<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Dimas Galih Prakoso on Medium]]></title>
        <description><![CDATA[Stories by Dimas Galih Prakoso on Medium]]></description>
        <link>https://medium.com/@dimasgalih_85836?source=rss-ea2c9e18dc4b------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*sUUfS32-IY57DG20Jl1iJw.jpeg</url>
            <title>Stories by Dimas Galih Prakoso on Medium</title>
            <link>https://medium.com/@dimasgalih_85836?source=rss-ea2c9e18dc4b------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 06:22:50 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@dimasgalih_85836/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Jaringan Komputer10_Konfigurasi dan Uji Coba Mikrotik Melalui Winbox with Munada Athof]]></title>
            <link>https://medium.com/@dimasgalih_85836/jaringan-komputer10-konfigurasi-dan-uji-coba-mikrotik-melalui-winbox-with-munada-athof-1c1ae1273fd9?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/1c1ae1273fd9</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Mon, 09 Nov 2026 09:24:47 GMT</pubDate>
            <atom:updated>2026-11-09T09:24:47.179Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Kembali lagi di blog saya Dimas Galih Prakoso dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Konfigurasi dan Uji Coba Mikrotik Melalui Winbox ,dilaporan kali ini saya tidak sendirian melainkan ditemani oleh Munada Athof teman saya dari prodi yang sama yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C220BZiionv2cw3ZoKP69w.png" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Memahami fungsi dasar perangkat Router Mikrotik RB951 dan aplikasi Winbox dalam konfigurasi jaringan.</li><li>Mengidentifikasi port dan interface yang terdapat pada perangkat Mikrotik.</li><li>Mempelajari cara menghubungkan dan mengakses Mikrotik menggunakan Winbox.</li><li>Melakukan konfigurasi dasar jaringan lokal (LAN) pada Mikrotik.</li><li>Memahami cara menguji konektivitas antara komputer dengan Mikrotik.</li></ul><p>DASAR TEORI</p><p>A. Pengertian Mikrotik</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/472/1*euxw32bjSMEqj1LzsIbIyQ.png" /></figure><p>Mikrotik merupakan sistem operasi berbasis Linux yang dikembangkan oleh perusahaan MikroTikls SIA dan digunakan untuk mengelola jaringan komputer, khususnya pada perangkat router. Mikrotik memiliki dua produk utama, yaitu RouterOS sebagai sistem operasi jaringan dan RouterBoard sebagai perangkat keras yang menjalankan RouterOS.</p><p>B. Komponen Utama Mikrotik</p><p>1. RouterOS</p><p>RouterOS merupakan sistem operasi Mikrotik yang menyediakan berbagai fitur jaringan, seperti routing, firewall, NAT, bandwidth management, hotspot, VPN, serta monitoring jaringan.</p><p>2. RouterBoard (RB)</p><p>RouterBoard merupakan perangkat keras yang digunakan untuk menjalankan RouterOS. Salah satu jenisnya adalah RB951 yang memiliki beberapa port Ethernet dan fitur wireless.</p><p>3. Winbox</p><p>Winbox merupakan aplikasi berbasis GUI (Graphical User Interface) yang digunakan untuk mengakses dan mengkonfigurasi perangkat Mikrotik. Aplikasi ini memudahkan pengguna melakukan pengaturan jaringan tanpa harus menggunakan perintah CLI.</p><p>C. Peran Mikrotik dalam Jaringan</p><p>Mikrotik memiliki beberapa fungsi penting dalam jaringan komputer, yaitu:</p><ol><li>Routing: Menentukan jalur terbaik untuk mengirimkan data menuju jaringan tujuan.</li><li>Firewall dan Keamanan: Mengontrol lalu lintas data yang masuk dan keluar jaringan.</li><li>Bandwidth Management: Mengatur pembagian kecepatan internet kepada pengguna.</li><li>DHCP Server: Memberikan alamat IP secara otomatis kepada perangkat yang terhubung.</li><li>Hotspot Server: Menyediakan autentikasi pengguna sebelum mengakses jaringan.</li><li>VPN: Menghubungkan beberapa jaringan yang berjauhan secara aman melalui internet.</li></ol><p>D. Mikrotik RB951</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/469/1*FbsQG5EDaUUXbtfb_aWBpg.png" /></figure><p>Mikrotik RB951 merupakan salah satu perangkat RouterBoard yang digunakan untuk pembelajaran dan konfigurasi jaringan komputer. Perangkat ini memiliki 5 port Ethernet (Ether1–Ether5), wireless interface 2.4 GHz, serta CPU dan RAM internal untuk mendukung pengelolaan jaringan skala kecil hingga menengah</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><h3>Alat dan Bahan</h3><p>A. Alat Praktikum</p><ol><li>Router Mikrotik RB951 sebagai perangkat utama untuk konfigurasi jaringan.</li><li>Power Adapter Mikrotik sebagai sumber daya listrik router.</li><li>Laptop/PC untuk mengakses dan mengkonfigurasi Mikrotik.</li><li>Switch (opsional) untuk menghubungkan beberapa komputer.</li><li>LAN Tester untuk menguji konektivitas dan urutan kabel UTP.</li><li>Adaptor LAN to USB (opsional) apabila laptop tidak memiliki port Ethernet.</li></ol><p>B. Bahan Praktikum</p><ol><li>Kabel UTP tipe Straight-Through sebagai media penghubung antara Mikrotik dengan laptop/PC.</li><li>Aplikasi Winbox untuk mengakses dan mengatur konfigurasi Mikrotik.</li></ol><p>PRAKTIKUM</p><p>Langkah 1 — Persiapan Awal</p><ol><li>Pastikan laptop/PC telah terinstal aplikasi Winbox.</li><li>Siapkan Mikrotik RB951, adaptor daya, dan kabel UTP.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JtEKLUuIq0THBkJuEPud7g.png" /></figure><p>3. Hubungkan port Ether2 Mikrotik ke port LAN laptop/PC.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/465/1*BB6VWFJob_c7lwi3BnZw9g.png" /></figure><p>4. Jika lampu no 2 sudah nyala seperti pada gambar maka sudah berhasil terhubung dengan pc/laptop.</p><p>Langkah 2 — Menjalankan Aplikasi Winbox</p><ol><li>Jalankan aplikasi Winbox.exe pada komputer.</li><li>Winbox akan menampilkan daftar router Mikrotik yang terdeteksi secara otomatis melalui MAC Address.</li><li>Pilih router Mikrotik yang muncul, kemudian klik Connect.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/718/1*ixiKVit7YlvZzVBjRorBqQ.png" /></figure><p>Langkah 3 — Mengakses dan Mengenal Antarmuka Winbox</p><p>Setelah Login berhasil, lakukan :</p><ol><li>Perhatikan jendela utama Winbox:</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/670/1*7-GNKkyU0c4RpByJivLcdA.png" /></figure><p>2. Buka menu Interfaces untuk melihat daftar port Ethernet dan Wireless.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VUdefAM2lbbrlHDAOsUZPw.png" /></figure><p>3. Coba klik Quick Set untuk menampilkan konfigurasi jaringan dasar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*US6uD2XUej_5zHluCEL-Bg.png" /></figure><p>Langkah 4 — Pengaturan Identitas Router</p><ol><li>Masuk ke menu System → Identity</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/855/1*Wf9hmZTL1xpHNClfI245Xg.png" /></figure><p>2. Ubah nama router menjadi identitas sesuai kelompok</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/472/1*Im6rDi8PVwFbwye99RPlOw.png" /></figure><p>3. Klik Apply → OK.</p><p>Langkah 5 — Pengaturan User Login</p><ol><li>Masuk ke System → Users.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/840/1*ACwPCfPJM2PvX7PDat51Og.png" /></figure><p>2. Tambahkan user baru dengan:</p><ul><li>Name : adminlab_ro2</li><li>Group : full</li><li>Password : praktikum123</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6CyVWzxq80SdtlBxUg5pmQ.png" /></figure><p>3. Logout, kemudian login kembali menggunakan user baru tersebut</p><p>Langkah 6 — Melihat Informasi IP Address</p><ol><li>Buka menu IP → Addresses.</li><li>Tambahkan IP Address manual (misal: 192.168.10.1/24 pada interface ether1).</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ag-hmsrXXW5yKXP6w3GcNA.png" /></figure><p>Langkah 7 — Uji Koneksi</p><ol><li>Pastikan komputer berada dalam subnet yang sama, misalnya:</li></ol><ul><li>Mikrotik: 192.168.10.1</li><li>PC: 192.168.10.2</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/559/1*FpHf5uZEVbXAc3jUJZJBqA.png" /></figure><p>2. Lakukan ping test dari PC ke Mikrotik:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-44nE9zyFbNZfCBh9ofT6g.png" /></figure><p>KESIMPULAN</p><p>Berdasarkan praktikum Modul II tentang Pengenalan Mikrotik, dapat disimpulkan bahwa Mikrotik merupakan perangkat jaringan yang memiliki fungsi penting dalam mengatur dan mengelola lalu lintas data. Melalui aplikasi Winbox, pengguna dapat melakukan konfigurasi router dengan mudah, mulai dari pengaturan identitas, pembuatan user, hingga konfigurasi IP Address. Selain itu, pengujian menggunakan perintah ping dapat digunakan untuk memastikan konektivitas antara komputer dan Mikrotik berjalan dengan baik. Dengan praktikum ini, mahasiswa memperoleh pemahaman dasar mengenai penggunaan Mikrotik sebagai perangkat pengelola jaringan komputer.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1c1ae1273fd9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO9_Abstraksi dan Kelas Abstrak]]></title>
            <link>https://medium.com/@dimasgalih_85836/pbo9-abstraksi-dan-kelas-abstrak-1557e2b5a883?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/1557e2b5a883</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Sun, 08 Nov 2026 05:12:18 GMT</pubDate>
            <atom:updated>2026-11-08T05:12:18.918Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Abstraksi dan Kelas Abstrak yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/299/1*tWnMArlk5u85R4FyPDWgFA.jpeg" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Memahami konsep abstraksi dan kelas abstrak dalam Pemrograman Berorientasi Objek (PBO).</li><li>Mengetahui fungsi kelas abstrak sebagai cetak biru bagi kelas turunannya.</li><li>Mampu mengimplementasikan kelas abstrak menggunakan bahasa pemrograman Java.</li><li>Memahami penggunaan metode abstrak dan overriding pada kelas turunan.</li></ul><p>DASAR TEORI</p><p><strong>A. Abstraksi</strong></p><p>Abstraksi merupakan salah satu konsep utama dalam Pemrograman Berorientasi Objek (PBO) yang bertujuan untuk menyembunyikan detail implementasi dan hanya menampilkan fungsi penting dari suatu objek.</p><p>Dengan abstraksi, programmer dapat lebih fokus pada fungsi yang dimiliki suatu objek tanpa harus mengetahui proses internalnya secara keseluruhan.</p><p>Contohnya adalah objek kendaraan. Pengguna hanya perlu mengetahui bahwa kendaraan dapat berjalan tanpa harus memahami secara detail bagaimana mesin di dalamnya bekerja.</p><p><strong>B. Kelas Abstrak</strong></p><p>Kelas abstrak merupakan kelas yang tidak dapat dibuat objeknya secara langsung. Kelas ini digunakan sebagai cetak biru bagi kelas lain yang mewarisinya.</p><p>Kelas abstrak dapat memiliki metode abstrak, yaitu metode yang belum memiliki implementasi, serta metode biasa yang sudah memiliki isi atau implementasi.</p><p>Karakteristik kelas abstrak:</p><ol><li>Tidak dapat dibuat objeknya secara langsung.</li><li>Dapat memiliki metode abstrak dan metode biasa.</li><li>Kelas turunan wajib mengimplementasikan semua metode abstrak yang diwarisinya.</li></ol><p>ALAT DAN BAHAN PRAKTIKUM</p><ul><li>Laptop/komputer.</li><li>JDK (Java Development Kit).</li><li>NetBeans.</li><li>Sistem operasi yang mendukung Java</li></ul><p>PRAKTIKUM</p><p>Langkah-langkah persiapan praktikum:</p><ol><li>Membuka aplikasi NetBeans.</li><li>Membuat project baru dengan nama PraktikumPBO_9.</li><li>Membuat package baru dengan nama praktikum9.</li><li>Membuat beberapa kelas abstrak sesuai dengan instruksi modul.</li></ol><p>A. Membuat kelas abstrak bernama Kendaraan dengan kode program berikut:</p><pre>abstract class Kendaraan {<br>    // Metode abstrak<br>    abstract void berjalan();<br><br>    // Metode dengan implementasi<br>    void info() {<br>        System.out.println(&quot;Ini adalah kendaraan.&quot;);<br>    }<br>}</pre><ul><li>abstract class Kendaraan digunakan untuk membuat kelas abstrak bernama Kendaraan.</li><li>abstract void berjalan() merupakan metode abstrak yang belum memiliki isi dan harus diimplementasikan oleh kelas turunannya.</li><li>void info() merupakan metode biasa yang sudah memiliki implementasi.</li><li>System.out.println() digunakan untuk menampilkan informasi ke layar.</li></ul><p>B. Setelah membuat kelas abstrak, selanjutnya membuat dua kelas turunan, yaitu Mobil dan Sepeda.</p><p>Kode program:</p><p>Mobil</p><pre>class Mobil extends Kendaraan {<br>    @Override<br>    void berjalan() {<br>        System.out.println(&quot;Mobil sedang berjalan dengan cepat.&quot;);<br>    }<br>}</pre><p>Sepeda</p><pre>class Sepeda extends Kendaraan {<br>    @Override<br>    void berjalan() {<br>        System.out.println(&quot;Sepeda sedang berjalan dengan pelan.&quot;);<br>    }<br>}</pre><p>Dengan demikian, kedua kelas memiliki metode yang sama, tetapi menghasilkan perilaku yang berbeda.</p><p>C. Selanjutnya membuat kelas utama bernama Main untuk menjalankan dan menguji program.</p><p>Kode program:</p><pre>public class Main {<br>    public static void main(String[] args) {<br>        Kendaraan mobil = new Mobil();<br>        Kendaraan sepeda = new Sepeda();<br><br>        mobil.berjalan();<br>        mobil.info();<br><br>        sepeda.berjalan();<br>        sepeda.info();<br>    }<br>}</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/916/1*u0c25nS83IxCCxK1-lp0HA.png" /></figure><p><strong>D. Pengujian Membuat Objek dari Kelas Abstrak</strong></p><p>Pada tahap ini dilakukan pengujian dengan mencoba membuat objek secara langsung dari kelas Kendaraan.</p><p>contoh kode:</p><pre>Kendaraan kendaraan = new Kendaraan();</pre><p>Hasilnya akan menghasilkan error karena kelas Kendaraan merupakan kelas abstrak yang tidak dapat diinstansiasi secara langsung.</p><p>Untuk menggunakan kelas abstrak, programmer harus membuat kelas turunan terlebih dahulu, kemudian membuat objek dari kelas turunannya.</p><p>Tugas Modul.</p><p>A. Membuat kelas abstrak bernama Hewan dengan metode abstrak suara().</p><pre>abstract class Hewan {<br>    abstract void suara();<br>}</pre><ul><li>abstract class Hewan digunakan untuk membuat kelas abstrak bernama Hewan.</li><li>abstract void suara() merupakan metode abstrak yang nantinya harus diimplementasikan oleh kelas turunannya.</li></ul><p>B. Membuat dua kelas turunan, yaitu Kucing dan Anjing.</p><p>Kucing</p><pre>class Kucing extends Hewan {<br>    @Override<br>    void suara() {<br>        System.out.println(&quot;Kucing mengeluarkan suara: Meong&quot;);<br>    }<br>}</pre><p>Anjing</p><pre>class Anjing extends Hewan {<br>    @Override<br>    void suara() {<br>        System.out.println(&quot;Anjing mengeluarkan suara: Guk Guk&quot;);<br>    }<br>}</pre><ul><li>extends Hewan menunjukkan bahwa kelas Kucing dan Anjing mewarisi kelas Hewan.</li><li>@Override digunakan untuk mengimplementasikan metode suara() dari kelas abstrak.</li><li>Kelas Kucing menampilkan suara Meong.</li><li>Kelas Anjing menampilkan suara Guk Guk.</li></ul><p>C. <strong>Membuat Main Class untuk Pengujian.</strong></p><pre>public class MainTugas {<br>    public static void main(String[] args) {<br>        Hewan kucing = new Kucing();<br>        Hewan anjing = new Anjing();<br><br>        kucing.suara();<br>        anjing.suara();<br>    }<br>}</pre><ul><li>Membuat objek Kucing dan Anjing dengan referensi bertipe Hewan.</li><li>kucing.suara() memanggil metode suara() dari kelas Kucing.</li><li>anjing.suara() memanggil metode suara() dari kelas Anjing.</li></ul><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/919/1*3x2Cc93HTdLXUdyJtnaTNA.png" /></figure><p>KESIMPULAN</p><p>Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa abstraksi merupakan konsep dalam Pemrograman Berorientasi Objek yang digunakan untuk menyembunyikan detail implementasi dan hanya menampilkan fungsi utama suatu objek. Kelas abstrak berfungsi sebagai cetak biru yang dapat diwariskan kepada kelas turunan, tetapi tidak dapat dibuat objeknya secara langsung.</p><p>Melalui praktikum ini, penggunaan kelas abstrak dapat diterapkan menggunakan kata kunci abstract, sedangkan metode abstrak diimplementasikan oleh kelas turunan menggunakan @Override. Setiap kelas turunan dapat memiliki perilaku yang berbeda meskipun berasal dari kelas abstrak yang sama.</p><p>Referensi: Modul Praktikum Pemrograman Berorientasi Objek. (2026). <em>Modul 9 — Abstraksi dan Kelas Abstrak</em>. Dosen: Imam Adi Nata, M.Kom.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1557e2b5a883" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jaringan komputer9_VLAN]]></title>
