<?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 M. Gustav Zaydan Nawfal on Medium]]></title>
        <description><![CDATA[Stories by M. Gustav Zaydan Nawfal on Medium]]></description>
        <link>https://medium.com/@zaydangustav2657?source=rss-6f88f66a5b69------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*drA20LR0z-V49WhsjdQ3mw.jpeg</url>
            <title>Stories by M. Gustav Zaydan Nawfal on Medium</title>
            <link>https://medium.com/@zaydangustav2657?source=rss-6f88f66a5b69------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 06:16:21 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@zaydangustav2657/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 Komputer: Analisis Protokol dan Alur Layer OSI pada Proses Streaming Video Netflix]]></title>
            <link>https://medium.com/@zaydangustav2657/jaringan-komputer-analisis-protokol-dan-alur-layer-osi-pada-proses-streaming-video-netflix-bd1335c7167a?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/bd1335c7167a</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Mon, 16 Nov 2026 13:20:21 GMT</pubDate>
            <atom:updated>2026-11-16T13:20:21.762Z</atom:updated>
            <content:encoded><![CDATA[<h4>Disusun Oleh:</h4><ol><li>M. Gustav Zaydan Nawfal (2505060060)</li><li>Dany Akhdan Imaduddin (2505060062)</li></ol><p>Halo Semuanya!</p><p>Pada kesempatan kali ini, kami akan membahas salah satu layanan streaming yang cukup banyak digunakan, yaitu Netflix. Layanan ini memungkinkan pengguna menonton berbagai film dan serial melalui jaringan internet. Ketika pengguna memilih tayangan dan menekan tombol Play, sebenarnya terdapat proses komunikasi jaringan yang berlangsung di baliknya.</p><p>Proses tersebut melibatkan beberapa protokol jaringan dan lapisan OSI yang saling berhubungan. Oleh karena itu, artikel ini akan membahas bagaimana data dikirimkan saat pengguna memutar film atau serial di Netflix, mulai dari permintaan tayangan hingga video diterima dan ditampilkan pada perangkat pengguna.</p><h3>1. Studi Kasus: Proses Streaming Video Netflix</h3><p>Netflix merupakan layanan streaming yang menyediakan berbagai pilihan film, serial, dan dokumenter yang dapat ditonton secara online. Dalam pembahasan ini, aktivitas yang dipilih adalah proses pemutaran film atau serial pada Netflix.</p><p>Proses dimulai ketika pengguna memilih salah satu tayangan dan menekan tombol Play. Setelah itu, aplikasi mengirimkan permintaan kepada layanan Netflix untuk mendapatkan konten yang dipilih. Selanjutnya, data video dikirimkan melalui jaringan internet hingga sampai ke perangkat pengguna.</p><p>Netflix juga menggunakan teknologi Content Delivery Network (CDN) melalui layanan Open Connect. Teknologi ini berfungsi mendistribusikan konten melalui server yang ditempatkan di berbagai lokasi agar tayangan dapat dikirimkan dengan lebih efisien kepada pengguna.</p><h3>2. Service Name and Transport Protocol Port Number</h3><p>Dalam proses streaming, terdapat beberapa protokol jaringan yang berperan dalam mengirimkan data. Setiap protokol memiliki fungsi dan nomor port tertentu. Berikut beberapa protokol yang berkaitan dengan proses komunikasi Netflix.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hWEpEYqfX1I5kj3YmtGQLg.png" /></figure><p>Nomor port tersebut merupakan port standar yang terdaftar pada Internet Assigned Numbers Authority (IANA). TCP dapat digunakan untuk komunikasi HTTPS, sedangkan UDP dapat digunakan ketika koneksi memakai QUIC yang mendukung HTTP/3. Penggunaannya bergantung pada protokol yang digunakan dalam koneksi tersebut.</p><h3>3. Alur Kerja Tiap Layer OSI (Top-Down)</h3><p>Proses pengiriman data pada Netflix dapat dijelaskan melalui tujuh lapisan model OSI. Berikut penjelasan setiap lapisannya dari Layer 7 hingga Layer 1.</p><p><strong>a. Layer 7 — Application</strong></p><p>Layer Application merupakan lapisan yang berhubungan langsung dengan aplikasi yang digunakan. Ketika pengguna membuka Netflix, memilih film, dan menekan tombol Play, aplikasi akan mengirimkan permintaan kepada server menggunakan HTTPS. DNS juga membantu menemukan alamat IP dari domain yang dituju.</p><p><strong>b. Layer 6 — Presentation</strong></p><p>Layer Presentation bertugas menyiapkan data agar dapat dipahami oleh perangkat penerima. Dalam proses streaming, video menggunakan format dan codec tertentu agar dapat diputar pada perangkat. Lapisan ini juga berkaitan dengan proses enkripsi dan dekripsi data melalui TLS untuk menjaga keamanan komunikasi.</p><p><strong>c. Layer 5 — Session</strong></p><p>Layer Session berfungsi mengatur komunikasi antara perangkat pengguna dan layanan Netflix. Lapisan ini membantu menjaga sesi komunikasi agar proses streaming dapat berlangsung selama pengguna menonton tayangan.</p><p><strong>d. Layer 4 — Transport</strong></p><p>Layer Transport bertugas mengatur pengiriman data dari sumber ke tujuan. Pada proses streaming, TCP dapat digunakan untuk mengirimkan data secara andal dan berurutan. Sementara itu, UDP dapat digunakan apabila koneksi menggunakan QUIC atau HTTP/3.</p><p><strong>e. Layer 3 — Network</strong></p><p>Layer Network berfungsi menentukan alamat tujuan dan jalur pengiriman data. Protokol IP digunakan agar paket data dapat melewati jaringan internet hingga mencapai perangkat pengguna.</p><p><strong>f. Layer 2 — Data Link</strong></p><p>Layer Data Link bertugas mengatur pengiriman data melalui jaringan lokal. Pada lapisan ini, paket data dikemas menjadi frame sebelum dikirimkan melalui media jaringan, seperti Wi-Fi atau Ethernet.</p><p><strong>g. Layer 1 — Physical</strong></p><p>Layer Physical merupakan lapisan yang bertugas mengirimkan data dalam bentuk sinyal fisik. Jika perangkat menggunakan Wi-Fi, data dikirim melalui gelombang radio. Sementara itu, jika menggunakan kabel Ethernet, data dikirim melalui sinyal listrik pada kabel jaringan.</p><h3>4. Bukti Observasi Aplikasi dan Pengecekan</h3><p>Untuk melihat koneksi jaringan yang digunakan saat Netflix berjalan, pengamatan dapat dilakukan dengan memutar salah satu film atau serial, kemudian membuka Command Prompt (CMD) pada Windows.</p><p>Salah satu perintah yang dapat digunakan adalah:</p><pre>netstat -ano | findstr :443</pre><p>Perintah tersebut digunakan untuk menampilkan koneksi yang menggunakan port 443. Selain itu, dapat digunakan perintah berikut:</p><pre>netstat -n -o</pre><p>Perintah tersebut menampilkan informasi koneksi jaringan, seperti alamat IP tujuan, nomor port, status koneksi, dan PID (Process ID).</p><p>Hasil pengamatan dapat digunakan untuk mengetahui koneksi yang sedang berlangsung ketika Netflix digunakan. Namun, perlu diperhatikan bahwa port 443 juga digunakan oleh layanan lain, sehingga tidak semua koneksi pada port tersebut berasal dari Netflix.</p><p>Selain melalui CMD, pengecekan nomor port standar dapat dilakukan melalui situs resmi IANA pada halaman <em>Service Name and Transport Protocol Port Number Registry</em>.</p><h3>Kesimpulan</h3><p>Berdasarkan pembahasan di atas, proses streaming video pada Netflix melibatkan berbagai protokol jaringan dan tujuh lapisan OSI. Setiap lapisan memiliki tugas masing-masing dalam membantu proses komunikasi, mulai dari pengguna meminta tayangan hingga data video diterima dan ditampilkan pada perangkat.</p><p>Protokol seperti HTTPS, DNS, TCP, UDP, dan IP memiliki peran dalam proses komunikasi dan pengiriman data. Dengan demikian, dapat dipahami bahwa proses menonton film melalui Netflix tidak hanya bergantung pada aplikasi, tetapi juga membutuhkan kerja sama berbagai komponen jaringan agar streaming dapat berjalan dengan baik.</p><h3>Referensi</h3><ol><li>Netflix. <em>Open Connect</em>. <a href="https://openconnect.netflix.com/en/">https://openconnect.netflix.com/en/</a></li><li>Netflix Help Center. <em>Netflix Help Center</em>. <a href="https://help.netflix.com/">https://help.netflix.com/</a></li><li>Internet Assigned Numbers Authority (IANA). <em>Service Name and Transport Protocol Port Number Registry</em>. <a href="https://www.iana.org/assignments/service-names-port-numbers/">https://www.iana.org/assignments/service-names-port-numbers/</a></li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=bd1335c7167a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data: Mengolah Data yang Terus Mengalir dengan Spark Structured Streaming]]></title>
            <link>https://medium.com/@zaydangustav2657/big-data-mengolah-data-yang-terus-mengalir-dengan-spark-structured-streaming-366a089bc2a0?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/366a089bc2a0</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Sat, 07 Nov 2026 10:29:29 GMT</pubDate>
            <atom:updated>2026-11-07T10:29:29.223Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Dalam pengolahan Big Data, data tidak selalu tersedia secara lengkap sebelum diproses. Beberapa jenis data terus bertambah dan mengalir setiap saat, seperti transaksi e-commerce, data sensor, dan aktivitas pengguna aplikasi. Oleh karena itu, diperlukan metode pengolahan data yang dapat memproses data secara bertahap tanpa harus menunggu seluruh data terkumpul.</p><p>Pada praktikum kali ini, dipelajari pemrosesan data streaming menggunakan Spark Structured Streaming. Materi yang dibahas meliputi perbedaan batch processing dan stream processing, pembuatan streaming query, penggunaan input source dan output sink, serta agregasi berdasarkan window waktu. Praktikum ini menggunakan folder sebagai simulasi sumber data streaming sehingga mahasiswa dapat memahami cara Spark memproses data baru secara otomatis.</p><h3>Tujuan</h3><ol><li>Memahami perbedaan antara batch processing dan stream processing.</li><li>Memahami konsep dasar Spark Structured Streaming, seperti input source, trigger, output sink, dan output mode.</li><li>Membuat streaming query untuk membaca dan memproses data secara bertahap.</li><li>Menerapkan agregasi data streaming berdasarkan kolom dan window waktu.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Dual Boot/VirtualBox</li><li>Ubuntu</li><li>Terminal Ubuntu</li><li>Jupyter Notebook</li></ul><h3>Dasar Teori</h3><h4>1. Batch Processing dan Stream Processing</h4><p><strong>Batch Processing</strong> adalah metode pemrosesan data yang sudah terkumpul dalam satu kelompok, sedangkan <strong>Stream Processing</strong> memproses data yang terus mengalir secara bertahap.</p><h4>2. Spark Structured Streaming</h4><p><strong>Spark Structured Streaming</strong> merupakan fitur Apache Spark untuk memproses data streaming menggunakan DataFrame API. Fitur ini menggunakan konsep <strong>micro-batch</strong>, yaitu membagi aliran data menjadi kelompok kecil untuk diproses secara berulang.</p><h4>3. Input Source dan readStream</h4><p><strong>Input source</strong> merupakan sumber data yang dibaca oleh Spark. Fungsi readStream digunakan untuk membaca data streaming, seperti berkas CSV yang ditambahkan ke dalam folder secara bertahap.</p><h4>4. Output Sink dan writeStream</h4><p><strong>Output sink</strong> merupakan tempat untuk menyimpan atau menampilkan hasil pemrosesan data streaming. Fungsi <strong>writeStream</strong> digunakan untuk menjalankan streaming query dan menentukan tempat keluaran data.</p><h4>5. Output Mode</h4><p><strong>Output mode</strong> menentukan hasil pemrosesan yang akan ditampilkan atau disimpan. Mode complete menampilkan seluruh hasil agregasi terbaru setiap kali terdapat data baru yang diproses.</p><h4>6. Agregasi Data Streaming</h4><p><strong>Agregasi</strong> merupakan proses pengelompokan dan perhitungan data menggunakan fungsi seperti groupBy() dan agg(). Spark juga menggunakan <strong>state</strong> untuk menyimpan hasil akumulasi sebelumnya agar dapat diperbarui ketika data baru masuk.</p><h4>7. Window Waktu</h4><p><strong>Window waktu</strong> digunakan untuk mengelompokkan data berdasarkan rentang waktu tertentu. Pada praktikum ini, data dikelompokkan berdasarkan kolom timestamp dengan rentang waktu satu menit.</p><h3>Praktikum</h3><h4>1. Persiapan: SparkSession &amp; Folder Simulasi Streaming</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7pDqsVp99mvjvq8xIGbE4w.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DBwLeJhhhDs0qLHTAZKYCA.png" /></figure><p>Skema harus ditentukan secara langsung menggunakan StructType. Berbeda dengan pembacaan batch pada Pertemuan 4 yang menggunakan inferSchema=True, Spark Structured Streaming tidak dapat menebak skema secara otomatis karena data belum tersedia secara keseluruhan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WvSjQ1-iOJF1TS4k8rmhfg.png" /></figure><h4>2. Membangun Streaming Query Pertama</h4><blockquote>Tahap 1: Mendefinisikan Input Source (readStream)</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oDgYR4HWwP63jHypZ-h5Lw.png" /></figure><p>Nilai df_stream.isStreaming yang menunjukkan True menandakan bahwa DataFrame tersebut merupakan DataFrame streaming, bukan DataFrame batch biasa. Namun, seperti konsep <em>lazy evaluation</em> pada Pertemuan 4, proses pengolahan data belum dimulai hanya dengan mendefinisikan df_stream.</p><blockquote>Tahap 2: Mendefinisikan Transformasi (Sama Persis Seperti DataFrame Biasa!)</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_spc62WhTPz45jqxHN_mMg.png" /></figure><blockquote>Tahap 3: Mendefinisikan Output Sink (writeStream) &amp; Memulai Query</blockquote><p>Pada praktikum ini digunakan <strong>memory sink</strong>, yaitu tempat penyimpanan sementara hasil agregasi dalam tabel bernama hasil_agregasi. Tabel tersebut dapat diakses kapan saja menggunakan spark.sql(). Sink ini cocok untuk keperluan pembelajaran dan debugging, sedangkan sistem produksi biasanya menggunakan sink berupa file, Kafka, atau database.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aoWk1lB_2tknDYzQcH_AJw.png" /></figure><ul><li>Penggunaan <strong>outputMode(&quot;complete&quot;)</strong> membuat Spark menampilkan seluruh hasil agregasi terbaru setiap kali ada data baru yang masuk, bukan hanya bagian yang berubah. Mode ini lebih mudah dipahami oleh pemula dan cocok digunakan untuk agregasi seperti groupBy.</li><li><strong>Catatan:</strong> Streaming query membutuhkan waktu beberapa saat untuk mulai memproses data. Hal ini normal terjadi pada sistem streaming, termasuk Spark. Jika tabel hasil pada cell berikutnya masih kosong, bukan berarti terjadi error. Tunggu beberapa detik, kemudian jalankan kembali cell spark.sql(...) untuk menampilkan hasilnya.</li></ul><blockquote>Tahap 4: Mengalirkan “Data Baru” dan Mengamati Hasilnya</blockquote><p>Selanjutnya, kita akan mencoba mensimulasikan data yang masuk dengan membuat berkas CSV baru di folder yang sedang dipantau oleh Spark.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6rubEGIStGJJLZaRzzWfaA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CDJJTMngtw4gPN0FLoFzlQ.png" /></figure><p>Setelah batch 2 masuk, nilai <strong>total_pendapatan untuk Magelang otomatis bertambah</strong> karena Spark menggabungkan data baru dengan hasil agregasi sebelumnya tanpa perlu mengubah kode. Hal ini terjadi karena Spark menyimpan <strong>state</strong> atau kondisi akumulasi dari proses sebelumnya. Inilah salah satu keunggulan utama Structured Streaming.</p><blockquote>Tahap 5: Menghentikan Streaming Query</blockquote><p>Streaming query akan <strong>terus berjalan sampai dihentikan secara manual</strong>, berbeda dengan query batch yang akan selesai secara otomatis. Oleh karena itu, pastikan query yang masih berjalan dihentikan sebelum melanjutkan ke bagian berikutnya pada notebook.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hFY0gad0FiBQhFACE1cBWw.png" /></figure><h4>3. Agregasi Berbasis Window Waktu</h4><p>Selain berdasarkan kolom biasa seperti kota, Structured Streaming juga dapat mengelompokkan data berdasarkan <strong>rentang waktu (window)</strong>. Fitur ini berguna untuk menghitung jumlah transaksi dalam periode tertentu, misalnya setiap satu menit. Window waktu ini berbeda dengan <em>window function</em> pada Pertemuan 5, seperti rank dan row_number yang digunakan untuk perankingan.</p><p>Pada bagian ini, diperlukan kolom bertipe <strong>timestamp</strong> agar Spark dapat mengetahui waktu terjadinya setiap data.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XhpCSXK7ZgsEyQEaIfTXpw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Mw-5xl-5f5J_TYsASQtndg.png" /></figure><p>Hasil kueri menampilkan kolom window yang berisi waktu awal (start) dan akhir (end) dalam rentang satu menit. Semua transaksi dengan waktu_transaksi dalam rentang yang sama akan dikelompokkan dan dijumlahkan. Konsep ini digunakan pada dashboard <em>real-time</em>, misalnya untuk menampilkan jumlah pesanan setiap menit pada aplikasi e-commerce.</p><p>Untuk menghentikan seluruh streaming Query dan SparkSession gunakan perintah berikut ini.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nHWzYbArl9aznLjNu2MpyQ.png" /></figure><h3>Latihan Mandiri</h3><p>Sebelum mengerjakan latihan mandiri, jalankan ulang cell pembuatan SparkSession untuk mengerjakan latihan ini.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OQ8-HLeV0tRsxSJIELihng.png" /></figure><h4><strong>1.</strong> Definisikan readStream dari folder latihan10_stream menggunakan skema_latihan, lalu buat agregasi groupBy(&quot;kategori&quot;) yang menghitung <strong>rata-rata</strong> pendapatan (gunakan avg, bukan sum). Jalankan query dengan queryName=&quot;latihan_agg&quot;.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3rCr6ZDtfvuM0eqWMXKXIw.png" /></figure><h4><strong>2.</strong> Kirim (tulis) sebuah berkas CSV berisi minimal 3 baris data ke folder latihan10_stream, tunggu beberapa detik, lalu tampilkan isi tabel latihan_agg menggunakan spark.sql().</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oTqH61DBoCtEO02OJdxzww.png" /></figure><h4><strong>3.</strong> Kirim <strong>batch kedua</strong> dengan kategori yang <strong>sama</strong> seperti salah satu kategori pada batch pertama, tunggu beberapa detik, lalu tampilkan ulang latihan_agg. Amati: apakah nilai rata-ratanya berubah sesuai perhitungan gabungan kedua batch?</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PgVvqZDMRfPyMOpmZuRmZw.png" /></figure><h4>4. Mengapa Spark Structured Streaming <strong>mewajibkan</strong> skema didefinisikan secara eksplisit (StructType), sementara pemrosesan batch pada Pertemuan 4 bisa memakai inferSchema=True? Tulis jawaban pada markdown cell di bawah ini.