Surya Sunarya

Peneliti Judul Penelitian Tahun Kesimpulan Metode

Sean Chalmers Big Data - State of the Art 2013 The Hadoop Sistem file HDFS Hadoop, CUDA,
Cecile Bothorel memungkinkan untuk penyimpanan yang Twitter Storm,
Romain Picot-Clemente efisien, didistribusikan, dan kesalahan- GraphLab, dll
toleran data tabular skala besar, Selain
sebagai dasar untuk sejumlah besar solusi
pengolahan lainnya, Mahout, Giraph, dan
GraphLab
Amrit Pal A Performance Analysis of MapReduce Task 2014 Analisa performa Penggunaan Hadoop Hadoop;
Penelitian Yang Sebelumnya Pernah Dilakukan

Kunal Jain with Large Number of Files Dataset in Big Data
Pinki Agrawal Using Hadoop
Sanjay Agrawal
Communication Systems and Network Technologies
(CSNT), 2014 Fourth International Conference on
Year: 2014
Pages: 587 - 591, DOI: 10.1109/CSNT.2014.124
IEEE Conference Publications
E.Sivaraman, High Performance and Fault Tolerant
Dr.R.Manickachezian Distributed File System for Big Data Storage and
Processing using Hadoop
Intelligent Computing Applications (ICICA), 2014
International Conference on
Year: 2014
Pages: 32 - 36, DOI: 10.1109/ICICA.2014.16
IEEE Conference Publications
menggunakan algoritma MapReduce MapReduce;
untuk meningkatkan jumlah file yang di
tulis dan di baca di dalam hadoop
2014 Big Data Hadoop kasus penggunaan Hype cycle;
sampel yang menunjukkan bagaimana MapReduce;
perusahaan dapat memperoleh manfaat Hadoop
kompetitif dengan menjadi pengadopsi Distributed File
awal dari analisis big data. Program System (HDFS);
MapReduce secara inheren paralel dan
dengan demikian sangat cocok untuk
lingkungan terdistribusi

Shankar Ganesh Big Data Analysis using Apache Hadoop 2014 MapReduce dapat dimanfaatkan untuk Big Data
Manikandan, memecahkan berbagai masalah yang Management,
Siddarth Ravi Manikandan, S.G.; Ravi, S. berhubungan dengan pengolahan teks Map Reduce,
IT Convergence and Security (ICITCS), 2014 pada skala besar HDFS
International Conference on
Year: 2014
Pages: 1 - 4, DOI: 10.1109/ICITCS.2014.7021746
IEEE Conference Publications
Surya Sunarya

Katarina Grolinger, Challenges for MapReduce in Big Data 2014 Isu dan tantangan MapReduce Big Data
Michael Hayes, menghadapi ketika berhadapan dengan Analytics,
Wilson A. Higashino, Big Data diidentifikasi dan MapReduce,
Alexandra L, dikelompokkan menurut empat jenis : NoSQL, Machine
Heureux, David S. Allison, penyimpanan data, analisis, pengolahan Learning,
Miriam A.M. Capretz online, dan keamanan dan privasi. Selain Interactive
itu, upaya yang bertujuan untuk Analytics, Online
meningkatkan dan memperluas Processing,
MapReduce untuk mengatasi tantangan Privacy, Security
yang teridentifikasi disajikan.
Shalini Jain, Big Data Analysis using HDFS, C-MEANS and 2015 Pendekatan ini digunakan di HDFS, HDFS,
Satendra Sonare, MapReduce MapReduce dan C-Means kerangka MapReduce and
Ashok Verma algoritma besar data mining dari Hadoop. C-Means
Data besar mengungkapkan keterbatasan
teknik data mining yang ada,
mengakibatkan serangkaian tantangan baru
yang terkait dengan besar data mining. Big
data mining adalah daerah penelitian yang
menjanjikan, masih dalam masa
pertumbuhan. Terlepas dari kerja terbatas
dilakukan pada besar data mining sejauh ini,
bahwa banyak pekerjaan yang diperlukan
untuk mengatasi tantangan yang berkaitan
dengan heterogenitas, skalabilitas dan
kecepatan eksekusi.
Wenliang Huang, Mobile Internet Big Data Platform in China 2014 Mobile Internet merupakan peluang besar HDFS; mobile
Zhen Chen, Unicom untuk mengubah operator telekomunikasi Internet; data
Wenyu Dong, untuk menjadi operator Big Data. Untuk warehouse; HBase
Hang Li, Year: 2014, Volume: 19, Issue: 1 mencapai hal ini, beberapa hambatan perlu
Bin Cao, and Junwei Cao Pages: 95 - 101, DOI: 10.1109/TST.2014.6733212 diatasi. China Unicom mengambil
Cited by: Papers (1) memimpin untuk merangkul Mobile
TUP Journals & Magazines (IEEE) Internet Explosion, dan membangun
platform data yang besar untuk
memecahkan tantangan akuisisi data,
analisis data, dan layanan bernilai tambah
data. Dibandingkan dengan solusi
proprietary, solusi open source yang
Surya Sunarya

