IMPLEMENTASI BIG DATA UNTUK PENCARIAN PATTERN

DATA GUDANG
PADA PT. BANK MANDIRI (PERSERO) TBK

Erni Lusiani, Intan Khalida M, Jumila

Jurusan Statistika
Fakultas MIPA Universitas Syiah Kuala
Darussalam – Banda Aceh

Abstract. Big Data is a trend that covers a vast area of business and technology. Big
Data refers to technologies and initiatives that involve data that is so diverse, rapidly
changing, or super-large that it is too difficult for conventional technology, expertise,
and infrastructure to handle it effectively. Bank Mandiri is one of the companies
engaged in banking. This company is one of them is serving the ordering of goods
between Area and Branch from all over Indonesia. In the reporting process, the
warehouse staff still uses the data provided from the existing system, but the data
provided is still in the form of reports. Ordinary data generated from OLTP is
unchangeable, so the reports that given to upper management as an analysis material
in decision-making are less informative. The author will develop applications that can
process and search the pattern of data as a material reporting and implementation of
technology. Big data will greatly assist the process of managing the data, because the
data is managed in a fast time will continue to grow, so the management of using big
data is the right solution in searching pattern on data warehouse of Bank Mandiri.
Applications that will be developed will provide the necessary information such as the
pattern of the most items in the message and the pattern of the user who made the
most orders, so the pattern on the application will help staff in reporting and
manegement top level in performing analysis in decision making..
Kata Kunci: Big Data, hadoop, mapreduce, pattern, gudang, Bank Mandiri
 Menurut Thomas, “Big Data adalah
I. PENDAHULUAN istilah yang menggambarkan volume data
yang besar, baik terstruktur dan tidak
Bank Mandiri merupakan salah satu terstruktur yang membanjiri bisnis pada
perusahaan yang bergerak dibidang sehari–hari. Data besar dapat dianalisis untuk
perbankan. Kegiatan perusahaan ini salah wawasan yang mengarah pada keputusan
satunya adalah melakukan transaksi yang lebih baik dan bergerak bisnis strategis”
pemesanan barang antar wilayah, area dan [4].
kantor pusat pusat. Selain dalam melakukan
transaksi gudang kepada wilayah dan area, Karakteristik Big Data
staf bagian gudang juga di tugaskan untuk
membuat pelaporan data gudang yang akan di Karakteristik big data antara lain :
berikan kepada management untuk dijadikan
bahan analisa dalam pengambilan keputusan. -Volume
Pengelolaan data dilakukan berdasarkan Jumlah data yang dihasilkan dan
data yang diperoleh dari berbagai transaksi disimpan. Ukuran data menentukan nilai dan
gudang, namun sistem yang ada pada saat ini potensi mendalam – dan apakah itu dapat
belum mendukung untuk kebutuhan sebenarnya dianggap sebagai big data atau
pengelolaan data pintar sebagai bahan bukan
pelaporan. Sehingga staf yang bekerja pada
bagian gudang masih menyediakan laporan- -Variety
laporan biasa yang hanya di hasilkan oleh Jenis dan sifat dari data. Ini membantu
OLTP. Hal ini tentu saja memiliki dampak orang-orang yang menganalisisnya yang
laporan yang kurang informatif bagi menggunakan secara efektif hasil mendalam
management tingkat atas. Salah satu
dampaknya adalah terdapat barang masuk -Velocity
yang banyak, namun barang tersebut lama Pada konteks ini, kecepatan data yang
tidak digunakan atau dipesan oleh wilayah dihasilkan dan diproses untuk memenuhi
dan area, sehingga barang tersebut tidak permintaan dan tantangan- tantangan yang ada
terpakai dan tidak efisien. Pengembangan di lintasan perkembangan dan pengembangan
aplikasi pengelolaan data untuk pencarian [6].
pattern data gudang dengan menggunakan Big
Data pada Bank Mandiri diharapkan akan Hadoop
membantu proses pengelolaan data gudang.
Teknologi big data digunakan karena data Hadoop merupakan framework software
gudang akan terus mengalami perkembangan berbasis Java dan open source yang berfungsi
data yang besar, data tersebut diperoleh dari untuk mengolah data yang memiliki ukuran
seluruh wilayah dan area Bank Mandiri. yang besar secara terdistribusi dan berjalan
Aplikasi pengelolaan data untuk pencarian diatas cluster yang terdiri dari beberapa
pattern menggunakan teknologi big data akan komputer yang saling terhubung (parallel
dikembangkan menggunakan java. Penerapan computing). Hadoop dapat mengolah data
pengelolaan data dengan Big Data untuk dalam jumlah yang sangat besar hingga
kedepannya diharapkan mampu untuk petabyte (1 petabyte = 10245 bytes) dan
membantu mengelola data-data yang sifatnya dijalankan di atas ratusan bahkan ribuan
besar yang bertransaksi di Bank Mandiri. komputer. Hadoop dibuat oleh Doug Cutting
Sehingga hasil dari aplikasi pengelolaan data yang pada asalnya Hadoop ini adalah sub
tersebut dapat membantu pihak staf dan project dari Nutch yang digunakan untuk
managament dalam membuat dan search engine. Hadoop bersifat open source
menganalisa hasil laporan. dan berada di bawah bendera Apache
Software Foundation. [5].
II. LANDASAN TEORI
Definisi Big Data Arsitektur Hadoop

