139 Profesional di bidang data, seperti data analyst dan data scientist memiliki struktur tertentu dalam melakukan big data analytics. Hal ini bertujuan untuk memastikan pengolahan data akurat dan efektif. Berikut adalah langkah-langkah melakukan big data analytics. 1. Pengumpulan Data Langkah pertama dalam big data analytics adalah mengumpulkan data dari berbagai sumber, termasuk platform digital, media sosial, perangkat IoT, dan transaksi bisnis. Semakin lengkap dan beragam data yang terkumpul, semakin kuat analisis yang dapat dihasilkan. Setelah data terkumpul, data kemudian harus disimpan dengan aman dan efisien. Terdapat berbagai sistem penyimpanan data, seperti basis data relasional (RDBMS) atau sistem penyimpanan data lain, yang dipilih berdasarkan kebutuhan dan karakteristik data. 2. Pembersihan Data Data yang tidak bersih atau tidak lengkap dapat menghasilkan kesalahan dalam analisis. Oleh karena itu, sebelum proses analisis dimulai, data harus dibersihkan dan dipersiapkan dengan hati-hati. Proses pembersihan data melibatkan proses-proses seperti penghapusan data yang tidak sesuai, pengubahan format data, dan deduplikasi data.
140 3. Analisis Data Langkah inilah yang menjadi inti dari big data analytics. Pada tahap ini, berbagai teknik analisis, seperti analisis statistik, machine learning, atau data mining, digunakan untuk menggali wawasan dari data besar yang ada. 4. Presentasi Data Setelah informasi dari data sudah diperoleh, hasil analisis perlu dipresentasikan. Agar hasil analisis lebih mudah dipahami dan disajikan kepada pemangku kepentingan, data diubah menjadi visualisasi yang menarik dan informatif, seperti menggunakan dashboard. Fakta-fakta terkait dengan kondisi existing Perusahaan: Informasi apa saja yang bisa digali dari Big Data pada perusahaan di atas? Dan strategi apa saja yang bisa dilakukan dari masing-masing perusahaan di atas terkait Analitik Data seperti : 1. Advance Technology (Tools) Big Data 2. Key Roles Kunci Sukses Proyek Analitik 3. Lifecycle Analitik Data Teknologi yang digunakan dalam pentyimpanan (storage), pemrosesan (processing), dan analisis dari Big Data meliputi:
141 1. Dengan cepat menurunnya biaya penyimpanan dan daya CPU dalam beberapa tahun terakhir. 2. Fleksibilitas dan efektivitas biaya pusat data (datacenters) dan komputasi awan (cloud computing) untuk perhitungan dan penyimpanan elastis; 3. Pengembangan frameworks baru seperti Hadoop, yang memungkinkan pengguna memanfaatkan sistem komputasi terdistribusi ini untuk mengolah menyimpan sejumlah data besar melalui pemrosesan paralel yang fleksibel. Beberapa tools yang dapat membantu untuk membuat query yang kompleks dan menjalankan algoritma dari machine learning di atas hadoop, meliputi: 1. Pig (sebuah platform dan scripting language untuk complex queries) 2. Hive (suatu SQL-friendly query language) 3. Mahout dan RHadoop (data mining dan machine learning algorithms untuk Hadoop) 4. Selain hadoop, terdapat frameworks baru seperti Spark yang didesain untuk meningkatkan efisiensi dari data mining dan algoritma pada machine learning pada hadoop, sehingga dapat digunakan secara berulangulang untuk mengerjakan pengolahan/ analitik secara mendalam dari kumpulan data Dan juga terdapat beberapa database yang didesain untuk efisiensi peyimpanan dan query Big Data, meliput: a. MongoDB b. Cassandra c. CouchDB
142 d. Greenplum Database e. HBase, MongoDB, dan f. Vertica. Dari gambaran umum lifecycle analitik yang ditunjukkan pada Gambar 2.3 dapat dilihat terdapat beberapa fase diantaranya sebagai berikut: 1. Fase 1 Discovery Pada tahap ini, tim lmuwan data (Data Scientist) harus belajar, mencari dan menyelidiki fakta-fakta, masalah (identifikasi problem base), mengembangkan konteks dan pemahaman, dan belajar tentang sumber data yang dibutuhkan dan yang telah tersedia untuk kesuksesan proyek analitik. Selain itu, tim merumuskan hipotesis awal yang nantinya dapat diuji dengan data. Tim belajar domain bisnis, termasuk kriteria dari data history yang relevan, seperti, apakah organisasi atau unit bisnis telah mencoba proyek serupa di masa lalu (apa saja yang sudah mereka pelajari dari data). Tim menilai sumber daya yang tersedia untuk mendukung proyek tersebut dari segi SDM, teknologi, waktu, dan data. Kegiatan penting dalam fase ini meliputi membingkai masalah bisnis sebagai tantangan analitik yang dapat dibahas dalam fase berikutnya dan merumuskan hipotesis awal (IHs) untuk menguji dan mulai mempelajari data.
143 2. Fase 2 Data Preparation Tahap ini membutuhkan adanya sandbox analitik, di mana tim dapat bekerja dengan data dan melakukan analitik selama proyek tersebut. tim perlu melaksanakan proses ekstrak, load dan transformasi (ELT) atau ekstrak, transform dan load (ETL) untuk menyiapkan data ke sandbox. ETLT adalah proses integrasi data untuk mentransfer data mentah dari server sumber ke sebuah gudang data pada server target dan kemudian menyiapkan informasi untuk keperluan hasil akhir. Data Sandbox, dalam konteks Big Data, adalah platform terukur dan berkembang yang digunakan untuk mengeksplorasi informasi besar suatu perusahaan. Hal ini memungkinkan perusahaan untuk mewujudkan nilai investasi yang sebenarnya dalam Big Data. Sebuah sandbox data, utamanya dieksplorasi oleh tim Data Scientist yang menggunakan platform sandbox standalone, misal untuk analitik data marts, logical partitions pada suatu media penyimpanan di perusahaan. platform Data sandbox menyediakan komputasi yang diperlukan bagi para ilmuwan Data (Data Scientist) untuk mengatasi beban kerja analitik yang biasanya kompleks. 3. Fase 3 Model Planning Dalam tahap ini tim menentukan metode, teknik, dan alur kerja. Mereka berniat untuk mengikuti tahap pembentukan model berikutnya. Tim mengeksplorasi data untuk belajar tentang hubungan antara variabel dan kemudian memilih variabel kunci dan model yang paling cocok untuk digunakan.