diadopsi oleh China Unicom menawarkan

Surya Sunarya Big Data dengan Hadoop MapReduce Untuk
Analisa perilaku konsumen terhadap produk dan
servis pada PT Telkomsel Area 4
Usulan
kita keuntungan lebih untuk
mengoptimalkan penyimpanan data,
mempercepat transaksi database, dan
mencapai kinerja yang lebih baik. Dengan
pencapaian ini, ekosistem centric operator
telekomunikasi yang sangat penting untuk
bisnis telekomunikasi untuk mencapai
kesejahteraan dalam masyarakat mobile
data saat ini terbentuk.
2015 Big data dengan Algoritma MapReduce Big Data, Hadoop,
akan memberikan berbagai manfaat MapReduce
kepada pelanggan korporat seperti
dapat menyajikan informasi yang

mendekati real-time sehingga pelanggan

korporat dapat mengambil keputusan
bisnis yang lebih cepat, mengelola
consumer experience dan meningkatkan
efisiensi operasional perusahaan.
Surya Sunarya

Tema : Big Data dengan Hadoop MapReduce Untuk Analisa perilaku konsumen terhadap produk dan servis pada PT Telkomsel Area 4.

Latar Belakang :

Bigdata bukan hanya sebatas membicarakan masalah ukuran, namun juga laju pertumbuhan data serta variasi data. Itu sebabnya dikenal istilah “Volume”,
“Velocity”, and “Variety” sebagai karakteristik Bigdata. Jika permasalahan data terbatas pada ukuran maka teknologi database saat ini masih mumpuni untuk
menangani data berjumlah sangat besar tersebut. Namun ketika data tumbuh sangat cepat disertai dengan jenis yang semakin beragam maka teknologi sekarang akan
menemui banyak keterbatasan untuk memproses data-data tersebut.

Seiring dengan perkembangan dunia digital, data yang butuh untuk disimpan kedalam database semakin besar. Data tersebut bisa jadi tumbuh dalam hitungan
detik, dan yang lebih parah adalah bentuk data tersebut semakin beragam. Bisa jadi data-data tersebut memiliki format video, gambar, logs, binary, trace logs (.pcap),
dsb. Ketika data-data tersebut tumbuh dalam hitungan detik dan ingin disimpan dalam database sehingga bisa diproses oleh aplikasi maka dibutuhkan suatu
pendekatan baru untuk menyimpan data-data tersebut serta memprosesnya dalam waktu singkat. Kita tidak perlu membuat definisi struktur terlebih dahulu untuk
menyimpan data tersebut sehingga apapun bentuk datanya maka tinggal ‘lempar’ saja kedalam media penyimpanan / database, apabila dibutuhkan maka kita bisa
memproses data apapun dalam media penyimpanan tersebut untuk mendapatkan hasil pemrosesan dalam waktu singkat.

Telkomsel telah memiliki lebih dari 139 juta pelanggannya di seluruh wilayah indonesia, dan khusus untuk area 4 PAMASUKA (Papua Maluku Sulawesi
Kalimantan) memiliki lebih dari 29,4 juta pelanggan. dengan mengutamakan privasi pelanggan. Telkomsel menghormati sepenuhnya undang-undang dan hukum
yang melindungi privasi pelanggan, dan untuk itu data pelanggan dikelola secara anonim, agregat dan efisien yang dibuat menjadi informasi dan insight yang dikelola
dari waktu ke waktu. Dari data yang besar yang terus bertambah tiap harinya, maka di perlukan suatu teknologi yang dapat membantu mereka memprediksi serta
menentukan arah kebijakan bisnis dengan cepat, bukan lagi berdasarkan pengalaman ataupun intuisi, namun berdasarkan acuan data akurat yang diambil dari
sekumpulan data terstruktur maupun semi-terstruktur
Big data dengan Algoritma MapReduce akan memberikan berbagai manfaat kepada pelanggan korporat seperti dapat menyajikan informasi yang mendekati
real-time sehingga pelanggan korporat dapat mengambil keputusan bisnis yang lebih cepat, mengelola consumer experience dan meningkatkan efisiensi operasional
perusahaan. Berbagai manfaat ini pun akan membuat perusahaan-perusahaan yang menggunakan ‘Big Data’ untuk selalu berada terdepan di dalam persaingan
bisnisnya

Batasan Masalah :
Kumpulan data mentah konsumen terhadap produk dan service akan di fokus kan pada broadband (Digital Service, Blackberry, Flash, Digital Service) Terkait data
penjualan, pengisian pulsa, aktifasi produk dan service, traffic data.

Tujuan Penelitian
1. Bagaimana data dalam jumlah besar yang di miliki PT Telkomsel Area 4, dapat di distribusikan dan di olah dengan baik, serta dapat di proses dalam waktu
singkat
2. Bagaimana mengolah kumpulan data mentah dalam jumlah besar untuk menjadi suatu informasi yang spesifik
Surya Sunarya

3. Bagaimana dapat membantu pengambilan keputusan yang strategis seperti dalam membuat strategi iklan yang lebih akurat, dengan jangkauan yang lebih
terarah dan tepat sasaran, sehingga dapat merancang strategi yang tepat bagi produknya.