JUDUL PROGRAM:
SISTEM ANALISIS TINGKAH LAKU PELANGGAN DENGAN
EMBEDDED SYSTEM DAN REAL TIME DATA PROCESSING
MENGGUNAKAN HADOOP 2.0
BIDANG KEGIATAN:
PKM GAGASAN TERTULIS
Disusun Oleh :
Danan Arya Pradana
1306368583
Josua Geovani Pinem
1306368513
Reivin Oktavianus
1306404576
Universitas Indonesia
Depok
2016
2013
2013
2013
HALAMAN SAMPUL
JUDUL PROGRAM:
SISTEM ANALISIS TINGKAH LAKU PELANGGAN DENGAN
EMBEDDED SYSTEM DAN REAL TIME DATA PROCESSING
MENGGUNAKAN HADOOP 2.0
BIDANG KEGIATAN:
PKM GAGASAN TERTULIS
Disusun Oleh :
Danan Arya Pradana
1306368583
Josua Geovani Pinem
1306368513
Reivin Oktavianus
1306404576
2013
2013
2013
Universitas Indonesia
Depok
2016
ii
DAFTAR ISI
Halaman
HALAMAN JUDUL .............................................................................................. i
LEMBAR PENGESAHAN .................................................................................. ii
DAFTAR ISI......................................................................................................... iii
DAFTAR GAMBAR ............................................................................................ iv
RINGKASAN ........................................................................................................ v
BAB 1. PENDAHULUAN .................................................................................... 1
1.1 Latar Belakang ........................................................................................... 1
1.2 Tujuan dan Manfaat ................................................................................... 1
BAB 2. GAGASAN ............................................................................................... 2
2.1 Konsep Terkini Terkait Sistem Analisis Retail ......................................... 2
2.2 Inovesi yang Telah Diimplementasikan ..................................................... 2
2.3 Konsep Sistem Analisis Tingkah Laku Customer ..................................... 2
2.4 Peralatan yang Digunakan ......................................................................... 4
2.4.1 Arduino UNO .............................................................................. 4
2.4.2 ESP8266 Wifi Module ................................................................ 4
2.4.3 Camera Module OV7670 ............................................................ 5
2.5 OpenCV ..................................................................................................... 5
2.6 Algoritna Fisherface .................................................................................. 5
2.7 Algiritma Background Subtraction ............................................................ 6
2.8 Hadoop 2.0 ................................................................................................. 6
2.8.1 Hadoop Cloud Computing .......................................................... 7
2.9 Alur Kerja Sistem ...................................................................................... 7
2.10 Perancangan Gagasan Alat....................................................................... 8
BAB 3. KESIMPULAN ........................................................................................ 9
DAFTAR PUSTAKA .......................................................................................... 10
LAMPIRAN ......................................................................................................... 11
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing ..................... 11
Lampiran 2. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas ........ 19
Lampiran 3. Surat Pernyataan Ketua Peneliti ................................................ 20
iii
DAFTAR GAMBAR
Gambar 1. Diagram Alir Sistem Analisis Tingkah Laku Customer ........................ 3
Gambar 2. Arduino UNO ......................................................................................... 4
Gambar 3. Wifi Module ESP8266 ........................................................................... 4
Gambar 4. Camera Module OV7670 ....................................................................... 5
Gambar 5. Contoh Algoritma Fisherface ................................................................. 6
Gambar 6. Contoh Background Subtraction ............................................................ 6
Gambar 7. Arsitektur Rancangan Prototipe ............................................................. 8
iv
RINGKASAN
Untuk memenuhi kebutuhan sehari-hari, manusia perlu untuk pergi ke luar
rumah untuk mencari kebutuhan. Pada masa prasejarah, hidup manusia
bergantung dengan sumber daya alam yang tersedia di alam liar. Seiring
perkembangan waktu, dengan dibentuknya sistem transaksi yaitu barter lalu
kemudian uang, menyebabkan sebagian besar masyarakat tidak perlu mencari
sumber daya sendiri namun dapat melakukan transaksi di sebuah toko.
Masa Modern ini, banyak sekali toko yang menyediakan berbagai
kebutuhan manusia, baik pokok, sekunder, maupun tersier. Adapula toko
serbaguna yang menyediakan semua jenis kebutuhan pokok di dalam suatu
tempat. Jenis toko tersebut sudah menjamur di masyarakat baik dalam bentuk
skala besar (supermarket) maupun skala kecil dan menengah (minimarket,
toserba). Sebuah toko menjadi jembatan antara produsen kebutuhan dengan
konsumennya.