Hadoop terdiri dari common Hadoop

yang berguna dalam menyediakan akses ke
dalam file sistem yang didukung oleh aplikasi pengelolaan data untuk pencarian
Hadoop. Common Hadoop ini berisi paket pattern pada data gudang dengan
yang diperlukan oleh JAR file, skrip yang menggunakan teknologi big data berbasis
dibutuhkan untuk memulai Hadoop dan java, metode pengembangan perangkat lunak
dokumentasi pekerjaan yang telah dilakukan yang akan digunakan yaitu metodologi Scrum
oleh Hadoop. (Agile), karena berdasarkan hasil penelitian
yang dilakukan oleh Marcos Kalinowski,
Bedasarkan inti dari Hadoop adalah et.al, 2015. Penelitian tersebut dilakukan pada
terdiri dari: tahun 2015 dengan responden beberapa
organisasi menghasilkan bahwa Scrum
1. Hadoop Distributed File System (HDFS)  merupakanmodel proses yang paling banyak
Untuk data yang terdistribusi. dipakai oleh beberapa organisasi yang
menjadi responden tersebut sebanyak 60,81%
2. MapReduce  Framework untuk aplikasi [3]. Penelitian yang dilakukan Ayca Tarhan
dan programming yang terdistribusi. [7]. dan Seda Gunes Yilmaz, 2014 mengatakan
HADOOP
bahwa kinerja kinerja pengembangan dan
HDFS MapReduce kuualitas produk yang dilakukan dengan
Secondary
NameNode
NameNode JobTracker
menggunakna proses Agile lebih tinggi
dibandingkan dengan dengan proses
DataNode DataNode TaskTracker TaskTracker

Incremental. Adapuun tahapan-tahapan yang

Gambar : Inti Hadoop (a) komponen HDFS dilakukan dalam metode Scrum (Agile) yaitu
(b) Komponen MapReduce Preggame, Game dan Postgame. Adapun
Metode Scrum dapat diihat pada visualisasi
Metode Pengembangan Perangkat berikut:
Lunak Agile
Pengembangan perangkat lunak agile [2]
merupakan salah satu metodologi dalam
sebuah pengembangan perangkat lunak. Kata
Agile berarti bersifat cepat, ringan, bebas
bergerak, waspada. Kata ini digunakan Gambar 3.1. Gambar Scrum (Agile)
sebagai kata yang menggambar konsep model
Dalam penelitian ini, peneliti
proses yang berbeda dari konsep model-
menggunkan beberapa teknik dalam
model proses yang sudah ada. pengumpulan data:
a. Observasi
Rational Unified Process Observasi adalah kegiatan pengamatan
yang direncanakan, sistematis dan
Rational Unified Process, adalah suatu hasilnya dicatat serta diinterpretasikan
kerangka kerja proses pengembangan dalam rangka memperoleh pemahaman
perangkat lunak iteratif yang dibuat oleh tentang objek yang diamati. Pada
Rational Software, suatu divisi dari IBM sejak penelitian ini observasi dilakukan dengan
2003. RUP bukanlah suatu proses tunggal cara mencatat dan mengamati langsung
dengan aturan yang konkrit, melainkan suatu dengan mendatangi gudang Bank
kerangka proses yang dapat diadaptasi dan Mandiri, serta melihat bagaimana
dimaksudkan untuk disesuaikan oleh pengelolaan data yang di buat untuk di
organisasi pengembang dan tim proyek jadikan bahan pelaporan.
perangkat lunak yang akan memilih elemen b. Wawancara
proses sesuai dengan kebutuhan mereka. [1] Wawancara di lakukan untuk
mendapatkan data dan informasi kepada
III. METODELOGI PENELITIAN staff dan management Bank Mandiri.
Metode Penelitian
Berdasarkan pembahasan pada bab Langkah-Langkah Penelitian
sebelumnya bahwa akan di kembangkan Pada langkah-langkah penelitian ada 3
tahapan yang harus dilakukan untuk
melakukan implementasi berdasarkan pada data gudang dengan teknologi
metodelogi yang digunakan adalah sebagai hadoop, serta pengujian aplikasi untuk
berikut: memastikan aplikasi sudah siap dan suda
melalui tahap pengujian.

