1BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 1BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini dunia sedang memasuki era kebebasan akses informasi mudah dan melimpah ruah bagi semua kalangan. Ditambah dengan hadirnya jejaring sosial merangsang masyarakat di dunia untuk selalu aktif dan up-to-date mengenai informasi terkini. Tidak disadari kemudahan dalam mengakses informasi dan menyuarakan pendapat tersebut menyebabkan sampah informasi digital atau information overload karena banyak sekali informasi yang belum tentu ada nilai manfaatnya. Kumpulan informasi berupa data digital tersebut tentu saja semakin lama semakin menggunung. Jika kumpulan informasi tersebut dibiarkan saja tentu akan memakan space yang banyak sekali dan tidak ada manfaat yang diperoleh. Meningkatnya data tersebut saat ini sering disebut dengan fenomena big data. Big data menjadi sorotan saat ini meskipun masyarakat masih memiliki pendapat yang berbeda-beda tentang definisi big data itu sendiri. Secara umum, big data artinya adalah dataset yang tidak bisa diperoleh, dikelola, dan diproses oleh software maupun hardware IT biasa dalam waktu yang singkat (Chen M dkk, 2014). Sedangkan Gantz dan Reinsel (2011) menyebut fenomena big data dengan empat V yaitu Volume, Variety, Velocity, dan Value. Definisi empat V tersebut secara luas diakui karena menyoroti makna dan kebutuhan data yang besar sekaligus mengeksplorasi nilai-nilai tersembunyi dari suatu big data. Definisi tersebut menunjukkan masalah yang paling penting dalam big data yaitu tentang bagaimana caranya menemukan nilai dari dataset dengan data berskala sangat besar sekali dengan jenis data yang bermacam-macam pula serta pertumbuhan data tersebut yang sangat cepat. Oleh karena itu kebutuhan akan analisa data menjadi hal yang penting saat ini. 1

2 2 Manfaat dari analisa big data itu sendiri sudah mulai dirasakan berbagai pihak berbagai bidang. Contohnya dalam membuat pedoman rencana pembangunan untuk negara, memahami permintaan pelanggan dalam bidang perdagangan, dan memprediksi tren pasar untuk perusahaan (Maltby, 2011). Kebutuhan akan analisa big data tersebut melahirkan banyak framework khusus dalam menangani big data. framework tersebut hadir dengan berbagai macam keunggulan seperti ketersediaan, skalabilitas, dan kinerjanya yang tinggi (Hurwitz dkk, 2013). Beberapa framework yang cukup populer diantaranya Hadoop, Impala, Hive, Spark, Presto, Qubole, dan masih banyak lagi. Masalah berikutnya adalah dalam penentuan framework dengan performa terbaik. Tentu saja dengan melihat jenis masalah bisnis yang akan dipecahkan sekaligus kebutuhan masing-masing pengguna. Untuk itu diperlukan suatu metode untuk menguji sekaligus membandingkan framework dengan performa terbaik. Pengujian ini sering disebut dengan benchmark. Secara konseptual, Tay (2011) mengungkapkan bahwa yang dimaksud dengan big data benchmark adalah bertujuan untuk menghasilkan beban kerja aplikasi secara khusus serta untuk melakukan tes kemampuan dalam memproses dataset yang besar untuk menghasilkan hasil evaluasi yang berguna. Benchmark big data yang dikembangkan saat ini bertujuan untuk mengevaluasi dan membandingkan kinerja sistem big data dan arsitektur di dalamnya. Han dan Lu (2014) menunjukkan proses benchmarking untuk big data yang terdiri dari lima tahapan yaitu tahap perencanaan, men-generate data mentah, men-generate data uji, eksekusi, dan terakhir analisis serta evaluasi. Dalam penelitian ini dilakukan suatu analisa performa beberapa framework yang digunakan dalam menganalisa suatu data yaitu Spark, Hadoop 2, dan Presto dengan menggunakan contoh kasus nyata dalam analisa big data. Data yang diuji berada di cloud storage Amazon S3. Sedangkan data testing yang dianalisa adalah data Twitter yang terdiri dari dan status Twitter (tweets). Untuk infrastruktur analisa yang dipakai dipilih Cloud Engine Qubole dengan

