BIG DATA (KSI) (KELOMPOK)

What : 

Big Data adalah sebuah sistem teknologi yang diperkenalkan untuk menanggulangi 'ledakan informasi' seiring dengan semakin bertumbuhnya ekosistem pengguna perangkat mobile dan data internet. Pertumbuhan perangkat mobile dan data internet ternyata sangat mempengaruhi perkembangan volume dan jenis data yang terus meningkat secara signifikan di dunia maya.

Why : 

 Big data merupakan bagian dari persaingan yang sulit untuk pangsa pasar. Ancaman utamanya adalah kemampuan pesaing untuk mengumpulkan dan menganalisis sentimen konsumen dan menghasilkan rekomendasi di seluruh jutaan  pelanggan. Pentinguntuk dicatatbahwaancaman danpeluang yang terkaitdengan datayang besarsering memilikiimplikasiorganisasidimana  hanyadenganperhatian senioreksekutifdapatmengatasinya. Pimpinan terlalu sedikit memahami potensi data yang besar dalam bisnis mereka, aset data dan kewajiban dari bisnisnya, atau pilihan strategis mereka adalah harus membuat untuk memulai memanfaatkan data yang besar.

Where : Didalam perusahaan-perusahaan besar dan didalam Sosial Media

When :  

Setiap hari, kita menciptakan 2,5 triliun byte data - begitu banyak bahwa 90% dari data di dunia saat ini telah dibuat dalam dua tahun terakhir saja. Data ini berasal dari mana-mana, sensor digunakan untuk mengumpulkan informasi iklim, posting ke situs media sosial, gambar digital dan video, catatan transaksi pembelian, dan sinyal ponsel GPS untuk beberapa nama. Data ini adalah big data. 

Who :

 Perusahaan-Perusahaan yang mempunyai data yang sangat besar setiap hari nya misalnya seperti Sosial Media, Perusahaan Sinyal GPS atau Jaringan Ponsel

How : Bagaimana cara kerja dan penggunaan Big Data :

      IT logs Analytics

Penyimpanan Log jangka panjang, digunakan untuk analisa proses sistem yang sedang berjalan untuk mencegah dan menaggulangi kegagalan dalam sistem, mengunakan hasil analisa log untuk menemukan dan mentukan secara pasti kegagalan apa yang terjadi didalam sistem, menyiapkan langkah-langkah pasti yang dapat digunakan sebagai solusi masalah sistem. 

      Fraud Detection Pattern

Banyak digunakan dalam Bidang keuangan atau dimana saja transaksi finasial terlibat, Memaksimalkan pengunaan data-data yang ada untuk memberikan kemampuan unutk mendeteksi fraud ketika transaksi sedang berlangsung

      The Social Media Pattern

Pengunaan Big data untuk analisa media social dan sentiment pelangan, memberikan kemampuan bagi perusahan untuk mengetahui keinginan customer secara luas, mendapatkan feedback secara langsung, dan mengenali langsung dampak sentimen terhadap penjualan, serta efektivitas dan penerimaan pelangan terhadap pemasaran yang dilakukan. 

  

      The Call centere Mantra

Penyimpanan hasil perbincangan atau laporan customer dalam bentuk text yang kemudian digunakan sebagai data untuk analisa masalah yang dihadapai customer, memberikan kemampuan bagi perusahaan untuk memberikan tanggapan yang cepat maupun secara langsung terhadap masalah yang dihadapi customer, serta kemampuan unutk mendeteksi penurunan loyalitas customer dikarenakan masalah dan ketidakpuasaan.

      Risk: Patterns  for Modeling and Management

Memberikan kempuaan pengunaan data secara penuh dan analisis dalam pemodelan resiko dan menejemen resiko untuk memberikan pengetahuan akan resiko dan penanggulangannya secara tepat dan langsung  

      Big data and The Energy Sector

Memberikan kemampuan penyimpanan dan pemrosesan data secara langsung dari berbagai sumber(sensor), analisa dan kemudahan dalam pengenalan noise untuk memisahkannya dari signal.