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1xDMKkI92jpXCVuYT1byWw.png" /></figure><h4>5. Menutup <em>query.stop() dan </em><em>spark.stop()</em></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nHWzYbArl9aznLjNu2MpyQ.png" /></figure><h3>Tugas Mandiri</h3><h4>Membuat SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZC8cSIPoqMilapaqXCaZuw.png" /></figure><h4>A. Menyiapkan Streaming Source</h4><blockquote>Mendefinisikan skema data pesanan</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2hxpGQEEHTGujrzvldZZ0A.png" /></figure><blockquote>Membuat folder streaming</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9L9FDVTmUnHkN9K3jzt-Pw.png" /></figure><blockquote>Membaca data dari folder menggunkan readStream</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sFaQppx5SyU-VPMUrx8NBg.png" /></figure><h4>B. Agregasi per Cabang</h4><blockquote>Menambahkan dan mengelompokkan data</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uuOb5xoEPBahOnRUWJwbBA.png" /></figure><blockquote>Menjalankan streaming query per cabang</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*anmEvbGQisZszw8XoaveuQ.png" /></figure><h4>C. Agregasi Berbasis Window Waktu</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lqbdzgLXes29mv6KYLFqyA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nLVuFBfffS4OwTp8pzPGDQ.png" /></figure><h4>D. Menguji dengan Data Simulasi</h4><blockquote>Batch 1 — Data Pesanan Pertama</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JazuHkFyCfF96cSQkSB6Gg.png" /></figure><blockquote>Batch 2 — Data Pesanan Kedua</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aOn1ZTYQ9tRmD3BzMKlvjw.png" /></figure><blockquote>Batch 3 — Data Pesanan Ketiga</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XdlPfaPcGCFQdNSuuMwtew.png" /></figure><blockquote>Melihat Hasil Agregasi Window Waktu</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BhJT3ZQtJAvCo8cDlwXaOg.png" /></figure><h4>E. Sink Berbasis Berkas (Tantangan)</h4><blockquote>1. Membuat Streaming Query Ketiga</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9G3Wz-tQJwojCjHexgL_4w.png" /></figure><blockquote>2. Mengirim Batch Data Baru</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3N4g7-EKAWb47nGmv2XpLQ.png" /></figure><blockquote>3. Memeriksa File Parquet</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v-SmA6a2jwHvzlUi5GCWJQ.png" /></figure><blockquote>4. Membaca Kembali File Parquet</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nI0bKlZ0Yduocznb-JDOKw.png" /></figure><h4>Menghentikan Seluruh Streaming Query dan SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AqetLbxmV-rxMhxJCrRWNQ.png" /></figure><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Big Data: Pertemuan 10 — Pemrosesan Data Streaming dengan Spark Structured Streaming.</em> Program Studi Teknologi Informasi.</p><h3>Kesimpulan</h3><p>Pada praktikum kali ini dapat dipahami bahwa pemrosesan data dapat dilakukan menggunakan batch processing maupun stream processing. Batch processing digunakan untuk data yang sudah terkumpul, sedangkan stream processing digunakan untuk data yang terus mengalir dan diproses secara bertahap.</p><p>Melalui Spark Structured Streaming, data dapat dibaca menggunakan readStream, diproses dengan DataFrame API, kemudian hasilnya dikeluarkan menggunakan writeStream. Praktikum ini juga memperkenalkan agregasi data, penggunaan state, dan window waktu untuk mengelompokkan data berdasarkan rentang waktu tertentu. Dengan demikian, Spark Structured Streaming dapat digunakan untuk membangun sistem pemantauan data secara near real-time.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%2010">https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%2010</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=366a089bc2a0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO: Penerapan Interface dalam Pemrograman Java]]></title>
            <link>https://medium.com/@zaydangustav2657/pbo-penerapan-interface-dalam-pemrograman-java-40a9a9c95e03?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/40a9a9c95e03</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Thu, 05 Nov 2026 06:17:40 GMT</pubDate>
            <atom:updated>2026-11-05T06:17:40.603Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>PBO memiliki konsep interface yang digunakan untuk menentukan metode yang harus dimiliki oleh suatu kelas. Interface berfungsi sebagai kontrak yang berisi deklarasi metode tanpa implementasi. Dengan adanya interface, beberapa kelas dapat menggunakan metode yang sama dengan penerapan fungsi yang berbeda sesuai kebutuhan. Melalui praktikum ini, kita dapat mempelajari cara membuat dan mengimplementasikan interface menggunakan bahasa pemrograman Java.</p><h3>Tujuan</h3><ol><li>Memahami konsep dan tujuan penggunaan interface dalam Pemrograman Berorientasi Objek.</li><li>Mampu membuat dan mengimplementasikan interface pada kelas Java.</li><li>Mampu menggunakan interface untuk menciptakan abstraksi yang dapat diterapkan pada berbagai kelas.</li></ol><h3>ALat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Web Browser</li><li>Aplikasi perkantoran (Microsoft Office, LibreOffice, WPS Office, dan sebagainya)</li><li>JDK</li><li>NetBeans IDE</li><li>Koneksi Internet</li></ul><h3>Dasar Teori</h3><h4>1. Interface</h4><p>Interface dalam Java merupakan bentuk kontrak dalam PBO yang mendefinisikan metode tanpa implementasi. Interface hanya berisi deklarasi metode dan konstanta. Semua metode di dalam interface secara otomatis bersifat <strong>public</strong> dan <strong>abstract</strong>, sedangkan variabelnya bersifat <strong>public</strong>, <strong>static</strong>, dan <strong>final</strong> secara default.</p><h4>2. Mengimplementasikan Interface</h4><p>Kelas yang menggunakan interface harus memakai kata kunci <strong>implements</strong>. Kelas tersebut bertanggung jawab untuk memberikan implementasi pada setiap metode yang telah dideklarasikan dalam interface. Apabila tidak semua metode diimplementasikan, kelas tersebut harus dinyatakan sebagai <strong>abstract</strong>.</p><h4>3. Inheritance pada Interface</h4><p>Interface dapat diwariskan ke interface lain menggunakan kata kunci <strong>extends</strong>. Pewarisan ini memungkinkan sebuah interface memperoleh metode dari interface lainnya sehingga dapat menggabungkan beberapa fungsi dalam satu interface.</p><h4>4. Implementasi Multiple Interface</h4><p>Sebuah kelas dapat mengimplementasikan lebih dari satu interface. Hal ini memungkinkan satu kelas memiliki beberapa fungsi atau kontrak sekaligus. Apabila kelas juga mewarisi kelas lain, penulisan <strong>extends</strong> harus dilakukan terlebih dahulu sebelum <strong>implements</strong>.</p><h4>5. Kegunaan Interface</h4><p>Interface memungkinkan beberapa kelas memiliki metode dengan nama dan bentuk yang sama, tetapi implementasinya dapat berbeda sesuai kebutuhan masing-masing kelas. Dengan demikian, interface membantu menciptakan struktur program yang lebih konsisten, fleksibel, dan mudah dikembangkan.</p><h4>6. Karakteristik Metode</h4><ul><li><strong>Deklarasi Metode Tanpa Implementasi</strong>, yaitu interface hanya berisi deklarasi metode, sedangkan implementasinya dilakukan oleh kelas yang menggunakannya.</li><li><strong>Multiple Inheritance</strong>, yaitu sebuah kelas dapat mengimplementasikan lebih dari satu interface.</li><li><strong>Kata Kunci implements</strong>, yaitu digunakan oleh kelas untuk mengimplementasikan interface.</li></ul><h4>7. Perbedaan Interface dan Kelas Abstrak</h4><blockquote><strong>Interface</strong></blockquote><ul><li>Semua metode bersifat abstract dan public</li><li>Mendukung multiple inheritance.</li><li>Tidak memiliki konstruktor.</li><li>Digunakan untuk menyusun kontrak implementasi.</li></ul><blockquote><strong>Kelas Abstrak</strong></blockquote><ul><li>Dapat memiliki metode konkret dan abstrak.</li><li>Hanya mendukung single inheritance.</li><li>Dapat memiliki konstruktor.</li><li>Digunakan untuk generalisasi perilaku.</li></ul><h3>Praktikum</h3><h4>1. Persiapan</h4><ul><li>Pertama, buka aplikasi NetBeans yang sudah terinstal pada komputer. Tunggu hingga tampilan utama NetBeans muncul.</li><li>Setelah itu buat project baru dengan nama PraktikumPBO_10 lalu klik finish untuk membuat project.</li><li>Setelah project berhasil dibuat, langkah berikutnya adalah membuat package dengan nama praktikum10. Package ini digunakan untuk menyimpan seluruh file Java yang akan dibuat selama praktikum.</li></ul><h4>2. Membuat dan Mengimplementasikan Interface</h4><blockquote><strong>Membuat Interface OperasiHitung</strong></blockquote><p>Pertama, buat sebuah interface dengan nama OperasiHitung. Interface ini berfungsi sebagai kontrak yang menentukan metode apa saja yang harus dimiliki oleh kelas yang mengimplementasikannya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/719/1*DwtOEFUqr5L2nL7HwernZg.png" /></figure><p>Setelah file berhasil dibuat, masukkan kode berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/665/1*-r0eE03vbBL2GPCPgO8PXg.png" /></figure><ul><li>interface OperasiHitung digunakan untuk membuat interface dengan nama OperasiHitung.</li><li>int hitung(int a, int b) merupakan deklarasi metode yang menerima dua parameter bertipe integer dan menghasilkan nilai integer.</li><li>Metode tersebut belum memiliki isi atau implementasi karena nantinya akan diisi oleh kelas yang menggunakan interface ini.</li></ul><blockquote><strong>Membuat kelas Penjumlahan</strong></blockquote><p>Selanjutnya, buat kelas dengan nama Penjumlahan yang mengimplementasikan interface OperasiHitung. Kelas ini digunakan untuk melakukan operasi penjumlahan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/678/1*rAGea1DhyDLbhdoQdaUmCQ.png" /></figure><ul><li>class Penjumlahan digunakan untuk membuat kelas Penjumlahan.</li><li>implements OperasiHitung menunjukkan bahwa kelas Penjumlahan menggunakan interface OperasiHitung.</li><li>@Override menandakan bahwa metode hitung() merupakan implementasi dari metode yang sudah dideklarasikan dalam interface.</li><li>return a + b digunakan untuk menjumlahkan nilai a dan b, kemudian mengembalikan hasilnya.</li></ul><blockquote><strong>Membuat kelas Pengurangan</strong></blockquote><p>Setelah kelas Penjumlahan selesai, selanjutnya buat kelas bernama Pengurangan. Kelas ini juga mengimplementasikan interface OperasiHitung, tetapi digunakan untuk melakukan operasi pengurangan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*apCwl5iO2O5t66Oj9JQ9uQ.png" /></figure><ul><li>class Pengurangan digunakan untuk membuat kelas Pengurangan.</li><li>implements OperasiHitung menunjukkan bahwa kelas Pengurangan juga menggunakan interface OperasiHitung.</li><li>@Override digunakan untuk mengimplementasikan kembali metode hitung() dari interface.</li><li>return a - b digunakan untuk mengurangi nilai a dengan b, kemudian mengembalikan hasilnya.</li></ul><blockquote><strong>Membuat kelas Main</strong></blockquote><p>Setelah interface dan kedua kelas selesai dibuat,selanjutnuya membuat kelas utama bernama Main. Kelas ini digunakan untuk membuat objek, memanggil metode hitung(), dan menampilkan hasil operasi penjumlahan serta pengurangan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/667/1*c4tMUvm5pO2MeSKia6-RhQ.png" /></figure><ul><li>public static void main(String[] args) merupakan metode utama yang dijalankan pertama kali ketika program dijalankan.</li><li>OperasiHitung penjumlahan = new Penjumlahan(); digunakan untuk membuat objek Penjumlahan dengan tipe interface OperasiHitung.</li><li>penjumlahan.hitung(10, 5) digunakan untuk menjalankan operasi penjumlahan dengan nilai 10 dan 5.</li><li>System.out.println() digunakan untuk menampilkan hasil operasi ke layar.</li><li>OperasiHitung pengurangan = new Pengurangan(); digunakan untuk membuat objek Pengurangan dengan tipe interface OperasiHitung.</li><li>pengurangan.hitung(10, 5) digunakan untuk menjalankan operasi pengurangan dengan nilai 10 dan 5.</li></ul><blockquote><strong>Output:</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/331/1*TIpoEJYwWb52u-Eexaqohg.png" /></figure><p>Berdasarkan output, operasi penjumlahan dari 10 + 5 menghasilkan nilai 15, sedangkan operasi pengurangan dari 10–5 menghasilkan nilai 5. Hal ini menunjukkan bahwa interface OperasiHitung berhasil diimplementasikan oleh kelas Penjumlahan dan Pengurangan dengan fungsi yang berbeda.</p><h3>Tugas</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/601/1*oSbEYdWU38BJ8EfpK0BuNg.png" /></figure><h4><strong>1. Membuat Interface Pembayaran</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*OPGNgZGYXYeVOni98V1yBQ.png" /></figure><ul><li>interface Pembayaran digunakan untuk membuat interface dengan nama Pembayaran.</li><li>double hitungPajak(double harga) merupakan deklarasi metode untuk menghitung pajak berdasarkan harga produk.</li><li>Tipe data double digunakan karena hasil perhitungan pajak dapat berupa angka desimal.</li><li>Metode ini belum memiliki isi karena implementasinya akan dilakukan oleh kelas Elektronik dan Makanan.</li></ul><h4><strong>2. Membuat Kelas Elektronik</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*hFCs-JAq8_gZ57RYRWmihg.png" /></figure><ul><li>class Elektronik digunakan untuk membuat kelas Elektronik.</li><li>implements Pembayaran menunjukkan bahwa kelas Elektronik mengimplementasikan interface Pembayaran.</li><li>@Override menandakan bahwa metode hitungPajak() merupakan implementasi dari metode yang telah dideklarasikan dalam interface.</li><li>double hitungPajak(double harga) digunakan untuk menerima nilai harga produk dan menghasilkan nilai pajak.</li><li>return harga * 0.10 digunakan untuk menghitung pajak sebesar 10% dari harga produk.</li></ul><h4><strong>3. Membuat Kelas Makanan</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*-QDMA1fxBbqss-B4BzCx2w.png" /></figure><ul><li>class Makanan digunakan untuk membuat kelas Makanan.</li><li>implements Pembayaran menunjukkan bahwa kelas Makanan menggunakan interface Pembayaran.</li><li>@Override digunakan untuk mengimplementasikan metode hitungPajak() dari interface Pembayaran.</li><li>double hitungPajak(double harga) merupakan metode untuk menerima harga produk dan menghitung pajaknya.</li><li>return harga * 0.05 digunakan untuk menghitung pajak sebesar 5% dari harga produk.</li></ul><h4><strong>4. Membuat Kelas Main</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*cvYH8ETEf25OxJoqohqyLg.png" /></figure><ul><li>public static void main(String[] args) merupakan metode utama yang dijalankan pertama kali ketika program dijalankan.</li><li>Elektronik elektronik = new Elektronik(); digunakan untuk membuat objek dari kelas Elektronik.</li><li>double hargaElektronik = 1000000; digunakan untuk menentukan harga produk elektronik sebesar Rp1.000.000.</li><li>elektronik.hitungPajak(hargaElektronik) digunakan untuk memanggil metode hitungPajak() dan menghitung pajak elektronik sebesar 10%.</li><li>Makanan makanan = new Makanan(); digunakan untuk membuat objek dari kelas Makanan.</li><li>double hargaMakanan = 100000; digunakan untuk menentukan harga produk makanan sebesar Rp100.000.</li><li>makanan.hitungPajak(hargaMakanan) digunakan untuk memanggil metode hitungPajak() dan menghitung pajak makanan sebesar 5%.</li><li>System.out.println() digunakan untuk menampilkan hasil perhitungan pajak ke layar.</li></ul><h4>Output:</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/327/1*G2Gn1TEQtQH3qc4QQ4IakA.png" /></figure><p>Berdasarkan output, produk elektronik dengan harga Rp1.000.000 dikenakan pajak sebesar 10% sehingga menghasilkan pajak Rp100.000. Sementara itu, produk makanan dengan harga Rp100.000 dikenakan pajak sebesar 5% sehingga menghasilkan pajak Rp5.000. Hal ini menunjukkan bahwa interface Pembayaran berhasil diimplementasikan oleh kelas Elektronik dan Makanan dengan perhitungan pajak yang berbeda sesuai jenis produknya.</p><h3>Kesimpulan</h3><p>Pada praktikum kali ini mempelajari konsep dan penerapan <strong>interface</strong> dalam PBO menggunakan bahasa Java. Melalui praktikum, interface digunakan sebagai kontrak yang berisi deklarasi metode untuk diimplementasikan oleh kelas lain. Hal ini dibuktikan dengan kelas Penjumlahan dan Pengurangan yang menggunakan interface OperasiHitung untuk melakukan operasi perhitungan yang berbeda. Pada tugas, konsep interface diterapkan dalam program sistem pembayaran melalui kelas Elektronik dan Makanan yang menggunakan interface Pembayaran untuk menghitung pajak dengan persentase berbeda. Dari kegiatan tersebut, dapat dipahami bahwa interface memungkinkan beberapa kelas menggunakan metode yang sama dengan implementasi berbeda, sehingga program menjadi lebih terstruktur, fleksibel, dan mudah dikembangkan.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum PBO: Modul 10 — Interface.</em> Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/853ff181f8f363101f15036eacf291053426d6f7/zay/PraktikumPBO_10.zip">https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/853ff181f8f363101f15036eacf291053426d6f7/zay/PraktikumPBO_10.zip</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=40a9a9c95e03" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data: Mengenal Basis Data NoSQL dan Integrasi MongoDB dengan PySpark]]></title>
            <link>https://medium.com/@zaydangustav2657/big-data-mengenal-basis-data-nosql-dan-integrasi-mongodb-dengan-pyspark-c0b7224d1dc9?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/c0b7224d1dc9</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Wed, 04 Nov 2026 13:35:42 GMT</pubDate>
