TK1 Mis
TK1 Mis
Transportasi Online
Arsyan Syahir Yoshua Novaldy Romai Lidya
Magister Manajemen Sistem Informasi Magister Manajemen Sistem Informasi Magister Manajemen Sistem Informasi
Program Magister Manajemen Program Magister Manajemen Program Magister Manajemen
Universitas Bina Nusantara Universitas Bina Nusantara Universitas Bina Nusantara
Jakarta, Indonesia Jakarta, Indonesia Jakarta, Indonesia
Abstraksi—Proses algoritma yang digunakan untuk membutuhkan transportasi online yang lebih tinggi,
mempertemukan driver online dengan penumpang merupakan sehingga supply dan demand tetap seimbang.
sebuah hal yang sangat penting dalam pembuatan sebuah
sistem transportasi online. Pada kenyataanya, keadaan II. STUDI LITERATUR
lingkunan dapat menyebabkan gangguan terhadap algoritma
Teradapat beberapa penelitian dan studi ekstensif terkait
yang ada dikarenakan, penumpang yang membutuhkan jasaa
transportasi jauh lebih banyak dari driver yang tersedia.
Big Data dan Predictive Analytic yang terkait dengan
Penulis mencoba untuk menawarkan sebuah bidang ilmu yang perkiraan cuaca dan juga pada dunia Transportasi. Pada
mungkin dapat bermanfaat untuk proses yang ada sekarang. dasarnya Big Data merupakan istilah yang berlaku untuk
Predictive Big Data Analytic ini akan bermanfaat untuk informasi yang tidak dapat di proses atau dianalisis
algoritma dalam mempertemukan driver dan penumpang menggunakan alat tradiosional [1]. Selain itu big data adalah
sehingga, walaupun keadaaan lingkungan yang ada, dapat proses data yang melebihi proses kapasitas dari konvensi
diantisipasi dengan adanya penanganan yang tepat terhadap system database yang ada. Data terlalu besar dan terlalu
algoritma yang ada. cepat atau tidak sesuai dengan struktur arsitektur database
yang ada. Untuk mendapatkan nilai dari data, maka harus
Kata-kata kunci—Big Data analytic, Predictive.Transportasi
Online. memilih jalan altenatif untuk memprosesnya [2]. Teknologi
Big Data platform opensource, untuk menyimpan,
I. PENDAHULUAN keamanan, akses, dan pengolahan data menggunakan
Saat ini perkembangan di industri transportasi kerangka kerja sebagai contoh yang paling banyak
berkembang dengan sangat pesat. Setiap tahun terjadi digunakan adalah Hadoop Open Source. Framework
peningkatan jumlah kendaraan baik kendaraan mobil menggunakan cluster untuk menangani data dalam skala
penumpang, mobil bis, mobil barang, maupun sepeda motor. besar. Menggunakan system file terdistribusi (HDFS) untuk
menyimpan data dalam blok dan mereplikasi mereka di
Dari keempat mode transportasi tersebut peningkatan beberapa mesin oleh server utama yang disebut master node,
tertinggi terjadi pada sepeda motor dari tahun-ketahun. Data yang mengelola replikasi dan pemisahan data dalam
yang bersumber dari Badan Pusat Statistik menerangkan
pemrosesan lainnya [3].Salah satu fungsi big data adalah
bahwa peningkatan jumlah sepeda motor dari tahun 2015 ke
sebagai analytic yang mana mengekstraksi data-data yang
2016 adalah sebesar 6.268.815 unit atau meningkat sebesar
6,34% (Badan Pusat Statistik, 2018). sudah dikumpulkan, kemudian data tersebut
diolah,dimanipulasi dan ditampilkan dalam bentuk
Tabel 1 Jumlah Peningkatan Kendaraan di Indoensia dashboard dengan informasi yang ditampilkan dalam bentuk
Jenis 2014 2015 2016 Key Performance Indicator (KPI) yang sudah ditentukan.Hal
Mobil 12.599.038 13.480.973 14.580.666 ini biasanya digunakan untuk pengambilan keputusan,
Bis 2.398.846 2.420.917 2.486.898 laporan organisasi dan juga membuat prediksi serta analisa
Pick-Up 6.235.136 6.611.028 7.063433 [3]. Pengguaan big data bisa dikatakan hampir di seluruh
Motor 92.976.240 98.882.267 105.150.082 industi khususnya dalam bidang perkiraan cuaca dan
Jumlah kendaraan yang semakin banyak ini menjadikan transportasi. Selain itu, beberapa penelitian terkait big data
transportasi online sebagai salah satu pilihan untama bagi pada transportasi dengan memanfaatkan IoT dan Machine
masyarakat untuk menghindari kemacetan yang terjadi. Di sisi Learning untuk mengatur Supply Chain Management,
yang lain, ketidakseimbangan dapat terjadi jika lingkungan pengaturan logistik untuk menentukan berapa sumber daya
seperti cuaca yang tidak diinginkan terjadi. Cuaca yang buruk yang dibutuhkan dan juga memperhitungkan mengatur jarak
seperti hujan, dapat mengakibatkan menumpuknya jumlah pengiriman antara poin A ke poin B [3].