3 3 alasan Qubole mampu mengubah tatanan analisa data karena melakukannya pada cloud storage. Qubole hadir untuk mengurangi kompleksitas dari platform Hadoop dan Hive terutama dalam hal kecepatan dalam pengimplementasiannya (McCarthy, 2012). Metode yang dipakai dalam pengujian ini adalah evaluasi waktu yang dibutuhkan framework dalam melakukan proses query pada parameter-parameter tertentu. Parameter dalam pengujian adalah waktu yang digunakan dalam query tingkat rendah, query tingkat menengah, query tingkat tinggi, query dengan peningkatan 2 kali jumlah core prosessor, dan terakhir adalah query dengan peningkatan 4 kali jumlah core prosessor. 1.2 Rumusan Masalah Dari latar belakang masalah yang diuraikan sebelumnya, maka rumusan masalah yang dikaji adalah perbandingan performa komputasi pada Spark, Presto, dan Hadoop 2 dalam menanggani suatu proses query data dengan parameter yang digunakan adalah waktu komputasi query tingkat rendah, waktu komputasi query tingkat menengah, waktu komputasi query tingkat tinggi, waktu komputasi dengan 2 kali peningkatan core prosessor, waktu komputasi dengan peningkatan 4 kali core prosessor. 1.3 Batasan Masalah Masalah dalam penelitian ini akan dibatasi oleh beberapa hal, yaitu : 1. Analisis yang dilakukan yaitu simulasi query dengan menjalankan suatu proses dalam framework analisa data. 2. Framework yang digunakan untuk pengujian adalah Hadoop 2, Presto, dan Spark. 3. Platform yang digunakan adalah Qubole dan data storage yang dipakai adalah Amazon S3. 4. Tabel database untuk pengujian adalah tabel berjenis Hive.

4 4 5. Parameter yang digunakan adalah rasio waktu query tingkat rendah, query tingkat menengah, query tingkat tinggi, peningkatan core prosessor 2 kali, dan peningkatan core prosessor 4 kali. 6. Pengujian tidak membahas alokasi waktu yang dibutuhkan platform ke data storage. 7. Pengujian query pada tiap framework menggunakan perintah dan data yang sama yaitu data dari Twitter. 1.4 Tujuan Menemukan performa query terbaik pada framework analisa data dengan parameter yang digunakan adalah waktu komputasi query tingkat rendah, waktu query tingkat menengah, waktu query tingkat tinggi, waktu komputasi dengan peningkatan core prosessor 2 kali, dan waktu komputasi dengan peningkatan core prosessor 4 kali. 1.5 Manfaat Setelah penelitian ini mendapatkan hasil, diharapkan hasil itu dapat memberikan manfaat sebagai berikut : 1. Dapat menjadi acuan bagi penelitan dalam bidang framework analisa data. 2. Menyediakan informasi mengenai performa query pada masing-masing framework analisa data. 1.6 Metode Penelitian Metode yang digunakan dalam penelitian dan penulisan tugas akhir ini adalah sebagai berikut : 1. Pengumpulan data berupa status-status twitter yang di-tweet dari Kota Bandung, Jakarta, dan Jogja. 2. Perumusan teori tentang performa query suatu framework yang diperoleh dari buku, karya ilmiah, jurnal, atau penelitian lain. 3. Perancangan dan konfigurasi sistem yang dapat melakukan query pada data yang besar.

5 5 4. Pengujian framework dengan parameter yang digunakan adalah waktu query tingkat rendah, waktu query tingkat menengah, waktu query tingkat tinggi, waktu dengan peningkatan core prosessor 2 kali, waktu dengan peningkatan core prosessor 4 kali. 5. Analisis hasil pengujian, visualisasi hasil query, dan perumusan kesimpulan mengenai framework yang memiliki waktu terbaik dalam melakukan query berdasarkan pada teori yang telah dirumuskan 1.7 Sistematika Penulisan 1. BAB I: PENDAHULUAN Bab ini menjelaskan tentang latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan metode penelitian. 2. BAB II: TINJAUAN PUSTAKA Bab ini memuat uraian sistematis tentang informasi hasil penelitian yang disajikan dalam pustaka dan menghubungkannya dengan masalah penelitian yang sedang diteliti. 3. BAB III: LANDASAN TEORI Bab ini memuat pengertian-pengertian dan sifat-sifat yang diperlukan untuk pembahasan di bab-bab berikutnya. 4. BAB IV: ANALISIS DAN PERANCANGAN Bab ini menguraikan analisis sistem yang akan dibuat dan kebutuhan sistem yang meliputi kebutuhan fungsional, kebutuhan non fungsional sistem. 5. BAB V: IMPLEMENTASI Bab ini menguraikan tentang implementasi sistem secara detail sesuai dengan rancangan dan berdasarkan komponen yang dipakai. 6. BAB VI: HASIL PENGUJIAN DAN PEMBAHASAN Bab ini berisi hasil penelitian berdasarkan pengujian yang dilakukan.

6 6 7. BAB VII: KESIMPULAN DAN SARAN Bab ini berisi kesimpulan yang diambil dari hasil pembahasan serta saransaran untuk penelitian selanjutnya.