Pengertian Data 

(R. Kelly Rainer, 2011) Data, menunjuk pada deskripsi dasar akan benda, event, aktivitas, dan transaksi yang terdokumentasi, terklasifikasi,dan tersimpan tetapi tidak terorganisasi untuk dapat memberikan suatu arti yang spesifik.

            Berdasarkan pengertian di atas, data merupakan hal paling mendasar yang dibutuhkan perusahaan yang dapat diperoleh dari proses-proses operasional sehari-hari maupun sumber-sumber luar yang akan diolah menurut keinginan perusahaan.

Pengertian Information

(R. Kelly Rainer, 2011) Information, merupakan data yang telah terorganisir agar dapat memberikan arti dan nilai kepada penerima.

            Berdasarkan pengertian di atas, hasil penyusunan dan transformasi data yang dapat memberikan makna baru kepada data tersebut.

Pengertian Knowledge

(R. Kelly Rainer, 2011) Terdiri dari data atau informasi yang telah terorganisasi dan proses untuk memberikan pemahaman, pengalaman, dan pembelajaran, serta keahlian terhadap problema bisnis yang sedang dihadapi.

            Berdasarkan pengertian di atas, knowledge menjadi sarana bagi para manajer untuk membuat keputusan - keputusan yang crucial dan berdampak besar bagi perusahaan, dimana kesalahan atau kecacatan dalam knowledge dapat memberikan dampak buruk bagi perusahaan.  

Pengertian Extract, Tranform, Load (ETL) (immon liad DWH)

(H.Inmon, 2005) ETL, proses memasukkan data, mengintergrasikan dan menempatkannya dalam data warehouse.

Berdasarkan pengertian tersebut, ETL adalah proses mengubah raw data sebelum masuk kedalam data warehouse.

Pengertian Data Warehouse

(R. Kelly Rainer, 2011) Data Warehouse adalah repository dari data-data yang bersifat historical yang terorganisir berdasarkan subjek yang digunakan untuk mendukung pengambilan keputusan. Data warehouse memiliki beberapa karakter dasar seperti. Diatur oleh business dimension or subject dimana data disusun berdasarkan subjeknya dan memiliki informasi yang relevan dengan pemgambilan keputusan dan analisis data.consistent yaitu data memliki bentuk yang sama disetiap atau disemua database. Historical, data yang ada merupakan data yang tersimpan dan terkumupl dalam waktu yang lama yang digunakan untuk forecasting dan perbandingan untuk meliat tingakt laju suatu perusahaan. Use only analytical processing menggunakan analytical processing yang berguna unutk mengakumulasi data-data yang ada. Multidimensional, data warehouse menyimpan data dalam lebih dari dua dimensi seperti data cube.

            Data warehouse merupakan bagian penting dalam struktur / arsitektur suatu BI karena posisinya sebagai tempat penyimpanan data- data yang telah terorganisasi dan yang telah memiliki makna, maka harus memilki struktur data desain yang baik yang dapat mensupport pengambilan data-data dan informasi secara akurat dan cepat dari dalam data warehouse itu sendiri.

Pengertian Big Data

            Menurut (Eaton, Dirk, Tom, George, & Paul) Big Data merupakan istilah yang berlaku untuk informasi yang tidak dapat diproses atau dianalisis menggunakan alat tradisional.

            Menurut (Dumbill, 2012) , Big Data adalah data yang melebihi proses kapasitas dari kovensi sistem database yang ada. Data terlalu besar dan terlalu cepat atau tidak sesuai dengan struktur arsitektur database yang ada. Untuk mendapatkan nilai dari data, maka harus memilih jalan altenatif untuk memprosesnya.

            Berdasarkan pengertian para ahli di atas, dapat disimpulkan bahwa Big Data adalah data yang memiliki volume besar sehingga tidak dapat diproses menggunakan alat tradisional biasa dan harus menggunakan cara dan alat baru untuk mendapatkan nilai dari data ini.