demand (Customer) dan berkurangnya jumlah supply Salah satu output penggunaan big data adalah predictive
(Driver). dan analytic untuk melihat prediksi dari pola-pola sebelunya
sehingga terjadinya proses analitik untuk melihat prediksi
Pada saat kondisi tersebut seringkali yang terjadi adalah,
kedepanya akan seperti apa. Predictive analytic sendiri
customer tidak mendapatkan driver yang mau mengantarkan
ke tempat tujuan, atau harga yang ditawarkan oleh applikasi merupakan cabang dari advanced analytic yang proses
melonjak tinggi. kerjanya menggunakan prediksi guna mengetahui kejadian di
masa yang akan datang.Predictive Analytic juga
Predictive Big Data Analytic diharapkan dapat menggunakan banyak teknik mulai dari data
memprediksi cuaca yang akan terjadi sehingga system dapat mining,statistik,machine learning untuk menganalisis data
memetakan dan mempreddiksi daerah mana yang akan sekarang dan membuat prediksinya dimasa mendatang.
III. POSITIONING DAN NOVELTY Pada kerangka pikir pada gambar diatas adalah yang mana
berawal dari latar belakang atau introduction terkait masalah
Dari pemaparan pada bagian introduction dan beberapa dari penelitian atau penulisan proceeding ini. Kemudian
penjelasan dari studi literatur bahwa, penulisan jurnal ini dibuat rumusan masalah dari permaslaahan tersebut. Setelah
berfokuskan kepada pemanfaatan big data pada indsutri dibuat rumusan masalah maka mencari studi literatur
transportasi khususnya transportasi online yang mana khususnya terkait penerapan big data dan predictive analytic
permasalahan utamanya adalah pada kondisi hujan atau pada pada berbagai industri dan disni khususnya pada bidang
keadaan cuaca yang tidak baik para konsumen transportasi transportasi dan peramalan cuaca. Setelah studi literatur
online sangat sulit mendapatkan pengemudi baik pengemudi dikumpulkan maka melakukan pengumpulan data,
ojek maupun pegemudi taksi online karena banyaknya pengumpulan data ini bisa bersifat realtime mapun data satu
permintaan pada daerah tertentu. Hal ini mengakibatkan jam sebelumnya. Dari berbagai penelitian yang didapatkan
suatu daerah akan mengalami kesulitan dan kekurangan dari studi literatur data history cuaca yang dikumpulkan dari 2
untuk driver. Pada studi literature sudah dijealskan bahwa tahun terakhir dan pola musim dari berbagai daerah dan bulan.
penerapan big data dan predictive analytic sangat berguna Hal ini diperlukan untuk melakukan prediksi nantinya.Pada
pada industry transportasi. Beberapa penelitian penulisan proceeding ini data didapatkan dari BMKG.