Namun, bagi pemilik toko tentu saja memiliki berbagai kendala yang
berpengaruh baik secara ekonomi maupun faktor non-ekonomis lainnya. Banyak
toko yang akhirnya bangkrut karena kalah bersaing ataupun konsumen yang
jumlahnya sedikit. Hal ini yang membuat kami menggagas sebuah sistem analisis
untuk menganalisa tingkah laku konsumen yang datang ke sebuah toko yang
bersangkutan dengan sistem embedded dan database. Melalui algoritma pada
OpenCV, sebuah library Open Source terkait pemrosesan gambar dan video,
dapat dilakukan pengolahan video yang menghasilkan output/luaran video dengan
data yang diinginkan. Hasil output tersebut kemudian dimasukkan ke sebuah file
system yang dapat diolah menggunakan Machine Learning yang tersedia dalam
Hadoop 2.0.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan negara dengan jumlah penduduk terbesar keempat di
dunia. Hal ini menunjukkan bahwa data yang dihasilkan dalam bentuk dijital
berbanding lurus dengan jumlah penduduknya. Data-data yang dihasilkan baik
pada bidang industri, teknologi, maupun ekonomi belum dimanfaatkan dengan
sebaik-baiknya. Hal ini mungkin terjadi di Indonesia karena teknologi Big Data
itu sendiri belum terlalu berkembang di Indonesia. Tentu saja pihak-pihak yang
dapat mengolah data tersebut pasti akan mendapatkan keuntungan yang lebih
maksimal terutama pihak distributor.
Namun sejalan waktu, distributor tersebut memiliki beberapa kendala terkait
kondisi market dan penjualan baik secara eksternal maupun internal. Secara
eksternal, kendala dapat ditimbulkan oleh harga pasar yang tidak sesuai, stok yang
menurun, maupun sampai keadaan lingkungan yang tidak mendukung. Kendala
internal dapat terdiri dari nilai penjualan yang rendah, jumlah transaksi yang tidak
sesuai dengan jumlah pengunjung, maupun penataan ruang dalam toko maupun
cafe.
Dari sekian banyak contoh kendala yang disebutkan, kami berusaha
memberikan analisis mengenai penyebab terjadinya kendala dan memberikan
solusi penyelesaian kendala agar distributor dapat memaksimalkan keuntungan
serta meningkatkan tingkat efisiensi dari segi penjualan. Solusi yang kami berikan
hanya mencakup masalah yang bersifat internal untuk distributor. Metode analisis
saat ini, terutama di Indonesia, masih berharap pada sistem manual, seperti
memasang orang ke dalam toko untuk menganalisis kondisi toko baik dari sisi
pemilik toko maupun pemilik produk yang dipasarkan di toko tersebut.
BAB 2
GAGASAN
2.1 Kondisi Terkini Terkait Sistem Analisis Retail
Berdasarkan Jurnal Bisnis dan Ekonomi yang dikeluarkan pada September
2008, tahun 2000-2010 merupakan era perkembangan hypermarket dan eretailing yang menyebabkan ancaman pada kelangsungan toko-toko kecil seperti
minimarket dan toserba. Selain itu, berdasarkan riset AC Nielsen pada tahun
2003, menyebutkan total penjualan ritel per tahun mengalami peningkatan
menjadi Rp 600 Triliun yang diimbangi dengan banyaknya jumlah hypermarket
menjadi sekitar 83 unit di akhir tahun. Pertumbuhan yang signifikan ini
mengancam kehadiran toko tradisional maupun toko kecil lainnya yang tidak
dapat bersaing secara kuat.
2.2 Inovasi yang Telah Diimplementasikan
Pada negara berkembang, teknologi Big Data belum dimanfaatkan
semaksimal mungkin terlebih di Indonesia. Pada umumnya, Indonesia melakukan
analisis dari data-data yang sudah tersimpan sebelumnya. Adapun pengolahan
data secara real time hanya digunakan untuk analisis mesin pencari. Hal ini bukan
hanya terjadi di Indonesia, namun hampir diseluruh negara dunia ketiga.
Sementara itu, perusahaan teknologi seperti IBM lebih memanfaatkan pengolahan
Big Data pada bisnis retail dengan menggunakan dataset yang sudah tersimpan di
database.
2.3 Konsep Sistem Analisis Tingkah Laku Customer
Berdasarkan berbagai permasalahan yang telah disimpulkan sebelumnya,
diperlukan sistem analisis yang nantinya akan dapat membantu mencari solusi
terbaik terkait dengan peningkatan efektifitas dan profitabilitas suatu toko demi
melangsungkan usaha secara real time. Sistem analisis yang kami gagaskan ini
akan memanfaatkan dua cakupan besar yaitu sistem embedded dan sistem
database. Sistem embedded ini berfungsi untuk menerima input berupa video
yang kemudian akan diproses melalui algoritma OpenCV dan menghasilkan data
yang akan diolah pada sistem database.