Bab 3

Pembahasan

3.1 Big Data

Setiap hari, kita menciptakan 2,5 triliun byte data - begitu banyak bahwa 90% dari data di dunia saat ini telah dibuat dalam dua tahun terakhir saja. Data ini berasal dari mana-mana, sensor digunakan untuk mengumpulkan informasi iklim, posting ke situs media sosial, gambar digital dan video, catatan transaksi pembelian, dan sinyal ponsel GPS untuk beberapa nama. Data ini adalah big data.

Big Data mengacu pada dataset yang ukurannya diluar kemampuan dari database software tools untuk meng-capture, menyimpan,me-manage dan menganalisis. Definisi ini sengaja dibuat subjective agar mampu digabungkan oleh definisi Big Data yang masi belum ada baku. Ukuran big data sekitar beberapa lusin TeraByte sampai ke beberapa PetaByte tergantung jenis Industri

Isi dari Big Data adalah Transaksi+interaksi dan observasi atau bisa di bilang segalanya yang berhubungan dengan jaringan internet, jaringan komunikasi, dan jaringan satelit 

Big Data dapat juga didefinisikan sebagai sebuah masalah domain dimana teknologi tradisional seperti relasional database tidak mampu lagi untuk melayani.

Big data lebih dari hanya masalah ukuran, itu adalah kesempatan untuk menemukan wawasan dalam jenis baru dan muncul data dan konten, untuk membuat bisnis Anda lebih gesit, dan menjawab pertanyaan yang sebelumnya dianggap di luar jangkauan Anda.

Big data dapat di artikan kedalam 9 karakter (IBM) menurut responden sehingga disimpulkan oleh IBM, Big data adalah data yang memiliki scope informasi yang sangat besar, model informasi yang real-time, memiliki volume yang besar, dan berasalkan social media data jadi dapat disimpulkan bahwa Big data adalah dataset yang memiliki volume besar dan salah satu isinya berdasarkan social media data, dan informasi dari Big data selalu yang terbaru (latestdata) sehingga model informasi nya real-time, dan scope informasi nya tidak terfocus pada industri-indrustri kecil saja atau industri-indrustri besar saja melainkan semuanya baik industry kecil maupun besar.

3.2 Dimensi -Dimensi Big Data

Ada 3 dimensi awal dalam Big Data yaitu 3V: Volume, Variety dan Velocity    

·         Volume

perusahaan tertimbun dengan data yang terus tumbuh dari semua jenis sektor, dengan mudah mengumpulkan terabyte bahkan petabyte-informasi.

Ø  Mengubah 12 terabyte Tweet dibuat setiap hari ke dalam peningkatan sentimen analisis produk.

Ø  Mengkonvert 350 milliar pembacaan tahunan untuk lebih baik dalam memprediksi kemampuan beli pasar.

Mungkin karakteristik ini yang paling mudah dimengerti karena besarnya data. Volume juga mengacu pada jumlah massa data, bahwa organisasi berusaha untuk memanfaatkan data untuk meningkatkan pengambilan keputusan yang banyak perusahaan di banyak negara. Volume data juga terus meningkat dan belum pernah terjadi sampai sethinggi ini sehingga tidak dapat diprediksi jumlah pasti dan juga ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte. Dataset big data sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika big data digabungkan dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa sampai zetabyte dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih tinggi dari 1000 zetabyte.

·         Variety :

Volume data yang banyak tersebut bertambah dengan kecepatan yang begitu cepat sehingga sulit bagi kita untuk mengelola hal tersebut. Kadang-kadang 2 menit sudah menjadi terlambat. Untuk proses dalam waktu sensitif seperti penangkapan penipuan, data yang besar harus digunakan sebagai aliran ke dalam perusahaan Anda untuk memaksimalkan nilainya.

Ø  Meneliti 5 juta transaksi yang dibuat setiap hari untuk mengidentifikasi potensi penipuan

Ø  Menganalisis 500 juta detail catatan panggilan setiap hari secara real-time untuk memprediksi gejolak pelanggan lebih cepat.