Setelahdata terkumpul maka akan terjaid pengolahan data
menggunakan big data untuk peramalan khususnya untuk
dengan menggunakan teknologi big data. Pengolahan data
membantu pertanian, penjadwalan kapal laut dan pesawat. bisa berasal dari data terstrutur dan tidak terstruktur. Namun
Pada penelitian ini penerapan big data dan predictive analytic agar data mudah diolah maka sebaiknya data menggunakan
digunakan untuk mengatur penyebaran driver agar tidak data tersetruktur. Data yang sudah diolah dan sudah dilakukan
proses query maka data tersebut akan diintegrasikan dengan [1] P. Zikopoulus, C. Eaton, D. Deroos, T. Deutsch and
BI tools yaitu tools predictive analytic dengan menampilkan G. Lapis, Understanding Big Data Analytic For
informasi cuaca pada pada suatu daerah dan penyebaran Enterprise Class Hadoop And Streaming Data, IBM,
driver. Kemudian informasi tersebut dignakan untuk 2011.
pengambilan keputusan.
[2] S. Kaur and . S. . S. Cheema, "BIG DATA AND
Metode untuk penelitian ini menggunakan model ANALYSIS OF WEATHER FORECASTING
konseptual. Berdasarkan model memiliki beberapa elemen SYSTEM," 2017.
utama yaitu input, proses dan output. Ketiga elemen tersebut
merupakan gambaran umum dari penelitian mengenai [3] T. Borgi, M. Abed and N. Zoghlami, "Big data for
Pemanfaatan Predictive Big Data Analytics pada Transportasi transport and logistics: A review," 2017.
Online sepeti gambar 4 [4] S. Fong and R. Biuk-Aghai, "Big data analytics for
transportation: Problems and prospects for its
application in China," 2016.
[5] W. Septri and I. Krinadi, "PEMANFAATAN BIG
DATA DALAM PERKEMBANGAN EKONOMI
DAN BISNIS," 2019.
[6] K. U. Rani and K. Anusha, "Big Data Techniques for
Efficient Storage and Processing of Weather Data,"
2017.
[7] Assistant Professor & Head, PG Department of
Computer Science & Computer Applications,, "BIG-
DATA ANALYSIS FOR WEATHER
FORECASTING AND," 2018.
[8] . H. Jain and R. Jain, "Big Data in Weather
forecasting: Applications and Challenges," 2017.
[9] S. Iovan, "PREDICTIVE ANALYTICS FOR
TRANSPORTATION INDUSTRY," 2017.
[10] A. A. Chandio, T. N. and C. Z. Xu, "Big-data
processing techniques and their challenges in transport
domain," 2015.
[11] K. S. Ann, S. E. Koonin and S. Shipp, "Big data and
city living–what can it do for us Significance," 2012.
[12] E. B. Abrahamsen, O. M. Brastein and B. Lie,
Gambar 4 Kerangka Model Konseptual Machine Learning in Python for Weather Forecast
based on Freely Available Weather Data, 2018.
[13] P. Chouksey and A. S. Chauhan, "A Review of
V. KESIMPULAN Weather Data Analytics using Big Data," vol. 6, no. 1,
Penggunaan big data dan predictive analytic menjadikan 2017.
sebuah solusi di berbagai indsutri khususnya industry [14] D. Plannig For Big Data, Sebastopol: O’Reilly Radar
transportasi. Banyak manfaat dari big data pada indsutri Team, 2012.
transportasi. Seperti berbagai studi literatur yang sudah
dijelaskan bahwa salah satu manfaat big data juga adalah
peramalan cuaca yang mana ini juga sangat bermanfaat bagi
dunia transportasi seperi penerbangan dan juga perjalanan
kapal laut yang membutuhkan prediksi cuaca. Dalam
penulisan proceeding ini pemanfaatan big data salah satunya
untuk melihat peramalan cuaca dan juga prediksi untuk
penyebaran driver pada point-point yang akan mengalami
cuaca hujan.Seperti yang sudah diketahui bahwa apabila
terjadi cuaca hujan sangat sulit bagi konsumen untuk mencari
driver karena banyaknnya permintaan dan kurangnya driver
pada poin-poin atau daerah terrtentu. Oleh karena itu,
penulisan proceeding ini tujuanya adalah untuk mengatasi
masalah tersebut.
VI. REFERENCES