144 4. Fase 4 Model Building Tim mengembangkan dataset untuk pengujian (testing), pelatihan (training), dan tujuan produksi (menghasilkan data baru dari data yang ada). Selain itu, dalam fase ini tim membangun dan mengeksekusi model yang didasarkan pada kerja yang dilakukan di dalam fase Model Planning. Tim juga mempertimbangkan apakah ini alat yang ada akan cukup untuk menjalankan model, atau jika itu akan membutuhkan lingkungan yang lebih robust untuk mengeksekusi model dan alur kerja (misalnya, hardware yang cepat, teknik dekomposisi data dan pemrosesan paralel, jika dapat diterapkan). 5. Fase 5 Communicate Result Tim bekerja sama dengan pemangku kepentingan (stakeholders) utama, menentukan apakah hasil proyek tersebut sukses atau mengalami kegagalan berdasarkan kriteria yang dikembangkan di Fase 1. Tim harus mengidentifikasi temuan kunci, mengukur nilai bisnis, dan mengembangkan narasi untuk meringkas dan menyampaikan temuan kepada para pemangku kepentingan. 6. Fase Operationalize Tim memberikan laporan akhir, pengarahan, kode, dan dokumen teknis. Selain itu, tim dapat menjalankan pilot project untuk menerapkan model dalam lingkungan produksi. Pilot Project adalah sebuah studi percontohan, proyek percontohan atau studi pendahuluan skala kecil
145 yang dilakukan untuk mengevaluasi kelayakan, waktu, biaya, efek samping, dan efek ukuran dalam upaya untuk memprediksi ukuran sampel yang tepat dan memperbaiki design penelitian sebelum kepada proyek penelitian skala penuh. Gambar 2. Siklus Analitik Big Data Cloud Computing
146 erdasarkan survey yang dilakukan Lionel Sujay Vailshery dan bekerjasama dengan Tranforma Insights, dirilis pada Juli 2023. Perangkat atau device internet of things yang terhubung di seluruh dunia diprediksi akan terus meningkat. Pada tahun 2023 tercatat 15,1 miliar perangkat terhubung Internet of Things, diperkirakan pada tahun 2023 meningkat dua kali lipat B
147 menjadi lebih dari 29 miliar perangkat Internet of Things(Vailshery, 2023). Gambar 1. Perangkat IoT yang terhubung tahun 2019-2023 Internet of Things terdiri dari kata "Internet" dan "Things". "Internet" diartikan suatu jaringan global yang terdiri dari server, komputer, tablet, dan ponsel yang saling terhubung yang diatur oleh protokol standar (TCP/IP) digunakan untuk berkomunikasi berbagi informasi, konektivitas dengan server jarak jauh, cloud, dan platform analitik. Sedangkan "Things" merujuk pada objek-objek yang bersifat fisik, tindakan atau aktivitas. Apabila digabungkan kedua makna tersebut dapat diartikan sebagai berikut:
148 ‚Internet of Things adalah jaringan benda fisik (objek) yang mengirim, menerima, atau mengkomunikasikan informasi menggunakan Internet atau teknologi dan jaringan komunikasi lainnya seperti yang dilakukan komputer, tablet, dan smartphone, sehingga memungkinkan proses pemantauan, pengendalian di seluruh dunia‛. Secara konsep Internet of Things adalah konsep di mana objek yang terhubung ke internet dapat mengumpulkan dan bertukar data dengan satu sama lain dan sistem yang terhubung. Dalam internet of things, objek atau perangkat dapat mencakup sensor, perangkat wearable, kendaraan, peralatan rumah tangga, dan banyak lagi. Konsep utama dari internet of things dapat dilihat pada gambar 14. 2. Gambar 2. Paradigma internet of things Konsep internet of things dapat melakukan beberapa hal misalnya monitoring, pelacakan dan pengendalian perangkat berbasis sensor; Machine to Machine(M2M); mobil yang terhubung; smart device perangkat pribadi dan Industri 4.0.
149 Melalui konsep ini telah terwujudnya smart city dan selfdriving car (Hanes et al., 2017). Arsitektur dalam internet of things, ialah menjelaskan struktur atau lembar kerja perangkat terkait saling berkomunikasi, dan bekerja bersama untuk membangun ekosistem internet of things. Tujuan utama arsitektur internet of things adalah mengelola informasi yang dikumpulkan oleh teknologi yang mendukung internet of things sehingga dapat dianalisis atau diproses sesuai kebutuhan. Berkaitan arsitektur internet of things terdapat beberapa pendapat diantaranya arsitektur internet of things 3 layer, 4 layer layer, 5 layer, dan 7 layer, secara garis besar memiliki kesamaan (Indobot Academy, 2024). Gambar14.3 menunjukkan arsitektur internet of things secara umum. Gambar 1. Arsitektur internet of things
150 Pada kesempatan ini akan membahas arsitektur yang 7 layer (Alexey Itsekson, 2024). Gambar 2. Arsitektur internet of things 7 layer Arsitektur internet of things terus dikembangkan bertujuan untuk meningkatkan kinerja infrastruktur internet of things secara keseluruhan. Mari kita bahas ketujuh lapisan internet of things berikut: 1. Perception Layer (things) Perception layer disebut komponen fisik dalam internet of things yang berupa seperti sensor, smart device dan perangkat - perangkat yang dapat terhubung ke internet. Sensor mengukur parameter tertentu, selanjutnya mengubah sinyal analog menjadi informasi digital. Sensor dapat membantu menciptakan sistem pemeliharaan tempat yang cerdas. Contoh: Sensor suhu
151 digunakan untuk memonitoring dan mengontrol suhu air ruang server. 2. Connectivity Layer Lapisan ini disebut juga dengan lapisan gateway yang membantu membangun komunikasi dengan menghubungkan perangkat (things) dengan internet. Data yang ditangkap oleh sensor dikirim melalui kabel atau nirkabel ke layanan back-end internet of things. Beberapa model jaringan yang digunakan dalam internet of things diantaranya Ethernet, Bluetooth, Wi-Fi, NFC(Near Field Communication), LoRaWAN dan Zigbee. 3. Edge/Fog Computing Layer Lapisan ini melakukan pemrosesan data secara terdistribusi di dekat perangkat (things) atau pengguna, bisa dikatakan edge computing layer terletak diantara perangkat (things) dengan cloud atau data center. Sederhananya, lapisan ini memindahkan sebagian penyimpanan dan sumber daya komputasi keluar dari pusat data dan lebih dekat ke sumber data itu sendiri. Contohnya edge gateway server. 4. Processing layer Lapisan ini berupa layanan atau perangkat lunak yang mengelola semua data yang dihasilkan dari lapisan persepsi atau perangkat internet of things melalui jaringan. Semua informasi disimpan dan dianalisis. Pada lapisan ini terdapat dua pemrosesan data yaitu akumulasi data dan abstraksi data. Dalam arsitektur internet of
152 things lapisan ini terletak antara application layer dan gateway layer. 5. Application layer Lapisan ini mewakili semua layanan dan aplikasi yang digunakan pengguna untuk berinteraksi perangkat atau sistem internet of things yang disebarkan. Misalnya dengan smart home pengguna dapat memantau kondisi rumah, mengontrol perangkat rumah melalui smartphone, atau melalui website. Pada lapisan aplikasi, pengguna berinteraksi dengan semua perangkat yang terhubung. 6. Business layer Semua model komunikasi internet of things berupaya memberikan kemudahan dalam konsumsi informasi kepada pengguna. Misalnya, dibutuhkan data mentah dan membentuk wawasan dalam grafik dan bagan. Lapisan ini berkaitan wawasan bisnis, memproyeksikan tren masa depan, dan mendorong pengambilan keputusan oleh pemangku kepentingan. 7. Security Layer Lapisan keamanan sebagai lapisan tambahan dari arsitektur dasar, lapisan ini dikembangkan untuk melindungi data sensitif dan penerapan internet of things. Keamanan secara garis besar dapat diklasifikasikan menjadi tiga kategori: a. Keamanan device atau perangkat, dimulai pada lapisan persepsi(things) dengan perangkat yang
153 dilengkapi dengan perlindungan perangkat keras dan firmware. b. Keamanan koneksi, data perlu diamankan dengan mengenkripsinya saat digunakan oleh lapisan konektivitas. Enkripsi mengurangi risiko data disadap dan disalahgunakan oleh pengguna yang tidak berwenang c. Keamanan cloud, melibatkan enkripsi data yang disimpan untuk mengurangi risiko pelanggaran data yang melibatkan informasi sensitif. Akses ke aplikasi internet of things perlu dibatasi dengan tindakan otorisasi dan autentikasi yang kuat Teknologi internet of things tidak hanya membuat segalanya menjadi lebih efisien. Internet of things juga membantu bisnis mengurangi biaya operasional, membuat tempat kerja dan rumah lebih aman dan nyaman. Internet of Things telah memengaruhi berbagai bidang di seluruh dunia, berikut implementasi internet of things dalam berbagai bidang: 1. Smart city Smart City merupakan konsep kota cerdas dengan mengoptimalkan teknologi informasi dan komunikasi (TIK) untuk meningkatkan efisiensi, produktivitas, dan kualitas hidup penduduk dalam suatu kota. Smart City menggunakan berbagai solusi teknologi untuk mengelola sumber daya kota secara lebih efektif, mengoptimalkan layanan publik, meningkatkan berkelanjutan lingkung-
