MODEL ARSITEKTUR INFRASTRUKTUR DAN APLIKASI MANAJEMEN OPERASIONAL BIG DATA UNTUK UMKM

1

MODEL ARSITEKTUR INFRASTRUKTUR DAN APLIKASI

MANAJEMEN OPERASIONAL BIG DATA UNTUK UMKM

Gede Karya1_{, Veronica S. Moertini}2

1,2 _{Program Studi Teknik Informatika, Fakultas Teknologi Informasi dan Sains, Universitas Katolik Parahyangan}

Jl. Ciumbuleuit No. 94 Bandung, 40141

1 _{gkarya@unpar.ac.id,} 2 _{moertini@unpar.ac.id}

Abstrak

Usaha Mikro, Kecil dan Menengah (UMKM) memiliki peranan penting dalam perekonomian nasional Indonesia. Dengan meningkatnya penetrasi internet di masyarakat, telah berkembang e-commerce yang digunakan juga oleh UMKM dalam transaksi online di masyarakat. Potensi transaksi yang besar ini, memerlukan teknologi yang mampu memproses data dengan kecepatan (velocity), volume dan variasi yang besar (big data). Dengan keterbatasan modal dan kemampuan teknologi, UMKM sulit memanfaatkan teknologi big data yang saat ini telah digunakan oleh perusahaan-perausahaan teknologi besar seperti Google, Facebook, Yahoo, Amazon. Oleh karena itu, pada tulisan ini diusulkan model arsitektur manajemen operasional big data untuk UMKM dengan memanfaatkan perangkat keras komuditas, dan perangkat lunak free open source. Model arsitektur yang diusulkan teridiri atas 2 model, yaitu: arsitektur infrastruktur, dan arsitektur aplikasi. Arsitektur infrastruktur yang diusulkan menggunakan konsep resource sharing melalui komunitas/ asosiasi UMKM, dan dengan integrasi sumber daya secara virtual menggunakan Virtual Private Network (VPN). Arsitektur infrastruktur yang diusulkan sudah diimplementasikan pada node-node komputer di Lab Komputer FTIS Unpar menggunakan Hadoop ecosystem dan Open VPN dengan hasil baik. Arsitektur aplikasi diusulkan menggunakan arsitektur mobile cloud dengan menggunakan perangkat lunak HDFS dan HBase yang dapat diakses melalui VPN oleh UMKM. Pengujian arsitektur aplikasi sudah diterapkan untuk beberapa kasus dan berjalan dengan baik.

Kata kunci : UMKM, Big Data, Arsitektur Mobile Cloud, VPN, Hadoop, HBase

1. Pendahuluan

Usaha Mikro, Kecil dan Menengah (UMKM) memiliki peranan penting dalam perekonomian nasional Indonesia. Dengan meningkatnya penetrasi internet di masyarakat, telah berkembang

e-commerce yang digunakan juga oleh UMKM dalam

transaksi online di masyarakat. Potensi transaksi yang besar ini, memerlukan teknologi yang mampu memproses data dengan kecepatan (velocity), volume dan variasi yang besar (big data). Dengan keterbatasan modal dan kemampuan teknologi, UMKM sulit memanfaatkan teknologi big data yang saat ini telah digunakan oleh perusahaan-perausahaan teknologi besar seperti Google, Facebook, Yahoo, Amazon. Oleh karena itu, pada tulisan ini diusulkan infrastruktur untuk big data dengan memanfaatkan perangkat keras komuditas, dan perangkat lunak free

open source.

Tulisan ini disusun dengan sistematika sebagai berikut: (1) diawali dengan kajian tentang UMKM di Indonesia; dilanjutkan dengan (2) survei internet tentang kondisi UMKM saat ini beserta

komunitasnya; (3) kajian tentang Hadoop dan Hadoop Ecosystem sebagai teknologi free open

source pada bidang big data processing; kemudian

dilanjutkan dengan (4) Cloud Computing dan Virtual

Private Network sebagai solusi jaringan yang luas dan

aman; (5) Arsitektur infrastruktur manajemen operasional big data; dan (5) arsitektur aplikasi manajemen operasional big data; uraian diakhiri dengan kesimpulan dan saran.