Sistem Embedded mencakup sebuah prosesor ataupun mikrokontroler
supaya dapat melakukan transaksi input-output maupun melakukan komunikasi
dengan sistem database. Sebagian besar prosesor memiliki modul-modul
tersendiri yang telah terintegrasi dalamnya, sedangkan pada mikrokontroler
membutuhkan modul tambahan guna melangsungkan jalannya transaksi data.
Kami menggunakan mikrokontroler tepatnya Arduino UNO dikarenakan biaya
2.5 OpenCV
OpenCV (Open Source Computer Vision Library) adalah sebuah pustaka
perangkat lunak yang ditujukan untuk pengolahan citra dinamis secara real-time,
yang pengembangannya diawali oleh Intel, dan sekarang didukung oleh Willow
Garage dan Itseez [4].
2.6 Algoritma Fisherface
Proyek ini akan menggunakan metode fisherface untuk melakukan
identifikasi wajah dari input kamera. Kemudian keluarannya akan dikenali
ataupun tidaknya sebuah gambar masukan sebagai seorang individu pada
database. Untuk dapat mendeteksi wajah dari input maka akan dilakukan suatu
kerja(task) yang disebut dengan gender classification task. Task ini yang
kemudian akan dilakukan oleh algoritma fisherfaces[5].
database yang digunakan ialah Hadoop sebagai Hadoop Distributed File System
(HDFS). Untuk pengolahan data yang digunakan ialah dengan menggunakan
Apache Spark yang bekerja bersamaan dengan Hadoop. Apache Spark ini sendiri
merupakan model pemrograman yang akan digunakan untuk mengolah data yang
masuk secara real time dari kamera.
2.8.1 Hadoop Cloud Computing
Hadoop membuat platform cloud computing tersendiri yang
didesain dengan menggunakan proyek open source Apache. Framework
ini digunakan untuk memecahkan masalah dan manajemen data[7]. Cloud
computing dikembangkan dari beberapa teknologi jaringan dimana dalam
proyek ini teknologi yang digunakan ialah Hadoop Distributed File
System dan sistem Machine Learning yang dikembangkan didalam Spark.
2.9 Alur Kerja Sistem
MASUKAN
- Gambar LiveTime
dari kamera
PROSES
KELUARAN
Hasil analisis
perbandingan antara
jenis rata-rata
pembelian yang
dilakukan oleh pihak
wanita ataupun pria
Hasil analisis ratarata barang yang
dibeli oleh pihak
wanita ataupun pria
Secara garis besar alur sistem dari sistem analisis terdiri atas 3 tahapan
besar yaitu masukan, proses, dan keluaran. Dikarenakan, alat ini bersifat untuk
melakukan analisis tingkah laku pelanggan secara real time maka proses yang
dilakukan umumnya merupakan proses pengolahan citra.
7
BAB 3
KESIMPULAN
Berikut dipaparkan beberapa nilai inovasi serta manfaat yang diperoleh
apabila mengimplementasikan sistem analisis real-time yaitu:
Manfaat Utama
1. Merupakan salah satu jenis piranti cerdas terintegrasi yang berfokus pada
analisis data secara real-time untuk meningkatkan produktivitas dan
efektivitas pada saat pendistribusian produk.
2. Membuat sebuah piranti cerdas yang dapat elakukan kontrolisasi dan
monitoring terhadap tingkah laku pelanggan.
3. Indonesia sebagai negara dengan jumlah penduduk terbesar keempat di dunia
mengakibatkan Indonesia menghasilkan data penjualan dengan jumlah yang
besar pula. Hal ini tentunya membantu dalam hal peningkatan efektivitas
penjualan dengan menganalisis data.
4. Sistem prototipe menggunakan perangkat yang relatif minim biaya dalam
proses implementasinya.
5. Menggunakan sistem analisis data real time yang masih jarang digunakan pada
saat ini (Apache Spark).
Nilai Inovasi
1. Menggunakan berbagai jenis metode dan algoritma dalam pengolahan citra
yang mampu menangkap objek .
2. Menggunakan fitur database terdistribusi dimana data yang tersimpan
didalamnya terduplikasi sehingga data tidak mudah hilang.
3. Memperkenalkan penggunaan sistem Big Data yang mengintegrasikan dua
framework yang berbeda yaitu Hadoop dan Apache Spark.
4. Membuat sistem terintegerasi antara sistem monitoring berbasis single board
computer dengan sistem single node cluster Hadoop.
DAFTAR PUSTAKA
[1] Sweeney, C., Liu, L., Arietta, S., Lawrence, J., HIPI: a Hadoop image
processing interface for image-based mapreuce tasks, University of Virginia.
Vol., no., 2011
[2] Mishra, R., Kumar, P., Chaudhury, S., Indu, S., Monitoring a Large
Surveillance Space Through Distributed Face Matching, NCVPRIPG, 2013
Fourth National Conference, 18 Desember 2013
[3] Perera, Srinath, Hadoop MapReduce Cookbook, ackt Publishing Ltd.