            <link>https://medium.com/@dimasgalih_85836/jaringan-komputer9-vlan-336148a53310?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/336148a53310</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Sun, 08 Nov 2026 04:35:51 GMT</pubDate>
            <atom:updated>2026-11-08T04:35:51.335Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang VLAN yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/738/1*dMFe5ncN8999rl5LyYkENQ.jpeg" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Mengetahui cara membuat VLAN pada perangkat switch.</li><li>Mampu melakukan konfigurasi VLAN menggunakan aplikasi Cisco Packet Tracer.</li><li>Memahami pembagian jaringan berdasarkan VLAN yang berbeda.</li><li>Memahami konsep dan fungsi Virtual Local Area Network (VLAN).</li></ul><p>DASAR TEORI</p><p><strong>A. Pengertian VLAN</strong></p><p>Virtual Local Area Network (VLAN) merupakan suatu model jaringan yang memungkinkan pembagian jaringan secara virtual tanpa harus bergantung pada lokasi fisik perangkat. Dengan VLAN, sebuah jaringan dapat dibagi menjadi beberapa kelompok berdasarkan kebutuhan organisasi atau departemen.</p><p>Penggunaan VLAN membuat pengaturan jaringan menjadi lebih fleksibel karena perangkat yang berada di lokasi berbeda dapat tetap tergabung dalam satu kelompok jaringan virtual.</p><p><strong>B. Fungsi dan Keuntungan VLAN</strong></p><p>Beberapa keuntungan penggunaan VLAN antara lain:</p><ol><li><strong>Security:</strong> Meningkatkan keamanan data dengan memisahkan jaringan setiap divisi sehingga lalu lintas data lebih terkontrol.</li><li><strong>Cost Reduction:</strong> Menghemat penggunaan bandwidth dan biaya pengembangan jaringan.</li><li><strong>Higher Performance:</strong> Meningkatkan performa jaringan dengan membagi jaringan menjadi beberapa broadcast domain yang lebih kecil.</li><li><strong>Broadcast Storm Mitigation:</strong> Mengurangi kemungkinan terjadinya broadcast storm melalui pembatasan broadcast domain.</li><li><strong>Improved IT Staff Efficiency:</strong> Mempermudah administrator dalam mengelola dan mengatur jaringan.</li><li><strong>Simpler Project or Application Management:</strong> Mempermudah pengelompokan pengguna dan perangkat berdasarkan kebutuhan organisasi.</li></ol><p><strong>C. Cara Kerja VLAN</strong></p><p>VLAN bekerja dengan mengelompokkan perangkat berdasarkan identitas tertentu, seperti port switch, MAC Address, tipe protokol, dan alamat subnet IP. Switch yang digunakan harus mendukung konfigurasi VLAN agar dapat menyimpan informasi dan mengatur lalu lintas data sesuai kelompok VLAN.</p><p>Perangkat yang berada dalam VLAN berbeda tidak dapat berkomunikasi secara langsung. Untuk menghubungkan VLAN yang berbeda diperlukan router atau perangkat Layer 3 yang dikonfigurasi untuk menangani komunikasi antar-VLAN.</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><ul><li>Laptop atau komputer.</li><li>Koneksi internet.</li><li>Cisco Packet Tracer.</li></ul><p>PRAKTIKUM</p><ol><li>Buka aplikasi Packet Tracer.</li><li>Desain topologi VLAN yang akan dibangun seperti di bawah.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/414/1*4CCefjwo47qYPGNALLGtzg.png" /></figure><p>3. Kebutuhan perangkat keras jaringan sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/478/1*3X-s7sLMIeYOgwDqb9JJZA.png" /></figure><p>4. Berikan IP pada tiap perangkat sesuai dengan yang tertera pada gambar topologi diatas, disini karena saya NPM 23 maka akan saya isi IP sebagai berikut: PC0 dan PC1 saya isi dengan IP 10.10.23.11 dan 10.10.23.12 kemudian untuk PC2 dan PC3 saya isi dengan IP 10.10.23.21 dan 10.10.23.22.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/954/1*LjKESetyIluC8v8y4krKrA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/949/1*8ScXfb89YfpQn77Lan-ohQ.png" /></figure><p>5. Lakukan Konfigurasi pada Switch dengan cara membuka CLI, kemudian ketikan Enable&gt;Configure Terminal seperti gambar berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/688/1*0WyFZmhbWk8Vrs25I1qBvQ.png" /></figure><p>6. Lakukan konfigurasi VLAN seperti berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/328/1*nATWs2iKQlz_JwHg7MbGVg.png" /></figure><p>7. Lakukan konfigurasi agar PC0 dan PC1 akan dibuat masuk kedalam VLAN10 Sedangkan PC2 dan PC3 masuknya kedalam VLAN20. Dengan cara seperti berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/459/1*oyDkwi7j7V_tF4gE6z6Wxw.png" /></figure><p>8. Untuk melihat hasil konfigurasi VLAN pada switch, gunakan perintah show vlan pada switch seperti berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/862/1*iB1LjIjnBlOWsdhnQhqNmw.png" /></figure><p>9. Pengujian</p><p>antar VLAN 10</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/885/1*DL5xtTwSFE5DhyK9YhnI6g.png" /></figure><p>antar VLAN 20</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/1*y7sXJnuYTCRGrU4PTWbzvg.png" /></figure><p>berbeda VLAN</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/886/1*78_6lKIqFCwGpOr5_Gsm2A.png" /></figure><p>KESIMPULAN</p><p>Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa VLAN merupakan teknologi jaringan yang digunakan untuk membagi satu jaringan fisik menjadi beberapa jaringan virtual berdasarkan kelompok tertentu. Penggunaan VLAN dapat meningkatkan keamanan, mengurangi lalu lintas jaringan yang tidak diperlukan, serta mempermudah pengelolaan jaringan.</p><p>Melalui aplikasi Cisco Packet Tracer, konfigurasi VLAN dilakukan dengan membuat VLAN ID, memberikan nama VLAN, dan mengatur port switch sesuai kelompok jaringan masing-masing. Berdasarkan pengujian menggunakan perintah ping, perangkat yang berada dalam VLAN yang sama dapat saling berkomunikasi, sedangkan perangkat yang berada dalam VLAN berbeda tidak dapat berkomunikasi secara langsung tanpa konfigurasi routing antar-VLAN.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=336148a53310" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO10_Interface]]></title>
            <link>https://medium.com/@dimasgalih_85836/pbo10-interface-865a3a289a90?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/865a3a289a90</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Wed, 04 Nov 2026 15:11:06 GMT</pubDate>
            <atom:updated>2026-11-04T15:11:06.737Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Interface yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/708/1*EtAFw0uqkBdGi9fbC1y13g.jpeg" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Memahami konsep dan tujuan penggunaan interface dalam pemrograman berorientasi objek.</li><li>Mampu membuat dan mengimplementasikan interface pada kelas Java.</li><li>Memahami penggunaan interface untuk menciptakan abstraksi yang dapat diterapkan pada berbagai kelas.</li><li>Memahami penerapan interface menggunakan keyword implements dan @Override.</li></ul><p>DASAR TEORI</p><p><strong>Interface</strong> merupakan salah satu konsep dalam pemrograman berorientasi objek (PBO) di Java yang digunakan untuk mendefinisikan kontrak atau aturan yang harus diterapkan oleh kelas yang mengimplementasikannya. Interface berisi deklarasi method tanpa implementasi, sehingga setiap kelas yang menggunakan interface harus menyediakan isi atau logika dari method tersebut.</p><p>Interface dideklarasikan menggunakan keyword interface, sedangkan kelas yang ingin menggunakannya menggunakan keyword implements. Method yang terdapat dalam interface secara default bersifat public dan abstract, sedangkan variabelnya bersifat public, static, dan final.</p><p>Salah satu kelebihan interface adalah memungkinkan beberapa kelas memiliki method yang sama tetapi dengan implementasi yang berbeda. Selain itu, satu kelas juga dapat mengimplementasikan lebih dari satu interface sehingga mendukung penggunaan multiple inheritance.</p><p>Dalam Java, interface memiliki beberapa karakteristik, yaitu:</p><ul><li>Mendefinisikan method tanpa implementasi.</li><li>Menggunakan keyword implements untuk diterapkan pada kelas.</li><li>Mendukung implementasi lebih dari satu interface dalam sebuah kelas.</li><li>Dapat diwariskan oleh interface lain menggunakan keyword extends.</li><li>Digunakan untuk menciptakan abstraksi dan menjaga konsistensi struktur program.</li></ul><p>Interface berbeda dengan kelas abstrak. Interface digunakan untuk menentukan kontrak implementasi, sedangkan kelas abstrak dapat memiliki method abstrak maupun method yang sudah memiliki implementasi. Interface juga tidak memiliki konstruktor, sedangkan kelas abstrak dapat memiliki konstruktor.</p><p>ALAT DAN BAHAN PRAKTIKUM</p><ul><li>Laptop/komputer.</li><li>JDK (Java Development Kit).</li><li>NetBeans.</li><li>Sistem operasi yang mendukung Java</li></ul><p>PRAKTIKUM</p><p>Langkah-langkah persiapan praktikum:</p><ol><li>Membuka aplikasi NetBeans.</li><li>Membuat project baru dengan nama PraktikumPBO_10.</li><li>Membuat package baru dengan nama praktikum10.</li><li>Membuat beberapa kelas dan interface sesuai dengan instruksi modul.</li></ol><p>Membuat dan mengimplementasikan Interface.</p><p>1)Buat sebuah interface bernama OperasiHitung yang mendefinisikan satu metode hitung(int a, int b)</p><p>Interface ini berfungsi sebagai kontrak yang menentukan bahwa setiap kelas yang mengimplementasikannya harus memiliki method hitung().</p><pre>// Interface<br>public interface OperasiHitung {<br> int hitung(int a, int b);<br>}</pre><p>2) Buat kelas Penjumlahan yang mengimplementasikan interface OperasiHitung dan isikan metode hitung() untuk melakukan penjumlahan.</p><ul><li>implements OperasiHitung menunjukkan bahwa kelas Penjumlahan menggunakan interface OperasiHitung.</li><li>@Override menandakan bahwa method hitung() merupakan implementasi dari method yang sudah dideklarasikan dalam interface.</li><li>return a + b digunakan untuk menjumlahkan kedua parameter dan mengembalikan hasilnya.</li></ul><pre>// Kelas Penjumlahan<br>public class Penjumlahan implements OperasiHitung {<br> @Override<br> public int hitung(int a, int b) {<br> return a + b;<br> }<br>}</pre><p>3) Buat kelas Pengurangan yang juga mengimplementasikan interface OperasiHitung dan isikan metode hitung() untuk melakukan pengurangan.</p><ul><li>implements OperasiHitung digunakan untuk mengimplementasikan interface OperasiHitung.</li><li>@Override menandakan bahwa method hitung() mengimplementasikan method dari interface.</li><li>return a - b digunakan untuk mengurangi nilai a dengan nilai b.</li></ul><pre>// Kelas Pengurangan<br>public class Pengurangan implements OperasiHitung {<br> @Override<br> public int hitung(int a, int b) {<br> return a - b;<br> }<br>}</pre><p>4) Buat main class dengan kode sebagai berikut :</p><ul><li>public static void main(String[] args) merupakan method utama untuk menjalankan program.</li><li>OperasiHitung penjumlahan = new Penjumlahan() membuat objek Penjumlahan dengan tipe referensi interface OperasiHitung.</li><li>penjumlahan.hitung(10, 5) memanggil method hitung() untuk melakukan penjumlahan.</li><li>OperasiHitung pengurangan = new Pengurangan() membuat objek Pengurangan.</li><li>pengurangan.hitung(10, 5) memanggil method hitung() untuk melakukan pengurangan.</li><li>System.out.println() digunakan untuk menampilkan hasil perhitungan ke layar.</li></ul><pre>// Kelas Main<br>public class Main {<br> public static void main(String[] args) {<br> // Objek Penjumlahan<br> OperasiHitung penjumlahan = new Penjumlahan();<br> System.out.println(&quot;Penjumlahan: &quot; +<br>penjumlahan.hitung(10, 5)); // Output: 15<br> // Objek Pengurangan<br> OperasiHitung pengurangan = new Pengurangan();<br> System.out.println(&quot;Pengurangan: &quot; +<br>pengurangan.hitung(10, 5)); // Output: 5<br> }<br>}</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/924/1*kM6nx1xNOtwCOnBLGeKneg.png" /></figure><p>Tugas Modul.</p><p>Soal.</p><p>Anda diminta untuk membuat program sistem pembayaran untuk sebuah toko yang menjual dua jenis produk: Elektronik dan Makanan. Setiap produk memiliki metode untuk menghitung pajak, di mana Elektronik dikenakan pajak sebesar 10% dan Makanan sebesar 5%.</p><p>1)Buat interface Pembayaran dengan metode hitungPajak(double harga).</p><pre>public interface Pembayaran {<br>    double hitungPajak(double harga);<br>}</pre><p>2)Buat kelas Elektronik yang mengimplementasikan interface Pembayaran dan mengisi metode hitungPajak() untuk menghitung pajak sebesar 10% dari harga.</p><pre>public class Elektronik implements Pembayaran {<br>    @Override<br>    public double hitungPajak(double harga) {<br>        return harga * 0.10;<br>    }<br>}</pre><p>3)Buat kelas Makanan yang mengimplementasikan interface Pembayaran dan mengisi metode hitungPajak() untuk menghitung pajak sebesar 5% dari harga.</p><pre>public class Makanan implements Pembayaran {<br>    @Override<br>    public double hitungPajak(double harga) {<br>        return harga * 0.05;<br>    }<br>}</pre><p>4)Buat kelas Main yang membuat objek dari Elektronik dan Makanan, lalu panggil metode hitungPajak() untuk setiap produk dan tampilkan hasilnya.</p><pre>public class Main {<br>    public static void main(String[] args) {<br><br>        // Objek Elektronik<br>        Pembayaran elektronik = new Elektronik();<br>        double pajakElektronik = elektronik.hitungPajak(2000000);<br><br>        // Objek Makanan<br>        Pembayaran makanan = new Makanan();<br>        double pajakMakanan = makanan.hitungPajak(50000);<br><br>        // Menampilkan hasil<br>        System.out.println(&quot;Pajak Elektronik: Rp&quot; + pajakElektronik);<br>        System.out.println(&quot;Pajak Makanan: Rp&quot; + pajakMakanan);<br>    }<br>}</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/924/1*uZWVFSRQqAVWa5lKOOcBuA.png" /></figure><p>KESIMPULAN</p><p>Berdasarkan praktikum Modul 10 tentang Interface, dapat disimpulkan bahwa interface merupakan konsep dalam pemrograman berorientasi objek yang berfungsi sebagai kontrak atau aturan bagi kelas yang mengimplementasikannya. Melalui keyword implements, sebuah kelas dapat menggunakan method yang telah dideklarasikan dalam interface dan memberikan implementasi sesuai fungsinya.</p><p>Pada praktikum ini, interface OperasiHitung berhasil diimplementasikan oleh kelas Penjumlahan dan Pengurangan. Meskipun kedua kelas menggunakan method yang sama, yaitu hitung(), masing-masing memiliki proses perhitungan yang berbeda. Dengan demikian, penggunaan interface dapat membuat program lebih terstruktur, fleksibel, dan mudah dikembangkan.</p><p>Referensi: Imam Adi Nata, M.Kom. <strong>Modul 10— Interface</strong>, Praktikum Pemrograman Berorientasi Objek, Universitas Tidar.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=865a3a289a90" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jaringan Komputer5_Responsi UTS]]></title>