2. Usaha Mikro Kecil dan Menengah di Indonesia

Usaha mikro, kecil dan menengah (UMKM) memiliki peranan sangat penting dalam perekonomian Indonesia. Pada tahun 2012, dari 56,549 juta unit usaha, sebanyak 56,534 juta unit atau 99,99% adalah UMKM. Demikian juga dari tenaga kerja yang diserap, UMKM menyerap 97,16% dari total 110,808 juta angkatan keja. Sedangkan dari kontribusinya terhadap Produk Domestik Bruto (PDB), UMKM menyumbang Rp 4.869 triliun atau

2 sebesar 59,08% lebih besar dari Usaha Besar (UB) yang sebesar Rp 3.372 triliun (40,92%) [1].

Berdasarkan data statistik tahun 2011 [6], proporsi sektor ekonomi UMKM dapat dilihat pada Error! Reference source not found..

Gambar 1 Grafik Proporsi Sektor Ekonomi UMKM tahun 2011 [6]

Pada Error! Reference source not found. tersebut sektor Pertanian, Peternakan, Kehutanan dan Perikanan menduduki peringkat pertama sebesar 48,85%, sementara Perdagangan, Hotel dan Restoran menduduki peringkat ke-2 dengan proporsi sebesar 28,83%.

Karena pentingnya peranan UMKM, maka eksistensi dan penanganannya diatur dalam undang-undang tersendiri, yaitu Undang-Undang Republik Indonesia No. 20 Tahun 2008 tentang Usaha Mikro, Kecil dan Menengah selanjutnya disingkat UU 20/2008. UU 20/2008 lebih lanjut dijabarkan dalam Peraturan Pemerintah Republik Indonesia No. 17 Tahun 2013 Tentang Pelaksanaan Undang-Undang Republik Indonesia No. 20 Tahun 2008 Tentang Usama Mikro, Kecil dan Menengah, yang selanjutnya disebut PP 17/2013.

Saat ini telah terbentuk beberapa komunitas UMKM dalam bentuk asosiasi, yang bersifat lokal seperti Asosiasi UMKM Kota Depok (asosiasiumkmdepok.com), maupun bersifat nasional seperti Asosiasi UMKM Indonesia (Akumindo - akumindo.com). Selain itu terdapat juga klaster UMKM seperti Asosiasi Klaster Indonesia (AKsI - asosiasiklasterindonesia.com), yang merupakan asosiasi pengembangan klaster UMKM yang berpusat di Semarang. Terdapat juga asosiasi yang bersifat sektoral seperti Asosiasi Industri Kecil Menengah Agro (AIKMA) yang khusus bergerak di sektor agro. Ada juga asosiasi yang merupakan gabungan dari UMKM maupun UB, contohnya Asosiasi E-Commerce Indonesia (idEA) yang informasinya dapat diakses melalui situs: https://www.idea.or.id.

Dalam usaha meningkatkan peran UMKM, penggunaan teknologi informasi dan komunikasi (TIK) menjadi sangat penting. Banyaknya UMKM

dan transaksi yang terjadi menghasilkan data yang sangat besar sehingga memerlukan teknologi big data untuk melakukan pemrosesan dan analisisnya. UMKM yang bergerak di sektor perdagangan, hotel dan restoran sudah banyak yang memanfaatkan

e-commerce untuk promosi, pemesanan dan penjualan

secara online. UMKM sejenis dapat

menyelenggarakan layanan TIK online dalam bentuk

e-market secara bersama-sama, baik difasilitasi oleh

pemerintah (seperti: e-market UMKM kota Bandung), asosiasi maupun pihak lain (seperti: lazada.co.id, olx.co.id). Untuk mendukung fungsi pemasaran diperlukan analisis data historis baik data UMKM sendiri, maupun UMKM dalam suatu klaster (sejenis) termasuk data media sosial yang relevan. Namun demikian sumberdaya TIK yang dimiliki dan digunakan UMKM masih terbatas. Oleh karena itu, perlu suatu strategi agar UMKM juga dapat menerapkan teknologi big data yang memerlukan sumber daya TIK yang besar secara bersama-sama. 3. Survei Usaha Mirko Kecil dan Menengah di

Internet

Berdasarkan survei dan pengamatan di internet, UMKM e-commerce teridentifikasi kondisi sebagai berikut: (1) UMKM ada yang memiliki situs sendiri ada yang tidak. UMKM katagori perusahaan menengah rata-rata memiliki situs sendiri, dan beberapa sudah memiliki infrastruktur penjualan dan pembayaran sendiri. UMKM katagori kecil biasanya menggunakan situs-situs penjualan online yang ada saja; (2) UMKM menggunakan situs e-market place seperti Tokopedia, Lazada, Bukalapak dan sejenisnya untuk berjualan secara online; (3) UMKM juga memiliki akun media sosil seperti Facebook, Twitter, Instagram atau sejenisnya untuk meningkatkan pemasaran; (4) UMKM menggunakan layanan komunikasi berbasis messanger untuk meningkatkan dan mengefisienkan komunikasi, seperti melalui BBM, WhatsApp, Line dan sejenisnya. Layanan ini lebih difokuskan untuk customer service dan beberapa ada untuk brodcash message promotion.