IV. HASIL DAN PEMBAHASAN

Analisa Aplikasi Usulan
Program Aplikasi yang diusulkan
yaitu terdiri dari sebuah aplikasi client.
Gambar 3.2. kema langkah penelitian Aplikasi client yaitu Aplikasi Pengelolaan
Keterangan: data untuk pencarian pattern data gudang
a. Analisa yang berperan sebagai interface oleh user
Dalam tahap analisa, peneliti untuk melakukan pengelolaan data dan
menggunakan langkah berdasarkan menampilkan pattern data yang di butuhkan.
metodelogi agile, pada tahapan analisa Aplikasi tersebut menggunakan teknologi big
dalam metodelogi agile sama halnya data agar saat proses pengelolaan data pada
dengan langkah Pregame, dalam tahap aplikasi tersebut lebih optimal, sehingga saat
ini peneliti melakukan analisa dari user akan menampilkan pattern berdasarkan
system yang akan di kembangkan data yang telah di olah akan lebih maksimal.
berdasarkan kebutuhan user, pada
tahapan ini proses pengumpulan data dan Perancangan Unfied Modelling
observasi dilakukan. Use Case Diagram
b. Perancangan
Pada tahapan ini, peneliti menggunakan
langkah berdasarkan motodelogi agile
pada tahap “Game”, pada tahap ini
peneliti mempertimbangkan variabel
kebutuhan, kualitas dan penyelesaian
berdasarkan analisa perancangan, pada
Gambar 4.1. Use Case Diagram pada
proses perancangan aplikasi pengelolaan
proses Big Data
data dengan menggunakan teknologi big
data pada data gudang, perancangan ini
menggunakan sistem yang akan di Activity Diagram
kembangkan di modelkan dengan UML
(Unified Modelling Language) diagram,
yaitu : Use Case Diagram, Activity
Diagram, Class Diagram dan
Deployment Diagram.
c. Implementassi
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
 Implementasi
Proses Running Aplikasi Big Data
Sebelum melakukan running program, ada
beberapa hal yang harus diperhatikan:
1. Sebelum menjalankan aplikasi, start
hadoop untuk menjalankan proses big
data sebagai berikut:

Gambar 4.5. start Hadoop pada

CMD

2. Kemudian akan tampil

comandpromt yang menandakan jalannya
hadoop berhasil yaitu sebagai berikut:

Gambar 4.6. command prompt

Gambar 4.2. Activity Diagram pada hadoopsukses dijalankan
poses Big Data
3. Berikut adalah User Interface pada menu
Class Diagram Big Data, terdapat sub menu pada User
Interface yaitu submenu Big Data
Process dan submenu Result:

Gambar …: Tampilan User

Interface Menu Big Data

Gambar 4.3. Activity Diagram pada 4. Berikut adalah Tampilan Big Data
proses Big Data Process. Pada tampilan ini, data yang di
database gudang akan di proses dengan
Deployment Diagram teknologi big data ketika user memilih
button process.

