Bank Mandiri PDF
Bank Mandiri PDF
2 / September 2016
Abstrak— Big Data bukanlah sebuah teknologi, teknik, gudang masih menyediakan laporan-laporan biasa yang hanya
maupun inisiatif yang berdiri sendiri. Big Data adalah suatu di hasilkan oleh OLTP, laporan tersebut kurang membantu
trend yang mencakup area yang luas dalam dunia bisnis dan management tingkat atas dalam melakukan analisa, hal ini
teknologi. Big Data menunjuk pada teknologi dan inisiatif yang
tentu saja memiliki dampak laporan yang kurang informatif
melibatkan data yang begitu beragam, cepat berubah, atau
berukuran super besar sehingga terlalu sulit bagi teknologi, bagi management tingkat atas, sehingga dalam melakukan
keahlian, maupun infrastruktur konvensional untuk dapat analisa data tanpa memiliki informasi yang kurang informatif
menanganinya secara efektif. Bank Mandiri adalah perusahaan dalam pengelolaan data gudang yang cukup besar, sebagai
yang bergerak di bidang perbankan, perusahaan ini salah salah satu dampak nya adalah terdapat barang masuk yang
satunya adalah melayani pemesanan barang antar Wilayah, banyak, namun barang tersebut lama tidak di gunakan atau di
Area dan Cabang dari seluruh Indonesia. Dalam proses
pesan oleh Wilayah dan Area, sehingga barang tersebut tidak
pelaporannya, staf gudang masih menggunakan data yang di
sediakan dari system yang sudah ada, namun data yang di terpakai dan tidak efisien.
sediakan masih dalam bentuk laporan data biasa yang di Pengembangan aplikasi pengelolaan data untuk pencarian
hasilkan dari OLTP dan data yang bersifat tidak dapat di ubah, pattern untuk data gudang dengan menggunakan teknologi Big
sehingga laporan yang di berikan kepada management tingkat Data pada Bank Mandiri di harapkan akan membantu proses
atas sebagai bahan analisa dalam pengabilan keputusan kurang pengelolaan data gudang. menggunakan teknologi big data
informatif. Penulis akan mengembangkan aplikasi yang dapat
dikarenakan data gudang akan terus mengalami perkembangan
mengolah dan melakukan pencarian pola data sebagai bahan
pelaporan, implementasi teknologi big data akan sangat data yang besar karena transaksi data yang di peroleh dari
membantu proses pengelolaan data pada aplikasi tersebut, seluruh Wilayah dan Area Bank Mandiri, sehingga
dikarenakan data yang di kelola dalam kurun waktu yang cepat pengelolaan data untuk pencarian pattern pada data gudang
akan terus bertambah, sehingga pengelolaan data menggunakan menggunakan teknologi Big Data di harapkan dapat menjadi
teknologi big data menjadi solusi untuk dapat mengolah data solusi untuk pengelolaan data tersebut. Aplikasi pengelolaan
dalam melakukan pencarian pattern pada data gudang Bank
data untuk pencarian pattern menggunakan teknologi big data
Mandiri. Aplikasi yang akan di kembangkan tersebut akan
menyajikan informasi-informasi yang di butuhkan seperti akan di kembangkan menggunakan java. Penerapan
pattern barang yang paling banyak di pesan dan pattern user pengelolaan data dengan teknologi Big Data pun untuk
yang paling banyak melakukan pemesanan, sehingga pattern kedepannya di harapkan mampu untuk membantu mengelola
pada aplikasi tersebut akan membantu staff dalam melakukan data-data yang sifatnya besar yang bertransaksi di Bank
pelaporan dan Manegement tingkat atas dalam melakukan Mandiri. Sehingga hasil dari aplikasi pengelolaan data tersebut
analisa dalam pengambilan keputusan.
dapat membantu pihak staf dan managament dalam membuat
dan menganalisa hasil laporan.
Kata kunci— Big Data, Hadoop, Mapreduce, Pattern, Gudang,
Bank Mandiri.