154 an, dan mendukung pembangunan berkelanjutan. Contohnya Jakarta Smart City (https://smartcity.jakarta.go.id), salah satunya monitoring kualitas udara dengan sensor-sensor yang telah terpasang di stasiun pemantauan kualitas udara dan Informasi kualitas udara dapat dilihat melalui aplikasi web/mobile. Gambar 5. Jakarta smart city 2. Smart farming Pertanian di Indonesia saat ini kebanyakan masih menggunakan teknik tradisional, tanpa memerhatikan, iklim, musim, kebutuhan air, jenis tanaman dan biaya yang tinggi. Berdasarkan data BPS triwulan II 2022 bidang pertanian merupakan sektor utama perekonomian di Indonesia (Bijanto et al., 2023). Dengan internet of things digunakan untuk meningkatkan efektivitas dan efisiensi dalam pengolahan pertanian misalnya penerapan greenhouse. Smart greenhouse dengan memanfaatkan sensor dapat mengendalikan suhu, kelembaban udara, cahaya dan kebutuhan lainya. Melalui smartphone petani dapat memonitoring kondisi tanaman serta
155 memberikan pupuk dan pestisida tidak perlu berkeliling area. Gambar 6. Smart farming 3. Self driving car Self driving car merupakan mobil yang dilengkapi dengan teknologi canggih seperti radar, gps, camera, laser yang memungkinkannya untuk mengemudi secara otomatis. Dalam mobil ini teknologi internet of things menjadi salah satu komponen penting. Misalnya sensor dasar memantau tekanan oli, tekanan ban, suhu, dan kondisi pengoperasian lainnya (Hanes et al., 2017). Gambar 3. Google self driving car
156 Selain contoh implementasi internet of things diatas beberapa penelitian penulis yang berkaitan dengan internet of things diantaranya, monitoring dan kendali kebocoran gas dengan memanfaatkan sensor mq6 dan sensor suhu yang dapat dimonitoring melalui website (Kristiyanto and Zulfikar, 2021); Smart aquarium berbasis internet of things dengan sensor suhu, Ph dan turbidity dengan memanfaatkan cloud iot server ubidots (Kristiyanto, 2023); monitoring kualitas air kolam ikan gurami dengan teknologi internet of things dengan parameter sensor suhu, ph, turbidity, kedalam air dan flow meter, server menggunakan thingsboard (Kristiyanto et al., 2023) Dari bab - bab sebelumnya telah banyak membahas apa mengenai cloud computing. Dalam materi ini akan dibahas bagaimana peranan cloud computing dalam ekosistem Internet of things. Cloud computing, khususnya melalui layanan IaaS (Infrastructure as a Service), SaaS (Software as a Service), dan PaaS (Platform as a Service)(Bhowmik, 2020) , memberikan dukungan untuk penerapan dan pengoperasian solusi internet of things. Berikut peranan cloud computing dalam pengembangan internet of things: 1. Melalui layanan SaaS dapat mengakses aplikasi internet of things tanpa khawatir kaitanya dengan pemeliharaan dan update software. 2. Analisis data secara real-time dari perangkat internet of things.
157 3. Melalui layanan IaaS dapat menangani volume data yang besar dari perangkat internet of things, tanpa menambah infrastruktur fisik. 4. Melalai layanan PaaS mempercepat pengembangan dan mempercepat solusi internet of things ke pasar. 5. Adanya cloud computing dan kecerdasan buatan meningkatkan pemprosesan dan memahami data internet of things.
158 ab ini bertujuan untuk membahas tantangan dan menggambarkan masa depan Cloud Computing, fokus pada aspek Edge Computing, Serverless, dan Kontainerisasi. Kita akan B menjelaskan konsep-konsep ini secara ilmiah, merinci
159 keuntungan dan potensi mereka dalam meningkatkan arsitektur dan efisiensi sistem cloud. 1. Edge Computing Edge Computing merupakan sebuah paradigma yang memproses data di dekat sumbernya, mengurangi latensi dan mempercepat respons aplikasi. Ini melibatkan pemrosesan data pada "edge" jaringan, dekat dengan perangkat penghasil data. Dengan demikian, keputusan dapat diambil lebih cepat, mengoptimalkan kinerja sistem. Gambar 1. Edge Computing Architecture (FSP Group, 2021) Dalam sistem Edge Computing, data diproses secara lokal pada perangkat atau dalam pusat data yang terletak
160 lebih dekat dengan perangkat tersebut, sehingga dapat mengurangi latensi dan meningkatkan respons waktu. 2. Serverless Computing Serverless Computing merupakan model komputasi di mana penyedia layanan cloud secara otomatis menangani alokasi sumber daya, sehingga pengembang hanya fokus pada penulisan kode. Fungsionalitas dieksekusi sebagai fungsi, diaktifkan oleh peristiwa atau panggilan API, menghilangkan kebutuhan untuk infrastruktur yang berkelanjutan. Beberapa produk Serverless Computing terkenal di cloud, termasuk AWS Lambda, Azure Functions, dan Google Cloud Functions. AWS Lambda, sebagai pionir dalam ruang ini, memungkinkan pengembang menjalankan kode tanpa harus mengelola infrastruktur, membayar hanya untuk waktu pemrosesan yang digunakan. Azure Functions dari Microsoft memberikan solusi serupa, mendukung beberapa bahasa pemrograman dan integrasi yang erat dengan ekosistem Azure. Google Cloud Functions, bagian dari Google Cloud Platform, memungkinkan pengembang menulis fungsi kecil yang diaktifkan oleh peristiwa tertentu tanpa memikirkan infrastruktur di baliknya. 3. Kontainerisasi Kontainerisasi merupakan sebuah metode dalam pengembangan perangkat lunak yang memungkinkan aplikasi dan layanan untuk diisolasi bersama dengan semua dependensinya, termasuk pustaka, runtime, dan
161 variabel lingkungan. Kontainerisasi melibatkan pengeksekusian aplikasi dan dependensinya dalam lingkungan yang terisolasi, yang disebut "kontainer." Ini memungkinkan portabilitas dan konsistensi lintas lingkungan, memfasilitasi implementasi dan skalabilitas. Dalam kontainerisasi, kita membutuhkan beberapa elemen kunci untuk mengemas, mendistribusikan, dan menjalankan aplikasi dengan konsisten di berbagai lingkungan. Pertama, kita memerlukan platform kontainer seperti Docker, yang memungkinkan kita membuat dan menjalankan kontainer dengan mudah. Selanjutnya, untuk mengelola dan orkestrasi kontainer di lingkungan produksi, alat seperti Kubernetes menjadi esensial. Kubernetes menyediakan kemampuan otomatisasi, penskalaan, dan manajemen daya yang diperlukan untuk mengelola aplikasi yang terdiri dari beberapa kontainer. Selain itu, alat manajemen registri kontainer seperti Docker Hub atau Google Container Registry digunakan untuk menyimpan dan berbagi gambar kontainer. Secara keseluruhan, kombinasi dari Docker, Kubernetes, dan alat pendukungnya membentuk fondasi yang kokoh untuk penerapan sukses kontainerisasi dalam lingkungan pengembangan dan produksi. 1. Keamanan dan Privasi Data a. Tantangan: Keterbatasan alat kontrol dan visibilitas, manajemen akses identitas yang kurang, dan
162 konfigurasi Cloud yang salah dapat menyebabkan kebocoran privasi data. b. Solusi: Mengonfigurasi perangkat keras jaringan, menginstal pembaruan perangkat lunak terbaru, menggunakan firewalls, antivirus, dan meningkatkan bandwidth untuk mencegah risiko keamanan data. 2. Lingkungan Multi-Cloud a. Tantangan: Kesalahan konfigurasi, kurangnya pembaruan keamanan, tata kelola data, dan kurangnya granularitas dalam lingkungan multicloud. b. Solusi: Menggunakan solusi manajemen data multicloud, menerapkan standar interoperabilitas Cloud, dan menggunakan alat otentikasi lapisan ganda. 3. Tantangan Kinerja a. Tantangan: Ketergantungan pada kinerja solusi komputasi awan yang tergantung pada vendor, menyebabkan risiko bisnis jika vendor mengalami gangguan. b. Solusi: Mendaftar pada penyedia layanan Cloud dengan kebijakan pemantauan SaaS (Software as a service) real-time, serta melibatkan pelatihan Cloud Solution Architect untuk mengatasi masalah kinerja. 4. Interoperabilitas dan Fleksibilitas a. Tantangan: Kesulitan dalam memindahkan aplikasi antar dua atau lebih ekosistem Cloud.