Berdasarkan hal tersebut, maka dapat diidentifikasi bahwa: (1) Data operasional/ transaksi UMKM tersebar pada sistem internal (kasus yang memiliki situs penjualan sendiri) dan pada sistem

e-market place yang dilanggan. Dengan demikian

fokus penggunaan big-data operasional relevan pada situs-situs e-market place yang menyediakan layanan operasional/ transaksi tersebut; (2) Data pemasaran dan sentimen masyarakat tersebar pada situs internal (kasus yang memiliki situs penjualan sendiri), pada situs e-market place berupa review dan komentar konsumen, serta pada akun media sosial, juga pada layanan komunikasi berbasis pesan (private). Dengan demikian untuk keperluan analisis data pemasaran, sentimen pelanggan dan sejenisnya perlu menggunakan sumber-sumber data tersebut.

3 Beberapa asosiasi yang dibentuk oleh komunitas UMKM berperan sebagai fasilitasi penataan hubungan antar sesama UMKM dan komponen lain yang terkait untuk meningkatkan kemampuan dan kapasitas UMKM. Juga memfasilitasi terciptanya proses bisnis UMKM yang efisien dan ekonomis sehingga dapat menyediakan layanan yang prima kepada konsumen UMKM. Dengan demikian UMKM merupakan variabel signifikan dalam pertumbungan ekonomi nasional. Selain itu juga dalam rangka mensosialisasikan

e-commerce dan pengembangan sumberdaya manusia,

teknologi dan kapasitas UMKM. Misi dari asosiasi lain kurang lebih ke arah yang sama, untuk kemajuan UMKM secara bersama-sama.

Oleh karena itu, asosiasi UMKM dapat berperan untuk memfasilitasi tersedianya e-market place yang lebih solid dan menguntungkan bagi UMKM. Namun demikian, karena hal ini juga menjadi peran yang menarik bagi pengusaha besar untuk menyediakan

e-market place kepada UMKM, maka peran asosiasi/

komunitas UMKM bisa jadi dapat lebih signifikan sebagai asosiasi yang bekerjasama dengan perusahaan besar untuk menyediakan e-market place yang lebih sesuai (kondusif) sesuai dengan tujuan untuk memperkuat UMKM tersebut.

4. Hadoop dan Hadoop Ecosystem

Hadoop merupakan platform sistem terdistribusi, yang mencakup file system terdistribusi dan komputasi terdistribusi yang berjalan pada perangkat keras komoditas [12]. File system terdistribusi pada Hadoop disebut sebagai Hadoop

Distributed File System (HDFS). Sedangkan

komputasi terdistribusi menggunakan framework Map Reduce. Arsitektur Hadoop dapat dilihat pada Gambar 2.

Gambar 2 Arsitektur Hadoop

Sistem Hadoop terdiri atas 2 jenis node, yaitu:

Master Node, yang di dalamnya terdapat HDFS Master dan Map Reduce Master. HDFS master

bertanggung jawab mengatur partisi storage pada

Slave Node dan membagi-bagi data serta track akses

data tersebut ke Slave Node. Dalam hal ini, Master berfungsi sebagai pemberi informasi kepada Client

(yang mengakses) tentang keberadaan data-data secara nyata di Slave Node. Map Reduce Master juga memiliki fungsi mirip dengan HDFS Master, bertanggungjawab untuk mengorganisasikan di mana pekerjaan komputasi dijadwalkan pada Slave Node.

Slave Node bertugas menyimpan data dan

menjalankan proses yang telah dijadwalkan oleh

Master Node. Kemampuan penyimpanan dan

komputasi dilakukan dengan menambah Slave Node. Lebih jauh arsitektur HDFS dapat dilihat pada Gambar 3.