II. LANDASAN TEORI
I. PENDAHULUAN A. Definisi Big Data
Bank Mandiri adalah perusahaan yang bergerak dibidang Menurut Thomas, “Big Data adalah istilah yang
perbankan, perusahaan ini dalam kegiatan salah satunya menggambarkan volume data yang besar - baik terstruktur dan
adalah melakukan transaksi pemesanan barang antar wilayah, tidak terstruktur - yang membanjiri bisnis pada sehari-hari .
area dan kantor pusat pusat, selain dalam melakukan transaksi Tapi itu bukan jumlah data yang penting. Itu yang dilakukan
gudang kepada wilayah dan area, staf bagian gudang juga di organisasi dengan data yang penting. data besar dapat
tugaskan untuk membuat pelaporan data gudang yang akan di dianalisis untuk wawasan yang mengarah pada keputusan
berikan kepada management untuk dijadikan bahan analisa yang lebih baik dan bergerak bisnis strategis” [6].
dalam pengambilan keputusan, pengelolaan data dilakukan
berdasarkan data yang di peroleh dari berbagai transaksi B. Kartakteristik Big Data
gudang, namun system yang ada pada saat ini belum Karakteristik big data antara lain :
mensupport untuk kebutuhan pengelolaan data pintar sebagai - Volume
bahan pelaporan, sehingga staf yang bekerja pada bagian Jumlah data yang dihasilkan dan disimpan. Ukuran data
61
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
menentukan nilai dan potensi mendalam – dan apakah itu III. METODE PENELITIAN
dapat sebenarnya dianggap sebagai big data atau bukan
A. Metode Penelitian
- Variety
Jenis dan sifat dari data. Ini membantu orang-orang yang Berdasarkan pembahasan pada bab sebelum bahwa akan di
menganalisisnya yang menggunakan secara efektif hasil kembangkan aplikasi pengelolaan data untuk pencarian pattern
mendalam pada data gudang dengan menggunakan teknologi big data
- Velocity berbasis java, metode pengembangan perangkat lunak yang
Pada konteks ini, kecepatan data yang dihasilkan dan akan digunakan yaitu metodologi Scrum (Agile), karena
diproses untuk memenuhi permintaan dan tantangan-tantangan berdasarkan hasil penelitian yang dilakukan oleh Marcos
yang ada di lintasan perkembangan dan pengembangan [6]. Kalinowski, et.al, 2015. Penelitian tersebut dilakukan pada
tahun 2015 dengan responden beberapa organisasi
C. Pengertian Hadoop menghasilkan bahwa Scrum merupakan model proses yang
Hadoop merupakan framework software berbasis Java dan paling banyak dipakai oleh beberapa organisasi yang menjadi
open source yang berfungsi untuk mengolah data yang responden tersebut sebanyak 60,81% [3]. Penelitian yang
memiliki ukuran yang besar secara terdistribusi dan berjalan dilakukan Ayca Tarhan dan Seda Gunes Yilmaz, 2014
diatas cluster yang terdiri dari beberapa komputer yang saling mengatakan bahwa kinerja pengembangan dan kualitas produk
terhubung (parallel computing). Berdasarkan Hadoop dapat yang dilakukan dengan menggunakan proses Agile lebih
mengolah data dalam jumlah yang sangat besar hingga tinggi dibandingkan dengan proses Incremental. Adapun
petabyte (1 petabyte = 10245 bytes) dan dijalankan di atas tahapan – tahapan yang dilakukan dalam metode Scrum
ratusan bahkan ribuan komputer. Hadoop dibuat oleh Doug (Agile) yaitu Pregame, Game dan Postgame [5].
Cutting yang pada asalnya Hadoop ini adalah sub project dari
Nutch yang digunakan untuk search engine. Hadoop bersifat
open source dan berada di bawah bendera Apache Software
Foundation. [7].
D. Arsitektur Hadoop
Hadoop terdiri dari common Hadoop yang berguna dalam
menyediakan akses ke dalam file system yang didukung oleh
Hadoop. Common Hadoop ini berisi paket yang diperlukan
oleh JAR file, skrip yang dibutuhkan untuk memulai Hadoop
dan dokumentasi pekerjaan yang telah dilakukan oleh Hadoop.