163 b. Solusi: Menetapkan standar interoperabilitas Cloud dalam organisasi sebelum proyek dimulai, dan menggunakan alat otentikasi lapisan ganda untuk memfasilitasi perpindahan. 5. Ketergantungan Tinggi pada Jaringan a. Tantangan: Kurangnya bandwidth internet yang memadai dapat menyebabkan risiko keamanan dan ketergantungan pada jaringan. b. Solusi: Meningkatkan bandwidth, fokus pada efisiensi operasional, dan mempertimbangkan solusi keamanan jaringan. 6. Kurangnya Pengetahuan dan Keahlian a. Tantangan: Kesulitan menemukan dan merekrut talenta Cloud yang sesuai. b. Solusi: Merekrut dan melatih profesional Cloud dengan spesialisasi dalam DevOps dan otomatisasi. 7. Keandalan dan Ketersediaan a. Tantangan: Ketersediaan rendah layanan Cloud dan kurangnya keandalan dapat mempengaruhi keberlanjutan bisnis. b. Solusi: Mengimplementasikan standar Kerangka NIST, maupun kerangka kerja lainnya yang mendukung dalam keandalan dan ketersediaan, serta melibatkan strategi redundansi dan pemulihan yang efektif.
164 8. Keamanan Kata Sandi a. Tantangan: Pengelola akun sering menggunakan kata sandi yang sama untuk semua akun Cloud. b. Solusi: Menggunakan manajer kata sandi yang kuat, menerapkan Otentikasi Multifaktor (MFA), dan mempromosikan kesadaran keamanan. 9. Manajemen Biaya a. Tantangan: Biaya layanan Cloud dapat bertambah tanpa perencanaan yang baik. b. Solusi: Melakukan audit sistem secara berkala, menggunakan alat pemantauan penggunaan sumber daya, dan mengadopsi strategi pay-as-you-go yang efektif 1. Edge Computing Masa depan Cloud Computing melibatkan penerapan yang lebih luas dari Edge Computing. Dengan peningkatan perangkat pintar dan IoT, Edge Computing akan memainkan peran krusial dalam memproses data di tempat asalnya. 2. Serverless dan Kontainerisasi Serverless dan Kontainerisasi akan terus berkembang sebagai solusi yang efisien untuk pengembangan dan implementasi aplikasi. Ini akan mempercepat pengembangan, meningkatkan skalabilitas, dan mengurangi biaya operasional.
165 3. Inovasi Teknologi Teknologi seperti kecerdasan buatan (AI) dan komputasi kuantum akan memainkan peran besar dalam mengubah paradigma Cloud Computing, membuka pintu untuk aplikasi yang lebih canggih dan efisien. 4. Tren Masa Depan Tren Masa Depan dalam Komputasi Awan Konvergensi layanan awan dan komputasi kuantum, integrasi antara komputasi tepi dan Internet of Things (IoT) untuk memproses data lebih dekat dengan sumbernya, komputasi tanpa server untuk mengabstraksi manajemen infrastruktur, munculnya strategi multi-awan untuk efisiensi biaya dan redundansi, serta penekanan yang semakin meningkat pada komputasi awan berkelanjutan untuk mengurangi dampak lingkungan adalah beberapa tren mendatang dalam komputasi awan.
166 Daftar Pustaka Alexey Itsekson (2024) Iot Architecture Layers, Https://Jelvix.Com/Blog/Iot-Architecture-Layers. Arsa, W., and, K.M.-I. (Indonesian J. of C. and 2014, undefined (hi ^[n_) ‘P_l[h][ha[h ^[h Ah[fcmcm Kch_ld[ Plcp[n_ Cfio^ Computing dengan Layanan Infrastructure-As-A-Service (IAAS)’, journal.ugm.ac.id [Preprint]. Available at: https://journal.ugm.ac.id/ijccs/article/view/6544 (Accessed: 30 January 2024). Alizadeh, M. et al. (2016) ‘Aonb_hnc][ncih ch gi\cf_ ]fio^ ]igjoncha: A molp_s’, Journal of Network and Computer Applications, 61, pp. 59–80. Available at: https://doi.org/10.1016/j.jnca.2015.10.005. Anggeriana, H. (2011) Cloud Computing Komputasi Awan. Ahnih, Nols[^c, B. [h^ H_lf[q[nc (2014) ‘P_g[h`[[n[h T_ehifiac Cloud Computing Untuk Peningkatan Proses Belajar M_ha[d[l’, Jurnal PROSISKO, 1(September), pp. 4–9. Available at: https://ejurnal.lppmunsera.org/index.php/PROSISKO/article/dow nload/82/142/. Andriawan, D., & Hamid, A. (2023). Systematic Literature Review: Penggunaan Dan Manfaat Sistem Gudang Data (Data Warehouse) Di Institusi Perguruan Tinggi. COMSERVA : Jurnal Penelitian Dan Pengabdian Masyarakat, 3(06), 2262–2274. https://doi.org/10.59141/comserva.v3i06.998
167 Bo^cs[hni, A. (2020) ‘P_ha[hn[l Cfio^ Cigjoncha’, academia.edu [Preprint]. Available at: https://www.academia.edu/download/32077571/E-BookPengantar-Cloud-Computing-R1.pdf (Accessed: 30 January 2024). Bbiqgce, S. (2020) ‘Cfio^ Cigjoncha Mi^_f’, Ih Cloud Computing. Available At: Https://Doi.Org/10.1017/9781316941386.005. Bijanto, B. Et Al. (2023) ‘P_l[h][ha[h D[h Igjf_g_hn[mc Scmn_g Smartfarming Menggunakan Arduino Uno Dan Modul Emj8266’, Jurnal Disprotek, 14(1). Available At: Https://Doi.Org/10.34001/Jdpt.V14i1.3924. Budiyanto, A. (2012). Pengantar Cloud Computing. Retrieved May 12, 2015, from http://www. cloudindonesia.or.id/apa-itupublic-cloud-privatecloud-dan-hybrid-cloud.html Dan C, M. (2018) Cloud Computing : Theory and Practice. Second Edition. Cambridge,: Katey Birtcher. Chai, W. B. K. (2022). What is PaaS? Platform as a service definition and guide. Datun Soliha, M., & Eka Atmaja, H. (2022). LITERATURE REVIEW: PERAN PENTING MANAJEMEN SDM DI DALAM ORGANISASI DI ERA COVID-19. Jurnal Ekonomi Dan Bisnis (EK&BI), 5(1), 63–72. https://doi.org/10.37600/ekbi.v5i1.447 Erl, T., Mahmood, Z. and Puttini, R. (2013) Cloud Computing Concept Technology and Architecture. Prentice Hall. Entenam, K. and Ahmed, U. (2011) Cloud Computing for Enterprise Architectures. Available at:
168 https://doi.org/10.1007/978-1-4471-2236-4. Fernández, A., del Río, S., López, V., Bawakid, A., del Jesus, M. J., Benítez, J. M., & Herrera, F. (2014). Big Data with Cloud Computing: an insight on the computing environment, MapReduce, and programming frameworks. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 380-409. Fithri, D.L., Utomo, A.P. and Nugraha, F. (2020) ‘Igjf_g_hn[ncih of SaaS Cloud Computing Services on E-Learning Ajjfc][ncihm (C[m_ Sno^s: PGRI Fioh^[ncih S]biif)’, Journal of Physics: Conference Series, 1430(1), pp. 0–8. Available at: https://doi.org/10.1088/1742- 6596/1430/1/012049. Ghanbari, S., & Othman, M. (2012). "A Priority Based Job Scheduling Algorithm in Cloud Computing." Procedia Engineering, 50, 778–785. https://doi.org/10.1016/j.proeng.2012.10.086. Hari Krishna, B. et al. (2016) ‘S_]olcns Immo_m ch S_lpc]_ Mi^_f i` Cloud Computing Environm_hn’, ch Procedia Computer Science. Elsevier B.V., pp. 246–251. Available at: https://doi.org/10.1016/j.procs.2016.05.156. Hosea, S., & Susilawati, N. (2023). SYSTEMATIC LITERATURE REVIEW TERHADAP KONSEP OPTIMAL TAX. Sebatik, 27(1), 415–430. https://doi.org/10.46984/sebatik.v27i1.2241 Hashem, I. A., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Kb[h, S. U. (2015). Tb_ lcm_ i` ‚\ca ^[n[‛ ih ]fio^ computing: Review and open research issues. Information Systems, 98-115.