            <atom:updated>2026-11-07T09:42:58.473Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Big Data merupakan teknologi untuk menyimpan, mengolah, dan menganalisis data dalam jumlah besar. Salah satu teknologi penyimpanan yang digunakan adalah <strong>NoSQL</strong>, yaitu basis data dengan struktur yang lebih fleksibel dibandingkan basis data relasional.</p><p>Pada praktikum ini, digunakan <strong>MongoDB</strong> sebagai basis data berbasis dokumen dengan format BSON yang menyerupai JSON. Praktikum mencakup instalasi MongoDB, penggunaan MongoDB Shell (mongosh), serta penerapan operasi CRUD (<em>Create, Read, Update, Delete</em>) menggunakan PyMongo. Data MongoDB kemudian diintegrasikan dengan PySpark melalui pandas DataFrame agar dapat diolah dan dianalisis menggunakan Spark DataFrame.</p><h3>Tujuan</h3><ol><li>Memahami konsep NoSQL dan perbedaannya dengan basis data relasional.</li><li>Memahami instalasi dan konfigurasi MongoDB pada Ubuntu.</li><li>Memahami penggunaan MongoDB Shell (mongosh).</li><li>Menerapkan operasi CRUD menggunakan PyMongo.</li><li>Memahami struktur database, collection, dan document pada MongoDB.</li><li>Mengintegrasikan data MongoDB dengan Spark DataFrame menggunakan pandas dan PySpark.</li><li>Melakukan analisis data menggunakan fungsi agregasi pada Spark DataFrame.</li></ol><h3>Alayt &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Dual Boot/VirtualBox</li><li>Ubuntu.</li><li>Terminal Ubuntu.</li><li>Jupyter Notebook</li></ul><h3>Dasar Teori</h3><h4>1. Basis Data NoSQL</h4><p>NoSQL merupakan jenis basis data yang memiliki struktur fleksibel dan tidak selalu menggunakan tabel relasional. NoSQL cocok digunakan untuk menyimpan data semi-terstruktur dengan variasi field.</p><h4>2. MongoDB</h4><p>MongoDB merupakan basis data NoSQL bertipe <em>document store</em> yang menyimpan data dalam bentuk dokumen BSON. Struktur MongoDB terdiri dari database, collection, dan document. MongoDB juga mendukung <em>flexible schema</em>, sehingga dokumen dalam satu collection dapat memiliki field yang berbeda.</p><h4>3. MongoDB Shell (mongosh)</h4><p>MongoDB Shell atau mongosh merupakan antarmuka berbasis command line untuk berinteraksi dengan MongoDB, seperti memilih database, mengelola collection, dan menjalankan perintah pengolahan data.</p><h4>4. PyMongo</h4><p>PyMongo merupakan driver Python yang digunakan untuk menghubungkan program Python dengan MongoDB. PyMongo memungkinkan pengguna mengakses database, mengelola dokumen, dan mengambil data untuk diproses lebih lanjut.</p><h4>5. Operasi CRUD</h4><p>CRUD (<em>Create, Read, Update, Delete</em>) merupakan empat operasi dasar untuk mengelola data. Create digunakan untuk menambahkan data, Read untuk membaca data, Update untuk memperbarui data, dan Delete untuk menghapus data. Pada praktikum ini, operasi tersebut diterapkan menggunakan PyMongo.</p><h4>6. Pandas DataFrame</h4><p>Pandas DataFrame merupakan struktur data berbentuk tabel pada Python yang terdiri dari baris dan kolom. Dalam praktikum ini, pandas DataFrame digunakan sebagai perantara untuk mengubah data dari MongoDB menjadi Spark DataFrame.</p><h4>7. Apache Spark dan PySpark</h4><p>Apache Spark merupakan framework untuk memproses dan menganalisis data dalam skala besar. PySpark adalah API Python yang digunakan untuk menjalankan Spark menggunakan bahasa Python, termasuk mengolah data melalui Spark DataFrame.</p><h4>8. Integrasi MongoDB dengan Spark DataFrame</h4><p>Integrasi MongoDB dengan Spark DataFrame merupakan proses mengambil data dari MongoDB menggunakan PyMongo, mengubahnya menjadi pandas DataFrame, kemudian mengonversinya menjadi Spark DataFrame menggunakan spark.createDataFrame(). Data tersebut selanjutnya dapat diolah menggunakan Spark.</p><h4>9. Analisis Data Menggunakan Spark DataFrame</h4><p>Spark DataFrame menyediakan fungsi untuk mengolah dan menganalisis data. Fungsi groupBy() digunakan untuk mengelompokkan data, sedangkan agg() digunakan untuk melakukan perhitungan agregasi, seperti rata-rata menggunakan avg() dan jumlah data menggunakan count(). Dalam praktikum ini, fungsi tersebut digunakan untuk menganalisis harga dan jumlah produk berdasarkan kategori.</p><h3>Praktikum</h3><h4>1. Instalasi MongoDB Community Server 8.0</h4><p>Instalasi MongoDB dilakukan melalui Terminal Ubuntu. MongoDB Community Server digunakan sebagai sistem basis data NoSQL untuk menyimpan dan mengelola data dalam bentuk dokumen.</p><blockquote><strong>a. Mengintall Curl</strong></blockquote><p>Karena disini saya belum menginstall curl, maka akan muncul output seperti ini.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/772/1*xzI39HnG4MpDmip0iYLhQQ.png" /></figure><p>Langkah selanjutnya yaitu menginstall curl dengan perintah berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*A4obO_dy4Fr-Sh50xsYW5g.png" /></figure><blockquote><strong>b. Mengimpor Kunci GPG Resmi MongoDB</strong></blockquote><p>Setelah berhasil menginstall curl, selanjutnya impor kunci GPG resmi MongoDB agar sistem dapat memverifikasi paket yang akan diinstal.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/773/1*uKLSjVsFr86g1I0tIvV7Ew.png" /></figure><ul><li>curl digunakan untuk mengambil kunci GPG dari server resmi MongoDB.</li><li>gpg digunakan untuk mengubah kunci menjadi format yang dapat digunakan oleh sistem.</li><li>mongodb-server-8.0.gpg merupakan file kunci yang digunakan untuk memverifikasi paket MongoDB.</li></ul><blockquote><strong>c. Menambahkan Repository MongoDB</strong></blockquote><p>Selanjutnya, tambahkan repository MongoDB sesuai dengan versi Ubuntu yang digunakan.</p><p>Untuk <strong>Ubuntu 22.04 (Jammy)</strong>, jalankan:</p><pre>echo &quot;deb [ arch=amd64,arm64 signed-by=/usr/share/keyrings/mongodb-server-8.0.gpg ] https://repo.mongodb.org/apt/ubuntu jammy/mongodb-org/8.0 multiverse&quot; | sudo tee /etc/apt/sources.list.d/mongodb-org-8.0.list</pre><ul><li>echo digunakan untuk menuliskan alamat repository MongoDB.</li><li>jammy digunakan untuk Ubuntu 22.04, sedangkan noble digunakan untuk Ubuntu 24.04.</li><li>tee digunakan untuk menyimpan konfigurasi repository ke dalam file sistem.</li><li>Perintah yang dijalankan harus disesuaikan dengan versi Ubuntu masing-masing.</li></ul><blockquote><strong>d. Memperbarui Daftar Paket dan Menginstal MongoDB</strong></blockquote><p>Setelah repository berhasil ditambahkan, lakukan pembaruan daftar paket dan instal MongoDB.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/947/1*Qw97XWpTJT4Q0PQA8BXxCQ.png" /></figure><ul><li>sudo apt update digunakan untuk memperbarui daftar paket dari repository.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/962/1*Ow4moQEz4jr7wKVMxOMEsA.png" /></figure><ul><li>sudo apt install -y mongodb-org digunakan untuk menginstal MongoDB Community Server beserta komponen yang diperlukan.</li><li>Opsi -y digunakan agar proses instalasi berjalan tanpa meminta konfirmasi tambahan.</li></ul><blockquote><strong>e. Menjalankan MongoDB sebagai Service</strong></blockquote><p>Setelah proses instalasi selesai, jalankan MongoDB dan aktifkan agar otomatis berjalan ketika Ubuntu dinyalakan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gVk4Ztx_QL6Q3iKEv4fjnQ.png" /></figure><ul><li>systemctl start mongod digunakan untuk menjalankan service MongoDB.</li><li>systemctl enable mongod digunakan agar MongoDB aktif secara otomatis saat sistem dinyalakan.</li></ul><blockquote><strong>f. Memeriksa Status dan Versi MongoDB</strong></blockquote><p>Selanjutnya, periksa apakah MongoDB sudah berjalan dengan baik, gunakan perintah berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/589/1*cyMtjfofrAVI0r4dL1dCDg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I5iwHP3sMymnTEfUtlLjaA.png" /></figure><p>Jika muncul Active: active (running), maka service MongoDB berhasil dijalankan. Dan untuk keluar dari tampilan status, tekan tombol q .</p><blockquote><strong>g. Memeriksa versi MongoDB</strong></blockquote><p>Kemudian, periksa versi MongoDB yang terinstal.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/617/1*aEu7HPnyVnNyq-fkYW68Bw.png" /></figure><p>Terlihat versi dari MongoDB yang terinstal adalah versi 8.0.34.</p><h4>2. Operasi Dasar Menggunakan MongoDB Shell (mongosh)</h4><p>Setelah MongoDB berhasil diinstal, selanjutnya dilakukan pengujian menggunakan MongoDB Shell atau mongosh. MongoDB Shell digunakan untuk berinteraksi langsung dengan database melalui perintah berbasis teks.</p><blockquote><strong>a. Masuk ke MongoDB Shell</strong></blockquote><p>Pertama, buka Terminal Ubuntu dan jalankan perintah berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/353/1*NsflhHfG4--y5yKeH5C2vg.png" /></figure><p>Jika berhasil, akan masuk ke tampilan MongoDB Shell dengan prompt test&gt; seperti berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tWj240xGCcWxAQAPzy0t0g.png" /></figure><blockquote><strong>b. </strong>Berpindah/membuat database bernama “praktikum_bigdata”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/304/1*Ziw8h5ZNhNAIxeu55pBOqw.png" /></figure><ul><li>use digunakan untuk memilih database.</li><li>praktikum_bigdata merupakan nama database yang digunakan dalam praktikum.</li><li>Jika database belum tersedia, MongoDB akan membuatnya ketika data pertama kali disimpan.</li></ul><blockquote><strong>c. Menyisipkan satu dokumen ke collection “produk” (otomatis dibuat jika belum ada)</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Uz3iaAvhmIpJMS33wB0aWQ.png" /></figure><ul><li>db digunakan untuk mengakses database yang sedang dipilih.</li><li>produk merupakan nama collection.</li><li>insertOne() digunakan untuk menambahkan satu dokumen.</li><li>nama_produk, kategori, harga, dan stok merupakan field yang menyimpan informasi produk.</li></ul><blockquote><strong>d. Menampilkan seluruh dokumen pada collection “produk”</strong></blockquote><p>Selanjutnya, menampilkan seluruh dokumen pada collection produk.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/476/1*lohYxDjTQwTtS5WK9XkMiw.png" /></figure><ul><li>find() digunakan untuk mengambil dan menampilkan dokumen dalam collection.</li></ul><blockquote><strong>e. Menampilkan dengan format lebih rapi</strong></blockquote><p>Agar hasilnya lebih mudah dibaca, gunakan perintah berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/476/1*MMDBIcGhXQQNVKVrjyZztw.png" /></figure><ul><li>find() digunakan untuk mengambil dan menampilkan dokumen dalam collection.</li><li>pretty() digunakan untuk menampilkan dokumen dengan format yang lebih rapi.</li></ul><p>Jika informasi Kopi Susu berhasil ditampilkan, berarti database dan collection telah berhasil digunakan untuk menyimpan serta membaca dokumen MongoDB.</p><blockquote><strong>f. Keluar dari `mongosh`</strong></blockquote><p>Gunakan perintah exituntuk keluar dari MongoDB Shell.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/338/1*iF4HZIp_hcpq7m1Iwrhz9g.png" /></figure><h4>3. Instalasi PyMongo</h4><p>Setelah pengujian MongoDB melalui mongosh selesai, selanjutnya persiapkan PyMongo agar MongoDB dapat diakses menggunakan Python.</p><blockquote><strong>a. Mengaktifkan Environment Big dan Data Menginstal PyMongo</strong></blockquote><p>Buka Terminal Ubuntu, kemudian aktifkan environment bigdata dan setelah environment aktif, instal library PyMongo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*g0Kb1mX7ixQ9urhU6yhDlg.png" /></figure><ul><li>pip merupakan pengelola paket Python.</li><li>install digunakan untuk memasang library.</li><li>pymongo merupakan driver Python yang digunakan untuk menghubungkan program Python dengan MongoDB.</li></ul><blockquote><strong>b. Memeriksa Instalasi PyMongo</strong></blockquote><p>Setelah proses instalasi selesai, lakukan verifikasi pada PyMongo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/820/1*W0DhdYv3IqPHAPBvz17IIw.png" /></figure><p>Terlihat bahwa versi PyMongo yang terinstal adalah versi 4.19.0.</p><h4>4. Menjalankan Jupyter Notebook</h4><p>Selanjutnya, masuk ke direktori praktikum dan jalankan Jupyter Notebook. Setelah Jupyter Notebook terbuka, gunakan notebook yang telah disiapkan untuk mengerjakan praktikum Pertemuan 9.</p><blockquote><strong>a. Menghubungkan Python dengan MongoDB</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I4IG9Vw9OYZNxM_5zjnhKA.png" /></figure><ul><li>from pymongo import MongoClient digunakan untuk mengimpor MongoClient dari library PyMongo.</li><li>MongoClient() digunakan untuk membuat koneksi ke MongoDB pada alamat localhost dengan port 27017.</li><li>client[&quot;praktikum_bigdata&quot;] digunakan untuk memilih database.</li><li>db[&quot;produk&quot;] digunakan untuk memilih collection produk.</li><li>list_database_names() digunakan untuk menampilkan daftar database yang tersedia.</li></ul><blockquote><strong>b. Operasi CRUD dengan PyMongo</strong></blockquote><ol><li><strong>Create — Menyisipkan Dokumen</strong></li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*t3ezNO0D443lzrejVdZusg.png" /></figure><ul><li>delete_many({}) digunakan untuk menghapus seluruh dokumen dalam collection.</li><li>insert_one() digunakan untuk menambahkan satu dokumen.</li><li>insert_many() digunakan untuk menambahkan beberapa dokumen sekaligus.</li><li>nama_produk, kategori, harga, stok, dan tags merupakan field yang menyimpan informasi produk.</li><li>count_documents({}) digunakan untuk menghitung jumlah seluruh dokumen dalam collection.</li></ul><p>Berdasarkan Output, terdapat 5 dokumen produk yang berhasil ditambahkan ke dalam collection produk.</p><p><strong>2. Read — Membaca Dokumen</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5tndKCvBgAiqZXxPQX-lYA.png" /></figure><ul><li>find_one() digunakan untuk mengambil satu dokumen pertama yang sesuai dengan kondisi.</li><li>find() digunakan untuk mengambil seluruh dokumen yang sesuai dengan kondisi.</li><li>{&quot;kategori&quot;: &quot;Minuman&quot;} digunakan untuk mencari produk berdasarkan kategori Minuman.</li><li>$gt merupakan operator yang digunakan untuk mencari nilai lebih besar dari kondisi yang ditentukan.</li><li>for digunakan untuk menampilkan setiap dokumen hasil pencarian.</li></ul><p><strong>3. Update — Memperbarui Dokumen</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xdB8sS1nfVaLrmfKvL2yGw.png" /></figure><ul><li>update_one() digunakan untuk memperbarui satu dokumen yang sesuai dengan kondisi.</li><li>update_many() digunakan untuk memperbarui beberapa dokumen sekaligus.</li><li>$set digunakan untuk mengubah nilai field harga menjadi Rp9.000.</li><li>$inc digunakan untuk menambah atau mengurangi nilai numerik pada field stok.</li><li>-5 menunjukkan bahwa stok produk dikurangi sebanyak lima.</li><li>find() digunakan untuk menampilkan kembali data setelah diperbarui.</li></ul><p>Hasil tersebut memperlihatkan harga Es Teh berhasil diperbarui menjadi Rp9.000 dan stok seluruh produk kategori Minuman berhasil dikurangi sebanyak lima.</p><p><strong>4. Delete — Menghapus Dokumen</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_FgDxVmSBQzIgWGxtRt6zw.png" /></figure><ul><li>delete_one() digunakan untuk menghapus satu dokumen pertama yang sesuai dengan kondisi.</li><li>count_documents({}) digunakan untuk menghitung jumlah dokumen yang masih tersimpan.</li><li>find() digunakan untuk menampilkan daftar produk yang tersisa.</li><li>{&quot;nama_produk&quot;: &quot;Kentang Goreng&quot;} merupakan kondisi dokumen yang akan dihapus.</li></ul><p>Hasilnya, Kentang Goreng berhasil dihapus sehingga jumlah dokumen dalam collection berkurang dari lima menjadi empat.</p><blockquote><strong>c. Mengintegrasikan Data MongoDB ke Spark DataFrame</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yQ0iLZhKGhEt8b-PHvG0UQ.png" /></figure><ul><li>SparkSession digunakan untuk mengimpor kelas utama Spark.</li><li>pandas digunakan untuk mengolah data dalam bentuk tabel.</li><li>SparkSession.builder digunakan untuk membuat konfigurasi SparkSession.</li><li>appName() digunakan untuk memberikan nama aplikasi Spark.</li><li>master(&quot;local[*]&quot;) digunakan untuk menjalankan Spark secara lokal dengan seluruh core CPU yang tersedia.</li><li>getOrCreate() digunakan untuk membuat SparkSession atau menggunakan sesi yang sudah tersedia.</li><li>setLogLevel(&quot;ERROR&quot;) digunakan untuk membatasi pesan log yang ditampilkan hanya pada tingkat error.</li></ul><p><strong>Output:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S8UhSbXE3zyAh3Nlx0fqQg.png" /></figure><blockquote><strong>d. Analisis Data Berdasarkan Kategori dan Menutup SparkSession</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YpYuuMq3oyySuShUyqkPCw.png" /></figure><ul><li>avg digunakan untuk menghitung rata-rata harga produk.</li><li>count digunakan untuk menghitung jumlah produk.</li><li>groupBy(&quot;kategori&quot;) digunakan untuk mengelompokkan data berdasarkan kategori.</li><li>agg() digunakan untuk melakukan perhitungan agregasi.</li><li>alias() digunakan untuk memberikan nama pada kolom hasil perhitungan.</li><li>show() digunakan untuk menampilkan hasil analisis.</li><li>spark.stop() digunakan untuk menghentikan SparkSession.</li><li>print() digunakan untuk menampilkan informasi bahwa SparkSession telah ditutup.</li></ul><h3>Latihan Mandiri</h3><p>Sebelum mengerjakan latihan mandiri, Pastikan client, db, dan koleksi_produk dari Sub-bab 9.4 masih aktif sebelum mengerjakan latihan berikut (jalankan ulang cellnya jika kernel sudah di-restart).</p><h4>1. Sisipkan (insert_many) lima dokumen baru ke collection produk dengan kategori bebas (boleh kategori baru selain Makanan/Minuman, misalnya &quot;Snack&quot;).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AMCWFQGHo0NRQSM_UGeoVg.png" /></figure><p>Kode tersebut digunakan untuk menambahkan lima dokumen baru ke collection produk menggunakan insert_many(). Setiap dokumen memiliki informasi seperti nama produk, kategori, harga, stok, dan tags.</p><h4>2. Gunakan find() dengan operator $lt (kurang dari) untuk menampilkan seluruh produk dengan harga di bawah 20000.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7OFyBGOi-nVWcOfRWNu3LQ.png" /></figure><p>Kode tersebut digunakan untuk mencari produk yang memiliki harga kurang dari Rp20.000. Operator $lt (<em>less than</em>) digunakan sebagai kondisi penyaringan pada fungsi find().</p><h4>3. Gunakan update_many() untuk menambahkan field baru bernama diskon bernilai 0 ke <strong>seluruh</strong> dokumen pada collection produk (petunjuk: gunakan operator $set).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*i306S2fxP8v3r1SSzaD9Hg.png" /></figure><p>Kode tersebut digunakan untuk menambahkan field diskon dengan nilai 0 ke seluruh dokumen menggunakan update_many(). Operator $set digunakan untuk menambahkan atau memperbarui nilai suatu field tanpa mengubah field lainnya.</p><h4>4. Berikan <strong>satu contoh skenario nyata</strong> (boleh di luar konteks e-commerce yang sering kita pakai) di mana MongoDB akan menjadi pilihan lebih tepat dibanding tabel relasional biasa, dan jelaskan alasannya berdasarkan konsep <em>flexible schema</em>. Tulis jawaban pada markdown cell di bawah ini.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MgAs3DM2hQGyHLSYPtat7A.png" /></figure><h3>Tugas</h3><h4>Import Library dan Membuat Koneksi MongoDB</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*A_wtr5pdEEy_P6qtLb2PUw.png" /></figure><p>Kode tersebut digunakan untuk menghubungkan Python dengan MongoDB, kemudian memilih database kopi_nusantara dan collection menu.</p><h4>A. Membangun Katalog (Create)</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*saAz-jYjIQK6hkhcSVB24Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zJS6dLdfP6QaCwtifnlslg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I2eMbI1v_5sNowNDfsnu9A.png" /></figure><h4>B. Kueri Bertingkat (Read)</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kWszlbgrEifiB3_ETuG4_g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jhRACtwDt-MJRPlpzNsNwA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-x1HKNjEfC_s3rMUbbvEkA.png" /></figure><h4>C. Pembaruan Data (Update)</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*berU_BT_3SCwPJBZgS81CA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MrEDnroATLVLhsEFQeonIA.png" /></figure><h4>D. Integrasi ke Spark</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*95UHQ6BgbIcjXmPIlIMIZQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RwRXNHOjfliNrGOzsMyeGQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TCH2A-DkM6BvBC9d6E6hzg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vxNEu1MbgRiMTuiT0BfvhA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aMjFleJPyUL0z6zMXSheqw.png" /></figure><h4>E. Kesimpulan</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NCR7APM_uXHjWRq14d1fvw.png" /></figure><h4>Menutup SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*75Oi919qwhkNbGA-Xz8Hwg.png" /></figure><h3>Kesimpulan</h3><p>Pada praktikum kali ini membahas penggunaan basis data NoSQL menggunakan MongoDB serta integrasinya dengan PySpark. MongoDB memiliki struktur penyimpanan berbasis dokumen yang fleksibel sehingga dapat menampung data dengan field yang berbeda dalam satu collection. Pengelolaan data dilakukan melalui operasi CRUD menggunakan PyMongo, mulai dari menambahkan dan membaca dokumen hingga memperbarui dan menghapus data.</p><p>Selain itu, data MongoDB dapat diintegrasikan dengan Spark DataFrame melalui pandas DataFrame sebagai perantara. Setelah dikonversi, data dapat diolah dan dianalisis menggunakan fungsi Spark seperti groupBy(), avg(), dan count(). Dengan demikian, praktikum ini memberikan pemahaman mengenai penggunaan MongoDB untuk menyimpan dan mengelola data semi-terstruktur serta pemanfaatan PySpark untuk melakukan analisis data dalam ekosistem Big Data.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Big Data: Pertemuan 9 — Basis Data NoSQL dan Integrasi MongoDB dengan PySpark.</em> Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%209">https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%209</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c0b7224d1dc9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO: Penerapan Abstraksi dan Kelas Abstrak dalam Java]]></title>