Gambar 4.7. Tampilan User

Gambar 4.4. Class Diagram aplikasi
Interface submenu Big Data
gudang Process
5. Setelah klik proses dilakukan, dalam 10. Setelah proses wordcount mapreduce
prosesnya table detail_pesan yang berada selesai, akan muncul command prompt
di database akan di export to txt, dan txt kembali untuk memanggil data dari ftp
tersebut akan tersimpan di local dengan out, di sini proses ftp out akan di panggil
nama “input.txt”, gambar input.txt dapat untuk menampilkan data hasil output ke
di lihat di bawah ini, gambar tersebut user interface, dan ftp out yang sudah
adalah hasil dari tabel detail pesan yang terpanggil akan tersimpan di lokal yang
sudah di export to txt menjadi “input.txt” sudah di siapkan.
11. Setelah proses wordcount di lakukan,
output dari proses mapreduce akan
tampil dan format output.txt dengan
tersimpan di ftp out dan juga di file local.
12. User dapat melihat hasil data yang di
Gambar 4.8. proses dari db export to kelola oleh teknologi Big Data dari menu
“input.txt” Big Data Result.
Pengujian Black Box
6. Dalam proses running, program akan
membaca directory hadoop, dalam Tujuan dari pengujian adalah
directory hadoop terdapat ftp out, dalam mengidentifikasi strategi pengujian, prosedur
proses running program ftp out yang pengujian yang memungkinkan proses
tersimpan atau masih dalam keadaan pengujian yang efektif / efesien. Berdasarkan
kosong akan di remove, hal tersebut di hasil pengujian dengan kasus sample uji yang
karenakan directory hadoop pada ftp out telah dilakukan memberikan kesimpulan
tidak dapat menyimpan dan melakukan bahwa pada proses pengelolaan data dengan
duplicate data, sehingga di haruskan menggunakan aplikasi pengelolaan data
melakukan remove ftp out dari directory dengan teknologi big data mampu melewati
hadoop. pengujian system yang telah di berikan sesuai
dengan keinginan user.
7. Setelah menjalankan proses remove ftp
out pada directory hadoop, dalam Kualitas Perangkat Lunak pada Aspek
directory hadoop, juga terdapat ftp in, Functionality dengan ISO 9126
dalam proses ini running program ftp in Kemampuan perangkat lunak untuk
yang tersimpan atau masih dalam menyediakan fungsi sesuai kebutuhan
keadaan kosong juga akan di remove.
pengguna, ketika digunakan dalam kondisi
8. Setelah ftp out dan ftp in sudah di tertentu. Dari hasil pengujian dapat diketahui
remove dalam directory hadoop, program persentase untuk masing-masing penilaian
akan mengimport input.txt yang sudah
adalah :
tersimpan pada proses sebelumnya ke
dalam ftp in dalam directory hadoop. Ya = (85/85)x100% = 100%
Tidak = (0/85)x100% = 0%
9. Setelah ftp in sudah terisi oleh data dari
input.txt, selanjutnya adalah proses
wordcount data pada directory hadoop,
pada proses ini data pada ftp in di kelola Berikut ini analisis data dari pengujian
oleh algoritma mapreduce, dimana proses funcionality :
wordcountmapper dan wordcountreducer
dilakukan dan proses algoritma tersebut
sudah di jelaskan pada bab sebelumnya.
Setelah berhasil di jalankan, akan muncul
wordcound mapreduce succses, dan
output dari running program tersebut
secara otomatis akan tersimpan pada ftp
out.
 2. Dengan adanya aplikasi pengelolaan data
untuk pencarian pattern data gudang
Tabel : Analisis data pengujian Functionality dengan menggunakan teknologi Big
Data, staff dan management dapat
memperoleh informasi-informasi pattern
data untuk pelaporan dan analisa dalam
mengambil keputusan.

3. Staff dan management juga dapat

memperoleh informasi dari aplikasi
dalam bentuk pattern data by periode,
barang dan customer berdasarkan
kebutuhkan user dalam metode
pengumpulan data.

REFERENSI

[1]. Dwijaantara, 2010,

https://dwijaantara.wordpress.com/2010/10/25
Berdasarkan analisis deskriptif dan /agile-method/. tanggal akses 20 Mei 2016,
perhitungan maka di peroleh persentase 100% pukul 17:00
dari pengujian functionality dari pengujian
ISO 9126. Dari skor persentase yang di dapat [2]. Iwan Prasetyo, 2015
maka kualitas perangkat lunak dari sisi http://www.tukarpengetahuan.com/2015/06/p
functionality telah sesuai dengan atribut engertian-agile-development-methods.html.
functionality dan mempunyai skala sangat tanggal akses 15 Mei 2016, pukul 19:30.
tinggi.
[3]. Kalinowski, Marcos et al. 2015 Toward
V. KESIMPULAN Building Knowledge on Causes of Critical
Berdasarkan hasil analisis dan Requirements Engineering Problems. 27th
pembahasan dapat di tarik kesimpulan sebagai International Conference on Software
berikut : Engineering and Knowledege Engineering
(SEKE 2015) .
1. Berdasarkan analisis dan pengujian pada
aspek Functionality dengan ISO 9126 [4]. Thomas H. Davenport. 2013
yang menggunakan metode angket http://www.sas.com/en_th/insights/big-
didapatkan 100% yang mempunyai arti data/what-is-big-data.html, tanggal akses 14
bahwa kualitas sistem informasi sudah Mei 2016, pukul 21:00
sesuai atribut Functionality, sementara
untuk metode black-box testing yaitu [5]. Wijaya, W. M. Teknologi Big Data :
secara keseluruhan Aplikasi Big Data Sistem Canggih di Balik Google, Yahoo!,
untuk Pencarian Pattern Data Gudang Facebook, IBM (Teori hingga Tutorial). Edisi
pada PT. Bank Mandiri (persero) tbk. 1. Cetakan 1. Deepublish. April 2015.
sudah berjalan dengan baik. Yogyakarta.