            <link>https://medium.com/@dimasgalih_85836/jaringan-komputer5-responsi-uts-dd1ecdfd9abe?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/dd1ecdfd9abe</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Mon, 12 Oct 2026 18:19:17 GMT</pubDate>
            <atom:updated>2026-10-12T18:19:17.019Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang beberapa soal responsi uts yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/700/1*ie4abCCCuOYN3PQwpdXx7g.jpeg" /></figure><p>Soal:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*KELj6GbXS6x9GC2dlUEyRg.jpeg" /></figure><p>yuk langsung saja kita kerjakan.</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><ul><li>Laptop atau komputer.</li><li>Koneksi internet.</li><li>Cisco Packet Tracer.</li></ul><p>PRAKTIKUM</p><p>siapkan beberapa device yang dibutuhkan disini saya menggunakan beberapa device seperti pada gambar di bawah ini.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/943/1*p6cvPBSIqFVwdFLR5aRdmw.png" /></figure><p>pada jaringan tersebut ada jaringan inside dan jaringan outside.</p><h4>Konfigurasi.</h4><p>Dilakukan konfigurasi agar jaringan saling terhubung satu sama lain.</p><h4>Konfigurasi Jaringan Inside</h4><p>Jaringan inside adalah jaringan lokal yang berada di dalam, yaitu perangkat yang ingin mengakses jaringan luar.</p><p>konfigurasi router3</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6w_z0krTfTkW1L55cluSjg.png" /></figure><p>setelah FastEthernet sudah kita konfigurasi jangan lupa konfigurasi juga port serial nya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*e13iBnbIkJQUwykPCtst9w.png" /></figure><p>lakukan juga konfigurasi pada semua device.</p><p>pc1</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Be_OaeQ06dFBgbYEoSp2fg.png" /></figure><p>pc2</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DE9yc11Tcc8QtC3xeaIGXA.png" /></figure><p>pc3</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s8qBbFDNinsxeiGQHoITeg.png" /></figure><p>kita tes salah satu pc apakah sudah terhubung apa belum, kita tes pc1</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yEJ75hsBj_78JxE_vyNIEQ.png" /></figure><p>ternyata sudah berhasil terhubung</p><p>langkah selanjutnya kita akan setting untuk yang versi wireless router.</p><p>buka pada pilihan GUI pada wireless router lalu setting eperti pada gambar</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gaJgLRsWdeHU1ampckhtIA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ittpEw3FnhjXKkbzVTxSOw.png" /></figure><p>untuk network name bisa kalian namai sesuka kalian, jangan lupa untuk SSID nya di enabled.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*M-AFoV4xCro0zhNFfuLO1Q.png" /></figure><p>setting juga pada bagian security, buat password juga sesuka kalian.</p><p>Selanjutnya, kita akan konfigurasi pada laptop. Namun sebelumnya kita perlu mengganti modul ethernet pada laptop dengan nodul wireless.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9iRhdqKee3bCGTrQRpVNiA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q3iPALkR2pJyZwm6OqMdGw.png" /></figure><p>klik pada bagian dekstop di laptop lalu pilih pc wireless</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NTrF1wR9VGzmIVHJQ7YO1Q.png" /></figure><p>jika sudah muncul jaringannya klik connect</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S_wKrd2jHJXsfZfhjzyjbA.png" /></figure><p>masukkan password yang kalian buat tadi lalu klik connect</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/129/1*VvEfowzAxeJTJu6a9Nz_AA.png" /></figure><p>jika sudah muncul seperti itu maka laptop sudah berhasil connect dengan wireless router.</p><p>jangan lupa untuk test apakah sudah benar benar terhubung atau belum</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8-DRCTKj8uPeKa3BAIm1ZQ.png" /></figure><p>selanjutnya kita akan konfigura pada tablet.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4sc2aLHU4ljIfVTXNBOtSw.png" /></figure><p>jangan lupa untuk ditest.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OMhF-iqvOIfNy2miAoIHSw.png" /></figure><h4>Konfigurasi Jaringan Outside</h4><p>Jaringan outside adalah jaringan yang berada di luar jaringan lokal dan menjadi tujuan akses dari jaringan internal.</p><p>pertama konfirgurasi router3.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YmnDozgLXmfEp1lDp1euHg.png" /></figure><p>ini untuk FastEthernet</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zKgoR9ziw2vyBkROs9pm2Q.png" /></figure><p>ini untuk yang serial</p><p>selanjutnya konfigurasi pada server</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mHLII1hzxoq_LZ8Ktg3OeA.png" /></figure><p>Selanjutnya, kita perlu konfigurasi melalui cli router4 ke router3 dan sebaliknya. Kita akan konfigurasi di router4 terlebih dahulu</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/547/1*5PkY__BG5pZYFDlnNjx6TA.png" /></figure><p>ini untuk router3</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/478/1*2f0ZXTbv6_eDR9Cs9SimMg.png" /></figure><p>Untuk hasil akhirnya adalah sebagai berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*K0dOgPp1OcGK5H0fbX4NAg.png" /></figure><p>Sekian untuk latihan responsi UTS dari saya Terimakasih.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dd1ecdfd9abe" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data6_Format Data Besar (Parquet & JSON) dan Pipeline ETL Sederhana]]></title>
            <link>https://medium.com/@dimasgalih_85836/big-data6-format-data-besar-parquet-json-dan-pipeline-etl-sederhana-151bed023919?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/151bed023919</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Wed, 30 Sep 2026 18:12:07 GMT</pubDate>
            <atom:updated>2026-09-30T18:12:07.224Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Format Data Besar (Parquet &amp; JSON) dan Pipeline ETL Sederhana yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/620/1*pfQGuzh9S4qgtW9k0Ho_0Q.png" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Menjelaskan mengapa format <strong>Parquet</strong> lebih efisien dibanding CSV untuk kebutuhan Big Data.</li><li>Membaca dan menulis data dalam format Parquet dan JSON menggunakan PySpark.</li><li>Menerapkan <strong>partitioning</strong> saat menulis data untuk mengoptimalkan kueri di masa depan.</li><li>Membangun <strong>pipeline ETL</strong> (Extract, Transform, Load) sederhana dari beberapa sumber data hingga tersimpan siap pakai di HDFS.</li></ul><p>DASAR TEORI</p><p><strong>Parquet</strong></p><p>Apache Parquet adalah format penyimpanan kolumnar yang banyak digunakan dalam ekosistem Big Data. Berbeda dengan CSV yang menyimpan data berdasarkan baris, Parquet menyimpan data berdasarkan kolom.</p><p>Parquet memiliki ukuran yang lebih kecil karena mendukung kompresi, dapat membaca kolom yang dibutuhkan saja, dan menyimpan skema data di dalam file.</p><p><strong>JSON</strong></p><p>JSON merupakan format data semi-terstruktur yang sering digunakan untuk data dari API atau log aplikasi. Pada praktikum digunakan JSON Lines atau NDJSON, yaitu setiap baris berisi satu objek JSON.</p><p><strong>Partitioning</strong></p><p>Partitioning merupakan teknik membagi data berdasarkan kolom tertentu. Dengan partitioning, Spark dapat membaca bagian data yang diperlukan saja sehingga proses query dapat menjadi lebih efisien.</p><p><strong>ETL</strong></p><p>ETL merupakan singkatan dari <strong>Extract, Transform, Load</strong>. Extract digunakan untuk mengambil data, Transform untuk mengolah data, sedangkan Load untuk menyimpan hasil pengolahan ke tujuan akhir.</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><ul><li>PC/Laptop</li><li>Virtual Machine Ubuntu-BigData.</li><li>Jupyter Notebook.</li><li>Koneksi Internet</li></ul><p>PRAKTIKUM</p><p>Membandingkan Ukuran CSV vs Parquet Secara Langsung</p><p>Agar perbedaannya benar-benar terlihat, kita perlu dataset yang cukup besar (dataset kecil di pertemuan sebelumnya tidak akan menunjukkan keunggulan Parquet secara meyakinkan — bahkan bisa jadi Parquet terlihat lebih besar karena overhead metadata pada data yang sangat sedikit).</p><pre># Membuat dataset yang lebih besar (20.000 baris) khusus untuk latihan ini<br>np.random.seed(11)<br>n = 20000<br>data_besar = {<br>    &quot;order_id&quot;: [f&quot;O{i}&quot; for i in range(n)],<br>    &quot;customer_id&quot;: np.random.randint(1, 21, size=n),<br>    &quot;kategori&quot;: np.random.choice([&quot;Elektronik&quot;, &quot;Fashion&quot;, &quot;Makanan&quot;, &quot;Rumah Tangga&quot;, &quot;Kesehatan&quot;], size=n),<br>    &quot;kota&quot;: np.random.choice([&quot;Magelang&quot;, &quot;Semarang&quot;, &quot;Solo&quot;, &quot;Yogyakarta&quot;, &quot;Purworejo&quot;], size=n),<br>    &quot;metode_pembayaran&quot;: np.random.choice([&quot;Transfer Bank&quot;, &quot;E-Wallet&quot;, &quot;COD&quot;, &quot;Kartu Kredit&quot;], size=n),<br>    &quot;pendapatan&quot;: np.random.randint(50000, 500000, size=n),<br>}<br>pd.DataFrame(data_besar).to_csv(&quot;data_transaksi_besar.csv&quot;, index=False)<br><br>csv_size = os.path.getsize(&quot;data_transaksi_besar.csv&quot;)<br>print(f&quot;Ukuran CSV: {csv_size:,} bytes ({csv_size/1024:.1f} KB) untuk {n:,} baris&quot;)</pre><p>Kode membuat SparkSession, membuat dataset 20.000 transaksi, menyimpannya ke CSV, kemudian membaca dan menyimpannya kembali dalam format Parquet. Ukuran kedua format kemudian dibandingkan.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/451/1*weCWZPgMYmTSCd8yW00nGA.png" /></figure><p>Membaca Data Parquet.</p><pre># Membaca CSV, lalu menuliskannya ulang sebagai Parquet<br>df_besar = spark.read.csv(&quot;data_transaksi_besar.csv&quot;, header=True, inferSchema=True)<br>df_besar.write.mode(&quot;overwrite&quot;).parquet(&quot;data_transaksi_besar_parquet&quot;)<br><br># Menghitung total ukuran seluruh berkas .parquet yang dihasilkan<br>parquet_size = sum(<br>    os.path.getsize(os.path.join(dp, f))<br>    for dp, dn, fn in os.walk(&quot;data_transaksi_besar_parquet&quot;)<br>    for f in fn if f.endswith(&quot;.parquet&quot;)<br>)<br><br>print(f&quot;Ukuran CSV      : {csv_size:,} bytes ({csv_size/1024:.1f} KB)&quot;)<br>print(f&quot;Ukuran Parquet  : {parquet_size:,} bytes ({parquet_size/1024:.1f} KB)&quot;)<br>print(f&quot;Parquet {(1 - parquet_size/csv_size)*100:.1f}% lebih kecil dibanding CSV&quot;)</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/375/1*kNimoq-cuUuLqVzITfNw3w.png" /></figure><p>Skema otomatis tersimpan dalam parquet</p><pre># Membaca kembali Parquet — perhatikan kita TIDAK perlu inferSchema=True<br># karena skema/tipe data sudah tersimpan built-in di dalam berkas Parquet itu sendiri<br>df_dari_parquet = spark.read.parquet(&quot;data_transaksi_besar_parquet&quot;)<br>df_dari_parquet.printSchema()<br>df_dari_parquet.show(5)</pre><p>df_dari_parquet = spark.read.parquet(&quot;data_transaksi_besar_parquet&quot;)<br> Digunakan untuk membaca kembali data yang sebelumnya telah disimpan dalam format <strong>Parquet</strong>. Pada Parquet tidak perlu menggunakan inferSchema=True karena schema dan tipe data sudah tersimpan di dalam file.</p><p>df_dari_parquet.printSchema()<br> Digunakan untuk menampilkan <strong>struktur data</strong>, seperti nama kolom dan tipe data setiap kolom.</p><p>df_dari_parquet.show(5)<br> Digunakan untuk menampilkan <strong>5 baris pertama</strong> dari data Parquet sehingga dapat melihat isi data yang berhasil dibaca.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/597/1*0VpHTUHAC4xuHmBVqOOq9Q.png" /></figure><p>Partitioning saat Menulis Data</p><p>Saat menulis Parquet, kita dapat mempartisi data berdasarkan nilai kolom tertentu — Spark akan otomatis membuat sub-folder terpisah untuk setiap nilai unik kolom tersebut. Ini sangat mempercepat kueri di masa depan yang menyaring berdasarkan kolom itu, karena Spark bisa langsung meloncat ke folder yang relevan tanpa membaca seluruh dataset.</p><pre># Menulis ulang dengan partisi berdasarkan kolom &#39;kota&#39;<br>df_besar.write.mode(&quot;overwrite&quot;).partitionBy(&quot;kota&quot;).parquet(&quot;data_transaksi_partisi_kota&quot;)<br><br># Melihat struktur folder yang dihasilkan<br>!ls data_transaksi_partisi_kota</pre><p>Menyimpan DataFrame df_besar ke format Parquet dengan partisi berdasarkan kolom kota, kemudian menampilkan struktur folder hasil partisi untuk melihat pembagian data berdasarkan masing-masing kota.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/421/1*gccj9cqbrPgmvyaPnBBPBg.png" /></figure><p>Membaca Data JSON (Semi-Terstruktur)</p><p>Selain data tabular (CSV/Parquet), Big Data sering melibatkan data semi-terstruktur seperti JSON — misalnya data dari API, log aplikasi, atau data NoSQL. Mari berlatih membaca data pelanggan berformat JSON dan menggabungkannya dengan data transaksi.</p><pre>import json<br><br># Membuat data pelanggan sebagai JSON Lines (satu objek JSON per baris — format umum untuk big data)<br>np.random.seed(21)<br>pelanggan = [<br>    {<br>        &quot;customer_id&quot;: i,<br>        &quot;nama&quot;: f&quot;Pelanggan{i}&quot;,<br>        &quot;membership&quot;: np.random.choice([&quot;Silver&quot;, &quot;Gold&quot;, &quot;Platinum&quot;]),<br>        &quot;kota_domisili&quot;: np.random.choice([&quot;Magelang&quot;, &quot;Semarang&quot;, &quot;Solo&quot;, &quot;Yogyakarta&quot;, &quot;Purworejo&quot;])<br>    }<br>    for i in range(1, 21)<br>]<br><br>with open(&quot;data_pelanggan.json&quot;, &quot;w&quot;) as f:<br>    for p in pelanggan:<br>        f.write(json.dumps(p) + &quot;\n&quot;)<br><br>print(&quot;Berkas data_pelanggan.json berhasil dibuat (format JSON Lines).&quot;)</pre><p>Kode ini digunakan untuk membuat dataset pelanggan sebanyak 20 data secara acak dalam format JSON Lines. Setiap pelanggan memiliki informasi customer_id, nama, membership, dan kota_domisili, dengan nilai membership dan kota dipilih secara acak. Data tersebut kemudian ditulis ke dalam file data_pelanggan.json, di mana setiap objek pelanggan disimpan dalam satu baris JSON, sehingga sesuai untuk digunakan dalam pengolahan data berskala besar.