            <link>https://medium.com/@zaydangustav2657/pbo-penerapan-abstraksi-dan-kelas-abstrak-dalam-java-abcd19265e30?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/abcd19265e30</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Tue, 03 Nov 2026 14:34:16 GMT</pubDate>
            <atom:updated>2026-11-06T15:29:21.441Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>PBO memiliki konsep abstraksi yang digunakan untuk menyembunyikan detail implementasi dan hanya menampilkan fungsi penting dari suatu objek. Dalam Java, konsep ini dapat diterapkan menggunakan kelas abstrak (abstract class) sebagai dasar bagi kelas lain yang mewarisinya. Melalui praktikum ini, kita dapat mempelajari penggunaan kelas abstrak dan penerapannya pada kelas turunan.</p><h3>Tujuan</h3><ol><li>Memahami konsep abstraksi dalam Pemrograman Berorientasi Objek (PBO).</li><li>Mengetahui pengertian dan fungsi kelas abstrak dalam Java.</li><li>Memahami perbedaan metode abstrak dan metode biasa.</li><li>Mampu membuat dan menerapkan kelas abstrak menggunakan Java.</li><li>Memahami penerapan pewarisan pada kelas abstrak melalui kelas turunan.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Web Browser</li><li>Aplikasi Kantor (Microsoft Office, LibreOffice, atau WPS Office)</li><li>JDK</li><li>NetBeans</li><li>Koneksi Internet</li></ul><h3>Dasar Teori</h3><h4>1. Abstraksi</h4><p>Abstraksi adalah konsep dalam PBO yang bertujuan menyembunyikan detail implementasi dan hanya menampilkan fungsi penting suatu objek. Konsep ini membantu menyederhanakan sistem dengan berfokus pada apa yang dilakukan objek, bukan bagaimana prosesnya. Contohnya, kendaraan dapat diketahui mampu berjalan tanpa harus memahami cara kerja mesin di dalamnya.</p><h4>2. Kelas Abstrak</h4><p>Kelas abstrak (abstract class) adalah kelas yang tidak dapat dibuat menjadi objek secara langsung dan digunakan sebagai dasar bagi kelas lain yang mewarisinya. Kelas abstrak dapat memiliki metode abstrak tanpa implementasi dan metode biasa yang sudah memiliki implementasi.</p><h4>3. Karakteristik Kelas Abstrak</h4><p>Kelas abstrak memiliki beberapa karakteristik, yaitu:</p><ul><li>Tidak dapat dibuat menjadi objek secara langsung.</li><li>Dapat memiliki metode abstrak dan metode biasa.</li><li>Kelas turunan (subclass) wajib mengimplementasikan semua metode abstrak yang diwarisi.</li></ul><h4>4. Penerapan Kelas Abstrak dalam Java</h4><p>Dalam Java, kelas abstrak dan metode abstrak menggunakan keyword abstract. Contohnya, kelas Kendaraan memiliki metode abstrak berjalan() yang harus diimplementasikan oleh kelas turunannya, seperti Mobil dan Sepeda. Dengan demikian, setiap kelas turunan dapat memiliki perilaku yang berbeda sesuai fungsinya.</p><h3>Praktikum</h3><h4>1. Persiapan</h4><ul><li>Pertama, buka aplikasi NetBeans yang sudah terinstal pada komputer atau laptop. Aplikasi ini digunakan untuk membuat, menulis, dan menjalankan program Java.</li><li>Selanjutnya, buat project baru dengan nama PraktikumPBO_9 sebagai tempat untuk menyimpan seluruh file program praktikum.</li><li>Setelah project berhasil dibuat, selanjutnya buat package baru dengan nama praktikum9. Package ini digunakan untuk mengelompokkan file Java agar susunan program menjadi lebih teratur.</li></ul><h4>2. Studi Kasus: Kendaraan</h4><blockquote><strong>a. Membuat Kelas Abstrak Kendaraan</strong></blockquote><p>Pertama, buat kelas bernama Kendaraan. Kelas ini akan menjadi kelas abstrak yang digunakan sebagai dasar bagi kelas lain, yaitu Mobil dan Sepeda.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1003/1*vydc9l8K-KR7SGl5SdGBIQ.png" /></figure><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 teks ke layar.</li></ul><blockquote><strong>b. Membuat Kelas Mobil</strong></blockquote><p>Selanjutnya, buat kelas bernama Mobil yang merupakan kelas turunan dari Kendaraan. Kelas ini digunakan untuk memberikan implementasi pada metode berjalan() dengan menampilkan informasi bahwa mobil berjalan dengan cepat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1002/1*RurmMv-Wxmza7xxCWXKn3A.png" /></figure><ul><li>class Mobil digunakan untuk membuat kelas Mobil.</li><li>extends Kendaraan menunjukkan bahwa kelas Mobil mewarisi kelas Kendaraan.</li><li>@Override menandakan bahwa metode berjalan() mengimplementasikan metode abstrak dari kelas Kendaraan.</li><li>void berjalan() merupakan metode yang berisi perintah untuk menampilkan informasi bahwa mobil sedang berjalan dengan cepat.</li></ul><blockquote><strong>c. Membuat Kelas Sepeda</strong></blockquote><p>Setelah kelas Mobil selesai dibuat, selanjutnya buat kelas bernama Sepeda. Kelas ini juga merupakan turunan dari Kendaraan, tetapi memiliki implementasi metode berjalan() yang berbeda, yaitu menampilkan informasi bahwa sepeda berjalan dengan pelan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/1*EFs9erKpsdWLWd3B42jEUQ.png" /></figure><ul><li>class Sepeda digunakan untuk membuat kelas Sepeda.</li><li>extends Kendaraan menunjukkan bahwa kelas Sepeda mewarisi kelas Kendaraan.</li><li>@Override digunakan untuk mengimplementasikan kembali metode berjalan() dari kelas abstrak Kendaraan.</li><li>void berjalan() berisi perintah untuk menampilkan informasi bahwa sepeda sedang berjalan dengan pelan.</li></ul><blockquote><strong>d. Membuat Kelas Main</strong></blockquote><p>Setelah kelas Kendaraan, Mobil, dan Sepeda selesai dibuat, selanjutnya buat kelas utama bernama Main. Kelas ini digunakan untuk membuat objek dari kelas turunan dan memanggil metode yang sudah dibuat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/999/1*aDMgwn9NyvJgd9NUNc4Ybg.png" /></figure><ul><li>public class Main digunakan untuk membuat kelas utama bernama Main.</li><li>public static void main(String[] args) merupakan metode utama yang dijalankan pertama kali ketika program dimulai.</li><li>Kendaraan mobil = new Mobil(); digunakan untuk membuat objek Mobil dengan tipe referensi Kendaraan.</li><li>Kendaraan sepeda = new Sepeda(); digunakan untuk membuat objek Sepeda dengan tipe referensi Kendaraan.</li><li>mobil.berjalan() digunakan untuk memanggil metode berjalan() milik kelas Mobil.</li><li>sepeda.berjalan() digunakan untuk memanggil metode berjalan() milik kelas Sepeda.</li><li>mobil.info() dan sepeda.info() digunakan untuk memanggil metode info() yang diwarisi dari kelas Kendaraan.</li></ul><blockquote><strong>e. Output</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/846/1*RdGQGPVSSWD6CUSYT96b8A.png" /></figure><p>Berdasarkan hasil yang ditampilkan, kelas Mobil dan Sepeda berhasil mengimplementasikan metode abstrak berjalan() dari kelas Kendaraan. Setiap kelas turunan memiliki perilaku yang berbeda, yaitu Mobil berjalan dengan cepat dan Sepeda berjalan dengan pelan. Sementara itu, metode info() dapat dipanggil oleh kedua objek karena merupakan metode biasa yang diwarisi dari kelas Kendaraan.</p><blockquote><strong>f. Mencoba Membuat Objek dari Kelas Abstrak</strong></blockquote><p>Selanjutnya, lakukan percobaan dengan mencoba membuat objek secara langsung dari kelas abstrak Kendaraan.</p><pre>Kendaraan kendaraan = new Kendaraan();</pre><p>Kode tersebut tidak dapat dijalankan karena kelas Kendaraan merupakan kelas abstrak. Dalam Java, kelas abstrak tidak dapat dibuat menjadi objek secara langsung. Objek harus dibuat melalui kelas turunannya, seperti Mobil atau Sepeda.</p><h3>Tugas</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/717/1*cD6wMR1EecXHb_qJZMXggA.png" /></figure><p><strong>1. Membuat Kelas Abstrak Hewan</strong></p><p>Pertama, buat kelas abstrak bernama Hewan. Kelas ini digunakan sebagai dasar bagi kelas Kucing dan Anjing, serta memiliki metode abstrak suara() yang nantinya diimplementasikan oleh kedua kelas turunan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1003/1*E66mcngavIH1lab6H0MDyg.png" /></figure><ul><li>abstract class Hewan digunakan untuk membuat kelas abstrak bernama Hewan.</li><li>abstract void suara(); merupakan metode abstrak yang belum memiliki implementasi.</li><li>Metode suara() nantinya harus diimplementasikan oleh setiap kelas turunan dari Hewan.</li></ul><p><strong>2. Membuat Kelas Kucing</strong></p><p>Selanjutnya, buat kelas bernama Kucing yang merupakan turunan dari kelas abstrak Hewan. Kelas ini digunakan untuk mengimplementasikan metode suara() dengan menampilkan suara khas kucing.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/999/1*faUbpjaLjwKOidAEnKMpTw.png" /></figure><ul><li>class Kucing digunakan untuk membuat kelas Kucing.</li><li>extends Hewan menunjukkan bahwa kelas Kucing mewarisi kelas Hewan.</li><li>@Override digunakan untuk mengimplementasikan metode abstrak suara() dari kelas Hewan.</li><li>void suara() berisi perintah untuk menampilkan suara khas kucing, yaitu Meong.</li></ul><p><strong>3. Membuat Kelas Anjing</strong></p><p>Setelah kelas Kucing selesai dibuat, selanjutnya buat kelas bernama Anjing yang juga merupakan turunan dari kelas abstrak Hewan. Kelas ini digunakan untuk menampilkan suara khas anjing.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1005/1*QlsY9wjFJRw-murCLfvatw.png" /></figure><ul><li>class Anjing digunakan untuk membuat kelas Anjing.</li><li>extends Hewan menunjukkan bahwa kelas Anjing mewarisi kelas Hewan.</li><li>@Override digunakan untuk mengimplementasikan metode abstrak suara() dari kelas Hewan.</li><li>void suara() berisi perintah untuk menampilkan suara khas anjing, yaitu Guk Guk.</li></ul><p><strong>4. Membuat Kelas MainTugas</strong></p><p>Setelah kelas Hewan, Kucing, dan Anjing selesai dibuat, selanjutnya buat kelas utama bernama MainTugas. Kelas ini digunakan untuk membuat objek Kucing dan Anjing serta memanggil metode suara() dari masing-masing objek.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*N8AHuqFZjkFEHa4HZqzbuQ.png" /></figure><ul><li>public class MainTugas digunakan untuk membuat kelas utama untuk menjalankan program tugas.</li><li>public static void main(String[] args) merupakan metode utama yang dijalankan pertama kali.</li><li>Hewan kucing = new Kucing(); digunakan untuk membuat objek Kucing dengan tipe referensi Hewan.</li><li>Hewan anjing = new Anjing(); digunakan untuk membuat objek Anjing dengan tipe referensi Hewan.</li><li>kucing.suara() digunakan untuk memanggil metode suara() milik kelas Kucing.</li><li>anjing.suara() digunakan untuk memanggil metode suara() milik kelas Anjing.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/870/1*d46BOHVFkiGXvQt3mjWOiw.png" /></figure><p>Berdasarkan hasil yang ditampilkan, kelas Kucing dan Anjing berhasil mengimplementasikan metode abstrak suara() dari kelas Hewan. Kedua kelas memiliki hasil yang berbeda sesuai dengan suara khas masing-masing hewan. Hal ini menunjukkan bahwa kelas abstrak dapat digunakan sebagai dasar bagi beberapa kelas turunan yang memiliki implementasi metode berbeda.</p><h3>Kesimpulan</h3><p>Pada praktikum kali ini mempelajari tentang konsep abstraksi dan kelas abstrak dalam PBO menggunakan bahasa Java. Kelas abstrak digunakan sebagai dasar bagi kelas turunan dan tidak dapat dibuat menjadi objek secara langsung. Selain itu, kelas abstrak dapat memiliki metode abstrak yang wajib diimplementasikan oleh kelas turunannya serta metode biasa yang sudah memiliki isi. Melalui praktikum ini, dapat disimpulkan bahwa penggunaan kelas abstrak membantu membuat struktur program lebih teratur dan memudahkan penerapan pewarisan dalam Java.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum PBO: Modul 9 — Abstraksi dan Kelas Abstrak</em>. Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/bc97d76db1a4467a78c9c5c53eeca4b25d5003a2/zay/PraktikumPBO_9.zip">https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/bc97d76db1a4467a78c9c5c53eeca4b25d5003a2/zay/PraktikumPBO_9.zip</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=abcd19265e30" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jaringan Komputer: Konfigurasi VLAN Menggunakan Cisco Packet Tracer]]></title>
            <link>https://medium.com/@zaydangustav2657/jaringan-komputer-konfigurasi-vlan-menggunakan-cisco-packet-tracer-477472054076?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/477472054076</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Mon, 02 Nov 2026 14:21:44 GMT</pubDate>
            <atom:updated>2026-11-02T14:21:44.919Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p><strong>VLAN (<em>Virtual Local Area Network</em>)</strong> merupakan teknologi jaringan yang digunakan untuk membagi jaringan menjadi beberapa kelompok secara virtual tanpa harus memisahkan perangkat berdasarkan lokasi fisiknya. Penggunaan VLAN dapat membantu mengatur jaringan agar lebih fleksibel, meningkatkan keamanan, dan mengurangi lalu lintas data yang tidak diperlukan.</p><p>Pada praktikum ini, dilakukan konfigurasi VLAN menggunakan aplikasi Cisco Packet Tracer. Praktikum berfokus pada pembuatan VLAN pada switch, pengaturan port untuk setiap VLAN, serta pengujian koneksi antar-PC untuk mengetahui perbedaan komunikasi perangkat dalam VLAN yang sama dan VLAN yang berbeda.</p><h3>Dasar Teori</h3><h4>A. Pengertian VLAN</h4><p>VLAN (<em>Virtual Local Area Network</em>) adalah teknologi yang digunakan untuk membagi jaringan secara virtual menjadi beberapa kelompok. Dengan VLAN, perangkat dapat dikelompokkan berdasarkan kebutuhan tanpa harus berada di lokasi fisik yang sama.</p><h4>B. Fungsi VLAN</h4><p>VLAN memiliki beberapa fungsi, yaitu meningkatkan keamanan jaringan, menghemat penggunaan sumber daya jaringan, meningkatkan kinerja jaringan, mengurangi lalu lintas <em>broadcast</em> yang tidak diperlukan, serta memudahkan pengelolaan jaringan.</p><h4>C. Cara Kerja VLAN</h4><p>VLAN bekerja dengan mengelompokkan perangkat melalui konfigurasi pada switch yang dapat dikelola. Setiap port switch dapat dimasukkan ke VLAN tertentu sehingga perangkat yang terhubung ke port tersebut menjadi bagian dari VLAN tersebut. Perangkat yang berada pada VLAN berbeda tidak dapat berkomunikasi secara langsung tanpa konfigurasi perangkat Layer 3, seperti router, untuk menghubungkan kedua VLAN.</p><h3>Tujuan</h3><ol><li>Memahami pengertian dan konsep dasar VLAN.</li><li>Mengetahui cara membuat VLAN pada switch menggunakan Cisco Packet Tracer.</li><li>Mampu mengatur port switch agar sesuai dengan VLAN yang ditentukan.</li><li>Mengetahui cara menguji koneksi antar-PC menggunakan perintah ping.</li><li>Memahami perbedaan komunikasi antarperangkat dalam VLAN yang sama dan VLAN yang berbeda.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Web browser</li><li>Aplikasi Cisco Packet Tracer</li><li>Koneksi internet</li></ul><h3>Praktikum</h3><h4><strong>1. Membuka Aplikasi Cisco Packet Tracer</strong></h4><p>Pertama, buka aplikasi Cisco Packet Tracer pada Laptop/PC yang akan digunakan untuk membuat simulasi jaringan dan melakukan konfigurasi VLAN.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fe76yrJ2CwcYY7QvojXDCw.png" /></figure><h4>2. Membuat Topologi Jaringan dan Menghubungkan Setiap Perangkat</h4><p>Setelah aplikasi terbuka, selanjutnya membuat topologi jaringan dengan menambahkan satu buah Switch 2960 dan empat PC sesuai dengan perangkat pada modul.</p><p>Selanjutnya, hubungkan seluruh PC dan laptop ke Switch menggunakan kabel Copper Straight-Through. Pilih port FastEthernet pada masing-masing perangkat dan hubungkan ke port FastEthernet yang tersedia pada Switch. Pastikan semua perangkat sudah terhubung dengan benar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/789/1*5GxoJKN5xEzT74FF3VqbEQ.png" /></figure><p>Pada topologi ini satu buah Switch yang berada di tengah dan terhubung dengan empat PC. PC0 dan PC1 ditempatkan pada kelompok VLAN 10, sedangkan PC2 dan PC3 ditempatkan pada kelompok VLAN 20.</p><h4>3. Mengatur IP Adress</h4><p>Setelah seluruh perangkat terhubung, selanjutnya mengatur IP Address pada setiap perangkat. Caranya dengan memilih perangkat, membuka menu Desktop, kemudian memilih IP Configuration.</p><p>Masukkan IP Address dan Subnet Mask sesuai dengan pembagian jaringan. Berdasarkan topologi pada modul, alamat IP yang digunakan yaitu dengan NPM, NPM saya adalah 60.</p><ul><li>PC0: 10.10.60.10</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/991/1*qClUaDC_7MbQHAY4WoA8DQ.png" /></figure><ul><li>PC1: 10.10.60.11</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1008/1*Ipg66t6HFNX0Qgc9BxTP7w.png" /></figure><ul><li>PC2: 20.20.60.20</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/997/1*gt86C4ONzUh0jv3RHfeeNw.png" /></figure><ul><li>PC3: 20.20.60.21</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1003/1*Yfw1IGWPQruq-PgIX6gtGA.png" /></figure><p>Seluruh perangkat tersebut menggunakan Subnet Mask 255.0.0.0, pengaturan IP Address disesuaikan dengan pembagian VLAN masing-masing.</p><h4><strong>4. Membuka CLI pada Switch</strong></h4><p>Jika pengaturan IP Address sudah selesai, selanjutnya lakukan konfigurasi pada Switch. Klik perangkat Switch, kemudian pilih tab CLI (Command Line Interface). Setelah tampilan CLI terbuka, masukkan perintah berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/294/1*I7Je25oo054wWJXv_BrRyw.png" /></figure><p>Kode tersebut digunakan untuk memasukkan perintah konfigurasi. Perintah enable digunakan untuk masuk ke mode privileged EXEC, sedangkan configure terminal digunakan untuk masuk ke mode konfigurasi.