Gambar 3 Arsitektur HDFS

Name Node menyimpan peta dari blok data yang

disimpan pada Data Node. Aplikasi Client bertanya terlebih dahulu ke Name Node, baru kemudian mengakses data tersebut secara real ke Data Node sesuai dengan peta dari Name Node. Arsitektur akses Map Reduce dapat dilihat pada Gambar 4.

Gambar 4 Arsitektur Map Reduce Pada saat Client men-submit suatu job Map Reduce ke Map Reduce Master, maka job tersebut didekomposisi menjadi task-task Map dan Reduce. Kemudian masing-masing task dijadwalkan untuk

4 dieksekusi pada remote Slave Node. Setiap input akan diproses oleh task mapper, kemudian hasilnya diproses lagi oleh task reducer. Dengan demikian maka semua task dapat dijalankan di masing-masing

Slave Node dan hasilnya tetap dapat di-filter untuk

mengetahui hasil-hasil yang redundant ataupun yang saling berhubungan.

Dengan pesatnya penggunaan teknologi Hadoop, maka telah dikembangkan berbagai produk turunan dari framework Map Reduce yang berjalan di atas HDFS, seperti dapat dilihat pada Gambar 5 [5].

Gambar 5 Hadoop Ecosystem [5]

Hive merupakan implementasi Map Reduce pada sektor Datawarehouse. Hive mendukung bahasa tingkat tinggi seperti SQL, yang disebut HiveQL. Sementara untuk keperluan analisis, berkembang beberapa produk, yaitu: Mahout, R, Rhipe, RHadoop dan produk lainnya. Mahout digunakan untuk

machine learning. Sedangkan ada berbagai produk

turunan lainnya yang sangat populer untuk basis data

real time pengembangan dari Big Data Google adalah

Hbase [4]. Hbase terkenal dengan struktur yang bersifat column based dengan akses noSQL. Selain itu juga ada produk-produk lain seperti Sqoop, oozie, dan Flume.

5. Cloud Computing dan Virtual Private Network

Cloud computing (komputasi awan)

didefinisikan sebagai konsep komputasi yang menggunakan sumber daya teknologi informasi (IT

resources) sebagai layanan (as services) yang dapat

diakses melalui jaringan komputer [3]. Lebih lanjut (National Institut of Standars and Technology) NIST memperkenalkan 5 properti mendasar yang menunjukan karakteristik dari cloud computing, yaitu: on-demand self-service, broad network access,

measured service (pay-per-use), resource pooling

dan rapid Elasticity [9]. Secara keseluruhan konsep dari cloud computing dipetakan ke dalam sebuah pola seperti pada Gambar 6.

Gambar 6 Peta Pola Cloud Computing [9]

Virtual Private Network (VPN) merupakan

penggunaan jaringan publik (public network) untuk keperluan sendiri (private network). VPN dibentuk dengan menggunakan koneksi point-to-point virtual di atas jaringan eksisting menggunakan virtual

tunneling protocols atau traffic encryption [7]. VPN

banyak digunakan untuk menyambungkan komputer-komputer yang terdapat pada beberapa kantor pada sebuah organisasi besar yang memiliki kantor di berbagai tempat, dengan tetap mempertahankan sifat private dari akses datanya. VPN juga dapat digunakan untuk mengakses jaringan kantor (office) oleh karyawan/ pegawai secara remote dari rumah atau dari manapun menggunakan akses publik (internet) secara aman (Gambar 7).

Gambar 7 Internet VPN [8]

Implementasi VPN yang umum dipakai saat ini adalah OpenVPN dan IPSec [8]. OpenVPN memiliki kelebihan dalam hal fleksibilitas penggunaannya. Hal ini dimungkinkan karena eksekusinya pada layer aplikasi sehingga dapat menggunakan hak akses ditingkat user [10]. Selain itu, OpenVPN bersifat

open source dengan lisensi GNU General Public License (GPL), sehingga dapat digunakan tanpa biaya

berlangganan secara khusus.