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/513/1*npNX1HOB0Ssw0jwYQlIa-w.png" /></figure><pre># Membaca JSON menggunakan Spark — Spark otomatis mendeteksi struktur/skema JSON<br>df_pelanggan = spark.read.json(&quot;data_pelanggan.json&quot;)<br>df_pelanggan.printSchema()<br>df_pelanggan.show(5)</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/412/1*X60ktO4mnfsCzonKYj6Azw.png" /></figure><p>Format JSON Lines vs JSON biasa: Spark membaca JSON dengan asumsi satu objek JSON per baris (disebut JSON Lines atau NDJSON) — bukan satu array besar berisi banyak objek seperti file .json konvensional. Ini karena format per-baris jauh lebih mudah diproses secara paralel &amp; terdistribusi (setiap baris independen), sesuai filosofi Big Data.</p><p>embangun Pipeline ETL Sederhana</p><p>ETL (Extract, Transform, Load) adalah pola kerja paling fundamental dalam pengolahan Big Data:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/760/1*iaYcg3h1z48hxDy5Mwh8xw.png" /></figure><p>Tahap 1:EXTRACT</p><pre># EXTRACT — membaca dari berbagai sumber<br>df_transaksi_etl = spark.read.csv(&quot;data_transaksi_besar.csv&quot;, header=True, inferSchema=True)<br>df_pelanggan_etl = spark.read.json(&quot;data_pelanggan.json&quot;)<br><br>print(&quot;Data transaksi:&quot;, df_transaksi_etl.count(), &quot;baris&quot;)<br>print(&quot;Data pelanggan:&quot;, df_pelanggan_etl.count(), &quot;baris&quot;)</pre><p>Kode ini merupakan tahap Extract dalam proses ETL yang digunakan untuk mengambil atau membaca data dari dua sumber berbeda. Data transaksi dibaca dari file CSV data_transaksi_besar.csv menggunakan header=True agar baris pertama dianggap sebagai nama kolom dan inferSchema=True agar tipe data setiap kolom dikenali secara otomatis. Sementara itu, data pelanggan dibaca dari file JSON Lines data_pelanggan.json menggunakan spark.read.json(). Setelah data berhasil dibaca, count() digunakan untuk menghitung jumlah baris pada masing-masing dataset dan menampilkannya sebagai informasi jumlah data yang berhasil diekstrak._</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/232/1*jlCeaoMQX5PwftkO528wKw.png" /></figure><p>Tahap 2:TRANSFORM</p><pre>from pyspark.sql.functions import when<br><br># TRANSFORM — menggabungkan, membersihkan, dan memperkaya data<br>df_etl = df_transaksi_etl.join(df_pelanggan_etl, on=&quot;customer_id&quot;, how=&quot;left&quot;)<br><br># Menambahkan kolom turunan: kategori nilai transaksi<br>df_etl = df_etl.withColumn(<br>    &quot;segmen_transaksi&quot;,<br>    when(col(&quot;pendapatan&quot;) &gt;= 300000, &quot;Tinggi&quot;)<br>    .when(col(&quot;pendapatan&quot;) &gt;= 150000, &quot;Sedang&quot;)<br>    .otherwise(&quot;Rendah&quot;)<br>)<br><br># Memastikan tidak ada data pelanggan yang gagal ter-join (data quality check sederhana)<br>jumlah_tanpa_pelanggan = df_etl.filter(col(&quot;nama&quot;).isNull()).count()<br>print(f&quot;Transaksi tanpa data pelanggan yang cocok: {jumlah_tanpa_pelanggan}&quot;)<br><br>df_etl.select(&quot;order_id&quot;, &quot;nama&quot;, &quot;membership&quot;, &quot;kategori&quot;, &quot;pendapatan&quot;, &quot;segmen_transaksi&quot;).show(5)</pre><p>Kode ini merupakan tahap Transform dalam proses ETL yang digunakan untuk menggabungkan, membersihkan, dan memperkaya data transaksi dengan data pelanggan. Data transaksi dan pelanggan digabungkan berdasarkan customer_id menggunakan left join, sehingga seluruh data transaksi tetap dipertahankan meskipun terdapat pelanggan yang tidak memiliki data pasangan. Selanjutnya, kode menambahkan kolom baru segmen_transaksi berdasarkan nilai pendapatan, yaitu &quot;Tinggi&quot; untuk pendapatan minimal Rp300.000, &quot;Sedang&quot; untuk pendapatan minimal Rp150.000, dan &quot;Rendah&quot; untuk nilai di bawah Rp150.000. Setelah itu, dilakukan pemeriksaan kualitas data dengan menghitung transaksi yang tidak memiliki data pelanggan yang cocok melalui nilai nama yang kosong (null). Terakhir, beberapa kolom hasil transformasi ditampilkan untuk memastikan proses penggabungan dan pengolahan data telah berjalan dengan baik.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/588/1*4PkKr69yRFDsoNTGTD3G5Q.png" /></figure><p>Tahap 3:LOAD</p><pre># LOAD — menyimpan hasil akhir ke HDFS dalam format Parquet, terpartisi berdasarkan kategori<br>!hdfs dfs -mkdir -p /user/nico/etl_output<br><br>df_etl.write.mode(&quot;overwrite&quot;).partitionBy(&quot;kategori&quot;).parquet(<br>    &quot;hdfs://localhost:9000/user/nico/etl_output/transaksi_enriched&quot;<br>)<br><br>print(&quot;Pipeline ETL selesai — hasil tersimpan di HDFS.&quot;)<br>!hdfs dfs -ls /user/nico/etl_output/transaksi_enriched</pre><p>Kode ini merupakan tahap Load dalam proses ETL yang digunakan untuk menyimpan hasil akhir pengolahan data ke HDFS dalam format Parquet. Pertama, folder tujuan /user/nico/etl_output dibuat di HDFS menggunakan perintah hdfs dfs -mkdir -p. Selanjutnya, DataFrame df_etl disimpan ke HDFS dengan mode overwrite, sehingga data lama pada lokasi tersebut akan digantikan jika sudah ada. Data dipartisi berdasarkan kolom kategori menggunakan partitionBy(&quot;kategori&quot;), sehingga data akan dikelompokkan ke dalam folder sesuai kategori masing-masing dan dapat mempermudah proses pencarian atau pengolahan data. Setelah proses penyimpanan selesai, pesan keberhasilan ditampilkan, kemudian hdfs dfs -ls digunakan untuk melihat struktur dan isi folder hasil penyimpanan di HDFS.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/999/1*E_OAoCjvonv7ZGfAbTOvtA.png" /></figure><p>Verifikasi hasil akhir dengan membaca kembali dari HDFS:</p><pre>df_final = spark.read.parquet(&quot;hdfs://localhost:9000/user/nico/etl_output/transaksi_enriched&quot;)<br>print(&quot;Jumlah baris hasil akhir:&quot;, df_final.count())<br><br># Ringkasan cepat sebagai bukti data siap dipakai untuk analisis lebih lanjut<br>df_final.groupBy(&quot;segmen_transaksi&quot;).agg(<br>    count(&quot;order_id&quot;).alias(&quot;jumlah_transaksi&quot;),<br>    avg(&quot;pendapatan&quot;).alias(&quot;rata_rata_pendapatan&quot;)<br>).orderBy(&quot;segmen_transaksi&quot;).show()</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/471/1*-8eY_1K8O1i6IyIKY0Wm9Q.png" /></figure><p>pipeline ETL sudah lengkap HDFS sebagai penyimpanan sumber &amp; tujuan, Spark sebagai mesin pemrosesan, join &amp; transformasi data, hingga penyimpanan akhir dalam format Parquet yang efisien dan terpartisi.</p><p>LATIHAN MANDIRI</p><p>Jalankan ulang cell pembuatan SparkSession dari awal modul, lalu baca kembali data_transaksi_besar.csv dan data_pelanggan.json.</p><pre># Persiapan ulang untuk latihan<br>spark = SparkSession.builder.appName(&quot;Latihan6&quot;).master(&quot;local[*]&quot;).getOrCreate()<br>spark.sparkContext.setLogLevel(&quot;ERROR&quot;)<br><br>df_transaksi_etl = spark.read.csv(&quot;data_transaksi_besar.csv&quot;, header=True, inferSchema=True)<br>df_pelanggan_etl = spark.read.json(&quot;data_pelanggan.json&quot;)<br>print(&quot;Siap untuk latihan.&quot;)</pre><p>Kode ini digunakan untuk mempersiapkan kembali lingkungan Apache Spark sebelum melakukan latihan. SparkSession dibuat dengan nama aplikasi Latihan6 dan menggunakan seluruh core CPU yang tersedia melalui local[*], kemudian level log diatur menjadi ERROR agar hanya pesan error penting yang ditampilkan. Setelah itu, data transaksi dari file CSV data_transaksi_besar.csv dan data pelanggan dari file JSON data_pelanggan.json dibaca kembali ke dalam DataFrame menggunakan Spark. Pada bagian akhir, program menampilkan pesan &quot;Siap untuk latihan.&quot; sebagai tanda bahwa Spark dan seluruh data yang diperlukan telah berhasil dipersiapkan.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/162/1*bRmfKbx7CfEHYjSMDXWb7g.png" /></figure><p>Soal 1. Baca kembali data_transaksi_besar_parquet menggunakan spark.read.parquet() , tampilkan printSchema() dan bandingkan dengan CSV.</p><pre># Jawaban Soal 1 di sini<br>#Membaca kembali data_transaksi_besar_parquet dan membandingkan skemanya<br>df_parq_check = spark.read.parquet(&quot;data_transaksi_besar_parquet&quot;)<br>df_parq_check.printSchema()</pre><p>Kode ini digunakan untuk membaca kembali data transaksi yang sebelumnya telah disimpan dalam format Parquet, kemudian memeriksa struktur atau skema datanya. spark.read.parquet() digunakan untuk mengambil data dari folder data_transaksi_besar_parquet dan menyimpannya ke dalam DataFrame df_parq_check. Selanjutnya, printSchema() digunakan untuk menampilkan nama setiap kolom beserta tipe datanya, sehingga skema data Parquet dapat diperiksa dan dibandingkan dengan skema data transaksi sebelumnya.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/417/1*YpYtcZaVAmdVMBb1cO2eAg.png" /></figure><p>Soal 2. Gabungkan df_trx_etl dengan df_plg_etl , tampilkan jumlah transaksi untuk masing-masing nilai membership .</p><pre># Jawaban Soal 2 di sini<br>#Gabungkan df_transaksi_etl dengan df_pelanggan_etl, lalu hitung transaksi per membership<br>df_soal2 = df_transaksi_etl.join(df_pelanggan_etl, on=&quot;customer_id&quot;, how=&quot;left&quot;)<br>df_soal2.groupBy(&quot;membership&quot;).count().orderBy(&quot;count&quot;, ascending=False).show()</pre><p>Kode ini digunakan untuk menggabungkan data transaksi dengan data pelanggan berdasarkan kolom customer_id, kemudian menghitung jumlah transaksi untuk setiap jenis membership. Proses penggabungan menggunakan left join agar seluruh data transaksi tetap dipertahankan meskipun terdapat transaksi yang tidak memiliki data pelanggan yang sesuai. Setelah data berhasil digabungkan, groupBy(&quot;membership&quot;) mengelompokkan transaksi berdasarkan jenis membership, kemudian count() menghitung jumlah transaksi pada setiap kelompok. Terakhir, orderBy(&quot;count&quot;, ascending=False) mengurutkan hasil dari jumlah transaksi terbanyak ke paling sedikit, dan show() menampilkan hasilnya.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/180/1*dWPSaqHkobATUt9w8zkb4A.png" /></figure><p>Soal 3. Tulis ulang hasil gabungan Soal 2 ke disk lokal dalam format Parquet, dipartisi berdasarkan membership .</p><pre># Jawaban Soal 3 di sini<br>#Tulis ulang hasil gabungan ke disk lokal terpartisi berdasarkan &#39;membership&#39;<br>df_soal2.write.mode(&quot;overwrite&quot;).partitionBy(&quot;membership&quot;).parquet(&quot;data_transaksi_partisi_membership&quot;)<br><br>#Menampilkan struktur folder<br>!ls data_transaksi_partisi_membership</pre><p>Kode ini digunakan untuk menyimpan hasil penggabungan data transaksi dan data pelanggan ke dalam disk lokal dengan format Parquet, serta membagi data berdasarkan jenis membership. df_soal2.write.mode(&quot;overwrite&quot;) digunakan untuk menulis data dan mengganti data lama jika folder tujuan sudah tersedia. Selanjutnya, partitionBy(&quot;membership&quot;) membuat partisi berdasarkan nilai membership seperti Silver, Gold, dan Platinum, sehingga data setiap membership disimpan dalam folder yang terpisah. Hasil tersebut disimpan pada folder data_transaksi_partisi_membership, kemudian perintah !ls digunakan untuk menampilkan struktur folder dan memastikan partisi berdasarkan membership telah berhasil dibuat.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/589/1*82h59kUp_5ICH65eFLgiBg.png" /></figure><p>Soal 4 (Refleksi). Mengapa partitioning berdasarkan kolom kota tepat, tapi buruk jika pada kolom order_id ?</p><p>Partitioning berdasarkan kolom kota atau membership sangat cocok karena memiliki kardinalitas rendah hingga sedang (jumlah kategori unik terbatas), sehingga mempercepat partition pruning. Sebaliknya, jika diterapkan pada kolom unik seperti order_id, Spark akan membuat ribuan hingga jutaan folder kecil (small files problem), yang justru merusak performa cluster Hadoop/Spark.</p><p>TUGAS MANDIRI</p><p>Konteks: Membangun pipeline ETL produksi menggabungkan tiga sumber: transaksi (CSV), produk (JSON), dan ulasan pelanggan (CSV).</p><p>Menyiapkan dataset</p><pre>import numpy as np<br>import pandas as pd<br>import json<br><br>np.random.seed(33)<br><br># Sumber 1: Transaksi (CSV) — 5000 baris<br>n_trx = 5000<br>kategori_list = [&quot;Elektronik&quot;, &quot;Fashion&quot;, &quot;Makanan&quot;, &quot;Rumah Tangga&quot;, &quot;Kesehatan&quot;]<br>df_trx_tugas6 = pd.DataFrame({<br>    &quot;order_id&quot;: [f&quot;TX{i}&quot; for i in range(n_trx)],<br>    &quot;product_id&quot;: np.random.randint(1, 31, size=n_trx),<br>    &quot;unit_terjual&quot;: np.random.randint(1, 8, size=n_trx),<br>    &quot;tanggal&quot;: np.random.choice(pd.date_range(&quot;2026-10-01&quot;,&quot;2026-10-31&quot;), size=n_trx).astype(str),<br>})<br>df_trx_tugas6.to_csv(&quot;tugas6_transaksi.csv&quot;, index=False)<br><br># Sumber 2: Data produk (JSON Lines) — 30 produk<br>produk = [<br>    {&quot;product_id&quot;: i, &quot;nama_produk&quot;: f&quot;Produk-{i}&quot;, &quot;kategori&quot;: np.random.choice(kategori_list),<br>     &quot;harga&quot;: int(np.random.choice([25000,50000,75000,100000,150000,250000]))}<br>    for i in range(1, 31)<br>]<br>with open(&quot;tugas6_produk.json&quot;, &quot;w&quot;) as f:<br>    for p in produk:<br>        f.write(json.dumps(p) + &quot;\n&quot;)<br><br># Sumber 3: Data ulasan (CSV) — tidak semua transaksi memiliki ulasan (realistis)<br>n_review = 3500<br>df_review = pd.DataFrame({<br>    &quot;order_id&quot;: np.random.choice(df_trx_tugas6[&quot;order_id&quot;], size=n_review, replace=False),<br>    &quot;rating&quot;: np.random.randint(1, 6, size=n_review),<br>})<br>df_review.to_csv(&quot;tugas6_ulasan.csv&quot;, index=False)<br><br>print(f&quot;Tiga sumber data berhasil dibuat:&quot;)<br>print(f&quot;- tugas6_transaksi.csv : {len(df_trx_tugas6)} baris&quot;)<br>print(f&quot;- tugas6_produk.json   : {len(produk)} baris&quot;)<br>print(f&quot;- tugas6_ulasan.csv    : {len(df_review)} baris (tidak seluruh transaksi memiliki ulasan)&quot;)</pre><p>A. EXTRACT (Membaca Tiga Sumber Data)</p><p>Pada tahap ini, kita membaca ketiga sumber data (tugas6_transaksi.csv, tugas6_produk.json, dan tugas6_ulasan.csv) menggunakan PySpark ke dalam tiga DataFrame terpisah serta menampilkan jumlah baris dan skemanya.</p><pre># A. EXTRACT<br>print(&quot;=== TAHAP EXTRACT ===&quot;)<br>df_trx = spark.read.csv(&quot;tugas6_transaksi.csv&quot;, header=True, inferSchema=True)<br>df_prod = spark.read.json(&quot;tugas6_produk.json&quot;)<br>df_rev = spark.read.csv(&quot;tugas6_ulasan.csv&quot;, header=True, inferSchema=True)<br><br>print(f&quot;Jumlah baris Transaksi : {df_trx.count()}&quot;)<br>df_trx.printSchema()<br><br>print(f&quot;Jumlah baris Produk      : {df_prod.count()}&quot;)<br>df_prod.printSchema()<br><br>print(f&quot;Jumlah baris Ulasan      : {df_rev.count()}&quot;)<br>df_rev.printSchema()</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/370/1*Q3M9zcc-dGlxEGaQul4akg.png" /></figure><p>B. TRANSFORM — Penggabungan (Join)</p><p>Pada tahap ini, kita menggabungkan ketiga DataFrame. Transaksi digabungkan dengan produk menggunakan inner join (karena setiap transaksi wajib memiliki produk yang valid), dan digabungkan dengan ulasan menggunakan left join (karena tidak semua transaksi memiliki ulasan). Serta menambahkan kolom turunan total_pendapatan.