</p><h4><strong>5. Membuat VLAN</strong></h4><p>Setelah masuk ke mode konfigurasi, selanjutnya membuat VLAN yang akan digunakan. Terdapat dua VLAN, yaitu VLAN 10 dan VLAN 20. Masukkan perintah berikut secara berurutan:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/379/1*FCXRUlXxQj4ng6T4p4KzQQ.png" /></figure><p>Perintah vlan digunakan untuk membuat VLAN berdasarkan ID, sedangkan name digunakan untuk memberikan nama pada VLAN tersebut.</p><h4><strong>6. Mengatur Port Switch pada Setiap VLAN</strong></h4><p>Setelah seluruh VLAN berhasil dibuat, langkah berikutnya adalah mengatur port pada Switch agar setiap perangkat masuk ke VLAN yang telah ditentukan. Konfigurasi dilakukan dengan memilih port yang terhubung ke perangkat, kemudian memasukkannya ke VLAN yang sesuai menggunakan perintah switchport access vlan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/459/1*wfz9m9Etq3NZi_HVWElHuw.png" /></figure><p>Terlihat bahwa port FastEthernet 0/1 dan 0/2 dimasukkan ke VLAN 10, sedangkan port FastEthernet 0/3 dan 0/4 dimasukkan ke VLAN 20. Pengaturan ini bertujuan agar setiap perangkat tergabung dalam kelompok jaringan yang sesuai.</p><h4><strong>7. Memeriksa Hasil Konfigurasi VLAN</strong></h4><p>Setelah semua port berhasil dimasukkan ke VLAN masing-masing, selanjutnya periksa hasil konfigurasi dengan memasukkan perintah berikut pada CLI Switch.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/936/1*aCcqzM4D2evu_EmKOjIiFQ.png" /></figure><p>Dari perintah tersebut, dapat diketahui apakah VLAN dan pembagian port sudah sesuai dengan konfigurasi yang dilakukan. Pastikan VLAN 10 dan VLAN 20 sudah muncul pada daftar.</p><h4><strong>8. Melakukan Pengujian Koneksi</strong></h4><p>Jika seluruh konfigurasi sudah sesuai, langkah selanjutnya adalah melakukan pengujian koneksi antarperangkat menggunakan perintah ping. Caranya dengan membuka salah satu PC, lalu memilih menu Desktop, kemudian membuka Command Prompt.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/709/1*SO9l5I8FBG9L97ufQ-gDjA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/739/1*jl_L0WXZfNw1OBFnLjzHrw.png" /></figure><h4><strong>10. Menambahkan Perangkat untuk di Uji</strong></h4><p>Setelah konfigurasi VLAN 10 dan VLAN 20 selesai, dilakukan pengembangan topologi dengan menambahkan beberapa laptop sebagai perangkat tambahan. Laptop tersebut dihubungkan ke Switch menggunakan kabel Copper Straight-Through melalui port FastEthernet yang masih tersedia.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/823/1*DYpGU2Ct5vTYkxbs8r9OXQ.png" /></figure><h4>11. Mengatur IP Address Tambahan</h4><p>Sama seperti sebelumnya, yaitu mengatur IP Address sesuai dengan perangkat yang ditambahkan.</p><ul><li>Laptop0: 30.30.60.30</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1003/1*Uzf5k4nbu5wfxDZ4bYjL5Q.png" /></figure><ul><li>Laptop0: 40.40.60.40</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/1*FLwvBi4vV1l_GIPLRhAbBg.png" /></figure><ul><li>Laptop0: 50.50.60.50</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1005/1*8vToJhUFMfdbPap7ci6VQg.png" /></figure><h4><strong>12. Membuat VLAN Tambahan</strong></h4><p>Selanjutnya, buka kembali CLI pada Switch untuk membuat tiga VLAN tambahan, yaitu VLAN 30, VLAN 40, dan VLAN 50. Lakukan secara berurutan juga.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/375/1*b_JurJd6TGlaTJYDVnX2jg.png" /></figure><h4><strong>13. Mengatur Port untuk VLAN Tambahan</strong></h4><p>Selanjutnya mengatur port Switch yang terhubung dengan masing-masing laptop. Setiap port dimasukkan ke VLAN sesuai dengan kelompoknya menggunakan perintah switchport access vlan. VLAN 30, VLAN 40, dan VLAN 50 diatur pada port yang berbeda agar setiap laptop tergabung dalam kelompok jaringan masing-masing.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/462/1*J6rcruFSjdDOAN4E4dEGPQ.png" /></figure><h4><strong>14. Memeriksa Hasil Konfigurasi Tambahan</strong></h4><p>Setelah pengaturan port selesai, periksa kembali seluruh VLAN menggunakan perintah show vlan .</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/934/1*rpztRBeLbTku4fRb18XFeg.png" /></figure><p>VLAN 30, VLAN 40, dan VLAN 50 sudah berhasil dibuat serta memastikan port yang digunakan sudah masuk ke VLAN yang sesuai.</p><h4><strong>15. Melakukan Pengujian Koneksi</strong></h4><p>Terakhir, lakukan pengujian koneksi menggunakan perintah ping melalui Command Prompt pada masing-masing laptop. Pengujian dilakukan untuk mengetahui apakah perangkat dalam VLAN yang sama dapat saling terhubung dan apakah perangkat dengan VLAN berbeda memiliki koneksi yang terpisah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/691/1*uf6QZdyr5g4kAR7QWL5sPg.png" /></figure><p>Hasilnya laptop pada VLAN 30 berhasil melakukan ping ke perangkat dalam VLAN yang sama, sedangkan koneksi menuju perangkat pada VLAN 40 dan VLAN 50 tidak berhasil. Hal tersebut menunjukkan bahwa penambahan VLAN dapat membagi perangkat ke dalam kelompok jaringan yang berbeda.</p><h3>Kesimpulan</h3><p>Pada praktikum kali ini mempelajari cara membuat dan mengatur VLAN menggunakan aplikasi Cisco Packet Tracer. Konfigurasi dilakukan dengan membuat beberapa VLAN, yaitu VLAN 10 dan VLAN 20 serta VLAN 30, VLAN 40, dan VLAN 50 sebagai latihan tambahan, kemudian mengatur port switch sesuai dengan VLAN masing-masing perangkat. Pengujian dilakukan menggunakan perintah show vlan untuk melihat hasil konfigurasi dan ping untuk mengetahui koneksi antarperangkat. Dari praktikum ini, dapat disimpulkan bahwa VLAN dapat digunakan untuk membagi jaringan menjadi beberapa kelompok sehingga komunikasi antarperangkat dapat diatur berdasarkan VLAN yang digunakan.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Jaringan Komputer: Pertemuan 9 — Virtual Local Area Network (VLAN).</em> Program Studi Teknologi Informasi.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=477472054076" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jaringan Komputer: Konfigurasi Wireless Network Menggunakan Cisco Packet Tracer]]></title>
            <link>https://medium.com/@zaydangustav2657/jaringan-komputer-konfigurasi-wireless-network-menggunakan-cisco-packet-tracer-27c63af7a5a7?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/27c63af7a5a7</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Fri, 09 Oct 2026 01:56:33 GMT</pubDate>
            <atom:updated>2026-10-10T09:32:47.536Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Wireless Network merupakan jaringan yang memungkinkan perangkat terhubung dan melakukan komunikasi tanpa menggunakan kabel sebagai media utama. Salah satu perangkat yang digunakan dalam jaringan wireless adalah <strong>wireless router</strong>, yaitu perangkat yang memiliki fungsi sebagai router sekaligus wireless access point. Wireless router dapat digunakan untuk menyediakan akses internet maupun membangun <strong>Wireless LAN (WLAN)</strong>.</p><p>Pada praktikum ini dilakukan simulasi jaringan wireless menggunakan <strong>Cisco Packet Tracer</strong>. Simulasi meliputi desain WLAN, konfigurasi wireless router, pengaturan keamanan jaringan, konfigurasi IP address, serta menghubungkan beberapa perangkat client ke wireless router.</p><h3>Tujuan</h3><ol><li>Memahami konsep dasar <strong>wireless router</strong>.</li><li>Mengetahui cara membuat dan mengkonfigurasi jaringan <strong>Wireless LAN (WLAN)</strong>.</li><li>Melakukan konfigurasi <strong>SSID, keamanan wireless, dan IP address</strong> pada wireless router.</li><li>Menghubungkan perangkat client ke jaringan wireless.</li><li>Melakukan pengujian koneksi antara perangkat client dengan wireless router menggunakan <strong>Cisco Packet Tracer</strong>.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Web browser</li><li>Aplikasi perkantoran (Microsoft Office, LibreOffice, atau WPS Office)</li><li>Cisco Packet Tracer</li><li>Perangkat jaringan yang disimulasikan, yaitu <strong>Wireless Router WRT300N</strong>, laptop, PC, tablet PC, smartphone, dan printer</li><li>Konrksi internet</li></ul><h3>Dasar Teori</h3><h4>1. Wireless Router</h4><p>Wireless router adalah perangkat jaringan yang memiliki fungsi sebagai <strong>router</strong> dan <strong>wireless access point</strong>. Router berfungsi untuk melakukan routing dan forwarding packet data dari satu jaringan ke jaringan lainnya, sedangkan wireless access point digunakan untuk menyediakan koneksi secara nirkabel. Wireless router dapat digunakan untuk menyediakan akses internet maupun membangun <strong>Wireless LAN (WLAN)</strong>.</p><h4>2. Linksys WRT300N</h4><p><strong>Linksys WRT300N</strong> merupakan perangkat internet-sharing router yang memiliki beberapa port ethernet untuk menghubungkan perangkat menggunakan kabel RJ45. Perangkat ini juga dilengkapi teknologi <strong>MIMO (Multiple Input Multiple Output)</strong> yang menggunakan beberapa radio untuk menghasilkan sinyal yang lebih kuat dan jangkauan yang lebih luas.</p><h4>3. SSID</h4><p><strong>SSID (Service Set Identifier)</strong> adalah nama yang digunakan oleh jaringan wireless. SSID dipancarkan oleh wireless router atau access point untuk memberitahukan keberadaan jaringan kepada perangkat lain. Pada praktikum ini, SSID yang digunakan adalah <strong>TI Hotspot</strong>.</p><h4>4. Keamanan WLAN</h4><p>Keamanan WLAN digunakan untuk menjaga kerahasiaan, keaslian, dan integritas data yang dikirimkan melalui jaringan. Beberapa protokol keamanan WLAN yang terdapat pada modul adalah <strong>WEP, WPA, dan WPA2</strong>. Pada praktikum ini digunakan <strong>WPA2 Personal</strong> dengan metode enkripsi <strong>AES</strong>.</p><h4>5. IP Address dan DHCP</h4><p><strong>IP address</strong> digunakan sebagai alamat pada perangkat dalam jaringan, sedangkan <strong>subnet mask</strong> digunakan untuk menentukan bagian jaringan dari suatu IP address. <strong>DHCP (Dynamic Host Configuration Protocol)</strong> digunakan untuk memberikan IP address kepada perangkat client secara otomatis. Pada praktikum, DHCP diaktifkan pada wireless router agar perangkat client dapat memperoleh IP address secara otomatis.</p><h3>Praktikum</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/661/1*6TPV4QAWC8bQCO93axebQg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/459/1*r1Ub_UKay5aCFU2ZYycwsQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/603/1*Q5rbvlY8S_RSnicinQ1UNA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/946/1*XtFNFKrKp2q77hxFQMNvWQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/580/1*u6p2tXWSssbjP7I80W2Jzg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/961/1*VXw2bs8tcjQsyAxKiLVjnw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JRHVOgZ6LpkPrMq6CMzZnA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KhE9L5glBmfDFMBimfXY3Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VYC8QAM-dPXjr8KM8mXJDw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0sczDcMAYLk18hdvreW9rg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/948/1*XuLwxiD1bkR2awn1UOfxpA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/585/1*gDaPlJXdv68IAWlCvB4zCQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/604/1*-7hHP6Skq-keIcjiLKM6pA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/934/1*HKA1IxN47mlY_PTgskg-Wg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/580/1*w7Xoeyo_FrYulZ3__MNlpA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/577/1*IOAODEPoggVlsDvFUs1vag.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1009/1*UqwZuPq-X-bhXInezobbAQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*5XXa_F4c8IiK9bdvm0Uj9A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/598/1*A9Xj45rz1cYdQ4PAKZA7lw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/1*4aPZK8G3fpcf1r7U6XOw_Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/1*GQPDo47NzgbtRpYJfhT85A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*aWDcdEXnJrC8XaFDjkSzcQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/589/1*MewLPKU6or-932iUPUXwiw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1005/1*te5mru76Ue6qTOBYslu9lQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/610/1*qMYJbzoDolhsYnpZ7bIyOQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/724/1*ehYjLW7Bqbzw-hgjysDT7Q.png" /></figure><h3>Kesimpulan</h3><p>Berdasarkan praktikum yang dilakukan, dapat disimpulkan bahwa <strong>wireless router</strong> dapat digunakan untuk membangun jaringan <strong>Wireless LAN (WLAN)</strong> dan menghubungkan beberapa perangkat secara nirkabel. Konfigurasi yang dilakukan meliputi pengaturan <strong>SSID, keamanan wireless menggunakan WPA2 Personal dan AES, IP address, subnet mask, serta DHCP</strong>. Setelah konfigurasi selesai, perangkat client seperti PC, printer, tablet PC, dan smartphone dapat dihubungkan ke wireless router dan dilakukan pengujian koneksi. Praktikum ini membantu memahami dasar konfigurasi dan penggunaan jaringan wireless melalui simulasi <strong>Cisco Packet Tracer</strong>.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Jaringan Komputer: Pertemuan 5 — Wireless Network.</em> Program Studi Teknologi Informasi.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=27c63af7a5a7" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data: Membangun Pipeline Analisis Data End-to-End Menggunakan HDFS dan PySpark]]></title>
            <link>https://medium.com/@zaydangustav2657/big-data-membangun-pipeline-analisis-data-end-to-end-menggunakan-hdfs-dan-pyspark-51def5ae6a2f?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/51def5ae6a2f</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Wed, 07 Oct 2026 12:12:52 GMT</pubDate>
            <atom:updated>2026-10-27T07:42:04.796Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Big Data merupakan pengolahan data dalam jumlah besar yang membutuhkan teknologi dan metode khusus agar data dapat disimpan, diolah, dan dianalisis dengan lebih efektif. Pada praktikum sebelumnya, telah dipelajari beberapa teknologi seperti HDFS dan PySpark secara terpisah. Pada Pertemuan 7, seluruh materi tersebut digunakan secara bersamaan dalam sebuah studi kasus terintegrasi untuk membentuk alur analisis Big Data secara <strong>end-to-end</strong>.</p><p>Pada praktikum ini digunakan beberapa sumber data dengan format yang berbeda, yaitu <strong>JSON</strong> untuk data toko, <strong>CSV</strong> untuk data produk, dan <strong>CSV</strong> untuk data transaksi. Data utama disimpan pada <strong>HDFS</strong> sebagai distributed storage, kemudian dibaca dan diolah menggunakan <strong>Spark DataFrame API</strong>. Selanjutnya dilakukan proses <strong>join</strong> untuk menggabungkan data, pembuatan kolom turunan, penggunaan <strong>window function</strong> untuk menentukan produk terlaris, serta penggunaan <strong>Spark SQL</strong> untuk menganalisis kontribusi manajer cabang.</p><p>Hasil pengolahan data kemudian disimpan kembali ke HDFS dalam format <strong>Parquet</strong> dengan partitioning berdasarkan kategori produk. Tahapan tersebut menunjukkan bagaimana proses <strong>ETL (Extract, Transform, Load)</strong> dapat diterapkan dalam satu pipeline Big Data hingga menghasilkan ringkasan data yang dapat digunakan sebagai bahan analisis dan laporan.</p><h3>Tujuan</h3><ol><li>Memahami dan menerapkan alur analisis Big Data secara <strong>end-to-end</strong> mulai dari data mentah hingga menjadi laporan akhir.</li><li>Mengintegrasikan <strong>HDFS, Spark DataFrame API, Spark SQL, dan Parquet</strong> dalam satu pipeline pengolahan data.</li><li>Menerapkan proses <strong>Extract, Transform, dan Load (ETL)</strong> pada data dari beberapa sumber.</li><li>Menerapkan <strong>join</strong> untuk menggabungkan beberapa sumber data.</li><li>Menerapkan <strong>window function</strong> untuk menentukan peringkat data berdasarkan kriteria tertentu.</li><li>Menghasilkan ringkasan dan insight dari hasil pengolahan data menggunakan Spark.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Oracle VirtualBox/Dual Boot</li><li>Ubuntu</li><li>Jupyter Notebook</li><li>Terminal</li><li>Koneksi Internet</li></ul><h3>Dasar Teori</h3><h4>1. Big Data End-to-End</h4><p>Analisis Big Data <strong>end-to-end</strong> adalah proses pengolahan data secara menyeluruh, mulai dari data mentah yang berasal dari beberapa sumber, proses penyimpanan dan pengolahan, hingga menghasilkan informasi atau laporan akhir. Pada praktikum ini, alur tersebut diterapkan mulai dari data yang dibuat dalam format JSON dan CSV, disimpan pada HDFS, diproses menggunakan PySpark, hingga menghasilkan laporan dalam format Parquet.</p><h4>2. HDFS</h4><p><strong>Hadoop Distributed File System (HDFS)</strong> merupakan sistem penyimpanan terdistribusi yang digunakan untuk menyimpan data dalam ekosistem Hadoop. HDFS digunakan untuk menyimpan data mentah sehingga data dapat dikelola pada lingkungan Big Data. Dalam praktikum ini, data transaksi, data toko, dan data produk diunggah ke HDFS sebelum dilakukan proses pengolahan menggunakan Spark.</p><h4>3. Apache Spark dan PySpark</h4><p><strong>Apache Spark</strong> merupakan framework untuk melakukan pemrosesan data dalam skala besar. Spark dapat melakukan pemrosesan data dengan memanfaatkan memori sehingga pengolahan data dapat dilakukan secara efisien. <strong>PySpark</strong> merupakan API Python yang digunakan untuk menjalankan Apache Spark menggunakan bahasa Python.</p><h4>4. SparkSession</h4><p><strong>SparkSession</strong> merupakan objek utama yang digunakan untuk berinteraksi dengan Spark. SparkSession digunakan untuk membuat dan mengatur aplikasi Spark serta membaca dan mengolah data. Pada praktikum ini, SparkSession digunakan sebelum melakukan proses pengolahan data menggunakan DataFrame.</p><h4>5. Spark DataFrame</h4><p><strong>Spark DataFrame</strong> merupakan struktur data berbentuk tabel yang digunakan Spark untuk mengolah data. DataFrame memiliki baris dan kolom seperti tabel pada database. Pada praktikum ini, data transaksi, data toko, dan data produk masing-masing dibaca menjadi Spark DataFrame.</p><h4>6. Join</h4><p><strong>Join</strong> merupakan proses menggabungkan data dari dua atau lebih tabel berdasarkan kolom yang memiliki hubungan. Pada praktikum ini, df_transaksi, df_toko, dan df_produk digabungkan menggunakan join() berdasarkan toko_id dan product_id. Dengan proses ini, data transaksi dapat dilengkapi dengan informasi toko dan produk.</p><h4>7. Window Function</h4><p><strong>Window function</strong> digunakan untuk melakukan analisis pada kelompok data tanpa menghilangkan baris data yang ada. Salah satu fungsi yang digunakan adalah row_number() untuk memberikan nomor urut pada data berdasarkan suatu kondisi. Pada praktikum ini, window function digunakan untuk menentukan <strong>top-3 produk terlaris pada setiap toko</strong> berdasarkan total penjualan.