kita inginkan. Google memiliki anak perusahaan seperti Youtube, Nik Software, Ita Software, android dll.

Kelebihan     :

  • Sumber informasi yang dapat mencari seluruh informasi tentang segala bidang secara lengkap dalam kotak mesin pencari.
  • Sebagai alat komunikasi yaitu e-mail pada gmail dalam google.
  • Google melakukan page suatu halaman website secara berkala. Sehingga pada saat kita melakukan update web, google akan berkunjung melakukan indexing.
  • Memiliki tampilan yang sangat sederhana, tidak ada iklan dan news sehingga tidak membingungkan user saat mengunjungi.

Kekuarangan  :

  • Google tidak bisa mengindeks halaman tertentu.
  • Tekadang menampilkan hasil pencarian informasi yang diinginkan user tidak relevan.
  • Mudah disadap oleh hacker sebagai contohnya e-mail kita yang berada di gmail.

Yahoo

Perusahaan didirikan oleh David Filo dan Jely Yang pada 2 Maret 1995 yang berpusat di Sunnyvale, California, Amerika Serikat. Perusahaan ini terkenal karena portal webnya, serta mesin pencari (Yahoo! Search), Yahoo! Directory, Yahoo! Mail, Yahoo! News, Yahoo! Finance, Yahoo! Groups, Yahoo! Answers, situs dan layanan periklanan, peta daring, berbagi video, olahraga fantasi dan media sosialnya. Yahoo! adalah salah satu situs web terbesar di Amerika Serikat. CEO saat ini Thomas J.Mclnerney.

Kelebihan      :

  • Memiliki fitur yang lengkap
  • Terdapat fitur e-mail yang banyak disukai oleh pengguna
  • Lebih mudah diakses disbanding search engine yang lainnya
  • Kecepatan dan kemudahan dalam mencari informasi

Kekurangan  :

  • Loadingnya membutuhkan waktu yang lama

Bing

Bing diluncurkan pada 1 Juni 2008 merupakan mesin pencari (search engine) website yang bernaung di bawah bendera Microsoft. Bing ini merupakan bentuk reinkarnasi yang dilakukan Microsoft terhadap ketiga mesin pencari produksinya terdahulu, yakni Live Search, Windows Live Search, dan MSN Search.

Kelebihan      :

  • Dalam pencarian image atau video Bing mampu menampilkan daftar hasil yang spesifik dan detail.
  • Pengguna tidak perlu mengklik link lagi, akan tetapi hanya mengarahkan kursor pada link tersebut sehingga pengguna dapat menyimak sekilas informasi tentang link tersebut.

Kekurangan  :

  • Bing kurang cepat dalam melakukan pencarian
  • Fitur yang dimiliki tidak lengkap
  • Tidak mampu melakukan perhitungan

 

Sumber :

  • http://nathanolenglolo.blogspot.co.id/2014/04/macam-macam-search-engine-dan.html
  • http://d-genera.blogspot.co.id/2013/10/fitur-bing-dan-yahoo-lain-dari-google.html

Apa Itu BIG DATA ?

Pengertian Big Data

Menurut (Gordon B Davis), Data merupakan bahan mentah bagi informasi, yang dirumuskan sebagai kelompok lambang-lambang tidak acak yang menunjukkan jumlah-jumlah, tindakan-tindakan, hal-hal, dan sebagainya. Data- data disusun untuk mengolah tujuan-tujuan menjadi susunan data, susunan kearsipan, & pusat data / landasan data.

Berdasarkan pengertian di atas data adalah fakta-fakta mentah yang harus dikelola untuk menghasilkan suatu informasi yang memiliki arti bagi suatu organisasi atau perusahaan. Data terdiri atas fakta-fakta dan angka-angka yang secara relatif tidak berarti bagi pemakai atau fakta mentah yang belum diolah.

Menurut (Eaton, Dirk, Tom, George, & Paul) Big Data merupakan istilah yang berlaku untuk informasi yang tidak dapat diproses atau dianalisis menggunakan alat tradisional.