</p><pre># B. TRANSFORM — Penggabungan &amp; Kolom Turunan<br>print(&quot;=== TAHAP TRANSFORM (JOIN) ===&quot;)<br># Inner join dari transaksi ke produk<br>df_joined = df_trx.join(df_prod, on=&quot;product_id&quot;, how=&quot;inner&quot;)<br><br># Left join dari transaksi ke ulasan<br>df_joined = df_joined.join(df_rev, on=&quot;order_id&quot;, how=&quot;left&quot;)<br><br># Menambahkan kolom turunan total_pendapatan (unit_terjual * harga)<br>df_joined = df_joined.withColumn(&quot;total_pendapatan&quot;, col(&quot;unit_terjual&quot;) * col(&quot;harga&quot;))<br><br>df_joined.select(&quot;order_id&quot;, &quot;product_id&quot;, &quot;kategori&quot;, &quot;unit_terjual&quot;, &quot;harga&quot;, &quot;total_pendapatan&quot;, &quot;rating&quot;).show(5)</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/636/1*r2gaPj4EV4jt52QLyq1G1Q.png" /></figure><p>C. TRANSFORM — Penanganan Data Kosong &amp; Pengayaan</p><p>Pada tahap ini, kita membuat kolom penanda ada_ulasan (True/False) <strong>sebelum</strong> mengisi nilai kosong. Setelah itu, nilai kosong (null) pada kolom rating diisi dengan angka 0.</p><p><strong><em>Alasan Penggunaan Angka 0:</em></strong><em> Angka </em><em>0 dipilih karena merepresentasikan indikator netral atau penanda bawaan bahwa transaksi tersebut belum memiliki ulasan sama sekali, sehingga memudahkan pemfilteran data tanpa merusak perhitungan rata-rata rating asli.</em></p><pre># C. TRANSFORM — Penanganan Data Kosong &amp; Pengayaan<br>print(&quot;=== TAHAP TRANSFORM (DATA QUALITY) ===&quot;)<br># Membuat kolom penanda ada_ulasan SEBELUM na.fill()<br>df_transformed = df_joined.withColumn(<br>    &quot;ada_ulasan&quot;,<br>    when(col(&quot;rating&quot;).isNotNull(), True).otherwise(False)<br>)<br><br># Mengisi nilai kosong pada kolom rating dengan angka 0<br>df_transformed = df_transformed.na.fill({&quot;rating&quot;: 0})<br><br>df_transformed.select(&quot;order_id&quot;, &quot;rating&quot;, &quot;ada_ulasan&quot;, &quot;total_pendapatan&quot;).show(5)</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/412/1*xZOrpolozHofoYqfBsvE_A.png" /></figure><p>D. LOAD (Penyimpanan ke HDFS)</p><p>Pada tahap ini, hasil akhir pipeline disimpan ke HDFS dalam format <strong>Parquet</strong> dengan partisi berdasarkan kolom kategori pada direktori /user/nico/tugas6/hasil_etl, lalu diverifikasi kembali.</p><pre># D. LOAD<br>print(&quot;=== TAHAP LOAD KE HDFS ===&quot;)<br>import subprocess<br>subprocess.run([&quot;hdfs&quot;, &quot;dfs&quot;, &quot;-mkdir&quot;, &quot;-p&quot;, &quot;/user/nico/tugas6&quot;])<br><br>output_path = &quot;hdfs://localhost:9000/user/nico/tugas6/hasil_etl&quot;<br>df_transformed.write.mode(&quot;overwrite&quot;).partitionBy(&quot;kategori&quot;).parquet(output_path)<br><br>print(&quot;Pipeline ETL selesai — data berhasil dimuat ke HDFS.&quot;)<br><br># Verifikasi struktur direktori HDFS<br>!hdfs dfs -ls -R /user/nico/tugas6/hasil_etl<br><br># Membaca kembali dari HDFS untuk membuktikan data utuh<br>df_verified = spark.read.parquet(output_path)<br>print(f&quot;Jumlah baris terverifikasi di HDFS: {df_verified.count()}&quot;)</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vkufPjjA-DiCR5wZCWxveA.png" /></figure><p>E. Insight Akhir (Analisis Bisnis)</p><p>Pada tahap ini, kita menganalisis kategori produk mana yang memiliki persentase transaksi dengan ulasan (ada_ulasan = True) paling rendah.</p><pre># E. Insight Akhir<br>print(&quot;=== E. INSIGHT AKHIR ===&quot;)<br>df_insight = df_verified.groupBy(&quot;kategori&quot;).agg(<br>    count(&quot;order_id&quot;).alias(&quot;total_transaksi&quot;),<br>    avg(when(col(&quot;ada_ulasan&quot;) == True, 1).otherwise(0)).alias(&quot;rasio_ulasan&quot;)<br>).orderBy(&quot;rasio_ulasan&quot;, ascending=True)<br><br>df_insight.show()</pre><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/415/1*-kD7rkVjoiDMQ8jSbDsx_Q.png" /></figure><p>Tulis 2–3 kalimat interpretasi bisnis pada markdown cell: mengapa hal ini mungkin penting diketahui oleh tim marketing?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mFciFpzNPRrDcvoIykSueQ.png" /></figure><p>KESIMPULAN</p><p>Praktikum Pertemuan 6 membahas penggunaan format Parquet dan JSON serta penerapan pipeline ETL sederhana menggunakan PySpark.</p><p>Parquet dapat digunakan untuk penyimpanan data besar, sedangkan JSON dapat digunakan untuk data semi-terstruktur. Partitioning membantu mengelompokkan data berdasarkan kolom tertentu.</p><p>Melalui pipeline ETL, data dari beberapa sumber dapat diambil, digabungkan, ditransformasikan, dan kemudian disimpan ke HDFS dalam format Parquet. Praktikum ini memberikan pemahaman dasar mengenai pengelolaan dan pengolahan data besar menggunakan PySpark dan Hadoop.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=151bed023919" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data5_PySpark DataFrame Lanjutan: Join, Window Function & Spark SQL]]></title>
            <link>https://medium.com/@dimasgalih_85836/big-data5-pyspark-dataframe-lanjutan-join-window-function-spark-sql-53a4e18b88ed?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/53a4e18b88ed</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Wed, 30 Sep 2026 18:11:55 GMT</pubDate>
            <atom:updated>2026-09-30T18:11:55.501Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang PySpark DataFrame lanjutan yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/738/1*E1L9_u5yv5zT3P-Jyeu9wQ.jpeg" /></figure><p>TUJUAN PRAKTIKUM</p><ul><li>Menggabungkan (*join*) dua atau lebih Spark DataFrame menggunakan berbagai jenis join<em>.</em></li><li>Menerapkan *window function* untuk melakukan perankingan data dalam kelompok tertentu<em>.</em></li><li>Menulis dan menjalankan kueri SQL langsung di atas Spark DataFrame menggunakan Spark SQL<em>.</em></li><li>Memilih pendekatan (DataFrame API vs Spark SQL) yang paling sesuai untuk suatu kebutuhan analisis<em>.</em></li></ul><p>DASAR TEORI</p><p><strong>2.1 PySpark DataFrame</strong></p><p>PySpark DataFrame merupakan struktur data pada Apache Spark yang digunakan untuk mengolah data dalam bentuk tabel. DataFrame memiliki baris dan kolom seperti tabel pada database sehingga dapat digunakan untuk melakukan proses seperti seleksi, pengelompokan, agregasi, dan penggabungan data.</p><p><strong>2.2 Join</strong></p><p>join() digunakan untuk menggabungkan data dari dua DataFrame berdasarkan kolom tertentu sebagai kunci. Pada modul terdapat beberapa jenis join, yaitu inner, left, right, dan outer/full.</p><ul><li><strong>Inner Join</strong> → hanya mengambil data yang memiliki pasangan pada kedua tabel.</li><li><strong>Left Join</strong> → mengambil seluruh data dari tabel kiri dan data yang cocok dari tabel kanan.</li><li><strong>Right Join</strong> → mengambil seluruh data dari tabel kanan dan data yang cocok dari tabel kiri.</li><li><strong>Outer/Full Join</strong> → mengambil seluruh data dari kedua tabel, baik yang memiliki pasangan maupun tidak.</li></ul><p><strong>2.3 Window Function</strong></p><p>Window function digunakan untuk melakukan perhitungan dalam kelompok tertentu tanpa menghilangkan detail baris asli. Salah satu penggunaannya adalah melakukan perankingan data.</p><p>Pada praktikum digunakan rank() dan row_number().</p><p>rank() dapat memberikan peringkat yang sama apabila terdapat nilai yang sama, sedangkan row_number() memberikan nomor urut yang unik pada setiap baris.</p><p><strong>2.4 Spark SQL</strong></p><p>Spark SQL memungkinkan pengguna menjalankan perintah SQL secara langsung terhadap Spark DataFrame. DataFrame terlebih dahulu didaftarkan sebagai temporary view menggunakan createOrReplaceTempView(), kemudian dapat diproses menggunakan spark.sql().</p><p>Spark SQL dan DataFrame API sama-sama diproses oleh mesin optimisasi Spark, sehingga perbedaannya terutama terdapat pada gaya penulisan dan kebutuhan pengguna.</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><ul><li>PC/Laptop</li><li>Virtual Machine Ubuntu-BigData.</li><li>Jupyter Notebook.</li><li>Koneksi Internet</li></ul><p>PRAKTIKUM</p><p>Persiapan membuat SparkSession.</p><pre>rom pyspark.sql import SparkSession<br>from pyspark.sql.functions import col, sum as spark_sum, avg, count, rank, row_number, when<br>from pyspark.sql.window import Window<br>spark = SparkSession.builder<br>.appName(&quot;Pertemuan5-JoinWindowSQL&quot;)<br>.master(&quot;local[*]&quot;)<br>.getOrCreate()<br>spark.sparkContext.setLogLevel(&quot;ERROR&quot;)<br>print(&quot;SparkSession siap. Versi Spark:&quot;, spark.version)</pre><p>Kode tersebut digunakan untuk mengimpor library yang diperlukan dan membuat SparkSession. SparkSession merupakan bagian utama yang digunakan untuk menjalankan proses Spark. Pengaturan local[*] membuat Spark menggunakan seluruh core yang tersedia pada komputer. setLogLevel(&quot;ERROR&quot;) digunakan agar pesan log yang muncul lebih sedikit dan hanya menampilkan pesan error.</p><p>Pada modul ini kita bekerja dengan dua tabel sekaligus mensimulasikan skenario nyata di mana data tersebar di beberapa sumber:</p><p>1. df_transaksi — data transaksi harian.</p><p>2. df_produk — tabel referensi/master target penjualan bulanan &amp; manager kategori.</p><pre>import numpy as np<br>import pandas as pd<br><br>np.random.seed(7)<br>kategori_list = [&quot;Elektronik&quot;, &quot;Fashion&quot;, &quot;Makanan &amp; Minuman&quot;, &quot;Kesehatan &amp; Kecantikan&quot;,<br>&quot;Rumah Tangga&quot;]<br><br>data_produk = {<br>&quot;kategori&quot;: kategori_list,<br>&quot;target_bulanan&quot;: [50000000, 40000000, 30000000, 25000000, 20000000],<br>&quot;manager&quot;: [&quot;Andi&quot;, &quot;Budi&quot;, &quot;Citra&quot;, &quot;Dewi&quot;, &quot;Eka&quot;],<br>}<br>df_produk = spark.createDataFrame(pd.DataFrame(data_produk))<br><br>n = 300<br>data_transaksi = {<br>&quot;order_id&quot;: [f&quot;O{i}&quot; for i in range(n)],<br>&quot;kategori&quot;: np.random.choice(kategori_list, size=n),<br>&quot;kota&quot;: np.random.choice([&quot;Magelang&quot;, &quot;Semarang&quot;, &quot;Solo&quot;], size=n),<br>&quot;pendapatan&quot;: np.random.randint(50000, 500000, size=n),<br>}<br>df_transaksi = spark.createDataFrame(pd.DataFrame(data_transaksi))<br><br>df_produk.show()<br>df_transaksi.show(5)</pre><p>Kode tersebut membuat data produk dan data transaksi. df_produk berisi kategori, target penjualan bulanan, dan nama manager. Sementara itu, df_transaksi berisi 300 data transaksi dengan atribut nomor pesanan, kategori, kota, dan pendapatan. Kedua DataFrame tersebut nantinya digunakan untuk proses join dan analisis.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/429/1*cA6L20NL5wfbjNaXlanzjA.png" /></figure><p>Menggabungkan DataFrame dengan join().</p><p>Sintaks umum: df1.join(df2, on=”kolom_kunci”, how=”jenis_join”)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/997/1*PPLPWpcNMB8MRln3wUeFpQ.png" /></figure><p>Left Join &amp; Inner Join Setelah Agregasi.</p><pre># Left Join<br>df_gabung = df_transaksi.join(df_produk, on=&quot;kategori&quot;, how=&quot;left&quot;)<br><br># Inner Join setelah Aggregasi (Efisien)<br>ringkasan =<br>df_transaksi.groupBy(&quot;kategori&quot;).agg(spark_sum(&quot;pendapatan&quot;).alias(&quot;total_pendapatan&quot;))<br>hasil = ringkasan.join(df_produk, on=&quot;kategori&quot;, how=&quot;inner&quot;) </pre><p>Kode left menggabungkan df_transaksi dengan df_produk menggunakan kolom kategori. Jenis join yang digunakan adalah left, sehingga seluruh data dari df_transaksi tetap ditampilkan dan data dari df_produk akan ditambahkan jika memiliki kategori yang sesuai.</p><p>Kode inner melakukan pengelompokan transaksi berdasarkan kategori dan menghitung total pendapatan setiap kategori. Setelah itu, hasil agregasi digabungkan dengan df_produk menggunakan inner join. Cara ini lebih efisien karena data sudah diringkas terlebih dahulu sebelum proses join dilakukan.</p><p>Output left join:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/595/1*tzTiF1q-LkZ4BFEHb5CR1g.png" /></figure><p>Output inner join:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/658/1*S2cqD8YUvdVkDgaZna7UXA.png" /></figure><p>Window Function.</p><p>Window function memungkinkan perhitungan dalam kelompok (partisi) tanpa meringkas baris asli. Kegunaan utama: perankingan.</p><pre># Definisikan window: partisi berdasarkan kategori, urutkan pendapatan menurun<br>window_spec = Window.partitionBy(&quot;kategori&quot;).orderBy(col(&quot;pendapatan&quot;).desc())<br><br># Tambahkan kolom peringkat<br>df_ranked = df_transaksi.withColumn(&quot;rank_dalam_kategori&quot;, rank().over(window_spec))<br><br># Tampilkan top-2 transaksi per kategori<br>df_ranked.filter(col(&quot;rank_dalam_kategori&quot;) &lt;= 2)<br>.orderBy(&quot;kategori&quot;, &quot;rank_dalam_kategori&quot;)<br>.show(10)</pre><p>Kode tersebut membuat Window Function berdasarkan kategori. Data dalam setiap kategori kemudian diurutkan berdasarkan pendapatan dari yang terbesar. Fungsi rank() digunakan untuk memberikan peringkat transaksi. Setelah itu, data difilter agar hanya menampilkan transaksi dengan peringkat 1 dan 2 pada setiap kategori.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/607/1*Ii-g_SG3LQQgQPtdv3rV2Q.png" /></figure><p>Spark SQL — Menjalankan Kueri SQL di Atas DataFrame.</p><p>Menulis kueri SQL langsung terhadap DataFrame tanpa penalti performa (mesin optimisasi sama)</p><pre>df_transaksi.createOrReplaceTempView(&quot;transaksi&quot;)<br>df_produk.createOrReplaceTempView(&quot;produk&quot;)<br><br>hasil_sql = spark.sql(&#39;&#39;&#39;<br>SELECT t.kategori, p.manager, SUM(t.pendapatan) AS total_pendapatan<br>FROM transaksi t<br>JOIN produk p ON t.kategori = p.kategori<br>GROUP BY t.kategori, p.manager<br>ORDER BY total_pendapatan DESC<br>&#39;&#39;&#39;)<br><br>hasil_sql.show()</pre><p>Pertama, kedua DataFrame dibuat menjadi temporary view dengan nama transaksi dan produk. Setelah itu, spark.sql() digunakan untuk menjalankan query SQL. Query tersebut menggabungkan kedua tabel berdasarkan kategori, menghitung total pendapatan setiap kategori, mengelompokkannya berdasarkan kategori dan manager, kemudian mengurutkan hasil berdasarkan total pendapatan terbesar.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/397/1*6A7-AX7CySqPGQ8GSuBWaw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/916/1*V3TWuRxjJPRgIQyWs0yTdA.png" /></figure><p>LATIHAN MANDIRI</p><p>Jalankan ulang cell pembuatan SparkSession dan kedua DataFrame (df_transaksi, df_produk)</p><pre># Persiapan ulang untuk latihan<br>spark = SparkSession.builder.appName(&quot;Latihan5&quot;).master(&quot;local[*]&quot;).getOrCreate()<br>spark.sparkContext.setLogLevel(&quot;ERROR&quot;)<br><br>np.random.seed(7)<br>df_produk = spark.createDataFrame(pd.DataFrame(data_produk))<br>df_transaksi = spark.createDataFrame(pd.DataFrame(data_transaksi))<br>df_transaksi.createOrReplaceTempView(&quot;transaksi&quot;)<br>df_produk.createOrReplaceTempView(&quot;produk&quot;)<br>print(&quot;Siap untuk latihan.