</p><h4>8. Spark SQL</h4><p><strong>Spark SQL</strong> merupakan fitur Spark yang digunakan untuk melakukan pengolahan data menggunakan sintaks SQL. DataFrame dapat dibuat menjadi temporary view menggunakan createOrReplaceTempView(), kemudian dianalisis menggunakan spark.sql(). Pada praktikum ini, Spark SQL digunakan untuk mengetahui kontribusi penjualan berdasarkan kota dan manajer cabang.</p><h4>9. ETL</h4><p><strong>ETL (Extract, Transform, Load)</strong> merupakan tahapan dalam pengolahan data yang terdiri dari tiga proses utama. <strong>Extract</strong> adalah proses mengambil data dari sumber, <strong>Transform</strong> adalah proses mengolah dan menggabungkan data, sedangkan <strong>Load</strong> adalah proses menyimpan hasil pengolahan ke tempat penyimpanan tujuan. Pada praktikum ini, ketiga tahapan diterapkan menggunakan HDFS dan PySpark.</p><h4>10. Parquet</h4><p><strong>Parquet</strong> merupakan format penyimpanan data berbasis <strong>columnar format</strong> yang banyak digunakan dalam pengolahan Big Data. Format ini menyimpan data berdasarkan kolom sehingga dapat mendukung proses analisis data dengan lebih efisien. Pada praktikum ini, hasil pengolahan data disimpan ke HDFS dalam format Parquet dan menggunakan <strong>partitioning berdasarkan kategori produk</strong>.</p><h4>11. Partitioning</h4><p><strong>Partitioning</strong> adalah teknik membagi data berdasarkan nilai tertentu sehingga data tersimpan dalam beberapa bagian atau partisi. Partitioning dapat membantu pengelolaan dan pembacaan data menjadi lebih terstruktur. Dalam praktikum ini, data hasil pengolahan disimpan dengan partitioning berdasarkan kategori produk.</p><h3>Praktikum</h3><h4>Persiapan: Membuat SparkSession dan Tiga Sumber Data</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0ZgL_wOz6Hv0F1X99oFk8w.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*59ri8FU4l3pHtS__r-E3Ag.png" /></figure><h4>Mengunggah Sumber Data Utama ke HDFS</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gpT6KAnO7d9eJW1hVmjxjw.png" /></figure><h4>Tahap EXTRACT — Membaca dari HDFS</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P9UA6EoLGSHF0ssRXJ61XA.png" /></figure><h4>Tahap TRANSFORM</h4><blockquote><strong><em>1. Menggabungkan Ketiga Sumber (Join)</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*N-oY9gZLqJqarvc7Tq1eVg.png" /></figure><blockquote><strong><em>2. Window Function — Top 3 Produk Terlaris per Toko</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rflBM0Mj7FC2uXdDpOQhHw.png" /></figure><blockquote><strong><em>3. Spark SQL — Kontribusi per Manajer Cabang</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*k88cTwQMQwcR7013S55iDw.png" /></figure><h4>Tahap LOAD — Menyimpan Laporan Akhir ke HDFS</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5TSU8ShBtfqHAll7pjnYYg.png" /></figure><h4>Verifikasi Akhir — Ringkasan Eksekutif</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sedKsXslQ-lMaiJq0w0YLw.png" /></figure><h4>Menutup SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6b_4e3RFH-avhEazX05P6A.png" /></figure><h3>Latihan</h3><p>Sebelum mengerjakan soal, jalankan ulang cell pembuatan SparkSession dan ketiga DataFrame (df_transaksi, df_toko, df_produk, baca dari HDFS) sebelum mengerjakan latihan berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LPVto58NZaaCCCNnWZg9Aw.png" /></figure><h4>1. Menggunakan Spark SQL, tampilkan <strong>kategori produk</strong> dengan total qty (jumlah unit terjual, bukan nilai rupiah) tertinggi secara keseluruhan.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0t9PXJDRQA_sbq5ESrNjsA.png" /></figure><h4>2. Menggunakan window function, tentukan <strong>toko dengan penjualan tertinggi</strong> untuk <strong>masing-masing kategori produk</strong> (top-1 saja, gunakan row_number()).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j-qfoFVOQphO05tdQTcTOg.png" /></figure><h4>3. pan hasil ringkasan_eksekutif (dari Sub-bab 7.4 di atas — silakan buat ulang) ke HDFS sebagai Parquet <strong>tanpa partisi</strong>, pada path user/mahasiswa/latihan7/ringkasan_eksekutif.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OFPDWNDVj8odmJCuN3FIEQ.png" /></figure><h4>4. Sebagai persiapan UTS, jelaskan dalam 4–5 kalimat: bagaimana <strong>HDFS, Spark, dan format Parquet saling melengkapi</strong> dalam satu ekosistem Big Data? Gunakan istilah-istilah yang telah anda pelajari sejak Pertemuan 3 (mis. distributed storage, in-memory processing, columnar format, partitioning).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*miyNBX4OnGMElIy1YOJ3SQ.png" /></figure><h3>Tugas</h3><h4>Menyiapkan DataSet</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4z3zuPxkNXINclHSD9qQLw.png" /></figure><h4>Import dan Membuat SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RQbTVIvnl_3zKzJABepYHw.png" /></figure><h4>A. EXTRACT</h4><blockquote>Membaca ketiga sumber data dari HDFS</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/891/1*IT3p7eqyr5Xw77bVdHy8yg.png" /></figure><blockquote>Cek struktur masing-masing DataFrame</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/881/1*XlD8KydYv6okp1W8ZVkFDg.png" /></figure><h4>B. TRANSFORM — JOIN &amp; KOLOM TURUNAN</h4><blockquote>Menggabungkan ketiga DataFrame</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SxZ4XZtPHWF6mttXvlHeIg.png" /></figure><blockquote>Menambahkan total_penjualan</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wVbybZmdlOaeb5Qgo5WdYw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kq92WshQ3tV-XrTqaHIkLA.png" /></figure><h4>C. TRANSFORM — WINDOW FUNCTION</h4><blockquote>Ringkas total penjualan per cabang dan menu</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/904/1*K7T98jCmmw_zsfH1PRfWNw.png" /></figure><blockquote>Membuat window function, Menggunakan row-number(), dan Menampilkan hasil top-2</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/1*-8_eiEQH7lEBKO6qb4ZQgQ.png" /></figure><h4>D. TRANSFORM — SPARK SQL</h4><blockquote>Buat temporary view dan jalankan SparkSQL</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/1*8sIekjN8i14UB5EY4HLAsA.png" /></figure><h4>E. LOAD</h4><blockquote>Membuat folder processed</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/904/1*k4vg9Vs9uIYAl-0Ie5uEBg.png" /></figure><blockquote>Menyimpan df_gabungan sebagai Parquet</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/902/1*hhOju1aKpCP18eRkdWKPyw.png" /></figure><blockquote>Verifikasi folder HDFS</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/898/1*OYbYas_WZ4TLtrY1_5WY4Q.png" /></figure><blockquote>Membaca kembali Parquet</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xp6EU0gw1cVDNO-oAgDLOg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v6v74TCAbuvnAMilJclT_A.png" /></figure><h4>F. RINGKASAN EKSEKUTIF</h4><blockquote>Membuat tabel ringkasan per cabang</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yvD_pL5bfR5JPNosgTml1w.png" /></figure><blockquote>Cabang mana yang berkinerja terbaik, menu apa yang sebaiknya dipromosikan lebih gencar di cabang dengan kinerja terlemah (berdasarkan temuan bagian C), dan alasannya.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/867/1*ezb_usVg9xicjX4p5xBWgw.png" /></figure><h4>Menutup SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/890/1*gXhMyg8wpdBto7Z5d4VysA.png" /></figure><h3>Kesimpulan</h3><p>Pada praktikum kali ini menunjukkan penerapan analisis Big Data secara <strong>end-to-end</strong> menggunakan beberapa teknologi dalam satu pipeline. Data dari beberapa sumber dengan format JSON dan CSV disimpan pada <strong>HDFS</strong>, kemudian dibaca dan diolah menggunakan <strong>PySpark</strong>. Proses transformasi dilakukan dengan <strong>join</strong>, pembuatan kolom turunan, <strong>window function</strong>, dan <strong>Spark SQL</strong> untuk menghasilkan informasi yang dibutuhkan. Hasil pengolahan selanjutnya disimpan dalam format <strong>Parquet</strong> dengan partitioning berdasarkan kategori produk. Dengan demikian, praktikum ini memberikan pemahaman tentang bagaimana HDFS, Spark, ETL, dan Parquet dapat saling terintegrasi dalam proses pengolahan dan analisis Big Data.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Big Data: Pertemuan 7 — Studi Kasus Terintegrasi: Analisis Big Data End-to-End.</em> Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%207">Praktikum-Big-Data/Praktikum 7 at main · Zaydannn357/Praktikum-Big-Data</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=51def5ae6a2f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PBO: Menerapkan Polimorfisme melalui Overloading dan Overriding pada Java]]></title>
            <link>https://medium.com/@zaydangustav2657/pbo-menerapkan-polimorfisme-melalui-overloading-dan-overriding-pada-java-3831df115321?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/3831df115321</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Fri, 02 Oct 2026 15:15:52 GMT</pubDate>
            <atom:updated>2026-10-02T15:15:52.434Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Pemrograman Berorientasi Objek (PBO) memiliki konsep <strong>polimorfisme</strong> yang memungkinkan satu kelas induk digunakan oleh berbagai kelas turunan dengan perilaku yang berbeda. Dengan konsep ini, objek dari beberapa kelas turunan dapat diperlakukan sebagai objek dari kelas induk yang sama.</p><p>Pada modul ini dipelajari dua bentuk utama polimorfisme, yaitu <strong>compile-time</strong> melalui <strong>overloading</strong> dan <strong>runtime</strong> melalui <strong>overriding</strong>. Konsep tersebut diterapkan pada Java menggunakan kelas induk dan kelas turunan agar program lebih fleksibel dan mudah digunakan kembali.</p><h3>Tujuan</h3><ol><li>Memahami konsep <strong>polimorfisme</strong> dalam Pemrograman Berorientasi Objek.</li><li>Mampu menerapkan polimorfisme menggunakan <strong>kelas induk dan kelas turunan</strong>.</li><li>Memahami dan menerapkan <strong>method overloading</strong>.</li><li>Memahami dan menerapkan <strong>method overriding</strong>.</li><li>Mengetahui manfaat polimorfisme dalam membuat program yang lebih fleksibel dan <strong>reusable</strong>.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li><strong>Web Browser</strong></li><li><strong>Aplikasi Kantor</strong> (Microsoft Office, LibreOffice, atau WPS Office)</li><li><strong>JDK</strong>.</li><li><strong>NetBeans</strong>.</li><li>Koneksi Internet</li></ul><h3>Dasar Teori</h3><h4>1. Pengertian Polimorfisme</h4><p><strong>Polimorfisme</strong> berarti “banyak bentuk”. Dalam PBO, polimorfisme memungkinkan satu <strong>kelas induk (superclass)</strong> digunakan oleh beberapa <strong>kelas turunan (subclass)</strong> dengan perilaku yang berbeda. Walaupun memiliki nama method yang sama, setiap subclass dapat memiliki isi dan output yang berbeda. Polimorfisme berlaku pada <strong>method</strong>, bukan atribut.</p><p>Contoh pada modul menggunakan Bentuk sebagai superclass serta Lingkaran, Elips, dan Segitiga sebagai subclass.</p><p>Class Bentuk:</p><pre>public class Bentuk {<br>    protected void gambar() {<br>        System.out.println(&quot;superclass -&gt; Menggambar &quot;);<br>    }<br><br>    protected void hapus() {<br>        System.out.println(&quot;superclass -&gt; Menghapus Gambar&quot;);<br>    }<br>}</pre><p>Class Bentuk merupakan <strong>kelas induk</strong> yang memiliki method gambar() dan hapus(). Kedua method tersebut menjadi method yang dapat digunakan dan dikembangkan oleh kelas turunannya.</p><p>Class Lingkaran:</p><pre>public class Lingkaran extends Bentuk {<br>    protected void gambar() {<br>        System.out.println(&quot;subclass -&gt; Menggambar Lingkaran&quot;);<br>    }<br><br>    protected void hapus() {<br>        System.out.println(&quot;subclass -&gt; Menghapus Gambar Lingkaran&quot;);<br>    }<br>}</pre><p>Class Lingkaran menggunakan extends Bentuk, sehingga menjadi <strong>kelas turunan</strong> dari Bentuk. Method gambar() dan hapus() dibuat dengan perilaku khusus untuk objek lingkaran.</p><p>Class Segitiga:</p><pre>public class Segitiga extends Bentuk {<br>    protected void gambar() {<br>        System.out.println(&quot;subclass -&gt; Menggambar Segitiga&quot;);<br>    }<br><br>    protected void hapus() {<br>        System.out.println(&quot;subclass -&gt; Menghapus Gambar Segitiga&quot;);<br>    }<br>}</pre><p>Class Segitiga juga merupakan turunan dari Bentuk. Method gambar() dan hapus() memberikan output yang khusus untuk segitiga.</p><p>Class Elips:</p><pre>public class Elips extends Bentuk {<br>    protected void gambar() {<br>        System.out.println(&quot;subclass -&gt; Menggambar Elips&quot;);<br>    }<br><br>    protected void hapus() {<br>        System.out.println(&quot;subclass -&gt; Menghapus Gambar Elips&quot;);<br>    }<br>}</pre><p>Class Elips merupakan kelas turunan yang memberikan implementasi berbeda pada method gambar() dan hapus(). Dengan demikian, ketiga subclass memiliki method dengan nama yang sama, tetapi perilakunya berbeda.</p><p>Penerapan pada class Cetakgambar:</p><pre>public class Cetakgambar extends Bentuk {<br><br>    private void tampil(Bentuk[] obj) {<br>        for (int i = 0; i &lt; obj.length; i++) {<br>            obj[i].gambar();<br>            obj[i].hapus();<br>            System.out.println(&quot;================&quot;);<br>        }<br>    }<br><br>    public static void main(String[] args) {<br>        Bentuk[] obj = {<br>            new Lingkaran(),<br>            new Elips(),<br>            new Segitiga()<br>        };<br><br>        Cetakgambar cetak = new Cetakgambar();<br><br>        cetak.gambar();<br>        cetak.hapus();<br>        System.out.println(&quot;================&quot;);<br><br>        cetak.tampil(obj);<br>    }<br>}</pre><p>Pada kode tersebut, obj bertipe Bentuk[], tetapi dapat menyimpan objek Lingkaran, Elips, dan Segitiga. Method yang dipanggil akan menyesuaikan objek sebenarnya, sehingga menunjukkan penerapan <strong>polimorfisme</strong>.</p><p>Dalam Java, <strong>polimorfisme</strong> dibagi menjadi dua jenis utama, yaitu <strong>compile-time (static polymorphism)</strong> dan <strong>runtime (dynamic polymorphism)</strong>. Polimorfisme <strong>compile-time</strong> terjadi saat proses kompilasi dan dapat dicapai dengan <strong>method overloading</strong> atau operator overloading, sedangkan polimorfisme <strong>runtime</strong> terjadi saat program berjalan dan umumnya dicapai melalui <strong>method overriding</strong>.</p><h4>2. Overloading dan Overriding</h4><blockquote><strong><em>a. Overloading</em></strong></blockquote><p><strong>Overloading</strong> adalah penggunaan beberapa metode dengan nama yang sama dalam satu kelas, tetapi memiliki parameter yang berbeda, baik dari jumlah maupun tipe datanya. Dengan cara ini, satu nama metode dapat digunakan untuk beberapa operasi dengan input yang berbeda.</p><p><strong>Contoh overloading pada modul menggunakan class </strong><strong>Kalkulator:</strong></p><pre>public class Kalkulator {<br><br>    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>    }<br><br>    public int jumlahkan(int a, int b, int c) {<br>        return a + b + c;<br>    }<br>}</pre><p>Ketiga metode tersebut memiliki nama <strong>jumlahkan</strong>, tetapi parameternya berbeda. Perbedaan parameter tersebut membuat Java dapat menentukan metode yang akan digunakan berdasarkan jumlah dan tipe argumen yang diberikan.</p><p><strong>Contoh penggunaannya pada class </strong><strong>Main:</strong></p><pre>public class Main {<br>    public static void main(String[] args) {<br>        Kalkulator kalkulator = new Kalkulator();<br><br>        int hasil1 = kalkulator.jumlahkan(5, 3);<br>        double hasil2 = kalkulator.jumlahkan(2.5, 3.7);<br>        int hasil3 = kalkulator.jumlahkan(1, 2, 3);<br><br>        System.out.println(hasil1);<br>        System.out.println(hasil2);<br>        System.out.println(hasil3);<br>    }<br>}</pre><p>Kode tersebut membuat objek Kalkulator, kemudian memanggil metode jumlahkan() dengan jumlah dan tipe parameter yang berbeda.</p><blockquote><strong><em>b. Overriding</em></strong></blockquote><p><strong>Overriding</strong> adalah kondisi ketika kelas turunan mengganti implementasi metode yang sudah terdapat pada kelas induk. Nama dan parameter metode tetap sama, tetapi perilakunya dapat dibuat berbeda pada masing-masing kelas turunan.</p><p><strong>Contoh implementasi overriding dalam kode program :</strong></p><pre>class Hewan {<br>    public void suara() {<br>        System.out.println(&quot;Hewan bersuara&quot;);<br>    }<br>}<br><br>class Kucing extends Hewan {<br>    @Override<br>    public void suara() {<br>        System.out.println(&quot;Meow&quot;);<br>    }<br>}<br><br>class Anjing extends Hewan {<br>    @Override<br>    public void suara() {<br>        System.out.println(&quot;Woof&quot;);<br>    }<br>}</pre><p>Pada contoh tersebut, Hewan merupakan <strong>kelas induk</strong>, sedangkan Kucing dan Anjing merupakan <strong>kelas turunan</strong>. Metode suara() pada kedua kelas turunan melakukan <strong>overriding</strong> sehingga menghasilkan perilaku yang berbeda.</p><p><strong>Penerapan polimorfisme runtime dapat dilihat pada kode berikut:</strong></p><pre>public class Main {<br>    public static void main(String[] args) {<br>        Hewan hewan = new Kucing();<br>        hewan.suara();<br>    }<br>}</pre><p>Meskipun variabel hewan bertipe Hewan, objek yang dibuat adalah Kucing, sehingga metode suara() milik Kucing yang dijalankan dan menghasilkan output <strong>“Meow”</strong>.</p><h4>3. Keuntungan Menggunakan Polimorfisme</h4><p><strong>Polimorfisme</strong> membuat program lebih fleksibel karena satu kode dapat digunakan untuk menangani berbagai jenis objek. Selain itu, polimorfisme mendukung <strong>reusability</strong>, memudahkan pemeliharaan program, dan membuat sistem lebih mudah dikembangkan dengan menambahkan kelas turunan baru.</p><p>Dengan begitu, Dasar Teori-nya sudah mencakup <strong>penjelasan tiap subjudul + kode yang memang terdapat di modul + penjelasan singkat fungsi kodenya</strong>, tanpa menambahkan contoh yang tidak ada di modul.</p><h3>Praktikum</h3><h4>1. Persiapan</h4><p>Sebelum membuat program, terlebih dahulu dibuka aplikasi <strong>NetBeans</strong> yang telah terinstal pada komputer. Selanjutnya dibuat proyek baru dengan nama <strong>PraktikumPBO_6</strong>. Setelah proyek berhasil dibuat, dibuat <strong>package</strong> baru dengan nama <strong>praktikum6</strong>. Tahap persiapan ini dilakukan sebagai tempat untuk membuat class yang digunakan pada praktikum <strong>polimorfisme</strong>.