Bedasarkan inti dari Hadoop adalah terdiri dari:
1. Hadoop Distributed File System (HDFS) Untuk data
yang terdistribusi. Gambar 2 : Metode Scrum (Agile)
2. MapReduce Framework untuk aplikasi dan
Dalam penelitian ini, peneliti menggunakan beberapa teknik
programming yang terdistribusi. [7].
dalam pengumpulan data, yaitu :
HADOOP
a. Observasi
HDFS MapReduce
Observasi adalah kegiatan pengamatan yang direncanakan,
sistematis dan hasilnya dicatat serta diinterpretasikan dalam
Secondary
NameNode
NameNode JobTracker
rangka memperoleh pemahaman tentang objek yang diamati.
Pada penelitian ini observasi dilakukan dengan cara
DataNode DataNode TaskTracker TaskTracker
mencatat dan mengamati langsung dengan mendatangi gudang
Bank Mandiri, serta melihat bagaimana pengelolaan data yang
(a) (b) di buat untuk di jadikan bahan pelaporan.
b. Wawancara
Gambar 1 : Inti Hadoop (a) komponen HDFS (b) komponen MapReduce
Wawancara di lakukan untuk mendapatkan data dan
E. Metode Pengembangan Perangkat Lunak Agile informasi kepada staff dan management Bank Mandiri.
Rational Unified Process, adalah suatu kerangka kerja
proses pengembangan perangkat lunak iteratif yang dibuat
oleh Rational Software, suatu divisi dari IBM sejak 2003.
RUP bukanlah suatu proses tunggal dengan aturan yang
konkrit, melainkan suatu kerangka proses yang dapat
diadaptasi dan dimaksudkan untuk disesuaikan oleh organisasi
pengembang dan tim proyek perangkat lunak yang akan
memilih elemen proses sesuai dengan kebutuhan mereka. [1]
62
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
B. Langkah-langkah Penelitian menggunakan teknologi big data agar saat proses pengelolaan
data pada aplikasi tersebut lebih optimal, sehingga saat user
akan menampilkan pattern berdasarkan data yang telah di olah
akan lebih maksimal.
B. Perancangan Unfied Modelling Language (UML)
Proses perancangan ini adalah untuk perancangan sistem
yang akan dibentuk yang dapat berupa penggambaran proses-
proses suatu elemen-elemen dari suatu komponen, proses
perancangan ini merupakan suatu tahapan awal dari
Gambar 3 : Langkah-Langkah Penelitian perancangan aplikasi dari Sistem Aplikasi Android untuk
Sales.
Pada langkah-langkah penelitian ada 3 tahapan yang harus
dilakukan untuk melakukan implementasi berdasarkan
metodelogi yang digunakan yaitu:
1. Analisa
Dalam tahap analisa, peneliti menggunakan langkah
berdasarkan metodelogi agile, pada tahapan analisa dalam
metodelogi agile sama halnya dengan langkah Pregame, dalam
tahap ini peneliti melakukan analisa dari system yang akan di
kembangkan berdasarkan kebutuhan user, pada tahapan ini
Gambar 4 : Use Case Diagram Big Data Proses
proses pengumpulan data dan observasi dilakukan.
2. Perancangan Use Case Diagram menggambarkan, User menjalankan
Pada tahapan ini, peneliti menggunakan langkah aplikasi pengelolaan data untuk pencarian pattern dengan
berdasarkan motodelogi agile pada tahap “Game”, pada tahap teknologi big data, kemudian user memilih menu big data
ini peneliti mempertimbangkan variable kebutuhan, kualitas proses, terdapat 2 sub menu, user memilih sub menu big data
dan penyelesaian berdasarkan analisa perancangan, pada proses dan menjalankannya. User memilih sub menu big data
proses perancangan aplikasi pengelolaan data dengan result, kemudian user memilih option yang diingin kan,
menggunakan teknologi big data pada data gudang, kemudian data akan tampil, dan data tersebut dapat di lihat
perancangan ini menggunakan sistem yang akan di detailnya secara terperinci dengan memilih data yang di
kembangkan di modelkan dengan UML (Unified Modelling inginkan dan mengklik see detail.