Berbagai jenis data dan sumber data. Variasi adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk structured data, unstructured data dan semi-structured data. Organisasi perlu mengintegrasikan dan menganalisis data dari array yang kompleks dari kedua sumber informasi Traditional dan non traditional informasi, dari dalam dan luar perusahaan. Dengan begitu banyaknya sensor, perangkat pintar (smart device) dan teknologi kolaborasi sosial, data yang dihasilkan dalam bentuk yang tak terhitung jumlahnya,  termasuk text, web data, tweet, sensor data, audio, video, click stream, log file dan banyak lagi.

·         Velocity :

Big Data adalah setiap jenis data - data baik yang terstruktur maupun tidak terstruktur seperti teks, data sensor, audio, video, klik stream, file log dan banyak lagi. Wawasan baru ditemukan ketika menganalisis kedua jenis data ini bersama-sama.

·         Memantau 100 video masukan langsung dari kamera pengintai untuk menargetkan tempat tujuan.

·         Mengeksploitasi 80% perkembangan data dalam gambar, video, dan dokumen untuk meningkatkan kepuasan pelanggan.

 Data dalam gerak. Kecepatan di mana data dibuat, diolah dan dianalisis terus menerus. Berkontribusi untuk kecepatan yang lebih tinggi adalah sifat penciptaan data secara real-time, serta kebutuhan untuk memasukkan streaming data ke dalam proses bisnis dan dalam pengambilan keputusan. Dampak Velocity latency, jeda waktu antara saat data dibuat atau data  yang ditangkap, dan ketika itu juga dapat diakses. Hari ini, data terus-menerus dihasilkan pada kecepatan yang mustahil untuk sistem tradisional untuk menangkap, menyimpan dan menganalisis. Jenis tertentu dari data harus dianalisis secara real time untuk menjadi nilai bagi bisnis.

3.3 Dimensi Ketidakpastian data

Dalam industri untuk meningkatan sebuah data lebih berkualitas dibutuhkan dimensi ke empat yaitu Veracity, pencantuman Veracity dapat menekankan pengelolahan dan penanganan untuk suatu ketidakpastian yang melekat dalam beberapa jenis data.

Daftar Pustaka

Dumbill, E. (2012). Big Data Now Current Perspective. O'Reilly Media.

Eaton, C., Dirk, D., Tom, D., George, L., & Paul, Z. (n.d.). Understanding Big Data. Mc Graw Hill.

Global Pulse. (2012). Big Data for Development:Challenges & Opportunities. Global Pulse.

H., I. (2006). METADATA – CENTRALIZED AND DISTRIBUTED IN DW2.0. 3-5.

H.Immon, W. (2005). Building the Data Warehouse, 4th Edition. Indianapolis, Indiana: Wiley Publishing, Inc.

IBM. (n.d.). Analytics: The real-world use of big data. Retrieved from How innovative enterprisesextractvalue from uncertain data: http://www-935.ibm.com/services/us/gbs/thoughtleadership/ibv-big-data-at-work.html

R. Kelly Rainer, C. (2011). Introduction to Information Systems. John Wiley & Sons (Asia) Pte Ltd.

Sun, H., & Heller, P. (2012). Oracle Information Architecture. Oracle Information Architecture.

Referensi

http://www-01.ibm.com/software/data/bigdata/

http://www.zdnet.com/top-10-categories-for-big-data-sources-and-mining-technologies-7000000926/

http://bigdata.blogdetik.com/

http://www.oracle.com/us/products/database/big-data-for-enterprise-519135.pdf

http://www-01.ibm.com/common/ssi/cgi-bin/ssialias?subtype=BK&infotype=PM&appname=SWGE_IM_DD_USEN&htmlfid=IMM14100USEN&attachment=IMM14100USEN.PDF
http://www.mckinsey.com/~/media/McKinsey/dotcom/Insights%20and%20pubs/MGI/Research/Technology%20and%20Innovation/Big%20Data/MGI_big_data_full_report.ashx