Menurut (Dumbill, 2012) , Big Data adalah data yang melebihi proses kapasitas dari kovensi sistem database yang ada. Data terlalu besar dan terlalu cepat atau tidak sesuai dengan struktur arsitektur database yang ada. Untuk mendapatkan nilai dari data, maka harus memilih jalan altenatif untuk memprosesnya. Berdasarkan pengertian para ahli di atas, dapat disimpulkan bahwa Big Data adalah data yang memiliki volume besar sehingga tidak dapat diproses menggunakan alat tradisional biasa dan harus menggunakan cara dan alat baru untuk mendapatkan nilai dari data tersebut.

Dimensi Big Data

IBM di situs resminya mendefinisikan Big Data ke dalam tiga istilah yaitu volume , variety , dan velocity. Volume di sini berkaitan dengan ukuran media penyimpanan data yang sangat besar atau mungkin tak terbatas. Sementara variety berarti tipe atau jenis data yang dapat diakomodasi. Sedangkan velocity dapat diartikan sebagai kecepatan prose IBM di situs resminya mendefinisikan Big Data ke dalam tiga istilah yaitu volume , variety , dan velocity. Volume di sini berkaitan dengan ukuran media penyimpanan data yang sangat besar atau mungkin tak terbatas. Sementara variety berarti tipe atau jenis data yang dapat diakomodasi. Sedangkan velocity dapat diartikan sebagai kecepatan prose

  • Volume, Banyak faktor yang mempengaruhi peningkatan jumlah data yang beredar seperti data berkas transaksi yang disimpan bertahun tahun lamanya, lalu juga seperti data tentang akun yang berada pada media sosial, adanya data tentang chace yang ada  pada mesin-mesin pabrik yang disimpan, dan masih banyak lagi. Sebetulnya  permasalahan tentang membludaknya volume data ini sudah ada sejak dulu, dan solusipun telah diterapkan dengan mengurangi biaya yang harus dikeluarkan untuk melakukan penyimpanan data. Tetapi seiring dengan berjalannya waktu, masalah lain muncul. Yaitu tentang bagaimana cara untuk mengolah data yang begitu banyak sampai  bisa menghasilkan sebuah nilai yang berarti.  Volume data juga terus meningkat dan belum pernah terjadi sampai sehingga ini sehingga tidak dapat diprediksi jumlah pasti dan juga ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte. Dataset big data sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika big data digabungkan dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa sampai zetabyte dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih tinggi dari 1000 zetabyte.
  •  Variety, volume data yang banyak tersebut bertambah dengan kecepatan yang begitu cepat sehingga sulit bagi kita untuk mengelola hal tersebut. Untuk proses dalam waktu sensitif seperti penangkapan penipuan, data yang besar harus digunakan sebagai aliran ke dalam suatu perusahaan untuk memaksimalkan nilainya.  Berbagai jenis data dan sumber data. Variasi adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk structured data, unstructured data dan semi -structured data. Organisasi perlu mengintegrasikan dan menganalisis data dari array yang kompleks dari kedua sumber informasi Traditional dan non traditional informasi, dari dalam dan luar perusahaan. Dengan begitu banyaknya sensor, perangkat pintar (smart device) dan teknologi kolaborasi sosial, data yang dihasilkan dalam bentuk yang tak terhitung jumlahnya,  termasuk text, web data, tweet, sensor data, audio, video, click stream, log file dan banyak lagi.
  • Velocity, Bagian ini merupakan tantangan yang cukup berat bagi sebagian besar perusahaan. Karena mereka berurusan dengan waktu, jadi mereka harus mengelola data yang ada yang begitu banyaknya dengan cepat atau bahkan hampir mendekati kata real -time. Kecepatan atau velocity mereferensi kepada peningkatan pengumpulan data dan seberapa cepat data yang dikumpulkan harus dievaluasi dan diaplikasikan untuk meningkatkan nilai bisnis.

Tantangan Dalam Pemanfaatan Big Data

Dalam usaha pemanfaatan Big Data dapat terdapat banyak hambatan dan tantangan, beberapa hal diantaranya berhubungan dengan data dimana melibatkan acquisition, sharing dan privasi data, serta dalam analisis dan pengolahan dataDalam usaha pemanfaatan Big Data dapat terdapat banyak hambatan dan tantangan, beberapa hal diantaranya berhubungan dengan data dimana melibatkan acquisition, sharing dan privasi data, serta dalam analisis dan pengolahan data