Language) diagram, yaitu : Use Case Diagram, Activity
Diagram, Class Diagram dan Deployment Diagram.
3. Implementasi
Pada tahapan ini peneliti menggambarkan proses
implementasi berdasarkan metodologi agile yang biasa di
sebut dengan postgame, dimana aplikasi pengelolaan data
dengan menggunakan teknologi big data pada data gudang
bank mandiri sudah siap untuk dilakukan implementasi dan
sudah melalui proses analisa, perancangan dan
pengembangan. Dimana pada proses implementasi tersebut
peneliti akan menggambarkan dari proses instalasi hadoop
(teknologi big data), dokumentasi implementasi aplikasi
pengelolaan data untuk pencarian pattern pada data gudang
dengan teknologi hadoop, serta pengujian aplikasi untuk
memastikan aplikasi sudah siap dan suda melalui tahap
pengujian.
63
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
barang_masuk
kode_brg_masuk
tanggal
M qty
kode_cust 1
kode_barang
1 1
65
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
Gambar 17 : Command promt proses output hasil dari big data ke local
Setelah proses wordcount di lakukan, output dari proses Gambar 20 : Form See the Result pada Big Data Process
mapreduce akan tampil seperti gambar di bawah ini dengan
format output.txt dengan tersimpan di ftp out dan secara by Setelah data yang di inginkan tampil pada menu big data
system tersimpan juga di file local : result, user dapat melihat rincian data dengan cara memilih
data yang di inginkan kemudian klik see result, kemudian
akan tampil tampilan hasil see detail dari data yang di pilih
secara terperinci. user juga dapat melihat deskripsi dari rincian
data yang di tampilkan untuk memudahkan proses pelaporan
kepada management.
66
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
VI. KESIMPULAN
a. Kesimpulan
Berdasarkan hasil analisis dan pembahasan dapat di tarik
kesimpulan sebagai berikut :
1. Berdasarkan analisis dan pengujian pada aspek
Gambar 21 : Tampilan hasil see detail ke User Interface
Functionality dengan ISO 9126 yang menggunakan
metode angket didapatkan 100% yang mempunyai arti
i. Pengujian Black Box
bahwa kualitas sistem informasi sudah sesuai atribut
Tujuan dari pengujian adalah mengidentifikasi strategi
Functionality, sementara untuk metode black-box testing
pengujian, prosedur pengujian yang memungkinkan proses
yaitu secara keseluruhan Aplikasi Big Data untuk
pengujian yang efektif / efesien dan pengujian dilakukan
Pencarian Pattern Data Gudang pada PT. Bank Mandiri
dengan menggunakan Jenis Pengujian Black Box.
(persero) tbk. sudah berjalan dengan baik.
Berdasarkan hasil pengujian dengan kasus sample uji yang
2. Dengan adanya aplikasi pengelolaan data untuk pencarian
telah dilakukan memberikan kesimpulan bahwa pada proses
pattern data gudang dengan menggunakan teknologi Big
penglolaan data dengan menggunakan aplikasi pengelolaan
Data, staff dan management dapat memperoleh informasi-
data dengan teknologi big data mampu melewati pengujian
informasi pattern data untuk pelaporan dan analisa dalam
system yang telah di berikan sesuai dengan keinginan user.
mengambil keputusan.
j. Kualitas Perangkat Lunak pada Aspek Functionality
3. Staff dan management juga dapat memperoleh informasi
dengan ISO 9126
dari aplikasi dalam bentuk pattern data by periode, barang
Kemampuan perangkat lunak untuk menyediakan fungsi
dan customer berdasarkan kebutuhkan user dalam metode
sesuai kebutuhan pengguna, ketika digunakan dalam kondisi
pengumpulan data.
tertentu.
b. Saran
Dari hasil pengujian dapat diketahui persentase untuk
Selain kesimpulan, juga diberikan saran yang mungkin
masing-masing penilaian adalah :
bisa dijadikan pertimbangan dalam pengembangan aplikasi ini
Ya = (85/85)x100% = 100%
selanjutnya. Berikut saran-sarannya antara lain :
Tidak = (0/85)x100% = 0%
1. Diperlukannya pihak yang bertanggung jawab untuk
Berikut ini analisis data dari pengujian funcionality :
pemeliharaan aplikasi baik dalam masalah hardware
Tabel 1 : Analisis data pengujian Functionality ataupun software, agar aplikasi dapat berjalan dengan baik.