&quot;)</pre><p>Kode tersebut digunakan untuk mempersiapkan Apache Spark sebelum latihan dimulai. SparkSession dibuat dengan nama aplikasi <strong>Latihan5</strong> dan dijalankan secara lokal menggunakan seluruh core CPU yang tersedia. setLogLevel(&quot;ERROR&quot;) digunakan agar hanya pesan error yang ditampilkan. np.random.seed(7) digunakan agar hasil data acak tetap konsisten. Selanjutnya, data_produk dan data_transaksi diubah menjadi <strong>Spark DataFrame</strong> melalui Pandas DataFrame. Kedua DataFrame tersebut kemudian dibuat menjadi temporary view dengan nama <strong>produk</strong> dan <strong>transaksi</strong>, sehingga dapat digunakan dalam query Spark SQL. Terakhir, print(&quot;Siap untuk latihan.&quot;) menampilkan pesan bahwa proses persiapan telah selesai.</p><p>Soal 1. Menggunakan DataFrame API (join), tampilkan seluruh transaksi kota “Solo” beserta nama manager dari kategorinya masing-masing.</p><pre># Jawaban Soal 1 di sini<br>hasil_solo = df_transaksi.join(df_produk, on=&quot;kategori&quot;, how=&quot;inner&quot;) \<br>    .filter(col(&quot;kota&quot;) == &quot;Solo&quot;) \<br>    .select(&quot;order_id&quot;, &quot;kategori&quot;, &quot;kota&quot;, &quot;pendapatan&quot;, &quot;manager&quot;)<br><br>hasil_solo.show()</pre><p>Kode tersebut digunakan untuk menggabungkan data df_transaksi dengan df_produk berdasarkan kolom <strong>kategori</strong> menggunakan inner join. Setelah digabungkan, data difilter sehingga hanya menampilkan transaksi dari <strong>kota Solo</strong>. Kemudian dipilih beberapa kolom, yaitu <strong>order_id, kategori, kota, pendapatan, dan manager</strong>. Terakhir, hasil_solo.show() digunakan untuk menampilkan hasil data tersebut pada layar.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/367/1*_VtBg4Lly54USEEuISINAg.png" /></figure><p>Soal 2. Gunakan window function untuk menentukan transaksi dengan pendapatan tertinggi (peringkat 1) di setiap kota (tidak boleh menggunakan rank() ).</p><pre># Jawaban Soal 2 di sini<br>window_kota = Window.partitionBy(&quot;kota&quot;).orderBy(col(&quot;pendapatan&quot;).desc())<br><br>hasil_top = df_transaksi.withColumn(<br>    &quot;peringkat&quot;,<br>    row_number().over(window_kota)<br>).filter(col(&quot;peringkat&quot;) == 1)<br><br>hasil_top.show()</pre><p>Kode tersebut digunakan untuk menentukan transaksi dengan <strong>pendapatan tertinggi di setiap kota</strong>. Window.partitionBy(&quot;kota&quot;) mengelompokkan data berdasarkan kota, kemudian orderBy(col(&quot;pendapatan&quot;).desc()) mengurutkan pendapatan dari yang terbesar ke terkecil. Fungsi row_number() memberikan nomor peringkat pada setiap transaksi dalam masing-masing kota. Setelah itu, .filter(col(&quot;peringkat&quot;) == 1) hanya mengambil data dengan peringkat pertama, yaitu transaksi dengan pendapatan tertinggi di setiap kota. Terakhir, hasil_top.show() digunakan untuk menampilkan hasilnya.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/436/1*_DypnIv3pWzW4IReiMYjIg.png" /></figure><p>Soal 3. Gunakan Spark SQL untuk menghitung rata-rata pendapatan per kota , diurutkan dari tertinggi.</p><pre># Jawaban Soal 3 di sini<br>hasil_sql = spark.sql(&quot;&quot;&quot;<br>SELECT kota,<br>       AVG(pendapatan) AS rata_rata_pendapatan<br>FROM transaksi<br>GROUP BY kota<br>ORDER BY rata_rata_pendapatan DESC<br>&quot;&quot;&quot;)<br><br>hasil_sql.show()</pre><p>Kode tersebut digunakan untuk menghitung <strong>rata-rata pendapatan berdasarkan kota</strong> menggunakan Spark SQL. spark.sql() menjalankan perintah SQL pada temporary view transaksi, kemudian AVG(pendapatan) menghitung rata-rata pendapatan setiap kota. GROUP BY kota mengelompokkan data berdasarkan kota, sedangkan ORDER BY rata_rata_pendapatan DESC mengurutkan hasil dari rata-rata pendapatan <strong>tertinggi ke terendah</strong>. Terakhir, hasil_sql.show() digunakan untuk menampilkan hasil perhitungannya.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/261/1*sN1OHspgaODt-PqCfO0tng.png" /></figure><p>Soal 4 (Refleksi). Dalam 2–3 kalimat, jelaskan kapan anda memilih Spark SQL dibanding DataFrame API.</p><p>Saya memilih <strong>Spark SQL</strong> ketika ingin melakukan pengolahan data menggunakan sintaks SQL yang lebih sederhana dan mudah dibaca, terutama untuk proses seperti SELECT, GROUP BY, dan ORDER BY. Sedangkan <strong>DataFrame API</strong> lebih cocok digunakan ketika membutuhkan pengolahan data yang lebih fleksibel menggunakan fungsi-fungsi PySpark.</p><p>TUGAS MANDIRI</p><p>Konteks / Skenario</p><p>Manajemen platform e-commerce meminta dibuatkan dashboard performa cabang toko yang menggabungkan data transaksi (yang sudah ada di HDFS sejak Pertemuan 3–4) dengan data referensi target penjualan tiap cabang. Anda ditugaskan menyiapkan analisis ini menggunakan kombinasi join, window function, dan Spark SQL — persis seperti yang dipelajari hari ini.</p><p>Menyiapkan Dataset</p><p>Jalankan cell berikut untuk membuat dua tabel dan mengunggah tabel transaksi ke HDFS (tabel target cukup dibuat langsung sebagai Spark DataFrame, karena berukuran kecil dan jarang berubah — praktik umum untuk tabel referensi/dimension table).</p><pre>import numpy as np<br>import pandas as pd<br><br>data_target_cabang = {<br>    &quot;kota&quot;: [&quot;Magelang&quot;, &quot;Yogyakarta&quot;, &quot;Semarang&quot;, &quot;Solo&quot;, &quot;Purworejo&quot;],<br>    &quot;target_bulanan&quot;: [45000000, 60000000, 55000000, 40000000, 30000000],<br>    &quot;pic_cabang&quot;: [&quot;Rani&quot;, &quot;Joko&quot;, &quot;Sari&quot;, &quot;Bayu&quot;, &quot;Fitri&quot;],<br>}<br><br>np.random.seed(55)<br>n = 500<br>kategori_list = [&quot;Elektronik&quot;, &quot;Fashion&quot;, &quot;Makanan &amp; Minuman&quot;,<br>                 &quot;Kesehatan &amp; Kecantikan&quot;, &quot;Rumah Tangga&quot;]<br>kota_list = [&quot;Magelang&quot;, &quot;Yogyakarta&quot;, &quot;Semarang&quot;, &quot;Solo&quot;, &quot;Purworejo&quot;]<br><br>data_transaksi_t5 = {<br>    &quot;order_id&quot;: [f&quot;TRX-{i}&quot; for i in range(n)],<br>    &quot;kategori&quot;: np.random.choice(kategori_list, size=n),<br>    &quot;kota&quot;: np.random.choice(kota_list, size=n),<br>    &quot;unit_terjual&quot;: np.random.randint(1, 10, size=n),<br>    &quot;harga_satuan&quot;: np.random.choice(<br>        [25000, 50000, 75000, 100000, 150000], size=n<br>    ),<br>}<br><br>pd.DataFrame(data_transaksi_t5).to_csv(<br>    &quot;transaksi_tugas5.csv&quot;, index=False<br>)<br><br>!hdfs dfs -mkdir -p /user/nico/tugas5<br>!hdfs dfs -put -f transaksi_tugas5.csv /user/nico/tugas5/</pre><p>Cell ini digunakan untuk <strong>menyiapkan seluruh dataset yang akan digunakan pada tugas</strong>. Pertama, NumPy dan Pandas diimpor untuk membantu pembuatan data. Kemudian dibuat data target dan PIC setiap cabang. Setelah itu dibuat 500 transaksi secara acak yang berisi ID transaksi, kategori, kota, jumlah barang, dan harga satuan. Data transaksi kemudian diubah menjadi DataFrame dan disimpan sebagai file CSV. Terakhir, file CSV dibuatkan folder dan diunggah ke <strong>HDFS</strong> agar dapat diproses menggunakan Spark.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/883/1*WZiRV3VLfA-DQ2_jclbJdw.png" /></figure><p>Mengaktifkan Spark dan Memuat Data:</p><pre>from pyspark.sql import SparkSession<br>from pyspark.sql.functions import col, sum as spark_sum, row_number, count as spark_count<br>from pyspark.sql.window import Window<br>import pandas as pd<br><br>spark = SparkSession.builder \<br>    .appName(&quot;Tugas5&quot;) \<br>    .master(&quot;local[*]&quot;) \<br>    .getOrCreate()<br><br>df_transaksi = spark.read.csv(<br>    &quot;hdfs://localhost:9000/user/nico/tugas5/transaksi_tugas5.csv&quot;,<br>    header=True,<br>    inferSchema=True<br>)<br><br>df_transaksi = df_transaksi.withColumn(<br>    &quot;pendapatan&quot;,<br>    col(&quot;unit_terjual&quot;) * col(&quot;harga_satuan&quot;)<br>)<br><br>df_target = spark.createDataFrame(<br>    pd.DataFrame(data_target_cabang)<br>)</pre><p>Cell ini digunakan untuk <strong>mengaktifkan Spark dan mengambil data dari HDFS</strong>. SparkSession digunakan sebagai pintu masuk untuk menjalankan Spark. Setelah aktif, data transaksi yang berada di HDFS dibaca menjadi Spark DataFrame. Selanjutnya dibuat kolom pendapatan yang diperoleh dari perkalian jumlah barang terjual dengan harga satuan. Data target cabang juga diubah menjadi Spark DataFrame agar nantinya dapat digabungkan dengan data transaksi.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/460/1*u_ynmwPfbC_fJTxWLgq-Ng.png" /></figure><p>Bagian A: Kinerja Cabang &amp; Pencapaian Target</p><pre>df_agg_kota = df_transaksi.groupBy(&quot;kota&quot;).agg(<br>    spark_sum(&quot;pendapatan&quot;).alias(&quot;total_pendapatan&quot;)<br>)<br><br>df_kinerja = df_agg_kota.join(<br>    df_target, on=&quot;kota&quot;, how=&quot;inner&quot;<br>)<br><br>df_kinerja = df_kinerja.withColumn(<br>    &quot;pencapaian_persen&quot;,<br>    (col(&quot;total_pendapatan&quot;) / col(&quot;target_bulanan&quot;)) * 100<br>)<br><br>print(&quot;--- BAGIAN A: Kinerja Cabang &amp; Pencapaian Target ---&quot;)<br>df_kinerja.orderBy(<br>    col(&quot;pencapaian_persen&quot;).desc()<br>).show()</pre><p>Cell ini digunakan untuk <strong>menganalisis kinerja setiap cabang berdasarkan pencapaian target</strong>. Data transaksi terlebih dahulu dikelompokkan berdasarkan kota dan total pendapatannya dihitung. Hasil tersebut kemudian digabungkan dengan data target cabang menggunakan join. Setelah itu dihitung persentase pencapaian dengan membandingkan total pendapatan terhadap target bulanan. Terakhir, hasil diurutkan dari persentase pencapaian terbesar ke terkecil dan ditampilkan.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/615/1*BNKrZi6MbW-UE7dQglGbgQ.png" /></figure><p>Bagian B: Kategori Terlaris di Setiap Kota</p><pre>df_kategori_kota = df_transaksi.groupBy(<br>    &quot;kota&quot;, &quot;kategori&quot;<br>).agg(<br>    spark_sum(&quot;pendapatan&quot;).alias(<br>        &quot;total_pendapatan_kategori&quot;<br>    )<br>)<br><br>window_spec = Window.partitionBy(&quot;kota&quot;).orderBy(<br>    col(&quot;total_pendapatan_kategori&quot;).desc()<br>)<br><br>df_kategori_terlaris = df_kategori_kota.withColumn(<br>    &quot;rn&quot;, row_number().over(window_spec)<br>).filter(<br>    col(&quot;rn&quot;) == 1<br>).drop(&quot;rn&quot;)<br><br>print(&quot;--- BAGIAN B: Kategori Terlaris di Setiap Kota ---&quot;)<br>df_kategori_terlaris.orderBy(&quot;kota&quot;).show()</pre><p>Cell ini digunakan untuk <strong>mencari kategori produk yang memiliki pendapatan paling tinggi pada setiap kota</strong>. Data dikelompokkan berdasarkan kota dan kategori, kemudian total pendapatan setiap kategori dihitung. Selanjutnya digunakan Window untuk membuat peringkat kategori dalam masing-masing kota. row_number() memberikan nomor urut berdasarkan pendapatan terbesar. Dengan filter(col(&quot;rn&quot;) == 1), hanya kategori dengan peringkat pertama yang diambil. Hasil akhirnya menampilkan kategori terlaris pada setiap kota.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/1*h4SmSrp8gq9r0qGGG1QvwA.png" /></figure><p>Bagian C: Jumlah Transaksi per Kota dengan Spark SQL</p><pre>df_transaksi.createOrReplaceTempView(&quot;transaksi&quot;)<br>df_target.createOrReplaceTempView(&quot;target&quot;)<br><br>hasil_sql = spark.sql(&#39;&#39;&#39;<br>    SELECT <br>        t.kota, <br>        tg.pic_cabang, <br>        COUNT(t.order_id) AS jumlah_transaksi<br>    FROM transaksi t<br>    JOIN target tg ON t.kota = tg.kota<br>    GROUP BY t.kota, tg.pic_cabang<br>    ORDER BY jumlah_transaksi DESC<br>&#39;&#39;&#39;)<br><br>print(&quot;--- BAGIAN C: Jumlah Transaksi per Kota (Spark SQL) ---&quot;)<br>hasil_sql.show()</pre><p>Cell ini digunakan untuk <strong>menghitung jumlah transaksi pada setiap kota menggunakan Spark SQL</strong>. Kedua DataFrame terlebih dahulu dibuat menjadi temporary view agar dapat digunakan sebagai tabel SQL. Kemudian dibuat query SQL untuk mengambil kota, PIC cabang, dan jumlah transaksi. Data transaksi digabungkan dengan data target berdasarkan kota menggunakan JOIN, kemudian dikelompokkan berdasarkan kota dan PIC. Hasil akhirnya diurutkan berdasarkan jumlah transaksi dari yang terbesar ke terkecil.</p><p>Output:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/462/1*qSEWOUucygcTPOjUR_c2ow.png" /></figure><p>Menutup SparkSession</p><pre>spark.stop()<br>print(&quot;SparkSession ditutup.&quot;)</pre><p>Cell ini digunakan untuk <strong>menghentikan SparkSession setelah seluruh proses pengolahan data selesai</strong>. spark.stop() menghentikan sesi Spark sehingga sumber daya yang digunakan selama proses dapat dilepaskan. Setelah itu print() menampilkan pesan bahwa SparkSession telah ditutup.</p><p>Bagian D: Kesimpulan Kinerja Cabang</p><p>Berdasarkan hasil analisis data transaksi dan target bulanan pada Bagian A dan Bagian B, berikut adalah kesimpulan mengenai kinerja cabang e-commerce:</p><p>Cabang Berkinerja Paling Baik: Cabang yang berkinerja paling baik adalah Cabang Purworejo dengan PIC Fitri. Cabang ini mencatatkan pencapaian target tertinggi yaitu sebesar 152,17%, di mana total pendapatan yang didapatkan mencapai Rp 45.650.000 dari target bulanan sebesar Rp 30.000.000. Pendorong utama keberhasilan Cabang Purworejo adalah tingginya angka penjualan pada kategori Kesehatan &amp; Kecantikan yang menjadi kategori terlaris dengan total pendapatan kategori sebesar Rp 10.075.000.</p><p>Cabang yang Paling Perlu Perhatian Manajemen: Cabang yang paling memerlukan perhatian khusus dari manajemen adalah Cabang Semarang dengan PIC Sari dan Cabang Magelang dengan PIC Rani. Cabang Semarang memiliki persentase pencapaian paling rendah yaitu 69,41% (pendapatan Rp 38.175.000 dari target Rp 55.000.000). Sementara itu, Cabang Magelang berada di posisi kedua terendah dengan pencapaian 70,33% (pendapatan Rp 31.650.000 dari target Rp 45.000.000).</p><p>Rekomendasi: Manajemen disarankan untuk mengevaluasi strategi promosi di Cabang Semarang dan Magelang. Sebagai langkah taktis, manajemen dapat memberikan program cross-selling atau diskon khusus pada produk selain kategori terlaris mereka untuk mendorong peningkatan volume penjualan secara keseluruhan.</p><p>KESIMPULAN</p><p>Praktikum Big Data Pertemuan 5 memberikan pemahaman mengenai pengolahan data lanjutan menggunakan PySpark DataFrame. Melalui praktikum ini, dapat dipahami bahwa <strong>join</strong> digunakan untuk menggabungkan data dari beberapa DataFrame berdasarkan kolom kunci, <strong>window function</strong> digunakan untuk melakukan perhitungan atau perankingan berdasarkan kelompok tertentu tanpa menghilangkan detail data, sedangkan <strong>Spark SQL</strong> digunakan untuk menjalankan query SQL secara langsung pada DataFrame. Selain itu, praktikum menunjukkan bahwa DataFrame API dan Spark SQL dapat digunakan untuk menghasilkan analisis yang sama dengan pendekatan penulisan yang berbeda. Dengan menguasai ketiga teknik tersebut, proses analisis data menggunakan PySpark menjadi lebih fleksibel dan dapat diterapkan pada data yang berasal dari beberapa sumber.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=53a4e18b88ed" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jaringan Komputer4_Wireless Network]]></title>