  • Privasi  Privasi merupakan isu yang paling sensitif, dengan konseptual, hukum, dan teknologi, Privasi dapat dipahami dalam arti luas sebagai usaha perusahaan untuk melindungi daya saing dan konsumen mereka. Data-data yang digunakan / disimpan sebagai big data
  • Access dan sharing Akses terhadap data, baik data lama maupun data baru dapat menjadi hambatan dalam mendapatkan data untuk big data, terlebih pada data lama dimana data- data tersimpan dalam bentuk – bentuk yang berbeda-beda dan beragam ataupun dalam bentuk fisik, akses terhadap data baru juga membutuhkan usaha yang lebih kerana diperlukannya izin dan lisensi untuk mengakses data-data non-public secara legal.
  • Analisis Bekerja dengan sumber data baru membawa sejumlah tantangan analitis. relevansi dan tingkat keparahan tantangan akan bervariasi tergantung pada jenis analisis sedang dilakukan, dan pada jenis keputusan yang akhirnya akan bisa diinformasikan oleh data.Tergantung dari jenis data terdapat 3 kategori dalam analisis data
  1. Penentuan gambaran yang benar Masalah ini biasanya ditemukan dalam penanganan unstructured user-generated text-based data dimana data yang didapatkan belum tentu benar karena data atau sumber yang salah.
  2. Interpreting Data Kesalahan –kesalahan seperti Sampling selection bias merupakan hal yang sering ditemukan dimana data yang ada tidak dapat digunakan untuk mepresentasikan semua populasi yang ada, dan apophenia, melihat adanya pola walaupun tidak benar- benar ada dikarenakan jumlah data yang besar, dan kesalahan dalam menginterpreasikan hubungan dalam data.
  3.  Defining and detecting anomalies Tantangan sensitivitas terhadap spesifisitas pemantauansistem. Sensitivitas mengacu pada kemampuan sistem pemantauan untuk mendeteksi semua kasus sudah diatur untuk mendeteksi sementara spesifisitas mengacu pada kemampuannya untuk mendeteksi hanya kasus-kasus yang relevan. kegagalan untukmencapai hasil yang terakhir “Tipe I kesalahan keputusan”, juga dikenal sebagai “positif palsu”; kegagalanuntuk mencapai mantan “Type II error”, atau “negatif palsu.” Kedua kesalahan yang tidak diinginkan ketika mencoba untuk mendeteksi malfungsi atau anomali, bagaimanapun didefinisikan, untuk berbagai alasan. Positif palsu merusak kredibilitas sistem sementara negatif palsu dilemparkan ragu pada relevansinya. Tapi apakah negatif palsu lebih atau kurang bermasalah daripada positif palsu tergantung pada apa yang sedang dipantau, dan mengapa itu sedang dipantau.

Teknik Analisis Big Data

Beberapa jenis metode atau teknik dalam melakukan analisis big data :

  1. Analisis Teks, merupakan proses menganalisis data teks (unstructured-data) seperti blog, email, forum, tweet, forum dan bentuk lainnya.
  2. Data Mining, merupakan suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dari sekumpulan besar data dengan menggunakan teknik pengenalan pola seperti statisik dan matematika
  3. Machine Learning
  4. Analisis Prediksi (Predictive Analytics)
  5. Analisis Statistik
  6. NLP (Natural Language Processing)

Contoh Aplikasi Analisa  Big Data

Berikut ini beberapa contoh Aplikasi yang ditawarkan oleh perusahaan/vendor dalam hal analisis terhadap big data :

  1. IBM Big data Analytics
  2. HP Big Data
  3. SAP Big Data Analytics
  4. Microsoft Big Data Analytics
  5. Oracle Big Data Analytics
  6. Talend Open Studio
  7. Teradata Big Data Analytics
  8. SAS Big Data Analytics
  9. Dell Big Data Analytics,
  10. Pentaho Big Data Analytics

 

Sumber :

  • http://dosenit.com/kuliah-it/sistem-informasi/pengertian-sistem-informasi
  • http://www.seputarpendidikan.com/2015/11/9/pengertian-data-menurut-para-ahli.htmlhttp://www.definisi-pengertian.com/2015/03/definisi-dan-pengertian-informasi.html
  • http://www.indriany.com/arti-pengertian-definisi-knowledge-management-atau-manajemen-pengetahuan/
  • http://simsofianaistinfarani-septialutfi.blogspot.co.id/2016/12/makalah-big-data.html