Nama : Dwi Sary Utami NPM : 19430020 3G1G2 1. 2. - On Premise : On Premises CRM (Customer Relationship Management) merupakan CRM yang diterapkan secara konvensional, yang mana mulai dari pengadaan hingga pengaturan infrastruktur maupun software dilakukan oleh perusahaan itu sendiri (intern). Seperti mulai dari server, developer, design dan lain sebagainya dilakukan oleh perusahaan. Perusahaan dapat dengan mudah mengontrol semua database yang ada didalamnya karena semua data disimpan dimana perusahaan itu berada. Hanya saja, perusahaan perlu mengeluarkan biaya lebih besar karena harus merekrut tim IT sendiri. - Infrastructure as a Service (IaaS) Merupakan layanan untuk menggunakan infrastruktur yang telah disediakan. IaaS juga dapat diartikan dengan sebuah layanan yang “menyewakan” sumberdaya teknologi informasi dasar, yang meliputi media penyimpanan, processing power, memory, sistem operasi, kapasitas jaringan dan lain-lain, yang dapat digunakan oleh penyewa untuk menjalankan aplikasi yang dimilikinya.Contoh dari IaaS yaitu Amazon.com yang meluncurkan Amazon EC2 (Elastic Computing Cloud ). Layanan Amazon EC2 ini menyediakan berbagai pilihan persewaan mulai CPU, media penyimpanan, dilengkapi dengan sistem operasi dan juga platform pengembangan aplikasi yang bisa disewa dengan perhitungan jam-jaman. - Platform as a Service (PaaS) Merupakan layanan untuk menggunakan platform yang telah disediakan – pengembang fokus pada aplikasi yang dibuat tanpa memikirkan tentang pemeliharaan platform. PaaS adalah penyediaan platform bagi developer yang disediakan melalui internet. Hal ini dibutuhkan ketika aplikasi yang disediakan melalui SaaS tidak sesuai dengan kebutuhan proses bisnis yang terdapat pada perusahaan. PaaS memungkinkan kita untuk membangun aplikasi, mengupload aplikasi, melakukan testing aplikasi, ataupun mengatur konfigurasi yang dibutuhkan dalam proses pengembangan aplikasi. Konsepnya sama dengan SaaS, yaitu kita dapat melakukan hal-hal tersebut sesuai jasa yang kita pilih dengan harga tertentu.Contoh dari PaaS yaitu Google AppEngine yang menyediakan aplikasi di atas platform Google dengan bahasa pemrograman Phyton dan Django. Contoh lain adalah Facebook yang memungkinkan kita mengembangkan aplikasi di facebook seperti aplikasi game yang dilakukan oleh Zynga. - Software as a Service (SaaS) Merupakan layanan untuk menggunakan aplikasi yang telah disediakan penyedia layanan mengelola platform dan infrastruktur yang menjalankan aplikasi tersebut. SaaS lebih simple adalah layanan software yang digunakan melalui internet.Contoh dari SaaS adalah google docs, facebook, aplikasi CRM berbayar, dropbox pro, dan yahoo mail. 3. Melalui IoT, perusahaan atau organisasi akan mengumpulkan data mengenai customer behavior. Data yang dikumpulkan dan kemudian dianalisa untuk mendapatakan gambaran yang jelas mengenai tingkah laku customer ini disebut dengan Big Data 4. Big data memiliki 5 karakteristik utama yang dikenal dengan 5Vs yaitu volume,velocity, variety, veracity dan value. 1. Volume (jumlah data) Volume dari big data mengacu pada besarnya data yang dihasilkan atau diperoleh. Big data memiliki jumlah data yang sangat besar sehingga dalam proses pengolahannya dibutuhkan suatu penyimpanan yang besar. 2. Velocity (kecepatan data) Velocity mengacu pada peningkatan kecepatan di mana data ini dibuat, dan peningkatan kecepatan di mana data dapat diproses, disimpan, dan dianalisis oleh hubungan database. 3. Variety (keragaman data) Variety mengacu pada bentuk format data yang beragam baik terstruktur maupun tidak terstruktur yang tergantung banyaknya sumber data 4. Veracity (ketidakakakuratan data) Veracity mengacu pada sulitnya memastikan kebenaran suatu data akibat banyaknya data yang ada dan dari berbagai sumber. 5. Value (Nilai data) Value mengacu pada kemampuan data dapat diolah menjadi sesuatu yang memiliki nilai 5. - Data Berstruktur jenis data structured (data tradisional) dapat diproses, disimpan, dan diambil dalam format tetap. Jenis data ini disimpan dalam bentuk tabel, baris dan kolom yang normalnya disimpan dalam excel atau spreadsheet, dimana informasi pada data sangat terorganisir dan dapat dengan mudah diakses dari database dengan algoritma mesin pencari sederhana. Contoh data terstruktur adalah, data sensor, data penjualan pada suatu perusahaan, data karyawan dalam database perusahaan dengan detail yang terstruktur seperti detail data diri karyawan, posisi pekejaan, gaji, dan lainnya ditampilkan secara terorganisir. Data Semi-Terstruktur jenis data semi-structured merupakan jenis data yang dimasukan ke dalam sebuah tabel, tetapi skemanya tidak sama dengan tabel biasa yang hanya terdiri dari baris dan kolom. Data semi-terstruktur mengandung format data terstruktur dan tidak terstruktur. Walaupun belum diklasifikasi oleh repository tertentu (database), namun mengandung informasi yang penting. Contohnya adalah data dalam bentuk file csv, file xml, dan file json. - Data Tidak Berstruktur jenis data unstructured adalah data dengan bentuk yang tidak dikenal, harus disimpan dengan format khusus karena tidak memiliki struktur yang spesifik seperti jenis data structured. Raw data dari jenis data ini hanya dapat menghasilkan nilai setelah diproses dan dianalisa. Menyimpan data jenis ini pun memiliki kerumitan seperti memerlukan penggunaan sistem penyimpanan yang memadai, seperti database NoSQL (MongoDB dan CouchDB).Contoh jenis data tidak terstruktur seperti data teks, berformat foto atau gambar, video, atau suara. Selain itu, bisa juga dalam bentuk keluhan pelanggan, kontrak, ataupun email internal. Contoh dari data jenis ini dapat ditemukan dalam social media, seperti komentar, likes, followers, dan data click pada setiap aktivitas di akun media sosialmu. 