![]() |
Gambar: cleantechies.com. |
Internet of Things dan Big Data merupakan dua hal yang tak dapat dipisahkan. IoT menciptakan volume data yang besar, membentuk big data. Peranti-peranti IoT, terutama sensor, mengalirkan data secara terus-menerus (real time) maupun dalam periode tertentu. Kemudian data yang terkumpul diolah dan dianalisis sehingga menghasilkan informasi yang dimanfaatkan oleh bisnis atau organisasi.
Sebagai ilustrasi, mari kita lihat penerapan IoT/big data di UPS, perusahaan pengiriman yang berkantor pusat di Amerika Serikat.
UPS menggunakan sensor-sensor data dan analitis big data untuk menghemat pengeluaran, meningkatkan efisiensi, dan meminimalkan dampak lingkungan. Sensor dipasang di setiap mobil armada untuk memonitor kecepatan, konsumsi bahan bakar, jarak tempuh, jumlah pemberhentian, dan kesehatan mesinnya.
Setiap mobil dipasangi dua ratus sensor dan UPS memiliki armada sejumlah 80 ribu mobil yang beroperasi setiap hari. Volume data yang besar ini kemudian dianalisis sehingga menghasilkan informasi yang bermanfaat bagi UPS.
Sensor atau peranti IoT yang dipakai oleh UPS saja sudah begitu banyak. Maka tidak mengherankan bila populasi peranti IoT itu di seluruh dunia sangatlah besar dan terus bertambah dari waktu ke waktu. Menurut Cisco, pada bulan Februari 2015, jumlah obyek IoT tersebut sudah mencapai 14,8 miliar dan diharapkan naik hingga 50 miliar pada tahun 2020.
Cisco memang sangat optimis dengan perkembangan IoT. Sementara EMC dan IDC agak lebih konservatif memperkirakan jumlah peranti IoT. Keduanya memperkirakan hanya ada sekitar 32 miliar perangkat IoT pada tahun 2020. Dan Gartner meramalkan lebih sedikit lagi, yaitu hanya 26 miliar objek di tahun yang sama.
Berapa jumlah data yang dihasilkan? Volume keseluruhan big data—bukan hanya IoT—di seluruh dunia, menurut IDC pada tahun 2013 saja sudah mencapai 4,4 zettabyte (ZB). Satu zettabyte sama dengan satu triliun gigabyte. Sementara pada tahun 2020, volume big data diprediksi akan mencapai 44 ZB.
Penerapan IoT oleh perusahaan memberikan peluang peningkatan pendapatan, pemangkasan biaya, peningkatan efisiensi, dan menambah kepuasan pelanggan. Tetapi penerapannya tidak semudah membalikkan tangan, terutama untuk saat ini. Tantangan utamanya terletak pada pengolahan dan analisis (big) data yang dihasilkan, dibutuhkan platform untuk pengumpulan, pengelolaan, dan analisis big data dengan cara yang lebih efektif biaya dan scalable.
Tantangan Analisis Data
Big data memiliki karakteristik 3V, yaitu volume, velocity, dan variety. Tantangan pengelolaan dan analisis data yang berasal dari sensor-sensor IoT berkaitan terutama dengan volume dan velocity, dan sebagian variety. Hal ini tergantung pada jenis penerapan IoT-nya.
Beberapa contoh jenis penerapan IoT seperti:
1.Smart city, smart transport, atau “smart” lainnya. Pada kasus smart city, berbagai jenis sensor IoT dipasang di hampir setiap sudut kota. Ada sensor-sensor yang ditempatkan di tempat parkir, sehingga penduduk dapat mengetahui tempat parkir yang masih lowong via smartphone mereka. Pada skema smart city juga ada sensor-sensor untuk menyala-matikan lampu jalan/taman, sensor suhu, sensor kebersihan udara, dan lain-lain.
2.Pengawasan secara real time mengenai apa yang sedang dilakukan oleh”thing”, yaitu kondisi operasinya, isu-isunya, bebannya, konfigurasinya, dan lain-lain. Thing dalam hal ini dapat berupa apa saja, entah itu mesin yang sedang beroperasi, kondisi pasien di suatu unit gawat darurat, reaktor nuklir, dan lain-lain. Data yang diperoleh diolah secara real time, karena informasi yang dibutuhkan juga yang bersifat saat itu juga atau real time. Dengan demikian, perusahaan/organisasi dapat bertindak secara real time juga sesuai dengan masukan informasi yang mereka peroleh.
3.Predictive maintenance yaitu untuk memberikan informasi bila produk atau layanan akan mengalami masalah. Deteksi dini dibutuhkan agar potensi masalah dapat diantisipasi terlebih dahulu sebelum benar-benar terjadi. Atau, bila masalah terlanjur muncul, penyelesaian atau perbaikannya bisa lebih cepat. Langkah ini merupakan upaya preventif yang dapat diterapkan, misalnya untuk mesin-mesin di pabrik. Dengan demikian, perusahaan dapat mencegah terjadinya kerusakan pada mesin dan aktivitas operasional pabrik dapat berjalan tanpa gangguan.