Vol., no., pp. 56-58 2013
[4] http://gudanglinux.com/glossary/opencv-open-source-computer-vision/
(diakses pada Selasa pada tanggal 22 Maret 2016 pukul 19.34 WIB)
[5]http://docs.opencv.org/2.4/modules/contrib/doc/facerec/tutorial/facerec_gender
_classification.html
(diakses pada Selasa pada tanggal 22 Maret 2016 pukul 19.44 WIB)
[6] Vijay, A. A., Johnson, A., An integrated sistem for tracking and recognition
using Kalman Filter, ICCICCT, 2014 International Conference
[7] Hao, C., Ying, Q., Research of Cloud Computing Based on the Hadoop
Platform, Computational and Information Sciences (ICCIS), 2011 International
Conference, Oktober 2011
10
LAMPIRAN
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing
Biodata Ketua Kelompok
A. Identitas Diri
1.
Nama Lengkap
Reivin Oktavianus
2.
Jenis Kelamin
Laki Laki
3.
Program Studi
Teknik Komputer
4.
NPM
1306404576
5.
6.
reivin.oktavianus@ui.ac.id
7.
Nomor Telepon/HP
021-7537980
B. Riwayat Pendidikan
SD
SMP
SMA
Nama Institusi
SD Pangudi
Luhur
SD Pangudi
Luhur
SMAK Tirta
Marta BPK
Penabur
Jurusan
IPA
Tahun MasukLulus
2001-2007
2007-2010
2010-2013
Nama Pertemuan
Ilmiah/Seminar
Judul Artikel
Ilmiah
Waktu dan
Tempat
Jenis Penghargaan
Institut Pemberi
Penghargaan
Tahun
11
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan program kreativitas mahasiswa-Gagasan Tertulis.
Depok, 27 April 2016
Pengusul,
Reivin Oktavianus
12
Nama Lengkap
2.
Jenis Kelamin
Laki Laki
3.
Program Studi
Teknik Komputer
4.
NPM
1306368513
5.
6.
josua.geovani@ui.ac.id
7.
Nomor Telepon/HP
085275600068
B. Riwayat Pendidikan
SD
SMP
SMA
Nama Institusi
SD Sint Yoseph
Kabanjahe
SMPN 1
Kabanjahe
SMAN 1
Kabanjahe
Jurusan
IPA
Tahun MasukLulus
2001-2007
2007-2010
2010-2013
Nama Pertemuan
Ilmiah/Seminar
Judul Artikel
Ilmiah
Waktu dan
Tempat
Jenis Penghargaan
Institut Pemberi
Penghargaan
Tahun
13
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan program kreativitas mahasiswa-Gagasan Tertulis.
Depok, 27 April 2016
Pengusul,
14
Nama Lengkap
2.
Jenis Kelamin
Laki Laki
3.
Program Studi
Teknik Komputer
4.
NPM
1306368583
5.
6.
danan.arya@ui.ac.id
7.
Nomor Telepon/HP
081290551456
B. Riwayat Pendidikan
SD
SMP
SMA
Nama Institusi
SD Al-Azhar
Bekasi
SMPN 12 Bekasi
SMAN 3 Bekasi
Jurusan
IPA
Tahun MasukLulus
2001-2007
2007-2010
2010-2013
Nama Pertemuan
Ilmiah/Seminar
Judul Artikel
Ilmiah
Waktu dan
Tempat
Jenis Penghargaan
Institut Pemberi
Penghargaan
Tahun
15
16
B. Riwayat Pendidikan
Nama Institusi
Jurusan
Tahun MasukLulus
S-1
University of
Indonesia
S-2
The University of
Sheffield, UK
S-3
The
University
of Leeds,
UK
Computing
1999-2004
17
Interaction
Case Study for Color
Blind Aid Sistem,
18
Nama/NPM
Prodi
Bidang
Ilmu
Reivin
Oktavianus/13064
04576
Teknik
Komputer
Teknik
8Jam/Mi
nggu
Sebagai ketua,
bertugas
memastikan
kinerja tim
berjalan dengan
baik dan sesuai
dengan timeline
dan
penanggungjawa
b sistem pada
embedded
sistem,
mikrokontroler
kamera dan wifimodule
Josua Geovani
Pinem/130636851
3
Teknik
Komputer
Teknik
8Jam/Mi
nggu
Sebagai
penanggungjawa
b sistem
algoritma
dengan metode
fisherface dan
background
subtraction
Danan
Arya/1306368583
Teknik
Komputer
Teknik
8Jam/Mi
nggu
Sebagai
penanggungjawa
b sistem
database pada
hadoop
distribution file
sistem dan
Machine
Learning
19
20