            <link>https://medium.com/@dimasgalih_85836/jaringan-komputer4-wireless-network-37b5b9044411?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/37b5b9044411</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Mon, 28 Sep 2026 12:53:31 GMT</pubDate>
            <atom:updated>2026-09-28T12:53:31.171Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Wireless Network yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/594/1*_WwFPi4MI92BFuPIfDr37Q.jpeg" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Memahami konsep dan fungsi <strong>wireless router</strong> dalam jaringan komputer.</li><li>Mengetahui cara melakukan konfigurasi dasar pada wireless router.</li><li>Melakukan konfigurasi <strong>SSID dan keamanan WLAN</strong>.</li><li>Menghubungkan beberapa perangkat client ke jaringan wireless.</li><li>Menguji koneksi antara perangkat client dengan wireless router menggunakan <strong>Cisco Packet Tracer</strong>.</li></ul><p>DASAR TEORI</p><p><strong>A. Wireless Router</strong></p><p>Wireless router merupakan perangkat jaringan yang memiliki fungsi sebagai <strong>router sekaligus wireless access point</strong>. Perangkat ini dapat digunakan untuk menyediakan akses jaringan maupun membangun jaringan <strong>Wireless LAN (WLAN)</strong>.</p><p>Router sendiri berfungsi untuk melakukan <strong>routing dan forwarding</strong> paket data dari satu jaringan ke jaringan lainnya. Wireless router menambahkan kemampuan komunikasi secara nirkabel sehingga perangkat seperti laptop, PC, tablet, dan smartphone dapat terhubung tanpa menggunakan kabel jaringan.</p><p><strong>B. Linksys WRT300N</strong></p><p>Linksys WRT300N merupakan perangkat internet-sharing router yang digunakan dalam simulasi. Perangkat ini mempunyai beberapa port Ethernet untuk menghubungkan perangkat menggunakan kabel RJ45 serta memiliki port WAN untuk koneksi internet.</p><p><strong>C. SSID</strong></p><p>SSID atau <strong>Service Set Identifier</strong> merupakan nama yang digunakan untuk mengidentifikasi sebuah jaringan wireless. SSID dipancarkan oleh wireless router atau access point agar perangkat lain dapat mengetahui keberadaan jaringan tersebut.</p><p><strong>D. Keamanan WLAN</strong></p><p>Keamanan WLAN digunakan untuk menjaga kerahasiaan, keaslian, dan integritas data yang dikirim melalui jaringan wireless. Beberapa protokol keamanan WLAN yang dibahas dalam modul adalah <strong>WEP, WPA, dan WPA2</strong>.</p><p>ALAT DAN BAHAN PRAKTIKUM:</p><ul><li>Laptop atau komputer.</li><li>Koneksi internet.</li><li>Cisco Packet Tracer.</li></ul><p>PRAKTIKUM</p><p>Percobaan 1: Desain jaringan wireless LAN (WLAN)</p><p>1)Desain jaringan wireless LAN yang akan dibangun seperti di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/337/1*il0VG2zpmL7sNGSxDDswcQ.png" /></figure><p>2)Kebutuhan perangkat keras jaringan sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/462/1*_O_T590pXMebW9SPxClDQQ.png" /></figure><p>3) Buka aplikasi Packet Tracer → pada “Work Space” → siapkan perangkat keras seperti gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/234/1*ZGNB5R1M0VxurgubX5TTtw.png" /></figure><p>4) Menghubungkan “laptop” ke perangkat “wireless router” menggunakan kabel “Straight”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/256/1*K-7NwOAHzhwuwlQjfLlyeQ.png" /></figure><p>5) Desain akhir jaringan yang dibuat seperti di bawah ini. Pastikan koneksi sudah aktif (ditandai warna hijau).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/246/1*111hDsxZMrqIyyQU3YzS3g.png" /></figure><p>Percobaan 2: Konfigurasi perangkat wireless router</p><p>1)Kebutuhan konfigurasi dasar untuk perangkat wireless router ada dua, yaitu konfigurasi keamanan dan konfigurasi IP address. Pakailah urutan sesuai tabel di bawah untuk mengkonfigurasi perangkat wireless router.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/504/1*fP7DXebOj5khzdytNfmG1Q.png" /></figure><p>2) Sebelum melakukan konfigurasi pada perangkat “wireless router” pastikan koneksi dengan “laptop” dapat dilakukan.</p><p>Klik “laptop→ buka aplikasi “IP Configuration” → aktifkan “DHCP” dan IP address terkonfigurasi secara otomatis.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OR-XmmCQcDe6SqaRtpc7Bw.png" /></figure><p>3) Pada “laptop” → buka aplikasi “web browser” → ketik di URL IP address default dari “wireless router” yaitu “192.168.0.1” → klik “Go” → muncul kotak dialog untuk proses otorisasi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*onRvPIoPjuYrXaGxwHUPJw.png" /></figure><p>4) Pada kotak dialog otorisasi masukkan user name dan password default:</p><p>• User Name = admin</p><p>• Password = admin</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/367/1*XecPmF7OzrbH0A6Aj3wxNA.png" /></figure><p>5) Jika otorisasi berhasil muncul halaman awal website untuk konfigurasi seperti ditunjukkan pada gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QLBbekg2t-o5Hw-WOcDkOg.png" /></figure><p>6) Pada website → pilih menu “Wireless” → pilih sub menu “Basic Wireless Setting” → isikan:</p><ul><li>“Network Name (SSID)” = JTE Hotspot</li><li>“SSID Broadcast” = Enabled</li></ul><p>→ scroll mouse ke bawah dan klik tombol “Save Settings”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*drm3MsdKIG2ZjSJIb1WZqw.png" /></figure><p>7) Masih pada menu “Wireless” → pilih sub menu “Wireless Security” → isikan:</p><ul><li>“Security Mode” = WPA2 Personal</li><li>“Encryption” = AES</li><li>”Passphrase” = informasi2023</li></ul><p>lalu klik save settings</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VyyInzjCTRK0aydjDH1a3Q.png" /></figure><p>8) Pada website → pilih menu “Setup” → pilih sub menu “Basic Setup” → isikan:</p><ul><li>Ubah “IP Address” dari 192.168.0.1 ke = 192.168.NPM.1</li><li>“Subnetmask” = 255.255.255.0</li><li>“DHCP” = “Enabled”</li><li>“Start IP Address” = “10” .</li><li>“Maximum number of Users” = 50.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S2oEEk6AprIz9nbngWP41g.png" /></figure><p>9) Tutup aplikasi web browser pada “laptop”.</p><p>10) Pada “laptop” → buka kembali aplikasi “IP Configuration” → aktifkan “DHCP” dan biarkan IP address terkonfigurasi secara otomatis.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qyn7Ihpf3eD0aX_PrHB0qA.png" /></figure><p>Percobaan 3: Konfigurasi perangkat</p><p>1)Tambahkan perangkat-perangkat client seperti gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/313/1*dIt0axqXLZjKenU31UVH5A.png" /></figure><p>2) Konfigurasi perangkat “PC”</p><p>a) Klik “PC Client” → pilih “tab Physical” → tambahkan perangkat wireless adapater seperti ditunjukkan gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/444/1*YE0P-qu4ZfE-5EKO8SQZag.png" /></figure><p>b) Pilih “tab Desktop” → buka aplikasi “PC Wireless” → pilih “tab Connect” → klik tombol “Refresh” untuk menampilkan daftar hotspot → pilih “JTE Hotspot” → klik tombol “Connect”.</p><p>c) Masukkan password hotspot yaitu “informasi2023” ke “Pre-shared Key” → klik tombol “Connect”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/715/1*gdS2FBhlllFfw4qr0mnZTQ.png" /></figure><p>d) Pilih “tab Desktop” → buka aplikasi “IP Configuration” → klik “DHCP” agar mendapatkan IP address secara otomatis dari perangkat wireless router.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r0B4_nyV1le7MHlb0dn_WA.png" /></figure><p>3) Konfigurasi perangkat “Printer”.</p><p>a) Klik “Printer” → pilih “tab Physical” → tambahkan perangkat wireless adapater seperti ditunjukkan gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/430/1*YB2bXbu_HjOJOMjdiQfJMw.png" /></figure><p>b) Pilih “tab Config” → pada bagian Interface pilih “Wireless0” → lakukan konfigurasi seperti gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PfVIi-6_66WkSNK8iLT1DQ.png" /></figure><p>4) Konfigurasi perangkat “Tablet PC”.</p><p>Klik “Tablet PC” → pilih “tab Config” → lakukan konfigurasi seperti gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XLEzWPNr3OmHnvx6TyE2tQ.png" /></figure><p>5) Konfigurasi perangkat “Smartphone”.</p><p>Klik “Smartphone” → pilih “tab Config” → lakukan konfigurasi seperti gambar di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C9FmV0jPmynFG1A_ICpb_g.png" /></figure><p>maka hasil akhirnya akan seperti ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/472/1*FetWbZJRDrWvlvD7kVnxaQ.png" /></figure><p>KESIMPULAN</p><p>Praktikum Wireless Network memberikan pemahaman mengenai penggunaan <strong>wireless router dalam membangun jaringan WLAN</strong> menggunakan Cisco Packet Tracer. Wireless router dapat dikonfigurasi melalui laptop administrator dengan mengatur SSID, keamanan jaringan, alamat IP, subnet mask, dan DHCP.</p><p>Pada praktikum ini digunakan <strong>TI Hotspot</strong> sebagai SSID dengan keamanan <strong>WPA2 Personal dan enkripsi AES</strong>. Setelah router dikonfigurasi, beberapa perangkat seperti PC, Printer, Tablet PC, dan Smartphone dapat digunakan sebagai client dan dihubungkan ke jaringan wireless. Dengan adanya DHCP, perangkat client dapat memperoleh IP address secara otomatis sehingga komunikasi dengan wireless router dapat dilakukan.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=37b5b9044411" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Instalasi MongoDB]]></title>
            <link>https://medium.com/@dimasgalih_85836/instalasi-mongodb-299bf4f5c8b5?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/299bf4f5c8b5</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Wed, 23 Sep 2026 15:09:43 GMT</pubDate>
            <atom:updated>2026-09-23T15:09:43.685Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang cara instalasi MongoDB yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/738/1*Js5U3ferJCpO_FKXDlAObw.png" /></figure><h3>Apa itu MongoDB?</h3><p>MongoDB adalah basis data dokumen dengan skalabilitas dan fleksibilitas yang Anda inginkan, serta kemampuan kueri dan pengindeksan yang Anda butuhkan. Model dokumen MongoDB mudah dipelajari dan digunakan oleh pengembang, namun tetap menyediakan semua kemampuan yang dibutuhkan untuk memenuhi persyaratan paling kompleks dalam skala apa pun. Kami menyediakan driver untuk lebih dari 10 bahasa, dan komunitas telah membangun puluhan driver lainnya.</p><ul><li>MongoDB menyimpan data dalam dokumen fleksibel yang mirip JSON , artinya kolom dapat bervariasi dari satu dokumen ke dokumen lainnya dan struktur data dapat diubah seiring waktu.</li><li>Model dokumen dipetakan ke objek-objek dalam kode aplikasi Anda , sehingga data mudah dikelola.</li><li>Kueri ad hoc, pengindeksan, dan agregasi waktu nyata menyediakan cara ampuh untuk mengakses dan menganalisis data Anda.</li><li>MongoDB pada dasarnya adalah basis data terdistribusi , sehingga ketersediaan tinggi, penskalaan horizontal, dan distribusi geografis sudah terintegrasi dan mudah digunakan.</li></ul><p>Keunggulan MongoDB</p><ul><li><strong>Skema Fleksibel:</strong> Dokumen dapat memiliki struktur dan atribut berbeda tanpa terikat aturan kolom yang kaku.</li><li><strong>Skalabilitas Tinggi:</strong> Mendukung penambahan kapasitas server dengan mudah (<em>horizontal scaling</em>).</li><li><strong>Performa Cepat:</strong> Akses data lebih cepat untuk aplikasi modern yang membutuhkan pemrosesan <em>real-time</em></li></ul><p>Komponen Utama MongoDB</p><ul><li><strong>Database:</strong> Wadah utama yang menampung berbagai kumpulan data.</li><li><strong>Collection:</strong> Kumpulan dokumen yang berfungsi mirip seperti tabel pada database relasional.</li><li><strong>Document:</strong> Unit data terkecil dalam MongoDB yang disimpan dalam format BSON (Binary JSON).</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/513/1*CB4-v9S7K3a2JhWbWYWTLg.png" /></figure><p>Instalasi MongoDB</p><p>Pertama kita buka webnya terlebih dahulu di <a href="https://www.mongodb.com/cloud/atlas/register">https://www.mongodb.com/cloud/atlas/register</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/433/1*9m76XHptkHWiz81G9dywqw.png" /></figure><p>disini saya langsung login menggunakan google agar lebih mudah dan cepat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VmPHNAwI5tjCdkkDUZfx0Q.png" /></figure><p>centang menyetujui ketentuan lalu submit</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sTLP0TgdeAEyNeDXFlZH1A.png" /></figure><p>tampilan awal akan seperti ini bisa kita skip di bagian ini ya teman-teman.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nptV9KzmylcF598eCUsfSQ.png" /></figure><p>setelah menskip yang tadi akan muncul tampilan seperti ini kita pilih yang free saja yang tidak dipungut biaya hehe, lalu klik create deployment.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lD6tutCaFovbIR9vkTO1Uw.png" /></figure><p>untuk pilihan diatas kita bisa pilih yang compass agar lebih mudah digunakan pada praktikum selanjutnya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*T3HB5OWoEmbR_AczxkfobA.png" /></figure><p>pilih yang “I dont have…” jika teman-teman belum mempunyai MongoDB Compass lalu klik done jika sudah selesai mendownload</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ed5TZHUS18429re8anyLOg.png" /></figure><p>jangan lupa untuk selalu mengingat password ini agar kalian bisa connect.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3g4ZvGzHjstNX2YIed-tLg.png" /></figure><p>tampilan awal MongoDB compass kurang lebih seperti ini.</p><p>Klik tombol add new connection. Isikan dengan url yang sudah dibagikan sebelumnya yang seperti diatas itu ya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lzBgLe43Dk60bOmz61cpKA.png" /></figure><p>lalu klik save &amp; connect maka tampilannya akan seperti gambar dibawah ini.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nm66CM-LKqUbkwiDUb1UEA.png" /></figure><p>kembali ke web mongodb awal lalu klik titik 3 untuk menload data sample.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oMIxvwGL3zL3bNDHe-JLOw.png" /></figure><p>lalu klik load sample data tunggu hingga load selesai jangan lupa refresh pada jendela compass jika sudah di load maka akan seperti ini</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*X_Nlx4rYU-kg3cn8PfIkhg.png" /></figure><p>disini kita akan menjalankan filterisasi menggunakan beberapa command berikut.</p><pre>1. &quot;room_type&quot;: &quot;Entire home/apt&quot;<br>2. &quot;property_type&quot;: &quot;House&quot;<br>3. &quot;bed_type&quot;: &quot;Real Bed&quot;<br>4. &quot;cancellation_policy&quot;: &quot;flexible&quot;<br>5. &quot;minimum_nights&quot;: { &quot;$gte&quot;: &quot;2&quot; }</pre><p>yang pertama “room_type”: “Entire home/apt” ialah guna mencari dokumen yang memiliki nilai room_type sama dengan Entire home/apt. Artinya hanya menampilkan penginapan berupa satu rumah/apartemen utuh, bukan kamar bersama atau kamar pribadi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GLmSf8e1JN0n_TZMDO3ykQ.png" /></figure><p>kedua “property_type”: “House” Memfilter data sehingga hanya dokumen dengan jenis properti House (rumah) yang ditampilkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ku3nCz5gtHXjdBMPm-2BKA.png" /></figure><p>ketiga “bed_type”: “Real Bed” Mencari dokumen yang memiliki jenis tempat tidur Real Bed, yaitu tempat tidur biasa (bukan sofa bed, futon, atau air mattress).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zN-qnGx5gEJr0om2EHXrVA.png" /></figure><p>keempat “cancellation_policy”: “flexible” Memilih dokumen dengan kebijakan pembatalan flexible, yaitu pemesanan yang memiliki aturan pembatalan yang lebih longgar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dVkVv7jz_gskISNfX15DCA.png" /></figure><p>dan yang terakhir yaitu yang kelima “minimum_nights”: { “$gte”: “2” } Mencari dokumen dengan nilai minimum_nights yang lebih besar atau sama dengan 2. Operator $gte berarti Greater Than or Equal (≥).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yXREp6BtJ4hyT-6CG_nGRQ.png" /></figure><p>KESIMPULAN</p><p>MongoDB adalah database NoSQL yang menyimpan data dalam bentuk dokumen (document) berformat JSON/BSON, sehingga lebih fleksibel dibandingkan database relasional. MongoDB memungkinkan penyimpanan data dengan struktur yang mudah dikembangkan tanpa harus membuat tabel dan relasi yang kaku. Melalui MongoDB Compass, pengguna dapat melihat, mengelola, dan memfilter data secara visual menggunakan query.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=299bf4f5c8b5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO5_Polimorfisme]]></title>