</p><h4>2. Membuat Kelas Induk Hewan</h4><p>Setelah tahap persiapan selesai, dibuat class baru dengan nama <strong>Hewan</strong> pada package praktikum6. Class ini digunakan sebagai <strong>kelas induk (superclass)</strong> dan memiliki method bersuara() serta dua method makan() dengan parameter yang berbeda.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/667/1*SPMvm1hA1tHQR_bwYHadgw.png" /></figure><p>Kode diawali dengan package praktikum6 untuk menentukan package yang digunakan. Kemudian public class Hewan digunakan untuk membuat class <strong>Hewan</strong>. Di dalam class terdapat method bersuara() yang digunakan untuk menampilkan &quot;Hewan bersuara&quot;.</p><p>Selanjutnya terdapat dua method makan(), yaitu makan(String makanan) dan makan(String makanan, int jumlah). Keduanya memiliki nama method yang sama, tetapi jumlah parameternya berbeda. Hal tersebut merupakan <strong>overloading</strong>, karena dalam satu class terdapat beberapa method dengan nama sama dan parameter yang berbeda.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/671/1*5Yead8KxgD1WDQ51K3KueQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/666/1*o1rsVi5Zvbytd_kMrOHraw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*qRsT8lJE6S3J63ol6mtF7w.png" /></figure><h4>3. Membuat Kelas Turunan Kucing</h4><p>Setelah class <strong>Hewan</strong> dibuat, selanjutnya dibuat class turunan dengan nama <strong>Kucing</strong> pada package praktikum6. Class Kucing merupakan <strong>subclass</strong> dari Hewan dan digunakan untuk menerapkan konsep <strong>inheritance</strong> serta <strong>overriding</strong> pada method bersuara().</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*ppLwCCQAczI8T0iT2e6hWg.png" /></figure><p>Kode diawali dengan package praktikum6 untuk menentukan package yang digunakan. Kemudian class Kucing extends Hewan menunjukkan bahwa <strong>Kucing merupakan class turunan (subclass) dari Hewan</strong>, sehingga Kucing mewarisi anggota yang dimiliki oleh class Hewan.</p><p>Pada method bersuara() terdapat @Override yang menandakan bahwa method tersebut <strong>meng-override method </strong><strong>bersuara() yang ada pada class induk </strong><strong>Hewan</strong>. Method public void bersuara() tetap menggunakan nama, parameter, dan tipe kembalian yang sama seperti pada class induk, tetapi isi method dibuat berbeda, yaitu menampilkan &quot;Meow&quot;. Dengan demikian, ketika method bersuara() dipanggil pada object Kucing, suara yang ditampilkan adalah <strong>Meow</strong>, sesuai dengan perilaku class turunannya.</p><h4>4. Membuat Kelas Turunan Anjing</h4><p>Setelah class <strong>Kucing</strong> dibuat, selanjutnya dibuat class turunan dengan nama <strong>Anjing</strong> pada package praktikum6. Class Anjing juga merupakan <strong>subclass dari </strong><strong>Hewan</strong> dan digunakan untuk menerapkan <strong>overriding</strong> pada method bersuara(). Pada tahap ini, class Anjing memiliki perilaku yang berbeda dari class Kucing meskipun keduanya menggunakan method yang sama.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*TaEu2gHO21XnYQ1lZtUNXg.png" /></figure><p>Kode diawali dengan package praktikum6 untuk menentukan package yang digunakan. Selanjutnya, class Anjing extends Hewan menunjukkan bahwa <strong>Anjing merupakan class turunan (subclass) dari Hewan</strong> dan mewarisi perilaku dari class induknya.</p><p>Pada method bersuara() terdapat @Override yang menunjukkan bahwa method tersebut <strong>meng-override method </strong><strong>bersuara() pada class </strong><strong>Hewan</strong>. Walaupun nama method dan parameternya sama, isi method dibuat berbeda dengan menampilkan &quot;Woof&quot;. Hal ini menunjukkan bahwa setiap class turunan dapat memiliki <strong>perilaku yang berbeda</strong> untuk method yang sama.</p><h4>5. Membuat Class Main untuk Menjalankan Program</h4><p>Setelah class <strong>Kucing</strong> dan <strong>Anjing</strong> dibuat, selanjutnya dibuat class <strong>Main</strong> yang digunakan untuk membuat object dan menjalankan method dari class yang telah dibuat. Pada bagian ini diterapkan <strong>polimorfisme runtime</strong> melalui referensi class induk Hewan yang digunakan untuk menyimpan object dari class turunan Kucing. Selain itu, method makan() juga digunakan untuk menunjukkan <strong>overloading</strong>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/804/1*D74SFv5axXz1mNnKGQ01wg.png" /></figure><p>Kode diawali dengan package praktikum6 untuk menentukan package yang digunakan. Selanjutnya, public class Main digunakan sebagai <strong>class utama</strong> untuk menjalankan program melalui method main().</p><p>Pada bagian Hewan hewan = new Kucing(); menunjukkan <strong>polimorfisme runtime</strong>, karena variabel hewan menggunakan tipe referensi <strong>class induk </strong><strong>Hewan</strong>, sedangkan object yang dibuat merupakan <strong>class turunan </strong><strong>Kucing</strong>. Ketika method hewan.bersuara() dipanggil, method bersuara() pada class Kucing yang dijalankan sehingga menghasilkan &quot;Meow&quot;.</p><p>Selanjutnya, Kucing kucing = new Kucing(); digunakan untuk membuat <strong>object </strong><strong>Kucing</strong>. Method kucing.makan(&quot;ikan&quot;) memanggil method makan() dengan satu parameter, sedangkan kucing.makan(&quot;ikan&quot;, 2) memanggil method makan() dengan dua parameter. Perbedaan parameter tersebut menunjukkan <strong>overloading</strong> pada class Hewan.</p><p>Kemudian, Anjing anjing = new Anjing(); digunakan untuk membuat <strong>object </strong><strong>Anjing</strong>. Method anjing.bersuara() menjalankan method bersuara() yang telah di-<strong>override</strong> pada class Anjing sehingga menghasilkan &quot;Woof&quot;. Sementara itu, anjing.makan(&quot;daging&quot;, 3) memanggil method makan() dengan dua parameter yang merupakan <strong>overloading</strong> pada class Hewan.</p><p><strong>Output:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/335/1*uQVQqR_EVb_zejEOpl90GQ.png" /></figure><p>BUILD SUCCESSFUL menunjukkan bahwa program <strong>berhasil dikompilasi dan dijalankan tanpa error</strong>.</p><h3>Tugas</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/760/1*Q5evCNIlMOhX6GfHAEJhyg.png" /></figure><h4>1. Membuat Kelas Abstrak Produk</h4><p>Langkah pertama adalah membuat <strong>kelas abstrak </strong><strong>Produk</strong> dengan atribut nama dan harga. Class ini nantinya menjadi <strong>kelas induk (superclass)</strong> untuk membuat kelas turunan <strong>Buku</strong>, <strong>Elektronik</strong>, dan <strong>Pakaian</strong>. Selain itu, dibuat metode <strong>hitungDiskon()</strong> yang nantinya akan di-<strong>override</strong> oleh setiap kelas turunan untuk menghitung diskon yang berbeda-beda sesuai dengan instruksi tugas pada modul.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/665/1*X6iB664F2vaj4cv0_iTFdg.png" /></figure><p>Kode diawali dengan package PrakTugas untuk menentukan package yang digunakan. Selanjutnya, public abstract class Produk menunjukkan bahwa <strong>Produk merupakan class abstrak</strong> yang akan digunakan sebagai <strong>class induk</strong>. Di dalam class terdapat atribut nama bertipe String dan harga bertipe double dengan access modifier <strong>protected</strong>, sehingga dapat digunakan oleh class turunan.</p><p>Kemudian terdapat constructor Produk(String nama, double harga) yang digunakan untuk menerima nilai nama dan harga, kemudian menyimpannya ke atribut menggunakan this.nama = nama dan this.harga = harga.</p><p>Pada bagian public abstract double hitungDiskon();, dibuat <strong>abstract method</strong> hitungDiskon() yang belum memiliki implementasi. Method ini nantinya harus di-<strong>override</strong> oleh class turunan Buku, Elektronik, dan Pakaian dengan perhitungan diskon yang berbeda-beda.</p><p>Terakhir, terdapat method getNama() dan getHarga() yang digunakan untuk <strong>mengambil nilai atribut</strong> nama dan harga. Dengan demikian, class Produk menjadi dasar bagi class-class turunan dalam menerapkan <strong>pewarisan dan polimorfisme.</strong></p><h4>2. Membuat Kelas Turunan Buku</h4><p>Setelah class abstrak <strong>Produk</strong> dibuat, selanjutnya dibuat class turunan dengan nama <strong>Buku</strong>. Class Buku merupakan <strong>subclass dari </strong><strong>Produk</strong> yang digunakan untuk menerapkan <strong>pewarisan (inheritance)</strong> dan <strong>overriding</strong> pada method hitungDiskon(). Pada tugas, setiap class turunan dari Produk harus memiliki perhitungan diskon yang berbeda.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*7XtH9WuG6tKPGyRPYCZFpg.png" /></figure><p>Kode diawali dengan package Prak6Tugas untuk menentukan package yang digunakan. Selanjutnya, public class Buku extends Produk menunjukkan bahwa <strong>Buku merupakan class turunan (subclass) dari Produk</strong> sehingga dapat mewarisi atribut dan method yang dimiliki oleh class induknya.</p><p>Pada constructor Buku(String nama, double harga) digunakan super(nama, harga) untuk <strong>memanggil constructor pada class induk </strong><strong>Produk</strong> dan mengisi nilai nama serta harga.</p><p>Selanjutnya, pada method hitungDiskon() terdapat @Override yang menunjukkan bahwa method tersebut <strong>meng-override abstract method </strong><strong>hitungDiskon() pada class </strong><strong>Produk</strong>. Method ini mengembalikan nilai harga * 0.10, sehingga diskon untuk produk <strong>Buku sebesar 10% dari harga</strong>. Hal ini menunjukkan bahwa class turunan dapat memberikan <strong>implementasi yang berbeda</strong> terhadap method yang berasal dari class induk.</p><h4>3. Membuat Kelas Turunan Elektronik</h4><p>Setelah class <strong>Buku</strong> dibuat, selanjutnya dibuat class turunan dengan nama <strong>Elektronik</strong>. Class Elektronik merupakan <strong>subclass dari </strong><strong>Produk</strong> yang digunakan untuk menerapkan <strong>pewarisan (inheritance)</strong> dan <strong>overriding</strong> pada method hitungDiskon().</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/671/1*QlrLuVLAAUQUOX8oitUqHw.png" /></figure><p>Kode diawali dengan package Prak6Tugas untuk menentukan package yang digunakan. Selanjutnya, public class Elektronik extends Produk menunjukkan bahwa <strong>Elektronik merupakan class turunan (subclass) dari Produk</strong> sehingga dapat mewarisi atribut dan method dari class induknya.</p><p>Pada constructor Elektronik(String nama, double harga) terdapat super(nama, harga) yang digunakan untuk <strong>memanggil constructor pada class induk </strong><strong>Produk</strong> dan mengisi nilai nama serta harga.</p><p>Selanjutnya, method hitungDiskon() diberi anotasi @Override yang menunjukkan bahwa method tersebut <strong>meng-override abstract method </strong><strong>hitungDiskon() pada class </strong><strong>Produk</strong>. Method ini mengembalikan nilai harga * 0.15, sehingga diskon untuk produk <strong>Elektronik sebesar 15% dari harga</strong>. Hal ini menunjukkan bahwa setiap class turunan dapat memberikan <strong>implementasi yang berbeda</strong> pada method hitungDiskon().</p><h4>4. Membuat Kelas Turunan Pakaian</h4><p>Setelah class <strong>Elektronik</strong> dibuat, selanjutnya dibuat class turunan dengan nama <strong>Pakaian</strong>. Class Pakaian merupakan <strong>subclass dari </strong><strong>Produk</strong> yang digunakan untuk menerapkan <strong>pewarisan (inheritance)</strong> dan <strong>overriding</strong> pada method hitungDiskon().</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/672/1*ZWq8LuvpFfelDYNe0yi3YQ.png" /></figure><p>Kode diawali dengan package Prak6Tugas untuk menentukan package yang digunakan. Selanjutnya, public class Pakaian extends Produk menunjukkan bahwa <strong>Pakaian merupakan class turunan (subclass) dari Produk</strong> sehingga dapat mewarisi atribut dan method dari class induknya.</p><p>Pada constructor Pakaian(String nama, double harga) terdapat super(nama, harga) yang digunakan untuk <strong>memanggil constructor pada class induk </strong><strong>Produk</strong> dan mengisi nilai nama serta harga.</p><p>Selanjutnya, method hitungDiskon() diberi anotasi @Override yang menunjukkan bahwa method tersebut <strong>meng-override abstract method </strong><strong>hitungDiskon() pada class </strong><strong>Produk</strong>. Method ini mengembalikan nilai harga * 0.20, sehingga diskon untuk produk <strong>Pakaian sebesar 20% dari harga</strong>. Hal ini menunjukkan bahwa class turunan dapat memberikan <strong>implementasi yang berbeda</strong> pada method hitungDiskon().</p><h4>5. Membuat Kelas KeranjangBelanja</h4><p>Setelah class <strong>Buku</strong>, <strong>Elektronik</strong>, dan <strong>Pakaian</strong> dibuat, selanjutnya dibuat class <strong>KeranjangBelanja</strong>. Class ini digunakan untuk menyimpan kumpulan object dari <strong>Produk</strong> dan menghitung total harga setelah dikurangi diskon dari setiap produk. Hal ini sesuai dengan tugas pada modul yang meminta KeranjangBelanja memiliki <strong>list of Produk</strong> dan method untuk menghitung total harga setelah diskon.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/670/1*-pt0nqF23ti1V53ZCNZLug.png" /></figure><p>Kode diawali dengan package Prak6Tugas untuk menentukan package yang digunakan. Selanjutnya, public class KeranjangBelanja digunakan untuk membuat class <strong>KeranjangBelanja</strong> yang berfungsi untuk mengelola kumpulan produk.</p><p>Pada bagian private List&lt;Produk&gt; daftarProduk = new ArrayList&lt;&gt;(); dibuat atribut daftarProduk yang digunakan untuk menyimpan kumpulan object <strong>Produk</strong>. Access modifier <strong>private</strong> digunakan agar atribut tersebut hanya dapat diakses dari dalam class KeranjangBelanja.</p><p>Kemudian terdapat method tambahProduk(Produk produk) yang digunakan untuk menambahkan object <strong>Produk</strong> ke dalam daftarProduk menggunakan daftarProduk.add(produk).</p><p>Selanjutnya, method hitungTotal() digunakan untuk menghitung total harga seluruh produk setelah dikurangi diskon. Perulangan for (Produk produk : daftarProduk) digunakan untuk mengambil setiap produk yang terdapat dalam list. Pada setiap perulangan, harga produk dikurangi dengan hasil dari method hitungDiskon(), kemudian hasilnya ditambahkan ke variabel total.</p><p>Penggunaan <strong>Produk</strong> sebagai tipe pada List memungkinkan class KeranjangBelanja menyimpan object dari class turunan seperti <strong>Buku</strong>, <strong>Elektronik</strong>, dan <strong>Pakaian</strong>. Hal ini berkaitan dengan <strong>polimorfisme</strong>, karena setiap class turunan memiliki implementasi hitungDiskon() yang berbeda.</p><h4>6. Membuat Class Main untuk Menjalankan Program</h4><p>Setelah class <strong>Produk</strong>, <strong>Buku</strong>, <strong>Elektronik</strong>, <strong>Pakaian</strong>, dan <strong>KeranjangBelanja</strong> selesai dibuat, selanjutnya dibuat class <strong>Main</strong> untuk menjalankan program dan menampilkan informasi produk serta total harga setelah diskon.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*Rt3pajtGSrXOmmb_6tkrJw.png" /></figure><p>Kode diawali dengan package Prak6Tugas untuk menentukan package yang digunakan. Selanjutnya, public class Main digunakan sebagai <strong>class utama</strong> untuk menjalankan program melalui method main().</p><p>Pada bagian Produk buku = new Buku(&quot;Pemrograman Java&quot;, 100000);, Produk elektronik = new Elektronik(&quot;Mouse Wireless&quot;, 200000);, dan Produk pakaian = new Pakaian(&quot;Kaos&quot;, 150000); dibuat beberapa <strong>object dari class turunan</strong> dengan tipe referensi Produk. Hal ini menunjukkan penerapan <strong>polimorfisme</strong>, karena class induk Produk digunakan untuk menyimpan object dari class Buku, Elektronik, dan Pakaian.</p><p>Selanjutnya, dibuat object KeranjangBelanja dengan new KeranjangBelanja(). Object tersebut digunakan untuk menambahkan ketiga produk menggunakan method tambahProduk().</p><p>Pada bagian getNama(), getHarga(), dan hitungDiskon() digunakan untuk mengambil <strong>nama produk, harga, dan nilai diskon</strong> dari masing-masing object. Method hitungDiskon() akan menjalankan implementasi yang berbeda sesuai dengan class turunannya karena method tersebut telah di-<strong>override</strong> pada Buku, Elektronik, dan Pakaian.</p><p>Terakhir, keranjang.hitungTotal() digunakan untuk menghitung dan menampilkan <strong>total harga setelah diskon</strong> dari seluruh produk yang telah dimasukkan ke dalam keranjang. Dengan demikian, class Main digunakan untuk menjalankan keseluruhan program dan memperlihatkan penerapan <strong>inheritance, overriding, dan polimorfisme.</strong></p><p><strong>Output:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/336/1*pRsvlbMqbJ2hxc4WHFkCxg.png" /></figure><p>BUILD SUCCESSFUL menunjukkan bahwa program <strong>berhasil dikompilasi dan dijalankan tanpa error</strong>.</p><h3>Kesimpulan</h3><p>Praktikum kali ini mempelajari dan menerapkan <strong>polimorfisme</strong> dalam Pemrograman Berorientasi Objek menggunakan Java, baik melalui <strong>overloading</strong> maupun <strong>overriding</strong>. Penerapan dilakukan dengan menggunakan kelas induk dan kelas turunan, sehingga method dengan nama yang sama dapat digunakan dengan parameter atau perilaku yang berbeda sesuai objek yang digunakan. Konsep tersebut juga diterapkan pada tugas dengan membuat kelas abstrak <strong>Produk</strong>, beberapa kelas turunannya, serta <strong>KeranjangBelanja</strong> untuk mengolah harga dan diskon. Dari seluruh proses tersebut, konsep <strong>polimorfisme, overloading, overriding, pewarisan, kelas induk, kelas turunan, dan polimorfisme runtime</strong> dapat dipahami dan diterapkan dalam program Java.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum PBO: Modul 6 — Polimorfisme.</em> Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/b14fe1520c0876ff5141897e44e5751654049440/zay/PraktikumPBO_6.zip">https://github.com/Zaydannn357/Pemrograman-Berorientasi-Objek/blob/b14fe1520c0876ff5141897e44e5751654049440/zay/PraktikumPBO_6.zip</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3831df115321" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data: Pengolahan Data Besar Menggunakan Parquet, JSON, dan Pipeline ETL]]></title>
            <link>https://medium.com/@zaydangustav2657/big-data6-pengolahan-data-besar-menggunakan-parquet-json-dan-pipeline-etl-f89131dbdde2?source=rss-6f88f66a5b69------2</link>
            <guid isPermaLink="false">https://medium.com/p/f89131dbdde2</guid>
            <dc:creator><![CDATA[M. Gustav Zaydan Nawfal]]></dc:creator>
            <pubDate>Thu, 01 Oct 2026 05:50:56 GMT</pubDate>
            <atom:updated>2026-10-27T07:35:28.698Z</atom:updated>