169 Hanes, D. Et Al. (2017) Iot Fundamentals: Networking Technologies, Protocols, And Use Cases For The Internet Of Things From, Cisco Press. Habiba, U. et al. (2014) ‘Cigjf_r A^[jncp_ Ssmn_gm Mi^_fcha’, 2, p. 5. Available at: http://www.casmodeling.com/content/2/1/5. Ih^o, I., Ah[h^, P.M.R. [h^ Bb[me[l, V. (2018) ‘I^_hncns [h^ []]_mm management in cloud environment: Mechanisms and ]b[ff_ha_m’, Engineering Science and Technology, an International Journal, 21(4), pp. 574–588. Available at: https://doi.org/10.1016/j.jestch.2018.05.010. Indobot Academy (2024) Mengenal Arsitektur Internet Of Things, Https://Blog.Indobot.Co.Id/Mengenal-ArsitekturInternet-Of-Things/. J[gcf, M. [h^ Rimcb[h, A. (2016) ‘Boeo Ad[l Cfio^ Cigjonc ha’. Available at: https://books.google.com/books?hl=id&lr=&id=pd8uDwA AQBAJ&oi=fnd&pg=PR6&dq=Pengantar+Cloud+Computi ng&ots=5Bb3z22r_Q&sig=zWm_fpQJUvkWwLCgNhRMKd hqzDI (Accessed: 30 January 2024). Ji, C., Li, Y., Qiu, W., Awada, U., & Li, K. (2012). Big data processing in cloud computing environments. Pervasive Systems, Algorithms and Networks (ISPAN), 17-23. Kristiyanto, A. Et Al. (2023) ‘Mihcnilcha D[h Kf[mc`ce[mc Ko[fcn[m Air Kolam Ikan Gurami Berbasis Internet Of Things M_haaoh[e[h M_ni^_ N[cp_ B[s_m’, Jurnal Komtika (Komputasi Dan Informatika), 7(2), Pp. 155–167.
170 Available At: Https://Doi.Org/10.31603/Komtika.V7i2.10200. Klcmncs[hni, A. (2023) ‘Sg[ln Ako[lcog Iin Ssmn_g D_ha[h M_ni^_ Fuzzy Untuk Klasifikasi Kualitas Air Berdasarkan Suhu, Pb, D[h K_e_lob[h’, Smart Comp: Jurnalnya Orang Pintar Komputer, 12(4), Pp. 929–940. Available At: Https://Doi.Org/Https://Doi.Org/10.30591/Smartcomp.V1 2i4.5080. Klcmncs[hni, A. Ah^ Zof`ce[l, A.F. (2021) ‘D_n_emc K_\i]il[h Lja B_l\[mcm Iin M_haaoh[e[h M_ni^_ Fotts’, Jurnal EBisnis, Sistem Informasi, Teknologi Informasi, XVI(6). Kapil, D., Raghuwanshi and Puneet, H. (2018) Multi-tier Authentication for Cloud Security. Available at: http://www.springer.com/series/15179. Kcha_fch, J. (2020) ‘Comnig_l l_n_hncih ch mi`nq[l_-as-a-service \omch_mm’. Ap[cf[\f_ [n: https://jyx.jyu.fi/handle/123456789/69028. Loeg[h, R.D. (2019) ‘P_h_l[j[h T_ehifiac Cfio^ Cigjoncha D[h Line Bot Sebagai Media Promosi Dan Transaksi Produk Ugeg Dc Kin[ B[h^oha’, jj. 11–42. Available at: https://elibrary.unikom.ac.id/id/eprint/1465/. Lim, C., Cloud, A.S.-2012 I.C. on and 2012, undefined (2012) Mibc^ch, I. (2011) ‘Cfiom Cigjoncha Ssmn_gm’, Meruvian, 44(1), pp. i–Vi. Available at: https://doi.org/10.47655/dialog.v44i1.470. Mell, P., & Grance, T. (2011). The NIST definition of cloud computing.
171 Miao, G., Zander, J., Sung, K. W., & Slimane, B. (2016). Fundamentals of Mobile Data Networks. Cambridge University Press. ISBN 1107143217. Mookerjee, V., & Tan, Y. (2002). "Analysis of a Least Recently Used Cache Management Policy for Web Browsers." Operations Research, 50, 345–357. https://doi.org/10.1287/opre.50.2.345.430. Nurhikmah, R., Teknik, M.U.-S.N.F. and 2022, undefined (no ^[n_) ‘PENERAPAN CLOUD STORAGE DALAM MEDIA PENYIMPANAN BERBASIS WEB’, snft2022.ft.unimal.ac.id [Preprint]. Available at:https://snft2022.ft.unimal.ac.id/SI/010-SI.pdf (Accessed: 30 January 2024). Nutanix: Modern Infrastructure for an App-Driven World (no date).Available at: https://www.nutanix.com/moderninfrastructure?utm_so urce=google_adwords&utm_medium=paid_search&utm_ campaign=Nutanix_Search_APJ_ASEAN_BCA_MI_Google _Demand_X_NB_X_Phrase_Leads_cpa_English_English_ ACQ_&utm_term=cloudcomputing&utm_experience=&c q_plac=&cq_net=g&cq_plt=gp&cq_cmp=20020674931&ga d_source=1&gclid=CjwKCAiAtt2tBhBDEiwALZuhABQXqR 8cVFr5QiMCh8- l0FuOobZMGd6egJwpMGv5X2I5NoKT_c8AvxoCRREQAv D_BwE (Accessed: 30 January 2024). Omer, M.A. et al. (2022) ‘A Solp_s ih Cfio^ S_]olcns: Cih]_jnm, Tsj_m, Lcgcn[ncihm, [h^ Cb[ff_ha_m’, Journal of Applied Science and Technology Trends, 3(02), pp. 47–57. Available at: https://doi.org/10.38094/jastt301137.