http://connollyshaun.blogspot.com/2012/05/7-key-drivers-for-big-data-market.html

http://www.mckinsey.com/~/media/McKinsey/dotcom/Insights%20and%20pubs/MGI/Research/Technology%20and%20Innovation/Big%20Data/MGI_big_data_full_report.ashx

http://spotfire.tibco.com/blog/?p=6793

http://hortonworks.com/blog/big-data-refinery-fuels-next-generation-data-architecture/

https://www.ibm.com/developerworks/vn/library/contest/dw-freebooks/Tim_Hieu_Big_Data/Understanding_BigData.PDF

http://www-935.ibm.com/services/us/gbs/thoughtleadership/ibv-big-data-at-work.html


Anggota Kelompok  : Bayu Fajar Ramadhan (1402011007)
                                    Rizky Saputra              (1402012078)

E-Government Portal Sumatera Selatan dan Kalimantan Selatan

Portal Resmi Pemerintah Sumatera Selatan

Website Portal Kabupaten/ Kota yang terdapat pada Website Sumatera Selatan :

Kabupaten Banyuasin

Kabupaten Empat Lawang (Belum Tersedia)

Kabupaten Lahat (Belum Tersedia)

Kabupaten Muara Enim

Kabupaten Musi Banyuasin

Kabupaten Musi Rawas (Belum Tersedia)

Kabupaten Ogan Ilir

Kabupaten Ogan Komering Ilir

Kabupaten Ogan Komering Ulu

Kabupaten Ogan Komering Ulu Selatan

Kabupaten Ogan Komering Ulu Timur

Kabupaten Penukal Abab Lematang Ilir (Belum ada )

Kota Lubik Linggau (Belum Tersedia )

Portal Resmi Pemerintah Kalimantan Selatan

Website Portal Kabupaten/ Kota yang terdapat pada Website Kalimantan Selatan :

Kabupaten Balangan

Kabupaten Banjar

Kabupaten Barito Kuala

Kabupaten Hulu Sungai Selatan

Kabupaten Hulu Sungai Tengah

Kabupaten Hulu Sungai Utara

Kabupaten KotaBaru

Kabupaten Tabalong

Kabupaten Tanah Bambu

Kabupaten Tanah Laut

Kabupaten Tapin

Kota Banjar Baru

Kota Banjarmasin

About Me (KSI)

Wazzzup...

Kenalin nama gue Bayu Fajar Ramadhan, Gue biasa di panggil "Bay"

gue kuliah di Universitas Yarsi angkatan 2011 

 Tujuan dan keinginan lo apa Bay ?

Tujuan gue hidup sih sebenernya ingin ngumpulin pahala sebanyak banyak nya biar masuk surga hahhahahha... , oke gue serius. Keinginan atau cita - cita gue sih waktu gue masih kecil gue pengen bangeeeet jadi Polisi. Gue udah berusaha agar cita - cita gue tercapai dari namanya gue rajin olahraga, sampe gue gagal dua kali ikut tes masuk Akademi Kepolisian. hahahhaa 

Pada tahun 2011, Hidup gue terus berlanjut dan gue menjadi mahasiswa di universitas Yarsi jurusan IT . Dan pada saat itu cita - cita gue berubah dan gue ingin menjadi CEO Leader, cie elaaah

Kok lu bisa masuk IT ?

Jadi gini ceritanya, Dulu gue berfikir kalo masuk jurusan Ekonomi , Hukum , udah terlalu mainstream. Nah akhirnya gue tertarik sama yang namanya jurusan IT, Dulu gue berfikir kalo masuk jurusan IT tuh gampang cuma tugas nya mati atau nyalain komputer doang hahhaha  , ternyata gue salaaah IT itu susah meeeeeen. lu tuh bakal kenalan , malem mingguan bareng, dinner , sama yang namanya bahasa Pemrograman. Awal lu kenal sama dia lu pasti bakal stress dah tapi kalo lo ngerti in dia dan lo memahami dia itu lama kelamaan bakal asik.