6. Analisis data adalah sebuah proses untuk mengelompokan, melihat keterkaitan, membuat perbandingan, persamaan dan perbedaan atas data yang telah siap untuk dipelajari, dan membuat model data dengan maksud untuk menemukan informasi yang bermanfaat sehingga dapat memberikan petunjuk untuk mengambil keputusan terhadap permasalahan dan/atau pertanyaan penelitian yang diangkat. Untuk tingkatannya yaitu 1. Deskriptif 2. Diagnostik 3. Prediktif 4. Preskriptif 5. Kognitif 7. - Proses Desain Penciptaan desain menjadi langkah awal proses manufaktur pakaian. Pada tahap ini divisi desain biasanya akan melibatkan sejumlah desainer yang berpengalaman untuk menciptakan model busana yang sesuai selera konsumen saat ini dan memperkirakan model busana untuk masa yang akan datang. - Pattern Making Dari ide kreatif desainer yang dituangkan ke dalam sebuah kertas sketsa, selanjutnya seseorang yang bertugas untuk membuat pola design akan mengembangkan pola pertama untuk didesain berdasarkan ukuran standar. - Sample Making Berlanjut ke proses sample making. Pada proses ini dibuatlah sampel baju dengan metode pola drafting. Sampel pola desain yang telah jadi dikirim ke bagian penjahit untuk diproses lebih lanjut. Pola tersebut biasanya dijahit pada kain blacu atau kain muslin untuk dianalisa antara kesesuaian pola dan desain. - Cutting and Sewing Kain yang telah digambar sesuai pola kemudian dipotong menggunakan bantuan mesin potong. Dalam produksi pakaian, bahan kain ini selanjutnya juga harus melalui proses berikutnya yang dinamakan sewing, penjahitan dari pola yang telah dibuat sebelumnya. 8. Artificial Intelligence (kecerdasan buatan – AI) merupakan teknologi masa kini yang konsepnya “membawa kepintaran manusia ke dalam mesin.” Mungkin ini terdengar tidak masuk akal, mengingat kekompleksan cara berpikir manusia. Namun faktanya teknologi AI ternyata lebih dekat dari yang kita kira. Ada banyak sekali aspek kehidupan kita yang ternyata sudah menggunakan teknologi AI. Contoh Artificial Intelligence Beberapa contoh artificial intelligence yang sering kita temui adalah: - Teknologi face recognition dari ponsel - Mobile banking - Rekomendasi produk pada halaman e-commerce Machine Learning adalah bagian dari implementasi Artificial Intelligence. Machine Learning merupakan metode pembelajaran AI yang memanfaatkan data untuk membuat prediksi layaknya manusia.Data-data yang masuk ke dalam mesin akan dianalisa, yang kemudian menghasilkan prediksi, saran, maupun keputusan. Beberapa contoh machine learning yang sering kita temui: • • • Optimasi iklan dalam strategi digital marketing Penerjemah tulisan tangan menjadi teks Software pengecekan terjemahan dan tata bahasa Deep Learning merujuk pada salah satu algoritma yang digunakan oleh Machine Learning dalam Artificial Intelligence. Deep Learning memanfaatkan berbagai variable kompleks dalam analisisnya, sehingga mesin bisa memahami suatu pola atau kebiasaan yang timbul dari suatu kejadian.Salah satu contoh implementasi Deep Learning yang paling sering kita temui adalah sistem algoritma catur. Anda tentu bertanya-tanya mengapa AI di game catur (terutama mode hard) sangat sulit dikalahkan, bahkan oleh orang yang jago sekalipun. Ini karena algoritma yang digunakan oleh game tersebut bisa menganalisa jutaan langkah yang didapatkan dari pertandingan sebelumnya. Langkah-langkah tersebut direkam secara baik-baik, dan komputer bisa mencari solusi yang tepat dalam menghadapi langkah tersebut. Pembelajaran ini tentu dilakukan dalam hitungan detik! Contoh Deep Learning • Siri dari Apple • Google Assistant dari Google • AlphaGo dari Google 9. Artificial Intelligence adalah simulasi kecerdasan manusia yang diterapkan di dalam mesin lalu diprogram supaya dapat berpikir seperti manusia. Bisa dikatakan bahwa AI merupakan sistem pada komputer yang mampu mengerjakan aktivitas yang umumnya membutuhkan kecerdasan atau tenaga manusia untuk menyelesaikannya. Bentuk pemanfaatannya bisa berupa assistant layanan, mesin pengingat data, serta bisa pula sebagai perangkat pengolah informasi data. Hal ini karena kecerdasan buatan memiliki hasil yang lebih akurat dalam proses analisis dari seluruh data yang terkumpul, bahkan dalam data dalam jumlah besar. Jika dalam Industri Garmen penerapan AI dilakukan Pada saat proses penggambaran dan juga untuk data-data yang tersimpan seperti untuk proses pembuatan baju kain,ukuran,dan model bagaimana yang akan dibuat. 10. -