4.Pengoptimalan “thing”, yaitu informasi yang diperoleh dapat digunakan untuk peningkatan konfigurasi, perbaikan interaksi mesin atau lainnya dengan manusia, peningkatan efisiensi energi, dan lain-lain.
5.Keperluan analytic, misalnya untuk menemukan kekurangan suatu desain yang ada sekarang sehingga dapat diperbaiki di versi selanjutnya.
Penerapan setiap jenis Internet of Things tersebut menghadapi tantangan dari sisi penyimpanan, pengintegrasian, dan analisis datanya. Tantangan juga dapat muncul dari sisi velocity seperti pengolahan data yang harus dilakukan saat itu juga. Ada pula tantangan yang datang dari volume, karena begitu besar data yang harus dianalisis.
Dan tantangan variety terjadi bila data berasal dari berbagai sumber dengan format berbeda. Contohnya pada implementasi smart city atau “smart” lainnya, data yang diperoleh dari sensor-sensor yang dipasang adalah beragam jenisnya karena dari sumber yang beragam pula. Di sini tantangannya lebih ke variety, selain tentunya tantangan dari sisi volume dan velocity.
Tantangan paling utama sebenarnya ada pada tujuan dari penerapan IoT itu sendiri, yakni mendapatkan informasi secara real time. Informasi secara real time dibutuhkan agar bisnis dapat mendeteksi dan bereaksi secara cepat terhadap peluang atau ancaman yang muncul. Untuk memenuhi kebutuhan ini diperlukan kemampuan melaksanakan analisis data secara real time. Real time analytics semacam ini menimbulkan beberapa tantangan, seperti:
- Pengolahan data streaming secara cepat.
- Penyimpanan data streaming pada database operasional.
- Upaya untuk mengorelasikan data streaming dengan data yang ada di database operasional.
![]() |
Analytic engine dari Prelert dapat mengalisis anomali dari sejumlah besar data streaming secara cepat. |
Sebuah perusahaan di Boston, yaitu Prelert, telah mengembangkan analytic engine yang kurang lebih telah memenuhi persyaratan di atas. Engine ini dapat menganalisis sejumlah besar data streaming secara cepat.
Prelert memanfaatkannya untuk mendeteksi anomali pada data streaming. Adanya anomali menunjukkan hadirnya potensi ketidak-beresan pada suatu operasi, sehingga pengguna dapat bereaksi untuk melakukan tindakan preventif agar masalah tidak jadi muncul.
Analytic engine dari Prelert ini telah dipakai di sejumlah penerapan IoT, seperti untuk pengelolaan kemacetan lalu lintas (traffic congestion management) dan monitoring sensor turbin angin.
Pemilihan atau pembuatan tool data analytic yang dihasilkan dari IoT untuk keperluan bisnis memang tidaklah mudah dan menjadi tantangan tersendiri. Tool semacam ini tidak harus dikembangkan sendiri oleh perusahaan karena beberapa vendor telah membuatnya.
Ada vendor yang membuat tool analytic secara parsial, misalnya tool untuk integrasi data saja, penyimpanan data, analitis data, dan presentasi data hasil analisis. Tetapi ada pula vendor yang menyediakan tool secara lengkap, mulai dari integrasi data sampai analitis dan presentasi data, seperti Oracle, SAP, IBM, Microsoft, IBM, dan Software AG.
Tantangan lain bagi perusahaan yang menerapkan IoT/big data secara intensif adalah kebutuhan SDM yang ahli di bidang analisis data (data scientist). Walupun mungkin data scientist tidak mengembangkan analytic tool sendiri, ia yang akan memilah aneka tool yang akan dipakai, menyeleksi, dan mengorganisasi data yang akan dianalisis. SDM dengan kemampuan ini masih sangat langka.
Hambatan lain bagi para pengguna IoT saat ini adalah standar. Standar masih menjadi biang kegalauan bagi para penerap IoT. Sampai kini belum ada standar yang bisa dijadikan pegangan, yaitu yang menjamin pertukaran data di antara peranti dan aplikasi secara mudah dan aman baik melalui jaringan kabel maupun nirkabel.
Begitu besarnya potensi ekonomi IoT menyebabkan banyak pihak ingin membikin standar sendiri untuk IoT. Selain OneM2M, ada banyak badan standar yang masing-masing berusaha untuk meningkatkan jumlah pengikutnya, seperti AllSeen Alliance, Google The Physical Web, Industrial Internet Consortium, Open Interconnect Consortium, dan Thread.
Meski banyak hambatan yang menghadang, sudah banyak perusahaan yang menerapkan IoT/big data seperti contoh UPS di atas. Bagaimana dengan Anda?
0 komentar: