Pengembangan Prototipe Big Data pada Ekosistem Hadoop Menggunakan HDFS dan MapReduce sebagai Model Komputasi Paralel (Studi Kasus : Sampel Sistem Transportasi Kota Surabaya)

Alfahmi, M. Fian Fachry (2019) Pengembangan Prototipe Big Data pada Ekosistem Hadoop Menggunakan HDFS dan MapReduce sebagai Model Komputasi Paralel (Studi Kasus : Sampel Sistem Transportasi Kota Surabaya). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text BukuTAFian.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Dengan perkembangan sosial yang begitu cepat, industri transportasi juga menghadapi tantangan yang belum pernah dihadapi sebelumnya. Salah satu daerah yang mengalami dampak tersebut adalah Kota Surabaya, yaitu tantangan pertumbuhan jumlah kendaraan pribadi yang begitu pesat. Maka dari itu dibutuhkan suatu sistem transportasi umum yang memadai, yaitu dengan menyediakan rute yang sesuai dengan kebutuhan masyarakat Kota Surabaya. Dengan mengamati jalur perjalanan kendaraan yang berlalu – lalang di Kota Surabaya, akan diketahui preferensi jalur perjalanan yang dilalui oleh masyarakat, sehingga dapat dijadikan acuan untuk pemerintah Kota Surabaya, khususnya Dinas Perhubungan, sebagai dasar membuka rute transportasi umum dalam Kota Surabaya. Dengan memanfaatkan big data, maka data jalur perjalanan kendaraan dapat diolah sehingga mendapatkan hasil jalur perjalanan kendaraan yang paling sering dilalui oleh masyarakat Kota Surabaya. Big data tersebut diterapkan pada ekosistem Hadoop dengan menggunakan HDFS dan MapReduce sebagai model komputasi paralel. Model komputasi paralel digunakan karena data yang diolah berjumlah besar, sehingga akan lebih efisien dari model komputasi sekuensial. Dikarenakan area Kota Surabaya yang begitu luas dan prasarana untuk mengambil data yang dibutuhkan kurang memadai, sehingga penelitian ini dilakukan pada sampel 5 titik CCTV, yaitu Jl.Kayoon, Jl. Panglima Sudirman, Jl. Urip Sumoharjo, Keputran, dan Jl. Raya Ngagel. Berdasarkan hasil pengolahan data pada 5 titik CCTV tersebut, didapatkan bahwa jalur perjalanan kendaraan yang paling sering dilalui adalah jalur perjalanan dari Jl. Panglima Sudirman menuju Jl. Urip Sumoharjo.
================================================================================================
Because of the rapid social development, the transportation industry also faces challenges that have never been faced before. One of the region that experienced this impact is the Surabaya City, that is the challenge of the rapid growth of the number of private vehicles. Therefore, an adequate public transportation system is needed, that is by providing a route that fits the needs of the society of Surabaya City. By observing the travel path of passing vehicles in the Surabaya City, the route path preferences traveled by the society will be known, so that it can be used as a reference for the Surabaya City government, especially the Department of Transportation, as the basis for opening public transportation routes in Surabaya City. By utilizing big data, the vehicle path data can be processed so that the results of the vehicle paths that are most frequently traveled by the society of Surabaya City. Big data is applied to the Hadoop ecosystem using HDFS and MapReduce as the parallel computation model. The parallel computation model is used because the processed data is large, so it will be more efficient than the sequential computing model. Due to the vast area of the Surabaya City and the infrastructure to acquire the data needed is not sufficient, so this research was conducted on samples of 5 CCTVs points, those are Kayoon street, Panglima Sudirman street, Urip Sumoharjo street, Keputran, and Raya Ngagel street. Based on the results of data processed at the 5 CCTVs points, it was found that the vehicle's most frequently traveled route was the travel route from Panglima Sudirman street headed for Urip Sumoharjo street.

Item Type:	Thesis (Undergraduate)
Additional Information:	RSMa 005.74 Alf p-1 2019
Uncontrolled Keywords:	big data, sistem transportasi, implementasi, teknologi, transportasi umum, hadoop, HDFS, MapReduce, big data, transportation system, implementation, technology, public transportation, hadoop, HDFS, MapReduce
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA76.9D338 Data integration Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	M. Fian Fachry A.
Date Deposited:	08 Mar 2022 08:38
Last Modified:	08 Mar 2022 08:38
URI:	http://repository.its.ac.id/id/eprint/62016

Actions (login required)

View Item