2. Program aplikasi ini masih harus dikembangkan seiring
dengan kemajuan teknologi yang terus berkembang dan
peningkatan kebutuhan yang semakin beragam sehingga
dapat memenuhi kebutuhan user.
Berdasarkan hasil penelitian perancangan aplikasi android
untuk sales dengan menggabungkan local based service yang
berbasis client-server dengan tujuan mempermudah pekerjaan
sales dalam absensi adalah dengan cara aplikasi andoid
mengambil titik koordinat yang berupa longitude dan latitude
disimpan dalam database untuk rekapan data sales tersebut.
Aplikasi android untuk sales dengan menggabungkan
local based service berbasis client-server dapat dipergunakan
untuk sales ketika mendapatkan proyek dan langsung
melakukan input saat itu juga (real time) dengan cara sales
input dengan aplikasi android kemudian setelah data di save,
data tersebut akan masuk ke dalam server, dan saat itu juga
admin dapat melakukan tindakan terhadap data inputan dari
sales untuk cetak atau revisi. Hasilnya akan dijadikan laporan
untuk manager.
67
JURNAL SISFOTEK GLOBAL ISSN : 2088 – 1762 Vol. 6 No. 2 / September 2016
DAFTAR PUSTAKA
[1] Dwijaantara,2010, https://dwijaantara.wordpress.com/2010/10/25/agile-
method/. tanggal akses 20 Mei 2016, pukul 17:00
[2] IwanPrasetyo,2015,http://www.tukarpengetahuan.com/2015/06/pengert
ian-agile-development-methods.html. tanggal akses 15 Mei 2016, pukul
19:30.
[3] Kalinowski, Marcos et al. 2015 Toward Building Knowledge on
Causes of Critical Requirements Engineering Problems. 27th
International Conference on Software Engineering and Knowledege
Engineering (SEKE 2015) .
[4] Praba, Prakash. 2014,
http://www.codeproject.com/Articles/757934/Apache-Hadoop-for-
Windows-Platform tanggal akses 08 Mei 2016, pukul 20:00 (instalasi
hadoop)
[5] Tarhan, Ayca dan Yilmaz, Seda Gunes. 2014 Systematic analyses and
comparion of development performance and product quality of
Incremental Process and Agile Process. Information and Software
Technology, 2014, 56, 477-494. Elsevier.
[6] Thomas H. Davenport. 2013 http://www.sas.com/en_th/insights/big-
data/what-is-big-data.html, tanggal akses 14 Mei 2016, pukul 21:00
[7] Wijaya, W. M. Teknologi Big Data : Sistem Canggih di Balik Google,
Yahoo!, Facebook, IBM (Teori hingga Tutorial). Edisi 1. Cetakan 1.
Deepublish. April 2015. Yogyakarta.
[8] Spits Warnars, Mining Patterns with Attribute Oriented Induction”, The
International Conference on Database, Data Warehouse, Data Mining
and Big Data (DDDMBD2015), Tangerang, Indonesia, pp. 11-21, 10-
12 September 2015.
[9] Harco Leslie Hendric Spits Warnars, Muhamad Iskandar Wijaya, Hok
Bun Tjung, Dendy Fransiskus Xaverius, Dedy Van Hauten, Sasmoko
(2016), “Easy understanding of Attribute Oriented Induction (AOI)
characteristic rule algorithm”, International journal of Applied
Engineering Research (IJAER), vol. 11, No. 8, pp. 5369-5375.
[10] Riswan Efendi Tarigan, Kartika Sari Dewi (2015). Web-Based
Implementation of E-Marketing to Support Product Marketing of
Chemical Manufacturing Company. CommIT Journal, 9(2), pp. 73-82.
Digital, Jasakom, Yogyakarta, 2014.
68