Nah, Akhirnya gue berfikir jadi anak IT itu keren dan sangat di butuhin di banyak perusahaan

intinya "GUE BANGGA" hahahha.

CASE STUDY ON INFORMATION SYSTEM (RFID) (KSI)

CASE STUDY ON INFORMATION SYSTEM

1. Conduct a survey of the various types of input and output devices used in shops, stores and businesses where you live. Include the devices used to monitor stock and capture sales of goods as well as those used to capture the means of payment. Can you find any local examples of the use of RFID tags? What kinds of changes to how businesses operate or the jobs people do might result from widespread use of RFID tags?

Menurut Saya :  Mungkin alternatif yang satu ini patut untuk dicoba dipraktekkan bagi para pemilik pasar swalayan untuk mengantisipasi padatnya konsumen dan untuk meningkatkan kepuasan konsumen pasar swalayan. Cobalah kita ambil contoh Carrefour, tentu saja kita semua pernah berbelanja di Carrefour, barang yang disediakan terbilang lengkap, dan murah. Tetapi apabila kita bicara tentang kecepatan dalam hal pelayanan mungkin kita pernah mengalami kekurang puasan. Pada prinsipnya, RFID menggunakan frekuensi radio untuk mengirimkan informasi atau data antara RFID tag dan RFID readernya, sehingga tidak memerlukan kontak fisik diantara keduanya untuk dapat berhubungan. Tidak diperlukannya kontak fisik inilah yang merupakan keunggulan utama dari RFID.      

Aplikasi RFID Pada Carrefour

         

  · Pelacakan Produk

• Teknologi ini telah diterapkan di Wal-mart sebagai supermarket kelas dunia. Setiap produk diberi chip RFID sehingga Wal-mart dapat mengetahui secara realtime keadaan tokonya, baik stok barang yang dimiliki, tanggal expired produknya dan informasi lainnya secara cepat dan akurat.

  · Penerapan dalam jasa pengiriman barang

•     Perusahaan jasa pengiriman barang seperti FedEx dan DHL dapat menerapkan teknologi RFID untuk mengetahui secara realtime barang yang sedang dikirim, teknologi ini akan melakukan tracking dengan cepat akan keberadaan barang sehingga pelanggan yang mengirimkan barang dapat mengetahui sekarang barangnya sudah sampai mana.

  · Penerapan di Perpustakaan

    

•      Teknologi ini dapat digunakan untuk menggantikan barcode yang ada ditiap buku di perpustakaan sehingga pihak perpustakaan dapat mengetahui keberadaan buku dan jumlah buku atau stok buku dengan cepat dan akan mempercepat waktu peminjaman dan pengembalian buku.

Apabila semua barang-barang yang dijual Carrefour dilengkapi dengan RFID tag, dan seluruh trolly belanjaan juga dilengkapi dengan RFID reader maka kita akan dimudahkan dalam pencarian barang yang kita kehendaki. Selanjutnya apabila pada kasir juga dilengkapi dengan RFID reader maka pemilik Carrefour pun bisa menekan biaya yang harus dikeluarkan untuk gaji kasir, karena dengan meletakkan RFID tag pada semua barang yang dijual dan meletakkan RFID reader pada kasir maka barang yang akan dibeli oleh konsumen pada saat melewati kasir secara otomatis akan ter-scan. Dengan begitu maka akan memberikan efisiensi waktu untuk para konsumen, dan pula akan memberikan efisiensi biaya bagi pemilik Carrefour.

Teknologi RFID ini sebenarnya telah diterapkan oleh Wal-Mart yang juga merupakan wholesaler seperti Carrefour dan terbukti Wal-Mart telah sukses dalam mengaplikasikan teknologi ini. Jadi tidaklah salah apabila Carrefour juga meniru langkah yang telah dilakukan oleh Wal-Mart dengan menerapkan teknologi ini sebagai pilot project, terlebih teknologi ini kemungkinan besar dapat meningkatkan kepuasan pelanggan.