172 Prihantoro, C., & Witriyono, H. (2017). IMPLEMENTASI SKALA MINIMUM CLOUD COMPUTING KATEGORI SOFTWARE AS A SERVICE (SAAS) PADA INSTITUSI PERGURUAN TINGGI (Studi Kasus: Unit Pelayanan Terpadu Teknologi Informasi dan Komunikasi Universitas Muhammadiyah Bengkulu - UPT TIK UMB). Pseudocode, 4(2), 129–136. https://doi.org/10.33369/pseudocode.4.2.129-136 Prabowo, W. S., Muslim, M. H., & Iryanto, S. B. (2015). Government Virtual Private Data Center based on Cloud Computing ( Empirical Study on Indonesian Institute of Sciences - LIPI ). Jurnal Penelitian Dan Pengembangan Komunikasi Dan Informatika2, 6(2), 1–14. Rc^b[, M. (2020) ‘P_g\[haoh[h Cfio^ Cigjoncha D_ha[h Layanan Software As A Service Di OPOP (One Pesantren Oh_ Pli^o]n)’. Ap[cf[\f_ [n: https://elibrary.unikom.ac.id/id/eprint/4092/ (Accessed: 30 January 2024). R_^^s Koh^olo, A. (2023) ‘Tb_ P_lcfm [h^ D_`_hm_m i` Ehn_ljlcm_ Cfio^ Cigjoncha: A Cigjl_b_hmcp_ R_pc_q’, Central Asian Journal Of Mathematical Theory And Computer Sciences [Preprint]. Available at: https://cajmtcs.centralasianstudies.org. Ronald L, K. and Russell, D.V. (2010) CLOUD SECURITY: A Comprehensive Guide to Secure Cloud Computing. Indianapolis: Wiley Publishing. Ratsanjani, M.H. et al. (2022) ‘Lcn_l[nol R_pc_q: P_l[h Ajfce[mc SAAS Dalam Kegiatan Bisnis E-Cigg_l]_’, SINOMIKA Journal: Publikasi Ilmiah Bidang Ekonomi dan
173 Akuntansi, 1(4), pp. 1009–1020. Available at: https://doi.org/10.54443/sinomika.v1i4.491. Sapdiaz, M. et al. (2023) ‘Bocf^cha E-Learning Application Using Cloud Computing with Software As A Service (SAAS) Mi^_f’, Antivirus : Jurnal Ilmiah Teknik Informatika, 17(1), pp. 123–134. Available at: https://doi.org/10.35457/antivirus.v17i1.3172. Sudiatmika, I.P.G.A. et al. (2022) ‘Igjf_g_hn[mc Cfio^ Cigjoncha Pada Apotek Di Bali Berbasis Software As a Service (S[[m)’, Jurnal Ilmiah Teknik Informatika dan Komunikasi, 2(2), pp. 43–54. Available at: https://doi.org/10.55606/juitik.v2i2.193. Sob[^[ [h^ N[moncih, M.I.P. (2023) ‘KEAMANAN DAN PRIVASI DATA DALAM LINGKUNGAN CLOUD COMPUTING: TANTANGAN DAN SOLUSI’, Kohesi: Jurnal Multidisiplin Saintek, 01(10). Ss[bhol, E.A. (2023) ‘Igjf_g_hn[ncih i` Si`nq[l_ [m [ S_lpc]_ (SaaS) Based Cloud Computing Using OwnCloud for UINSU Information System Student Data Processing: Implementasi Cloud Computing Berbasis Software as a Service (SaaS) Menggunakan OwnCloud Untuk P_haif[b[h D[n[ M[b[mcmq[ Scmn_g Ih`ilg[mc UINSU’, Jurnal Komputer Teknologi Informasi dan Sistem Informasi (JUKTISI), 1(3), pp. 179–184. Storey, V. C., & Song, I. Y. (2017). Big data technologies and Management: What conceptual modeling can do. Data & Knowledge Engineering, 108, 50-67.
174 S[mo\cffc, M.K. [h^ V_he[n_mq[lfo, R. (2021) ‘Cfio^ Cigjoncha S_]olcns Cb[ff_ha_m, Tbl_[nm [h^ Vofh_l[\cfcnc_m’, ch Proceedings of the 6th International Conference on Inventive Computation Technologies, ICICT 2021. Institute of Electrical and Electronics Engineers Inc., pp. 476–480. Available at: https://doi.org/10.1109/ICICT50816.2021.9358709. Schab, S., J_iha, Y.S. [h^ P[le, J.H. (2016) ‘A molp_s ih ]fio^ ]igjoncha m_]olcns: Immo_m, nbl_[nm, [h^ mifoncihm’, Journal of Network and Computer Applications, 75, pp. 200–222. Available at: https://doi.org/10.1016/j.jnca.2016.09.002. Singh, S. and Sethi, A. (2017) Cloud Computing: Security Issues & Solution, International Journal of Computational Intelligence Research. Available at: http://www.ripublication.com. Soh, P.J. (2020) ‘S_]olcns [h^ jlcp[]s jlin_]ncih ch ]fio^ ]igjoncha: Dcm]ommcihm [h^ ]b[ff_ha_m’, Journal of Network and Computer Applications. Academic Press. Available at: https://doi.org/10.1016/j.jnca.2020.102642. Tanenbaum, A. S., & Bos, H. (2015). Modern Operating Systems. Pearson. ISBN 978-0-13-359162-0. Thomas Erl, Zaigham Mahmood, & Ricardo Puttini. (2013). Cloud Computing: Concepts, Technology & Architecture. Prentice Hall. T[\lct]bc, H. [h^ Ko]b[ec R[`m[hd[hc, M. (2020) ‘A molp_s ih security challenges in cloud computing: issues, threats, [h^ mifoncihm’, Journal of Supercomputing, 76(12), pp.
175 9493–9532. Available at: https://doi.org/10.1007/s11227- 020-03213-1. Venkatesh, H., Perur, S. D., & Jalihal, N. (2015). A study on use of big data in cloud computing environment. Int. J. Comput. Sci. Inf. Technol. (IJCSIT), 2076-2078. Vailshery, L.S. (2023) Iot Market Size Worldwide 2019-2023 | Statista, Statista. Vikas, S., Gurudatt, K., Vishnu, M., & Prashant, K. (2013). Private Vs Public Cloud. International Journal of Computer Science & Communication Networks, 3(2), 79–83. What is SaaS (Software as a Service)? - Salesforce.com (no date). Available at: https://www.salesforce.com/saas/ (Accessed: 30 January 2024). Yo^b[hni, Y. [h^ Atcm, A. (2019) ‘P_ha[hn[l T_ehifiac Ihn_lh_n i` Tbcham (IiT)’. Ap[cf[\f_ at:https://books.google.com/books?hl=id&lr=&id=lK33Dw AAQBAJ&oi=fnd&pg=PR6&dq=Pengantar+Cloud+Comput ing&ots=UIF-BM_rB5&sig=0xHKLSmoWypOs9l08I7crGDEmk (Accessed: 30 January 2024). Zb_ha, X. [h^ W[ha, S. (2014) ‘Sno^s ih nb_ M_nbi^ i` Ri[^ ‘Rcme [h[fsmcm [h^ ]igj[l[ncp_ mno^s i` nb_ ^c``_l_hn ]fio^ ]igjoncha jlipc^_lm ch Ih^ih_mc[’, ieeexplore.ieee.org [Preprint]. Available at: https://doi.org/10.1109/ICCCSN.2012.6215714.