6. Model Arsitektur Infrastruktur Operasional

Big Data untuk Komunitas UMKM

Dalam menyusun model arsitektur infrastruktur operasional big data untuk komunitas UMKM, ada beberaap pertimbangan yang perlu diperhatinan,

5 antara lain: (1) Setiap UMKM tidak memiliki kemampuan untuk menyediakan komputer (node) dalam jumlah banyak; (2) Oleh karena itu untuk menyediakan node dalam jumlah banyak dapat bekerjasama dalam kelompok, misalnya asosiasi UMKM, di mana setiap UMKM dapat menyumbangkan node operasionalnya untuk

digunakan bersama-sama; (3) Agar node-node tersebut dapat terhubung dengan aman, maka dapat menggunakan layanan VPN pada jaringan publik; (4) Sehingga secara bersama dapat menyediakan layanan operasional manajemen data dalam sekala besar (big

data management).

Oleh karena itu, arsitektur infrastruktur operasional dapat diwujudkan dalam bentuk virtual

infrastructure yang terdiri atas banyak cluster node

dari masing-masing UMKM. Untuk lebih jelas dapat dilihat pada Gambar 8.

Gambar 8. Arsitektur Infrastruktur Operasional Big

Data UMKM

Pada Gambar 8 HNet adalah jaringan virtual Hadoop yang dibangun bersama-sama oleh UMKM, misalnya melalui paguyuban/ asosiasi terkait. HNet memanfaatkan jaringan internet dan intranet penyelenggara (misalnya asosiasi) A Intranet. Sebagai infrastruktur dasar asosiasi A menyediakan server dedicated AHMaster sebagai Hadoop master (berisi master node HDFS,

HMaster HBase, Zookeeper dan sejenisnya), dan beberapa Hadoop slave AHNode (Data Node, HRegionServer HBase, Map Reduce Job Tracker, dan sejenisnya). Sedangkan untuk setiap UMKM yang tergabung menyediakan server slave UHNode dengan isi sama dengan

AHNode ditambah dengan aplikasi untuk mengaksesnya dari masing-masing UMKM (HDFS Client, HBase CLI, dan sejenisnya).

Arsitektur ini telah diimplementasikan dan diujicoba di Lab Komputer FTIS Unpar. Hasil pengujian menunjukkan bahwa UHNode dapat terhubung ke cluster Hadoop AHMaster dan dapat

beroperasi baik melalui jaringan virtual private

network berbasis Open VPN. Dengan demikian,

dapat disimpulkan bahwa cluster Hadoop virtual HNet telah berhasil dikembangkan.

7. Model Arsitektur Aplikasi Operasional Big

Data untuk Komunitas UMKM

Untuk menangani data transaksional dalam jumlah besar, maka diperlukan sistem manajemen data yang memadai. Solusinya menggunakan noSQL yang berjalan di atas Hadoop, yaitu HBase. Arsitektur lengkap aplikasi mobile cloud berbasis HBase dapat dilihat pada Gambar 9.

Pada Gambar 9 arsitektur mobile cloud untuk manajemen data operasional big data, terdiri atas 3 layer, yaitu: User Layer di mana end user dapat mengakses layanan aplikasi menggunakan Web

Browser atau Mobile App

(aplikasi mobile). Service Layer terdiri atas layanan Web Site yang mengakses data/ proses melalui

Web Service. Selanjutnya Web Service mengakses data melalui

HBase API atau JDBC ke HBase yang berjalan di atas HDFS (Hadoop).

Penggunaan Web Service penting agar business logic dan akses ke data ditangani satu layer saja sehingga seragam. Web Site hanya sebagai

presentation layer untuk user yang mengakses

layanan menggunakan Web Browser. Sedangkan pilihan menggunakan HBase API atau JDBC lebih ke pertimbangan kecepatan/ performance versus kemudahan migrasi. Untuk kecepatan akses sangat direkomendasikan menggunakan HBase API secara langsung. Sedangkan jika kemudahan migrasi menjadi kriteria, maka dapat menggunakan JDBC tanpa mengubah service layer.

Gamba 9 Arsitektur Mobile Cloud Berbasis Hadoop Arsitektur Mobile Cloud berbasis Hadoop di atas sudah diimplementasikan pada 2 aplikasi kasus dengan hasil yang baik. Penggunaan HBase API diimplementasikan pada kasus Sistem Pembayaran

6 Layanan dengan Sistem Keanggotaan dan Kupon [11], sedangkan penggunaan JDBC telah diimplementasikan pada kasus Sistem Pembukuan Usaha Mikro Kecil (UMK) [2]. Pengujian performansi dengan simulasi akses maksimum 7.200

concurrent user telah dilaksanakan pada lingkungan

HBase 10 Node yang berjalan di atas Hadoop 20 Node dengan hasil bahwa penggunaan HBase API memberikan kinerja lebih baik dibandingkan dengan JDBC. Namun demikian pengembangan aplikasi menggunakan JDBC jauh lebih sederhana dari pada penggunaan HBase API. Oleh karena itu, jika kinerja/ kecepatan menjadi prioritas maka direkomendasikan menggunakan HBase API. Namun demikian jika kemudahan migrasi dari sistem berbasis SQL menjadi prioritas, maka penggunaan JDBC menjadi alternatif yang direkomendasikan. Perbandingan kinerja juga dilakukan terhadap MySQL dengan kesimpulan bahwa kinerja/ kecepatan akses HBase lebih baik dari MySQL pada akses skala besar (7.200 concurent

user).

8. Kesimpulan dan Saran

Berdasarkan uraian di atas dapat disimpulkan bahwa: (1) UMKM memiliki peranan sangat penting dalam perekonomian nasional Indonesia; (2) Dengan berasilnya penetrasi internet, UMKM juga dapat bertransaksi di internet melalui e-commerce; (3) transaksi yang besar pada sektor e-commerce memerlukan teknologi big data processing; (4) UMKM dapat memanfaatkan komputer komuditas dan teknologi free open source seperti Hadoop dan Hadoop Ecosystem yang sesuai untuk bekerjasama menyediakan infrastruktur; (5) model arsitektur infrastruktur dan aplikasi manajemen operasional/ transaksi UMKM telah berhasil dikemangkan menggunakan teknologi big data, mobile cloud dan

virtual private network (VPN).

Selanjutnya perlu dikembangkan model arsitektur big data analysis yang cocok untuk UMKM.

9. Ucapan Terima Kasih

Dalam kesempatan ini penulis mengucapkan terima kasih kepada Lembaga Penelitian dan Pengabdian Masyarakat Universitas Katolik Parahyangan (LPPM-UNPAR) dan Direktorat Pendidikan Tinggi, Kementerian Ristekdikti atas pendanaan penelitian ini melalui hibah bersaing tahun 2016.

Daftar Pustaka:

[1] Bagian Data Biro Perencanaan Kementerian Kop & UMKM, 2013, Statistik Usaha Mikro,

Kecil dan Menengah (UMKM) Tahun

2010-2011, Jakarta, http://www.depkop.go.id,

tanggal akses 22 Maret 2015. [2] Darajatun Anton Pratama, 2016,

Pengembangan Layanan Mobile - Cloud Berbasis Teknologi Big Data Processing, Studi Kasus: Pembukuan Usaha Mikro Dan Kecil (UMK), Program Studi Teknik

Informatika.

[3] Fehling Christoph, Frank Leymann, Ralph Retter, Walter Schupeck, Peter Arbitter, 2014,

Cloud Computing Patterns: Fundamentals to Design, Build, and Manage Cloud

Applications, Springer, NY, USA.

[4] George L., 2011, HBase The Definitive Guide,

Sebastopol, CA, O’Reilly.

[5] Holmes Alex, 2012, Hadoop in Practices,

Manning Publications Co., NY, USA. [6] Sekretariat Kementerian Negara Koperasi dan

UMKM Republik Indonesia, 2013,

Perkembangan Data Usaha Mikro, Kecil, Menengah (UMKM) Dan Usaha Besar (UB) Tahun 2011 - 2012, Jakarta,

http://www.depkop.go.id, tanggal akses 22 Maret 2015.

[7] Kent, S.; Atkinson, R., 1998, IP

Encapsulating Security Payload (ESP), IETF,

RFC 2406.

[8] Mason, Andrew G., 2002, Cisco Secure

Virtual Private Network, Cisco Press. p. 7.

[9] Mell, P., Grance, T., 2011, The NIST

Definition of Cloud Computing, National

Institute of Standards and Technology, Online http://csrc.nist.gov/publications/nistpubs/800-145/SP800-145.pdf, tanggal akses 22 Maret 2015.

[10] OpenVPN, OpenVPN Security Overview, http://openvpn.net, tanggal akses 22 Maret 2015.

[11] Sudarsono Sihotang, 2015, Pengembangan

Layanan Mobile Cloud Berbasis Teknologi Big Data Processing, Studi Kasus: Pembayaran Layanan Dengan Sistem Keanggotaan Dan Kupon, Program Studi

Teknik Informatika.

[12] Tom White, 2012, Hadoop the Defintive