            <content:encoded><![CDATA[<h3>Pendahuluan</h3><p>Big Data merupakan pengolahan data dalam jumlah besar yang membutuhkan metode dan teknologi yang sesuai agar data dapat diproses secara efisien. Dalam pengolahan data, pemilihan format penyimpanan juga penting karena dapat memengaruhi ukuran data dan kecepatan proses pembacaan. Salah satu format yang banyak digunakan dalam lingkungan Big Data adalah <strong>Apache Parquet</strong>, yaitu format penyimpanan <strong>kolumnar (columnar storage)</strong> yang dapat menyimpan data secara lebih efisien dibandingkan CSV.</p><p>Selain Parquet, data pada lingkungan Big Data juga dapat berasal dari berbagai format, salah satunya <strong>JSON</strong> yang termasuk data semi-terstruktur. Data dari beberapa sumber dan format tersebut dapat digabungkan dan diolah menggunakan <strong>PySpark</strong> melalui sebuah <strong>pipeline ETL (Extract, Transform, Load)</strong>. Pada tahap Extract, data diambil dari sumbernya, kemudian pada tahap Transform data digabungkan dan diolah, sedangkan pada tahap Load hasil pengolahan disimpan ke tempat tujuan seperti <strong>HDFS</strong>.</p><p>Pada praktikum ini dilakukan pengolahan data menggunakan format CSV, Parquet, dan JSON. Praktikum juga membahas <strong>partitioning</strong> untuk mengatur penyimpanan data serta penerapan pipeline ETL sederhana menggunakan PySpark dan HDFS.</p><h3>Tujuan</h3><ol><li>Menjelaskan perbedaan format <strong>CSV</strong> dan <strong>Parquet</strong> dalam pengolahan Big Data.</li><li>Membaca dan menulis data menggunakan format <strong>Parquet</strong> dan <strong>JSON</strong> dengan PySpark.</li><li>Menerapkan <strong>partitioning</strong> saat menyimpan data untuk mengoptimalkan proses pembacaan dan kueri.</li><li>Memahami konsep dan tahapan <strong>ETL (Extract, Transform, Load)</strong>.</li><li>Menggabungkan dan mengolah data dari beberapa sumber menggunakan <strong>PySpark</strong>.</li><li>Menyimpan hasil pengolahan data ke <strong>HDFS</strong> dalam format Parquet.</li></ol><h3>Alat &amp; Bahan</h3><ul><li>Laptop/PC</li><li>Oracle VirtualBox/Dual Boot</li><li>Ubuntu</li><li>Jupyter Notebook</li><li>Terminal</li><li>Koneksi Internet</li></ul><h3>Dasar Teori</h3><h4>1. Apache Parquet</h4><p><strong>Apache Parquet</strong> adalah format penyimpanan data <strong>kolumnar (columnar storage)</strong> yang banyak digunakan dalam pengolahan Big Data. Berbeda dengan CSV yang menyimpan data berdasarkan baris, Parquet menyimpan data berdasarkan kolom. Hal ini membuat Parquet lebih efisien ketika hanya beberapa kolom yang dibutuhkan dalam suatu proses analisis.</p><p>Parquet juga memiliki <strong>skema (schema)</strong> dan tipe data yang tersimpan di dalam file. Oleh karena itu, saat membaca kembali data Parquet tidak perlu menggunakan inferSchema=True seperti pada CSV.</p><h4>2. CSV</h4><p><strong>CSV (Comma-Separated Values)</strong> adalah format penyimpanan data berbentuk teks yang menyimpan data dalam bentuk baris dan kolom. CSV mudah digunakan dan dibaca oleh manusia, tetapi kurang efisien untuk pengolahan Big Data karena ukuran file dapat lebih besar dan tipe data tidak tersimpan secara langsung.</p><h4>3. JSON</h4><p><strong>JSON (JavaScript Object Notation)</strong> merupakan format data <strong>semi-terstruktur</strong> yang sering digunakan untuk menyimpan dan pertukaran data. Dalam praktikum ini digunakan <strong>JSON Lines</strong>, yaitu setiap baris berisi satu objek JSON. Format tersebut lebih mudah diproses secara paralel sehingga sesuai untuk lingkungan Big Data.</p><h4>4. Partitioning</h4><p><strong>Partitioning</strong> adalah teknik membagi data menjadi beberapa bagian berdasarkan nilai dari kolom tertentu. Pada PySpark, partitioning dapat dilakukan menggunakan partitionBy(). Contohnya, data dapat dipartisi berdasarkan kolom kota sehingga Spark membuat folder terpisah seperti kota=Magelang dan kota=Semarang.</p><p>Partitioning dapat membantu mempercepat proses pembacaan data karena Spark dapat menggunakan <strong>partition pruning</strong>, yaitu hanya membaca partisi yang sesuai dengan kondisi kueri.</p><h4>5. Pipeline ETL</h4><p><strong>ETL (Extract, Transform, Load)</strong> merupakan proses pengolahan data yang terdiri dari tiga tahap utama:</p><ul><li><strong>Extract</strong>, yaitu mengambil data dari satu atau beberapa sumber.</li><li><strong>Transform</strong>, yaitu mengolah, membersihkan, menggabungkan, atau memperkaya data.</li><li><strong>Load</strong>, yaitu menyimpan hasil pengolahan ke tempat tujuan agar dapat digunakan kembali.</li></ul><p>Dalam praktikum ini, tahap Extract dilakukan dengan membaca data CSV dan JSON. Tahap Transform dilakukan dengan menggunakan <strong>join</strong>, membuat kolom turunan, dan melakukan pengecekan kualitas data. Tahap Load dilakukan dengan menyimpan hasil akhir ke <strong>HDFS</strong> dalam format Parquet dan menggunakan partitioning.</p><h4>6. PySpark</h4><p><strong>PySpark</strong> adalah API Python untuk <strong>Apache Spark</strong> yang digunakan untuk melakukan pemrosesan data secara terdistribusi. Dalam praktikum ini PySpark digunakan untuk membaca data, melakukan transformasi, menggabungkan beberapa sumber data, serta menyimpan hasil pengolahan ke HDFS.</p><h4>7. HDFS</h4><p><strong>HDFS (Hadoop Distributed File System)</strong> adalah sistem penyimpanan yang digunakan dalam ekosistem Hadoop untuk menyimpan data dalam jumlah besar. Pada praktikum ini HDFS digunakan sebagai tempat penyimpanan hasil akhir dari <strong>pipeline ETL</strong> dalam format Parquet.</p><h3>Praktikum</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J68eozAlgr59hNLm_tpKNw.png" /></figure><p>Kode tersebut digunakan untuk <strong>mempersiapkan SparkSession</strong> sebelum melakukan pengolahan data menggunakan PySpark. SparkSession.builder membuat SparkSession, .appName() memberikan nama aplikasi, .master(&quot;local[*]&quot;) mengatur Spark berjalan secara lokal, dan .getOrCreate() membuat atau menggunakan SparkSession yang tersedia. setLogLevel(&quot;ERROR&quot;) membatasi pesan log yang ditampilkan, sedangkan print() menampilkan versi Spark yang digunakan, yaitu <strong>Spark 3.5.9</strong>. Selain itu, import digunakan untuk memanggil library yang diperlukan seperti <strong>PySpark, NumPy, Pandas, dan OS</strong>.</p><h4>Membandingkan Ukuran CSV vs Parquet Secara Langsung</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XtvdufjFaQypSimnRcRreQ.png" /></figure><p>Kode tersebut digunakan untuk <strong>membuat dataset besar sebanyak 20.000 baris</strong> sebagai bahan latihan. np.random.seed(11) mengatur nilai acak agar hasilnya tetap konsisten, sedangkan np.random digunakan untuk membuat data seperti <strong>customer, kategori, kota, metode pembayaran, dan pendapatan</strong> secara acak. Data tersebut kemudian disimpan menjadi <strong>DataFrame Pandas</strong> dan ditulis ke file CSV menggunakan to_csv(). Setelah itu, os.path.getsize() digunakan untuk menghitung ukuran file CSV, lalu print() menampilkan ukuran file dan jumlah barisnya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1zi-8BJ4sajVWQkrRYOstA.png" /></figure><p>Kode tersebut digunakan untuk <strong>membaca data CSV lalu mengubahnya ke format Parquet</strong> menggunakan Spark. spark.read.csv() membaca file CSV dengan header=True untuk menggunakan baris pertama sebagai nama kolom dan inferSchema=True untuk mendeteksi tipe data. Data kemudian disimpan sebagai Parquet dengan write.mode(&quot;overwrite&quot;).parquet(). Setelah itu, os.path.getsize() digunakan untuk menghitung ukuran file Parquet, lalu dibandingkan dengan ukuran CSV. Hasilnya menunjukkan bahwa <strong>Parquet berukuran 77,4% lebih kecil</strong> dibandingkan CSV karena menggunakan penyimpanan kolumnar dan kompresi.</p><h4>Skema Otomatis Tersimpan di Parquet</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gxAaRtwkEElGC7iw8AVYXA.png" /></figure><p>Kode tersebut digunakan untuk <strong>membaca kembali data dalam format Parquet</strong> tanpa perlu menggunakan inferSchema=True, karena <strong>skema dan tipe data sudah tersimpan di dalam file Parquet</strong>. spark.read.parquet() digunakan untuk membaca file Parquet, printSchema() menampilkan struktur dan tipe data setiap kolom, sedangkan show(5) menampilkan 5 baris pertama data. Hasilnya menunjukkan bahwa Parquet menyimpan informasi tipe data seperti string dan integer secara otomatis.</p><h4>Partitioning saat Menulis Data</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_6xJ1VLKDQ4AVFT7UV2Vlw.png" /></figure><p>Kode tersebut digunakan untuk <strong>menulis data Parquet dengan partitioning berdasarkan kolom </strong><strong>kota</strong>. partitionBy(&quot;kota&quot;) membuat folder terpisah untuk setiap nilai kota, seperti kota=Magelang, kota=Semarang, dan kota=Yogyakarta. Setelah itu, !ls digunakan untuk melihat struktur folder yang telah dibuat. Partitioning ini memudahkan Spark saat melakukan kueri berdasarkan kota karena hanya perlu membaca folder yang sesuai.</p><h4>Membaca Data JSON (Semi-Terstruktur)</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oJJyOQr8AD5xnYmeRAbHjg.png" /></figure><p>Kode tersebut digunakan untuk <strong>membuat data pelanggan dalam format JSON Lines</strong> sebagai data semi-terstruktur. np.random.seed(21) mengatur data acak agar hasilnya konsisten, kemudian data pelanggan dibuat dengan informasi <strong>customer_id, nama, membership, dan kota_domisili</strong>. Data tersebut ditulis ke file data_pelanggan.json menggunakan json.dumps() dengan <strong>satu objek JSON pada setiap baris</strong>. Terakhir, print() menampilkan bahwa file JSON Lines berhasil dibuat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oth9v0tQ14lOmp_ipWV9Fg.png" /></figure><p>Kode tersebut digunakan untuk <strong>membaca data JSON menggunakan Spark</strong>. spark.read.json() membaca file data_pelanggan.json dan secara otomatis mendeteksi <strong>struktur serta skema JSON</strong>. printSchema() digunakan untuk menampilkan struktur dan tipe data setiap kolom, sedangkan show(5) menampilkan 5 baris pertama data pelanggan.</p><h4>Membangun Pipeline ETL Sederhana</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4DSj2NktepKq3tPQcoERZg.png" /></figure><blockquote><strong><em>Tahap 1: EXTRACT</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zhksrzX1CqpDqC7m21k9zQ.png" /></figure><p>Kode tersebut digunakan untuk <strong>mengambil data dari beberapa sumber</strong> sebagai tahap awal dalam pipeline ETL. spark.read.csv() membaca data transaksi dari file CSV, sedangkan spark.read.json() membaca data pelanggan dari file JSON. count() digunakan untuk menghitung jumlah baris pada masing-masing DataFrame, sehingga hasilnya menunjukkan <strong>20.000 baris data transaksi dan 20 baris data pelanggan</strong>.</p><blockquote><strong><em>Tahap 2: TRANSFORM</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8CgRZYXw6GsKNYq-677RQQ.png" /></figure><p>Kode tersebut digunakan untuk <strong>menggabungkan, membersihkan, dan memperkaya data</strong> pada tahap Transform. join() menggabungkan data transaksi dan pelanggan berdasarkan customer_id, sedangkan withColumn() dan when() menambahkan kolom <strong>segmen_transaksi</strong> berdasarkan nilai pendapatan menjadi kategori <strong>Tinggi, Sedang, atau Rendah</strong>. Selanjutnya, filter() dan isNull() digunakan untuk mengecek data pelanggan yang tidak berhasil ter-join, kemudian select() dan show(5) menampilkan beberapa kolom hasil transformasi. Hasilnya menunjukkan <strong>tidak ada transaksi yang gagal ter-join</strong> dengan data pelanggan.</p><blockquote><strong><em>Tahap 3: LOAD</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6TIDvOHauopCcH9c8p8Knw.png" /></figure><p>Kode tersebut digunakan untuk <strong>menyimpan hasil akhir pipeline ETL ke HDFS</strong> dalam format Parquet dan dipartisi berdasarkan kolom kategori. hdfs dfs -mkdir -p membuat folder tujuan di HDFS, sedangkan partitionBy(&quot;kategori&quot;) membuat folder terpisah untuk setiap kategori data. Setelah proses penyimpanan selesai, hdfs dfs -ls digunakan untuk melihat struktur folder hasil, yang menunjukkan data berhasil tersimpan di HDFS.</p><h4><strong>Verifikasi hasil akhir dengan membaca kembali dari HDFS:</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FKvN_otNSmpYalQbfeIa5A.png" /></figure><p>Kode tersebut digunakan untuk <strong>memverifikasi hasil akhir ETL</strong> dengan membaca kembali data Parquet yang telah disimpan di HDFS. spark.read.parquet() membaca data dari HDFS, kemudian count() digunakan untuk memastikan jumlah data hasil akhir, yaitu <strong>20.000 baris</strong>. Selanjutnya, groupBy() mengelompokkan data berdasarkan segmen_transaksi, sedangkan count() dan avg() digunakan untuk menghitung <strong>jumlah transaksi dan rata-rata pendapatan</strong> pada setiap segmen. Hasilnya menunjukkan data sudah tersimpan dan dapat digunakan untuk analisis lebih lanjut.</p><h4>Menutup SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DG0CF9-2Fjqncj8hXt7BIA.png" /></figure><h3>Latihan</h3><p>Sebelum mengerjakan saol, jalankan ulang cell pembuatan SparkSession dari awal modul, lalu baca kembali data_transaksi_besar.csv dan data_pelanggan.json sebelum mengerjakan latihan berikut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6Y6AlFVGVlPl48MLwB1DWw.png" /></figure><h4>1. Baca kembali data_transaksi_besar_parquet (hasil Sub-bab 6.1.1) menggunakan spark.read.parquet(), lalu tampilkan printSchema()-nya. Bandingkan dengan skema hasil inferSchema=True pada CSV — apakah tipe datanya sama?</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*naqEl-Zo7xE_ALXml_Tegg.png" /></figure><p>Kode tersebut digunakan untuk membaca data Parquet dan menampilkan struktur kolom beserta tipe datanya. Skema CSV dan Parquet seharusnya sama karena data Parquet dibuat dari dataset CSV yang sama. Berbeda dengan CSV, Parquet sudah menyimpan informasi skema di dalam berkas sehingga tidak perlu menggunakan inferSchema=True ketika dibaca.</p><h4>2. Gabungkan df_transaksi_etl dengan df_pelanggan_etl, lalu tampilkan jumlah transaksi untuk masing-masing nilai membership (Silver/Gold/Platinum).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ai94ZUq6WUvGxK2jaCZd-A.png" /></figure><p>Kode tersebut menggabungkan data transaksi dengan data pelanggan menggunakan customer_id sebagai kunci. Jenis left join digunakan agar seluruh transaksi tetap dipertahankan. Selanjutnya, groupBy() mengelompokkan transaksi berdasarkan membership, sedangkan count() menghitung jumlah transaksi pada setiap kelompok.</p><h4>3. Tulis ulang hasil gabungan Soal 2 (sebelum di-groupBy) ke disk lokal dalam format Parquet, dipartisi berdasarkan membership. Tampilkan struktur foldernya dengan !ls.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hBw8vPQuW00x6Dli1-OsoQ.png" /></figure><p>Kode tersebut menyimpan hasil gabungan data transaksi dan pelanggan ke disk lokal dengan format Parquet. Fungsi partitionBy(&quot;membership&quot;) digunakan untuk memisahkan data berdasarkan nilai membership, sehingga Spark membuat folder untuk setiap nilai yang tersedia.</p><h4>4. Mengapa partitioning berdasarkan kolom kota cocok untuk skenario kita, namun akan menjadi <strong>pilihan buruk</strong> jika diterapkan pada kolom seperti order_id yang nilainya selalu unik di setiap baris?</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3ZrtfZ52t92qVbWcj2jJ_A.png" /></figure><h3>Tugas</h3><h4>Menyiapkan Dataset</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uJiQZ6bN40cyetR83znYLg.png" /></figure><h4>Membuat SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BCJhQtJ9zSCQeId8BFQAqQ.png" /></figure><h4>A. Extract</h4><blockquote>Membaca Ketiga Sumber Data</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JGgmYpSJnE8cahOOkVHltg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DjJcFXGnItxlXq3bc-xDSQ.png" /></figure><h4>B. Transform — Penggabungan</h4><blockquote>Menggabungkan Ketiga DataFrame</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vFf3I3Pn9iFIXy2Qb0QCug.png" /></figure><h4>C. Transform — Penanganan Data Kosong dan Pengayaan</h4><blockquote>Membuat Kolom ada_ulasan dan Mengisi Rating Kosong</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1r7kcpN0MfTJ3SwbxHWoIg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HccrDKJ7iQ2NG1eFONd7bQ.png" /></figure><h4>D. Load</h4><blockquote>Menyimpan Hasil ETL ke HDFS dalam Format Parquet</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lycg76PDcxctNP-Av3zzhw.png" /></figure><blockquote>Memeriksa Hasil Penyimpanan di HDFS</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VSMIR6rNn_vr0iw_SoFDbQ.png" /></figure><blockquote>Membaca Kembali dan Memeriksa Jumlah Data</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WBGRPOR26UvWwbYNRRgiug.png" /></figure><h4>E. Insight Akhir</h4><blockquote>Menghitung Persentase Transaksi yang Memiliki Ulasan</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7onzhzDHhJdnPDwDbCMS3Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C5FcznhCrfvJYw1nJU7xGw.png" /></figure><blockquote>Tulis 2–3 kalimat interpretasi bisnis pada markdown cell: mengapa hal ini mungkin penting diketahui oleh tim marketing?</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kls54QeA7z-BwuKEBIq_kw.png" /></figure><h4>Menutup SparkSession</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TDlXT9rrlNOy0b_6gIUEmQ.png" /></figure><h3>Kesimpulan</h3><p>Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa <strong>Parquet</strong> lebih sesuai untuk pengolahan Big Data dibandingkan CSV karena menggunakan penyimpanan kolumnar, memiliki skema yang tersimpan, dan dapat menggunakan kompresi sehingga penyimpanan data menjadi lebih efisien. Format <strong>JSON</strong> juga dapat digunakan untuk membaca data semi-terstruktur menggunakan PySpark.</p><p>Selain itu, <strong>partitioning</strong> dapat membantu mengoptimalkan proses pembacaan data dengan membagi data berdasarkan nilai tertentu dan memungkinkan penggunaan <strong>partition pruning</strong>. Praktikum ini juga memberikan pemahaman mengenai <strong>pipeline ETL</strong>, yaitu proses Extract untuk mengambil data, Transform untuk mengolah dan menggabungkan data, serta Load untuk menyimpan hasil akhir ke HDFS dalam format Parquet. Dengan menggunakan PySpark, berbagai sumber data dengan format berbeda dapat diolah menjadi data yang lebih siap digunakan untuk analisis.</p><h3>Referensi</h3><p>Universitas Tidar. <em>Modul Praktikum Big Data: Pertemuan 6 — Format Data Besar (Parquet &amp; JSON) dan Pipeline ETL Sederhana.</em> Program Studi Teknologi Informasi.</p><h3>GitHub</h3><p><a href="https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%206">https://github.com/Zaydannn357/Praktikum-Big-Data/tree/main/Praktikum%206</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f89131dbdde2" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>