176 Tentang Penulis Dr. Dwi Prasetyo, Dipl.Inf, S.Kom, M.Si. Lahir di Bogor, Jawa Barat pada bulan Desember 1966. Penulis merupakan Dosen PNS di Prodi Ilmu Komputer, Fakultas Sains & Teknik - Universitas Nusa Cendana. Pendidikan: Doktor Teknologi Pendidikan Universitas Negeri Jakarta, 2013, Master Ilmu Komputer di Jurusan Ilmu Komputer, Sekolah Pascasarjana Institut Pertanian Bogor (IPB), 2005, Sarjana Ilmu Komputer di Jurusan Ilmu Komputer, FMIPA IPB, 1997, Diploma Informatika Komputer di FAPOLTAN IPB, 1988, Tahun 1990-2004 menjadi Staf pada Jurusan Ilmu Komputer, FMIPA IPB dan Pusat Kompiter IPB. Tahun 2005 sampai sekarang menjadi Staf Pengajar pada Jurusan Ilmu Komputer, FST Universitas Nusa Cendana (UNDANA) Kupang. Sejak 2005-2009 menjabat Kepala Laboratorium Komputer Jurusan Ilmu Komputer, FST UNDANA. Direktur/CEO PT dPRATECH, Dewan Pengurus Pusat (DPP) Asosiasi Perguruan Tinggi Informatika dan Komputer (APTIKOM) 2022-2026, Dewan Pengurus Pusat (DPP) Ikatan Ahli Informatika (IAII) 2020-2025, Pengurus Pusat dan Majelis Uji Kompetensi BK Informatika – Persatuan Insinyur Indonesia (PII) 2021-2024. Penulis aktif berkecimpung di dunia pendidikan, penelitian dan penulisan di bidang IT (Sistem Informasi, SIG, Mobile Computing dan Cloud Computing & Computer Thinking). Email: [email protected]
177 Fajar Mahardika, S.Kom., M.Kom Lahir di Cilacap pada tanggal 28 agustus 1995. Menyelesaikan Pendidikan S1 di Teknik Informatika STMIK AMIKOM Purwokerto. Tahun 2018, menyelesaikan S2 di Magister Ilmu Komputer Univeristas Budi Luhur Jakarta di tahun 2020. Pernah Bekerja sebagai IT Support di CV. Triakar Emas Nusa bidang Sistem Informasi Manajemen Rumah Sakit pada tahun 2018 sampai 2019. Pernah Bekerja di Teknologi Informasi sebagai STAFF ProgRANDOM ACCESS MEMORYmer Institut Teknologi dan Bisnis Bank Rakyat Indonesia Tahun 2019-2020. Pernah Bekerja sebagai IT Support di PT Cybertek Tahun 2020. Pernah Bekerja di STMIK Komputama sebagai dosen dan juga Sekretaris Prodi Teknik Informatika. Sekarang bekerja sebagai Dosen di ITSNU Pekalongan untuk prodi S1 Informatika tahun 2022 sampai 2024. CEO dan Direktur CV. Mahardika Applicaton Product mulai tahun 2012- sekarang. Hariyadi, S.Kom., M.Kom Lahir di Muara Labuh, 21 Juni 1989 Menyelesaikan Studi S1 Sistem Komputer Uhcp_lmcn[m Ponl[ Ih^ih_mc[ ‚YPTK‛ T[boh 2012, Lulus S2 di Program Studi Magister Ilmu Komputer di Perguruan Tinggi yang sama Tahun 2015. Saat ini adalah Dosen tetap di Program Studi Teknik Elektro Universitas Muhammadiyah Sumatera Barat (UM Sumbar) Sejak 2016 dan menjabat Sebagai Wakil Dekan Fakultas Teknik UM Sumatera Barat sejak Tahun 2020 yang sebelumnya menjadi Kepala UPT. Puskom UM Sumbar. Dosen pengampu Mata Kuliah
178 Sistem Digital, Algoritma Pemograman, Jaringan Komputer. Sebelumnya pernah Menerbitkan buku dengan Judul Dokumentasi Keperawatan Pada Poliklinik Gigi (Kajian Manual dan Komputerisasi), Buku ICT dan Perkembangan Pendidikan Islam, Kewirausahaan Digital dan editor di buku Media - Media Pembelajaran. Saat ini Penulis Sedang menempuh Pendidikan S3 di Universitas Negeri Padang. Halo semuanya, Perkenalkan saya Nurhayati biasanya di panggil nur atau yati. Saat ini saya sedang menempuh studi Magister atau Pascasarjana Universitas Negeri Yogyakarta dengan jurusan Pendidikan Dasar. Saya merupakan anak ketiga dari tiga bersaudara. Saya lahir di Rantau Prapat, 08 November 1999 merupakan puteri kelima dari lima bersaudara. Penulis menyelesaikan pendidikan di SDN 112149 Rantau Prapat, SMPN 2 Rantau Prapat, SMAN 1 SMAN 1 Rantau Prapat, dan lulusan sarajana pendidikan S1 di program studi Pendidikan Guru Sekolah Dasar, Fakultas Ilmu Pendidikan, Universitas Negeri Medan. Penulis memiliki beberapa pengalaman berorganisasi selama S1, seperti LP2IM, HMJ, UKMI dan BPMF. Saat ini, penulis menjadi aktivsi dan aktif di beberapa organisasi di bidang penulisan karya ilmiah dan tulisannya dalam bidang pendidikan telah dipublikasikan dijurnal dan penulis memperoleh beberapa prestasi di antaranya: TOP 5 Lomba Essay Simposium Budaya FIB UNPAD 2021, Juara I lomba Poster PKM Fakultas Ilmu Pendidikan, Juara I lomba Poster Gebyar PGSD Unimed, Penerima Beasiswa VDMI Tahun 2020, Finalis NESCO BK
179 Universitas Negeri Medan Tahun 2019, Juara III Lomba Prakarya Tingkat Umum, Pendanaan BPC Kategori Rencana Bisnis UNIMED, Pendanaan PKM oleh RISTEKDIKTI Tahun 2021, Juara 2 Lomba Media Pembelajaran PGSD UNIMED Tahun 2019, Mahasiswa Berprestasi I FIP,Universitas Negeri Medan Tahun 2021, juara I Artikel Islami FLSDK SUMUT 2022, serta Peraih Medali Perunggu dalam Ajang INNOPA Internasional Bali 2021 Internasional WINTEX AND INOVA Internasional. Dari beberapa pencapaian di atas penulis mendapatkan beasiswa LPDP Pascasarjana di Universitas Negeri Yogyakarta. Dr. Kurniabudi, M.Kom Merupakan Dosen dan Peneliti dalam bidang Ilmu Komputer. Saat ini tercatat aktif sebagai tenga pengajar dengan Jabatan Fungsional Lektor Kepala pada Program Pasca Sarjana Magister Ssistem Informasi, Universitas Dinamika Bangsa, Jambi. Penulis menempuh Pendidikan S1 dan S2 pada Universitas Putra Indonesia, Padang. Penulis menyelesaikan Studi S3 pada Program Doktoral Program Studi Ilmu Teknik Universitas Sriwijaya pada Tahun 2021. Sebagai Dosen, Penulis mengajar matakuliah Jaringan Komputer, Keamanan Komputer dan Jaringan, serta Metode Penelitian. Sebagai Peneliti, Penulis menekuni pada penelitian Technology Adoption, Network Security dan Information Security.