            <link>https://medium.com/@dimasgalih_85836/pbo5-polimorfisme-0e5fcbe6f058?source=rss-ea2c9e18dc4b------2</link>
            <guid isPermaLink="false">https://medium.com/p/0e5fcbe6f058</guid>
            <dc:creator><![CDATA[Dimas Galih Prakoso]]></dc:creator>
            <pubDate>Wed, 23 Sep 2026 10:11:53 GMT</pubDate>
            <atom:updated>2026-09-23T10:11:53.498Z</atom:updated>
            <content:encoded><![CDATA[<p>Halo Semuanya🙌🏻 Perkenalkan saya Dimas Galih Prakoso NPM:2505060023 dari prodi Teknologi Informasi Universitas Tidar, di blog kali ini saya akan membahas tentang Polimorfisme yuk disimak baik-baik🫴🏼</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/592/1*BAANUDS-VHZNSbF2qZJ8MQ.jpeg" /></figure><p>TUJUAN PRAKTIKUM:</p><ul><li>Memahami konsep polimorfisme dalam Pemrograman Berorientasi Objek.</li><li>Memahami penggunaan polimorfisme melalui kelas induk dan kelas turunan.</li><li>Memahami penerapan <strong>method overloading</strong> dan <strong>method overriding</strong>.</li><li>Mengimplementasikan polimorfisme runtime menggunakan bahasa Java.</li><li>Membuat program sederhana yang menerapkan inheritance dan overriding.</li></ul><p>DASAR TEORI</p><p>1. Polimorfisme</p><p>Polimorfisme berasal dari bahasa Yunani yang berarti <strong>“banyak bentuk”</strong>. Dalam Pemrograman Berorientasi Objek, polimorfisme memungkinkan sebuah kelas induk digunakan untuk menangani berbagai objek dari kelas turunannya. Walaupun menggunakan method yang sama, setiap kelas turunan dapat memberikan perilaku yang berbeda.</p><p>Polimorfisme pada Java terutama digunakan melalui <strong>overloading</strong> dan <strong>overriding</strong>. Polimorfisme hanya berlaku pada method dan tidak berlaku pada atribut.</p><p>2. Polimorfisme Compile-time</p><p>Polimorfisme compile-time atau static polymorphism terjadi ketika program dikompilasi. Salah satu penerapannya adalah <strong>method overloading</strong>, yaitu membuat beberapa method dengan nama yang sama tetapi memiliki parameter yang berbeda.</p><p>Contohnya adalah method jumlahkan() yang memiliki parameter berbeda:</p><pre>public int jumlahkan(int a, int b) {<br>    return a + b;<br>}<br><br>public double jumlahkan(double a, double b) {<br>    return a + b;<br>}</pre><p>Kedua method memiliki nama yang sama, yaitu jumlahkan(), tetapi memiliki parameter yang berbeda. Java akan menentukan method yang digunakan berdasarkan jumlah dan tipe parameter yang diberikan.</p><p>3. Polimorfisme Runtime</p><p>Polimorfisme runtime terjadi ketika program sedang dijalankan. Java akan menentukan method yang dipanggil berdasarkan objek sebenarnya yang digunakan. Polimorfisme runtime biasanya diterapkan menggunakan <strong>method overriding</strong>.</p><p>4. Overriding</p><p>Overriding adalah proses ketika class turunan mendefinisikan kembali method yang sudah terdapat pada class induk dengan perilaku yang berbeda.</p><p>ALAT DAN BAHAN PRAKTIKUM</p><ul><li>Laptop/komputer.</li><li>JDK (Java Development Kit).</li><li>NetBeans.</li><li>Sistem operasi yang mendukung Java</li></ul><p>PRAKTIKUM</p><p>Langkah awal:</p><ol><li>Membuka aplikasi NetBeans.</li><li>Membuat project baru dengan nama PraktikumPBO_6.</li><li>Membuat package praktikum6.</li></ol><p>1)Membuat class induk Hewan</p><pre>class Hewan {<br><br>    public void bersuara() {<br>        System.out.println(&quot;Hewan bersuara&quot;);<br>    }<br><br>    public void makan(String makanan) {<br>        System.out.println(&quot;Hewan makan &quot; + makanan);<br>    }<br><br>    public void makan(String makanan, int jumlah) {<br>        System.out.println(&quot;Hewan makan &quot; + jumlah + &quot; porsi &quot; + makanan);<br>    }<br>}</pre><p>Class Hewan memiliki method makan() sebanyak dua buah. Keduanya memiliki nama yang sama, tetapi parameternya berbeda. Method pertama hanya menerima nama makanan, sedangkan method kedua menerima nama makanan dan jumlah porsinya. Hal tersebut merupakan penerapan <strong>method overloading</strong>.</p><p>Kemudian method dipanggil melalui objek:</p><pre>public class Main {<br>    public static void main(String[] args) {<br><br>        Hewan kucing = new Kucing();<br><br>        kucing.bersuara();<br>        kucing.makan(&quot;ikan&quot;);<br>        kucing.makan(&quot;ikan&quot;, 2);<br>    }<br>}</pre><p>Objek kucing digunakan untuk memanggil method bersuara() dan dua versi method makan(). Java akan memilih method yang sesuai berdasarkan parameter yang diberikan.</p><p>Praktikum Overriding</p><p>Pada tahap berikutnya dibuat dua class turunan, yaitu Kucing dan Anjing. Kedua class tersebut melakukan overriding terhadap method bersuara() dari class Hewan.</p><p>Class kucing.</p><pre>class Kucing extends Hewan {<br><br>    @Override<br>    public void bersuara() {<br>        System.out.println(&quot;Meow&quot;);<br>    }<br>}</pre><p>Class Kucing merupakan turunan dari Hewan. Method bersuara() dioverride sehingga ketika objek Kucing memanggil method tersebut, program menghasilkan output <strong>&quot;Meow&quot;</strong>.</p><p>Class anjing.</p><pre>class Anjing extends Hewan {<br><br>    @Override<br>    public void bersuara() {<br>        System.out.println(&quot;Woof&quot;);<br>    }<br>}</pre><p>Class Anjing juga merupakan turunan dari Hewan. Method bersuara() dioverride dengan output <strong>&quot;Woof&quot;</strong>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/957/1*vNPpS0rn7D7QOg7P_UpDoQ.png" /></figure><p>Penerapan Polimorfisme Runtime.</p><pre>public class Main {<br>    public static void main(String[] args) {<br><br>        Hewan hewan = new Kucing();<br>        hewan.bersuara();<br><br>        Kucing kucing = new Kucing();<br>        kucing.makan(&quot;ikan&quot;);<br>        kucing.makan(&quot;ikan&quot;, 2);<br><br>        Anjing anjing = new Anjing();<br>        anjing.bersuara();<br>        anjing.makan(&quot;daging&quot;, 3);<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-ALmGBz6QoThxaM2zFKhtQ.png" /></figure><p>Pada kode tersebut, variabel hewan bertipe Hewan, tetapi objek yang dibuat adalah Kucing. Ketika hewan.bersuara() dipanggil, method milik Kucing yang dijalankan sehingga menghasilkan <strong>&quot;Meow&quot;</strong>.</p><p>Objek Anjing juga menjalankan method bersuara() miliknya sendiri sehingga menghasilkan <strong>&quot;Woof&quot;</strong>. Hal ini menunjukkan penerapan <strong>polimorfisme runtime</strong>, karena method yang dijalankan ditentukan berdasarkan objek sebenarnya.</p><p>Outputnya kurang lebih akan seperti ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/958/1*wUXOVkuRRrKOmUz-nFVMqQ.png" /></figure><p>Tugas Modul5</p><p>Pada tugas modul dibuat beberapa class, yaitu:</p><ul><li>Produk</li><li>Buku</li><li>Elektronik</li><li>Pakaian</li><li>KeranjangBelanja</li></ul><p>Tugasnya adalah membuat class Produk dengan atribut nama dan harga, kemudian membuat tiga class turunan yang mewarisi Produk. Masing-masing class turunan melakukan overriding terhadap method hitungDiskon(). Selanjutnya dibuat KeranjangBelanja yang menyimpan daftar Produk dan menghitung total harga setelah diskon.</p><p>Membuat class induk produk.</p><pre>package praktikum6;<br><br>public class Produk {<br>    String nama;<br>    double harga;<br><br>    public Produk(String nama, double harga) {<br>        this.nama = nama;<br>        this.harga = harga;<br>    }<br><br>    public double hitungDiskon() {<br>        return 0;<br>    }<br><br>    public double hargaSetelahDiskon() {<br>        return harga - (harga * hitungDiskon());<br>    }<br><br>    public void tampilkanInfo() {<br>        System.out.println(&quot;Nama  : &quot; + nama);<br>        System.out.println(&quot;Harga : Rp&quot; + harga);<br>        System.out.println(&quot;Diskon: &quot; + (hitungDiskon() * 100) + &quot;%&quot;);<br>        System.out.println(&quot;Harga setelah diskon: Rp&quot; + hargaSetelahDiskon());<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qfzwruGDaMVNfU3rLkTcyw.png" /></figure><p>Class Produk menjadi class induk yang memiliki atribut nama dan harga. Method hitungDiskon() nantinya dioverride oleh class turunan. Method hargaSetelahDiskon() digunakan untuk menghitung harga setelah dikurangi diskon.</p><p>Membuat class turunan buku.</p><pre>package praktikum6;<br><br>public class Buku extends Produk {<br><br>    public Buku(String nama, double harga) {<br>        super(nama, harga);<br>    }<br><br>    @Override<br>    public double hitungDiskon() {<br>        return 0.10;<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RmlSC37U0RPQhQ8winkfIQ.png" /></figure><p>Class Buku mewarisi class Produk. Method hitungDiskon() dioverride untuk memberikan diskon sebesar <strong>10%</strong>.</p><p>Membuat class turunan elektronik.</p><pre>package praktikum6;<br><br>public class Elektronik extends Produk {<br><br>    public Elektronik(String nama, double harga) {<br>        super(nama, harga);<br>    }<br><br>    @Override<br>    public double hitungDiskon() {<br>        return 0.15;<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XIkbWrdAyppBNzPadRiDSw.png" /></figure><p>Class Elektronik merupakan turunan dari Produk. Method hitungDiskon() dioverride dengan diskon sebesar <strong>15%</strong>.</p><p>Membuat class turunan Pakaian.</p><pre>package praktikum6;<br><br>public class Pakaian extends Produk {<br><br>    public Pakaian(String nama, double harga) {<br>        super(nama, harga);<br>    }<br><br>    @Override<br>    public double hitungDiskon() {<br>        return 0.20;<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cN95-W4mE84JOCvYm3YwOQ.png" /></figure><p>Class Pakaian mewarisi class Produk dan melakukan overriding terhadap method hitungDiskon(). Pada implementasi ini, diskon yang diberikan adalah <strong>20%</strong>.</p><p>Membuat class KeranjangBelanja.</p><pre>package praktikum6;<br><br>import java.util.ArrayList;<br><br>public class KeranjangBelanja {<br><br>    ArrayList&lt;Produk&gt; daftarProduk = new ArrayList&lt;&gt;();<br><br>    public void tambahProduk(Produk produk) {<br>        daftarProduk.add(produk);<br>    }<br><br>    public double hitungTotal() {<br>        double total = 0;<br><br>        for (Produk produk : daftarProduk) {<br>            total += produk.hargaSetelahDiskon();<br>        }<br><br>        return total;<br>    }<br><br>    public void tampilkanKeranjang() {<br>        System.out.println(&quot;===== KERANJANG BELANJA =====&quot;);<br><br>        for (Produk produk : daftarProduk) {<br>            produk.tampilkanInfo();<br>            System.out.println(&quot;-----------------------------&quot;);<br>        }<br><br>        System.out.println(&quot;Total harga setelah diskon: Rp&quot; + hitungTotal());<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uDMbhhgvzRicH_3lv45u-Q.png" /></figure><p>Class KeranjangBelanja menggunakan ArrayList untuk menyimpan objek bertipe Produk. Karena class turunannya merupakan turunan Produk, objek Buku, Elektronik, dan Pakaian dapat dimasukkan ke dalam list yang sama. Method hitungTotal() kemudian menghitung total harga seluruh produk setelah diskon.</p><p>Membuat class main dari tugas:</p><pre>package praktikum6;<br><br>public class Main {<br><br>    public static void main(String[] args) {<br><br>        Buku buku = new Buku(&quot;Pemrograman Java&quot;, 100000);<br>        Elektronik elektronik = new Elektronik(&quot;Mouse Wireless&quot;, 150000);<br>        Pakaian pakaian = new Pakaian(&quot;Kaos&quot;, 80000);<br><br>        KeranjangBelanja keranjang = new KeranjangBelanja();<br><br>        keranjang.tambahProduk(buku);<br>        keranjang.tambahProduk(elektronik);<br>        keranjang.tambahProduk(pakaian);<br><br>        keranjang.tampilkanKeranjang();<br>    }<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PxSyQ6wHwd5DJCVVAfyUNA.png" /></figure><p>Class Main digunakan untuk menjalankan program. Tiga objek produk dibuat, yaitu buku, elektronik, dan pakaian. Ketiga objek tersebut dimasukkan ke dalam KeranjangBelanja, kemudian program menampilkan informasi setiap produk dan total harga setelah diskon.</p><p>Outputnya kurang lebih akan seperti ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/958/1*BSYCJfh3LrD5Dtwcd_mYwA.png" /></figure><p>KESIMPULAN</p><p>Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa <strong>polimorfisme</strong> memungkinkan objek dari beberapa class turunan digunakan melalui class induk dengan perilaku yang dapat berbeda. Pada praktikum ini, konsep tersebut diterapkan melalui <strong>overloading</strong> dan <strong>overriding</strong>. Overloading digunakan pada method dengan nama sama tetapi parameter berbeda, sedangkan overriding digunakan oleh class turunan untuk memberikan implementasi method yang berbeda dari class induknya. Penerapan polimorfisme juga membuat program lebih fleksibel karena beberapa jenis objek dapat dikelola menggunakan struktur dan method yang sama.</p><p>Link Github: <a href="https://github.com/DimasGalihPrakoso/PraktikumPBO/tree/main/PraktikumPBO_6/src/main/java/praktikum6">https://github.com/DimasGalihPrakoso/PraktikumPBO/tree/main/PraktikumPBO_6</a></p><p>Referensi: Imam Adi Nata, M.Kom. <strong>Modul 6— Polimorfisme</strong>, Praktikum Pemrograman Berorientasi Objek, Universitas Tidar.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0e5fcbe6f058" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>