Tugas Kelompok ke-3

Week 8

Jawablah soal berikut dengan benar!

A. Soal Essay
1. Kapan kita menggunakan analisa kualitatif dan kuantitatif pada proses
pengolahan big data?
2. Spark mempunyai berbagai macam tools. Sebut dan jelaskan tools
tersebut
3. Sebut dan Jelaskan apa saja komponen dalam Spark MLlib?
4. Apakah keuntungan dan kerugian menggunakan metode Naive Bayes?
Serta bedanya dengan Teorema Bayes?

B. Soal Case
1. Carilah artikel atau jurnal mengenai penggunaan analisis big data, lalu
lakukanlah Analisa mengenai hal tersebut (minimal 3 artikel). Artikel atau
jurnal dapat dicari melalui google scholar. Scopus.com atau media lainnya.

No Judul Penerbit Abstrak Penjelasan

1 Big data in Agricultural Aplikasi Big Data di dalam
agriculture: Systems agrikultur berevolusi dengan
Between cepat, dengan semakin banyak
Opportunity Elsevier Ltd. pengalaman, aplikasi, praktek
and Solution yang baik dan kekuatan komputer
yang lebih tersedia. Solusi nyata
untuk permasalahan kehidupan
sangat langka. Apa yang
mengkarakterisasi adopsi
permasalahan big data untuk
solusi dan sampai mana dan
apakah ada kecocokan diantara
mereka?
Data: Hasil survei dengan para
pemangku kepentingan dari
pengguna palikasi CYBELE dan
intermedier pemberi jasa pada
pengguna akhir.
Metode: Pendekatan gabungan
analisa kualitatif berdasarkan hasil
studi kasus dan survei
Tujuan: Mengetahui kondisi dari
adopsi teknologi big data pada
aplikasi agrikultur
Manfaat: Menngetahui solusi
berdasarkan data efektif dalam
menjawab karakteristik intrinsic
dari aplikasi agrikultur, tingkat
kedewasaan dari solusi big data
yang sudah tercapai dan apakah
pengguna akhir atau pemangku
kepentingan melihat niali tambah
untuk menggunakannya.
Analisa: Melakukan analisa sudut
pandang dari 1). Perubahan dari
driver; 2) Karakteristik big data;
3) Kedewasaan solusi; 4)
Pertimbangan pemangku
kepentingan; 5) Nilai tambah dari
penelitian ini
Hasil: Adopsi solusi big data masih
biasa. Terlepas dari akses yang
pada infrastruktur yang bagus dan

COMP6725 - Big Data Technologies

 mutakhir, hanya Sebagian kecil
yang berusaha menggunakan big
data untuk mendapatkan solusi.
Jarak untuk menggunakan solusi
big data untuk masalah yang
nyata masih lebar.
Saran: Diperlukan adopsi big data
secara skala besar, specific untuk
agrikultur, sistem big data yang
baru dan systems dengan
pendekatan pemikiran untuk
dikembangkan dalam
mendapatkan solusi big data.
2 Big data Transportation Analysis big data dapat digunakan Data: Data diambil dari berbagai
analytics in Research pada transportasi public untuk sumber seperti data sensor,
smart cities’ Procedia 63 lebih mengerti bagaimana internet traffic, straming data,
transportation (2022) 2385– masyarakat bepergian di dalam smart retail systems, graph data
infrastructure 2391 kota. Pengertian yang lebih baik sources, termasuk jaringan sosial,
modernization dari pola perjalanan penumpang internet, mutilmedia data
Elsevier B.V. dapat menolong operator termasuk photo, video dan suara.
transportasi membuat keputusan Metode: Menggunakan metode
yang lebih baik terkait kualitas kuantitatif dengan multiple
jasa yang diberikan. Masyarakat computing methods yang
yang melakukan perjalanan kemudian diprocessed secara real-
menggunakan kendaraan time atau near-real-time
bermesin yang melakukan menggunakan spark dan Hadoop.
perjalanan secara regular dapar Tujuan: Menggunakan big data
diprediksi berdasarkan data analytics untuk perencanaan
telepon gennggam dari jutaan transportasi publik dengan
pengguna. Survei local dan mengerti bagaimana masyarakat
nasional dapat bepergian di dalam kota
mendemonstrasikan paradigma Manfaat: Memberikan kualitas
kegunaannya. Untuk menghitung servis yang lebih baik berdasarkan
waktu yang dibutuhkan oleh hasil analytics big data.
penumpang untuk menaiki dan Analisa: Menggunakan teknologi
turun dari kereta, bus dan untuk mengumpulkan data melalu
informasi terkait lokasi dapat bio-sensors, smart wearables,
dikombinasikan dengan kartu autonomous cars, IT sensors,
pintar. RFID tags, smart meters, energy
sensors dan manfaatnya dengan
penggunaan big data
Hasil: Memberikan paradigma baru
atas smart cities berdasarkan big
data untuk mengembangkan
infrastruktur transportasi.
Saran:Data integration, smart
cities dapat tercapai disebabkan
oleh integrasi data dari berbagai
perusahaan, systems dan sensors
untuk mengembangkan sistem
transportasi yang saat ini masih
dulit dilakukan.
3 Measuring Annals of Paper ini bertujuan untuk Data: Infrastruktur berbasis big