2. Based on your own online research, prepare a brief report for the senior management of a medium sized chain of department stores on the potential benefits and challenges of moving a substantial share of the company’s data processing and data storage to a cloud provider, and scaling down dramatically the company’s in-house data processing facilities and staff !

Contoh Analisis Kelayakan Cloud Computing pada Lembaga Keuangan Mikro

3. New types of Information and Communication Technology will often drive really substantial and necessary change in how business or governments operate. For this reason information systems professionals need to know a lot about technology and keep abreast of new trends, while managers and executives need to work hard to keep their businesses on the leading edge of technology innovation. Employees and workers too have a responsibility to accept technology and willingly adapt to these changes – the world does not stand still.’

Critically assess the ideas in this quotation; do you agree fully, fully disagree, or do you have reservations or nuances to add? In answering this question use modern and relevant examples to illustrate your points

Kelebihan menggunakan cloud storage antara lain kemudahan dalam melakukan akses pada data, tersedianya data cadangan dan pengarsipan, ditambah lagi dengan biaya yang lebih murah dibandingkan jika harus membeli perangkat keras khusus untuk penyimpanan data. 

Namun salah satu yang harus dipertimbangkan jika menyimpan data di cloud adalah sisi keamanan data tersebut. Selain itu tentu saja karena sifatnya yang remote dan memerlukan koneksi internet untuk mengakses data,  maka pemakai sangat tergantung pada bandwidth yang tersedia. Kegiatan sharing data dapat terganggu  jika koneksi internet sangat lambat atau sedang tidak stabil.

Contoh-contoh penyedia layanan cloud storage 

Ada banyak penyedia layanan cloud, masing-masing memiliki kekhususan misal dalam jenis data yang disimpan, seperti data dokumen, gambar, musik, dll. Beberapa penyedia layanan cloud adalah :

• Amazon cloud drive
• Amazon cloud player
• Apple iClouds
• Apple iTunes Match
• Bitcasa
• Box
• Certainsafe
• Cubby
• CX
• Dropbox
• Google drive
• Idrive
• Microsoft OneDrive (SkyDrive)
• MiMedia
• Mozy
• SafeSync fo home

Sekarang akan dibahas lebih jauh beberapa pemain utama dalam cloud storage yaitu– Dropbox, Microsoft OneDrive(SkyDrive), Google Drive, Apple iCloud and Amazon Cloud Drive.

Platforms

Platform adalah sistem operasi dimana cloud dapat dijalankan.  Umumnya cloud dapat dijalankan pada windows dan mac.  Namun Microsoft One Drive memiliki kelebihan yaitu dapat dijalankan pada windows phone.

Free Storage

Dalam hal menyediakan ruang penyimpanan yang besar, Google Drive tidak diragukan lagi. Saat pemakai sign up, tersedia free space 15 GB. Dropbox dapat menyediakan 16 GB dengan syarat  harus mereferensikan pemakai lain.

Paid Storage

Untuk layanan yang berbayar, Amazon Cloud Drive menawarkan harga lebih rendah untuk space yang lebih besar. Yaitu 24GB per dollar untuk sebulan dan untuk upgrades $10 untuk 20GB.

Features

Apple iClouds memiliki layanan paket fitur paling lengkap dibanding yang lain. Perpindahan dari suatu device ke device yang lain tidak begitu terasa (seamless). iClouds mendukung semua aplikasi dalam apple.

Interface

Dari segi desain, Apple iClouds tampil menarik, begitu juga dengan OneDrive. Kelebihan One Drive dibanding Apple iClouds adalah karena pemakai telah terbiasa dengan produk Microsoft, sehingga One Drive terkesan lebih mudah untuk digunakan. Karena garis desain semua produk Microsoft adalah serupa.

Sementara Google Drive, Dropbox dan Amazon Cloud Drive tampil dalam desain lebih sederhana dan lebih mengutamakan fungsionalitas.