Komputasi Cerdas dan Cloud Computing

November 14, 2016

Komputasi Cerdas dan Cloud Computing

Pengenalan

Komputasi di implementasikan pada berbagai bidang, salah satunya adalah Cloud Computing.
Komputasi awan (cloud computing) adalah sistem komputasi yang menempatkan sumber daya dan infrastruktur (misalnya: jaringan, server, penyimpanan, aplikasi, dan layanan) dalam jaringan yang dapat diakses melalui browser. Dalam sistem komputasi awan, informasi secara permanen tersimpan di server di internet dan tersimpan secara sementara di komputer pengguna (client) yang bisa berupa desktop, komputer tablet, notebook, komputer tembok, handheld, sensor-sensor, monitor dan bentuk-bentuk perangkat cerdas lainnya. Perangkat lunak berbasis web (web-based application)merupakan salah satu pemanfaatan infrastruktur komputasi awan. Layanan webmail (yakni layanan email yang diakses melalui web menggunakan browser, misalnya Yahoo!Mail dan GoogleMail) merupakan salah satu contoh perangkat lunak berbasis web yang hanya bisa diimplementasikan karena berkembangnya sistem komputasi awan.

Web 2.0

Web 2.0, adalah sebuah istilah yang dicetuskan pertama kali oleh O'Reilly Media pada tahun 2003, dan dipopulerkan pada konferensi web 2.0 pertama pada tahun 2004, merujuk pada generasi yang dirasakan sebagai generasi kedua layanan berbasis web—seperti situs jaringan sosial, wiki, perangkat komunikasi, dan folksonomi—yang menekankan pada kolaborasi online dan berbagi antar pengguna. O'Reilly Media, dengan kolaborasinya bersama MediaLive International, menggunakan istilah ini sebagai judul untuk sejumlah seri konferensi, dan sejak 2004 beberapa pengembang dan pemasar telah mengadopsi ungkapan ini.

Walaupun kelihatannya istilah ini menunjukkan versi baru daripada web, istilah ini tidak mengacu kepada pembaruan kepada spesifikasi teknis World Wide Web, tetapi lebih kepada bagaimana cara si-pengembang sistem di dalam menggunakan platform web. Mengacu pada Tim Oreilly, istilah Web 2.0 didefinisikan sebagai berikut:

"Web 2.0 adalah sebuah revolusi bisnis di dalam industri komputer yang terjadi akibat pergerakan ke internet sebagai platform, dan suatu usaha untuk mengerti aturan-aturan agar sukses di platform tersebut. ”

Prinsip-prinsip web 2.0

1.Web sebagai platform

2.Data sebagai pengendali utama

3.Efek jaringan diciptakan oleh arsitektur partisipasi

4.Inovasi dalam perakitan sistem serta situs disusun dengan menyatukan fitur dari pengembang yang terdistribusi dan independen (semacam model pengembangan "open source")

5.Model bisnis yang ringan, yang dikembangkan dengan gabungan isi dan layanan

6.Akhir dari sikllus peluncuran (release cycle) perangkat lunak (perpetual beta)

7.Mudah untuk digunakan dan diadopsi oleh user

Web Mining

Web Structure Mining

Web structure mining bertujuan untuk menemukan pengetahuan yang bermanfaat dari hyperlinks, di mana hyperlinks tersebut menggambarkan mengenai struktur Web. Hyperlink merupakan sebuah tautan yang terdapat pada suatu halaman web dan merujuk ke bagian lain pada halaman yang sama atau ke halaman lain. Pemanfaatan yang paling populer dari web structure mining adalah untuk menentukan tingkat otoritas suatu halaman web. Mesin pencari Google menggunakan informasi tersebut untuk menentukan urutan hasil pencariannya. Sebuah algoritma web structure mining, PageRank, ditemukan oleh dua pendiri Google: Larry Page dan Sergey Brin. Web structure mining dapat juga diaplikasikan untuk mengkluster atau mengklasifikasikan halaman web (Gomes dan Gong, 2005).

Web Content Mining

Web content mining bertujuan untuk mengekstrak informasi atau pengetahuan yang bermanfaat dari isi halaman web. Terdapat dua kategori dalam web content mining: ekstraksi data terstruktur dan text mining. Ide mengenai ekstraksi data terstruktur berasal dari hasil pengamatan bahwa kebanyakan situs web menampilkan informasi penting yang berasal dari basisdata mereka menggunakan suatu template tertentu. Kita dapat mengidentifikasi template tersebut dengan mencari pola-pola yang berulang dalam halaman web. Selain data terstruktur, halaman web juga mengandung banyak sekali teks yang tidak terstruktur yang ditulis dalam bahasa natural. Penggalian informasi dari teks seperti ini merupakan domain dari text mining. Salah satu hal yang penting untuk dilakukan dalam text mining adalah mengekstrak pendapat atau sentimen orang-orang dalam tinjauan produk, forum, jejaring sosial, dan blog.

Web Usage Mining

Web usage mining bertujuan untuk menangkap dan memodelkan pola perilaku dan profil dari pengunjung web. Pola-pola tersebut dapat digunakan untuk meningkatkan pemahaman mengenai perilaku dari segmen-segmen pengunjung web yang berbeda, untuk memaksimalkan tata letak dan struktur dari situs web, dan untuk memberikan informasi yang sesuai dengan profil pengunjung. Berbeda dengan dua jenis web mining sebelumnya, sumber data primer dari web usage mining adalah log akses web server, bukan halaman web.

Collective intelligence pada suatu kelompok akan menghasilkan hasil yang lebih baik dibandingkan dengan hasil yang diperoleh dari kelompok kecil para ahli jika empat kondisi dasar dipenuhi. Kondisi tersebit adalah wise crowd akan efektif ketika terdiri dari individu-individu yang memiliki opini beragam; ketika individu-individu tidak takut untuk mengekspresikan opini mereka; ketika ada keberagaman dalam kelompok; dan ketika ada cara untuk mengumpulkan semua informasi dan menggunakannya untuk proses pengambilan keputusan.

Definisi collective intelligence kemudian dikembangkan lebih lanjut sebagai :

1.Intelligence yang diekstrak dari set kolektif interaksi dan kontribusi yang dibuat oleh pengguna aplikasi.

2.Penggunaan intelligence ini berperan sebagai filter yang memberikan pengguna nilai lebih jika meggunakan aplikasi. Filter ini mempertimbangkan pilihan-pilihan yang diinginkan pengguna dan interaksi-interaksi untuk menghasilkan informasi yang relevant untuk pengguna.

3.Filter tersebut dapat berupa pengaruh sederhana yang terdapat pada informasi kolektif milik pengguna-pengguna – atau dapat berupa rating atau review yang ditulis terkait dengan produk atau dapat berupa model rekomendasi konten untuk setiap pengguna.

ada tiga hal yang perlu terjadi untuk menerapkan collective intelligence di aplikasi, yaitu :

1.mengajak pengguna berinteraksi dengan pengguna lain di dalam aplikasi anda, kemudian aplikasi mempelajari setiap pengguna melalui interaksi dan kontribusinya,

2.mengaggregasi apa yang perlu dipelajari tentang penguna-pengguna dan kontribusinya menggunakan beberapa model,

3.mengunakan model-model untuk merekomendasikan konten ke pengguna.