180 Andhy Permadi, ST., M.Kom. Lahir di Bekasi, menyelesaikan pendidikan Sarjana Teknik pada Fakultas Teknik Informatika STT-PLN Jakarta tahun 2005, dan melanjutkan Program Pascasarjana Magister Komputer pada Fakultas Ilmu Komputer STMIK Nusa Mandiri Jakarta tahun 2012. Saat ini penulis mengajar di Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Ampel Surabaya sebagai Dosen Tetap Program Studi Sistem Informasi. Penulis mengampu matakuliah Algoritma dan Pemrograman Dasar, Basis Data, Struktur Data, Pemrograman Berorientasi Objek, dan Rekayasa Perangkat Lunak. Selain itu penulis juga aktif dalam publikasi karya ilmiah dan kegiatan akademik lainnya. Penulis dapat dihubungi melalui email: [email protected]. Jovian Dian Pratama, S.Mat., M.Mat. Lahir di Semarang pada 28 Agustus 1997. Ia lulus S-1 dengan Predikat Cumlaude di Program Studi Matematika Fakultas Sains dan Matematika Universitas Diponegoro (UNDIP) tahun 2020 dan Lulus S-2 dengan Cumlaude dan IPK Sempurna serta Lulusan Terbaik di Program Studi Magister Matematika Fakultas Sains dan Matematika Universitas Diponegoro (UNDIP) pada tahun 2022. Ia adalah pengajar tetap Departemen Matematika Fakultas Sains dan Matematika Universitas Diponegoro Semarang sejak 2022 hingga saat ini. Bidang keahliannya yaitu Matematika
181 Terapan khususnya pada Analisis Numerik Terapan dan Komputasi. Sebelum menjadi pengajar tetap di Departemen Matematika Fakultas Sains dan Matematika Universitas Diponegoro Semarang ia pernah menjadi asisten pengajar Departemen Matematika Universitas Diponegoro (UNDIP) untuk mata kuliah Teori Himpunan dan Relasi, Logika dan Teori Pembuktian, Kalkulus, Analisis Riil, Aljabar Linier, dan Struktur Aljabar. Munandar, ST., MT. Lahir di Gampong Unoe Meunasah Mee, Pidie Provinsi Aceh pada Bulan Mei 1985. Penulis dalam keseharian merupakan Dosen pada Program Studi Sistem Informasi, STMIK Indonesia Banda Aceh. Pendidikan Sarjana Teknik Elektro Konsentrasi Teknik Informatika dan Komputer (2011) dan Magister Teknik Elektro Konsentrasi Teknologi Informasi (2019) penulis tempuh pada Universitas Syiah Kuala (USK) Banda Aceh. Tahun 2019 sampai dengan sekarang menjadi salah satu Staf Pengajar di Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Indonesia Banda Aceh. Dalam menjalankan Tridharma penulis dipercaya untuk beberapa jabatan Kampus, untuk saat ini penulis menduduki jabatan Kepala Lembaga Penjamin Mutu (LPM) STMIK Indonesia Banda Aceh. Penulis mendalami penelitian dalam kategori Teknologi Informasi dan Komunikasi- Jaringan Komunikasi- Komunikasi Data dan Protokol. Dalam perihal menulis, masih Newbie dengan \oeo s[ha n_f[b j_hofcm n_l\cne[h ^_ha[h do^of‛ P_ha[hn[l 15
182 B[b[m[ P_glial[g[h T_l\[ce ^c M[m[ D_j[h‛. Eg[cf: [email protected] Novi Trisman Hadi, S.Pd., M.Kom Penulis dilahirkan di Batu – Malang, 03 Nopember 1992. Merupakan anak keempat dari 4 bersaudara. Penulis menempuh pendidikan formal di SDN Sisir 1 (Kota Batu), SMPN 1 Batu, dan SMK Islam Batu. Penulis melanjutkan pendidikan Sarjana di Pendidikan Teknik Informatika Universitas Negeri Malang. Penulis melanjutkan pendidikan Magister di Departemen Teknik Informatika ITS Surabaya. Selama menjadi mahasiswa penulis aktif sebagai dosen luar biasa di Pendidikan Informatika dan Komputer Terapan (PIKTI) ITS. Pada tahun 2016 penulis juga merintis software house bernama Azzam Insight Technology yang bergerak dalam bidang jasa pembuatan aplikasi web, dekstop, dan media interaktif. Saat ini penulis mengabdi sebagai dosen tetap di UPN Veteran Jakarta. Selain itu penulis juga aktif sebagai peneliti pada area riset Jaringan Komputer, Wireless Sensor Network, IoT, Cloud Computing, dan Keamanan Jaringan. Apabila pembaca ingin berkorespondensi dengan penulis, dapat melalui email: [email protected]
183 Lilik Suhery, S.Kom, M.Kom Merupakan Dosen di Prodi Teknik Komputer, Sekolah Tinggi Teknologi Payakumbuh. Pendidikan: Magister Ilmu Komputer Universitas Putra Indonesia Padang, 2013, Sarjana Teknik Informatika, STMIK AMIKOM Yogyakarta, 2010. Email: [email protected] Nurhuda Maulana Memperoleh gelar sarjana dalam bidang Teknik Sistem Komputer dari Universitas Diponegoro, serta gelar magister dalam bidang Teknik Komputer dari Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung. Saat ini, beliau menjabat sebagai dosen di Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta. Fokus utama penelitiannya melibatkan Teknik Komputer, Sistem Tertanam, Jaringan Komputer, Internet of Things, dan Jaringan Sensor Nirkabel. Ahmadi Irmansyah Lubis, S.Kom., M.Kom. Lahir di Padangsidimpuan, Sumatera Utara 10 November 1994. Jenjang Pendidikan S1 ditempuh di Program Studi Teknologi Informasi, Universitas Sumatera Utara, Kota Medan lulus tahun 2018. Pendidikan S2 di Program Studi Teknik Informatika, di Universitas Sumatera Utara lulus tahun 2020. Saat
184 ini berprofesi sebagai Dosen pada Jurusan Teknik Informatika di Politeknik Negeri Batam. Bidang yang diminati penulis antara lain Artificial Intelligence, Decision Support System, Machine Learning, Expert System, Software Development, Information System, dan Cloud Computing. Beberapa matakuliah yang sudah pernah diampu diantaranya Pemrograman Terstruktur, Basis Data, Pemrograman Mobile, Statistika, Metode Numerik, Teknik Riset dan Operasi, Keamanan Perangkat Lunak dan sebagainya. Dr. Ilham, S.Kom, M.Kom. Dosen PNS di Program Studi Sistem Informasi, UIN Sunan Ampel Surabaya. Kegiatannya selain mengajar sebagai dosen, aktif menulis baik buku maupun artikel yang diterbitkan di Jurnal Nasional dan Internasional. Pernah memberikan penyuluhan dan pembinaan Teknologi informasi di berbagai Institusi baik swasta maupun pemerintah. Pernah mendapatkan penghargaan beberapa kali kategori dana hibah penelitian dan pengabdian kepada masyarakat (PKM). Pernah juga menjadi Konsultan dan Tim FTE DEPDAGRI dalam proyek Pengadaan Barang dan Jasa di 10 Kabupaten dan Kota Propinsi Jawa Timur. Sekarang ini kesibukkan dalam mengajar juga dengan menjadi narasumber, menulis buku dan menulis artikel untuk dipublikasi di jurnaljurnal terindeks SINTA dan Scopus.
185 Arip Kristiyanto, S.Kom., M.Kom. Lahir di Kenteng, Kec. Susukan Kab. Semarang, 03 Januari 1992 dan saat ini berdomisili di Kota Tangerang. Penulis merupakan Dosen Program Studi Sistem Informasi (Kampus Kota Serang), Fakultas Ilmu Komputer Universitas Pamulang dari tahun 2021-sekarang. Penulis menamatkan sekolah menengah di SMK 1 Tengaran tahun 2010. Menyelesaikan pendidikan S1 pada Jurusan Teknik Informatika di Universitas Pamulang tahun 2018 dan menyelesaikan S2 pada Jurusan Magister Teknik Informatika STMIK Eresha tahun 2020. Pengalaman industri penulis sebagai Quality Engineering di PT Modena Indonesia. Penulis mulai aktif di dunia pendidikan dan tri dharma perguruan tinggi sejak tahun 2021. Email: [email protected] M[’mbog A\^of J[\\[l Penulis bernama Ma'shum Abdul Jabbar, S.Kom., M.T.I. memiliki latar belakang pendidikan Magister Teknik Informatika dari Universitas Bina Nusantara dan mendapatkan gelar sarjana dari Universitas MH Thamrin. Penulis cukup sering mengikuti berbagai pelatihan di rumpun ilmu IT dan telah memiliki beberapa sertifikasi global termasuk di bidang cloud computing. Penulis juga memiliki pengalaman bekerja sebagai praktisi IT sejak tahun 2015 dengan berbagai posisi di beberapa
186 perusahaan seperti bidang telekomunikasi, start up teknologi pendidikan dan konsultan keuangan yang menangani klien lembaga keuangan perbankan di Indonesia. Saat ini penulis juga aktif mengajar pada program studi ilmu komputer di salah satu perguruan tinggi swasta di daerah Bogor. Dalam perjalanan profesionalnya, telah terlibat dalam sejumlah proyek inovatif yang menggabungkan keahlian teknis dengan pemahaman mendalam tentang kebutuhan bisnis. Sebagai seorang penulis dan praktisi IT, penulis ingin berbagi wawasan terhadap keilmuan di bidang Cloud Computing yang dapat membantu pembaca memahami serta mengoptimalkan potensi teknologi cloud. Buku ini mencerminkan komitmen penulis untuk terus berkontribusi pada perkembangan teknologi informasi, membimbing pembaca melalui tantangan dan peluang yang ditawarkan, termasuk di bidang revolusi cloud computing.
187