Week 8 ©Arif 2|4

tourism with Tourism mengklasifikasikan sumber data
big data? Research digital untuk mengukur
Empirical Empirical pergerakan turis untuk
insights from Insights menetapkan set indicator
comparing assesmen dan untuk
passive GPS Elsevier Ltd. membandingkan dua sumber big
data and data untuk mendapatkan
passive pengetahuan secara empiris
mobile data bagaimana mengukut turisme
dengan menggunakan big data.
For three holiday destinations in
Germany, passive mobile data
and passive global
positioning systems (GPS) data
are compared with reference data
from the destinations for twelve
weeks in the
summer of 2019. Results show
that mobile network data are on a
plausible level compared to the
local reference
data and are able to predict the
temporal pattern to a very high
degree. GPS app-based data also
perform well,
but are less plausible and precise
than mobile network data.
Week 8 ©Arif
data: data pasif mobile network
Alat pasif berbasis big data: data
GPS pasif
Data dari platform
Data referensi lokal
Libur sekolah
Metode: Analysis data dilakukan
dengan dua Langkah, untuk
Langkah pertama dilakukan
pencarian secara grafik
menunjukkan pengukuran selama
12 minggu pada temporal scope.
Langkah selanjutnya melakukan
analysis statistical
Tujuan: Untuk mendeteksi
pergerakan turis dan perilaku
pada perjalanan menuju destinasi
dan di tempat destiansi
Manfaat: Pengetahuan atas pola
pergerakan turis sangat significant
karena mempunayi dampak pada
infrastuktur destinasi, sistem
transportasi, pengembangan
product, merencanakan atraksi
turis yang baru dan merencanakan
faktor yang terpengaruh oleh
turisme seperti eknomi, ekologi,
dan dampak socio-cultural.
Analisa: Menukur jarak metris
untuk mengukur tingkat volum
dan korelasi koefisien untuk
menentukan pola setelah jangka
waktu tertentu terkait dengan
data yang menjadi referensi.
Untuk mengukut tingkat volum,
digunakan jumlah perbedaan
selama 12 minggu dan jarak
absolut dari dua vector.
Hasil: Untuk overnight tourist data
tidak dapat disimpulkan. Untuk
turis day trips juga demikian
dengan hasil yang lebih tidak
lengkap. Dan juga untuk data
terkait penduduk setempat.
Dengan hasil-hasil tersebut maka
sangat jelas assessment volum
sangat challenging tanpa referensi
data yang dapat diandalkan.
Saran: Untuk menggunakan
pengukuran dari beberapa tempat
secara spesifik data mobile
network untuk mengasess pola
distribusi dalam jangka waktu
3|4
 tertentu dalam hal kategorisasi
framework, assessment dimensi,
dan mendapatkan data yang lebih
untuk mengases kualitas dan
kegunaan dari berbagai sumber
data.

Contoh artikel
1. https://www.sciencedirect.com/science/article/pii/S1389128617302591

Week 8 ©Arif 4|4