Tags Posts tagged with "CTI group"

CTI group

alt

Dengan meningkatnya ketergantungan masyarakat untuk mencari informasi melalui internet, risiko terjadinya cyber attack pun semakin tinggi. Riset mencatat hampir separuh atau 46% website di dunia masuk kategori situs berbahaya.

Guna melindungi perusahaan dari risiko tersebut, PT Virtus Technology Indonesia menawarkan solusi keamanan enterprise terbaru dengan teknologi isolasi malware hasil kerja sama dengan Menlo Security.

Menurut penelitian yang dilakukan Menlo Security, sebuah situs masuk dalam kategori berbahaya apabila situs tersebut, baik homepage maupun background site: (1) menjalankan software yang rentan terhadap serangan, (2) memiliki reputasi yang buruk, dan (3) mengalami insiden keamanan dalam setahun terakhir.

Adapun situs yang dinilai paling besar celah keamanannya adalah news & media, entertainment & arts, serta travel. Celah pada situs seperti e-mail phishing dan malicious ads menjadi jalan masuk malware yang saat ini didominasi oleh ransomware dengan total 400 varian ditemukan sepanjang tahun 2016.

Bisa dikatakan hampir semua cyber attack yang berhasil, bersumber dari public internet. Sayangnya, solusi security yang ada umumnya hanya memfilter website berdasarkan reputasi dan behavior sehingga akses hanya diberikan pada website dengan kategori baik dan menutup akses untuk kategori buruk.

“Pengategorian ini belum tentu akurat dan bisa saja terjadi false positive dan false negative. Ketika false negative terjadi, hacker dapat menyusup ke endpoint untuk mencuri informasi atau mengelabui user melalui teknik phishing. Ini sangat mengkhawatirkan karena menurut riset hampir separuh perusahaan di Indonesia mengalami insiden phishing,” ujar Erwin Kuncoro (Presiden Direktur, Virtus).

Isolasi Malware dengan Metode Sandboxing

Tidak seperti metode konvensional, solusi Menlo Security memiliki platform isolasi yang melakukan filter terhadap website, e-mail, dan dokumen dalam satu ruang isolasi disebut sandbox sebelum menuju ke perangkat user. Melalui teknik ini, kode atau skrip jahat akan disaring dan memungkinkan konten baik untuk masuk dengan normal.

Sandbox berbasis cloud beserta isinya ini akan dihapus pada akhir setiap sesi web sehingga pengguna tidak akan menerima skrip berbahaya pada komputer mereka. Pengguna juga tidak akan merasakan perbedaan antarmuka setelah dan sebelum menggunakan solusi ini, meski sebenarnya aktivitas browsing mereka telah diisolasi.

Bagan isolasi malware ala Menclo Security.

Erwin menambahkan solusi ini hemat biaya karena perusahaan tidak perlu melakukan pembaharuan dengan software tambahan. Selain itu, risiko masuknya malware ke endpoint dapat berkurang hingga 0% karena konten tidak pernah mencapai komputer pengguna.

Berdasarkan riset Gartner, organisasi yang melakukan teknik isolasi malware diprediksi akan mengalami penurunan jumlah cyber attack sebanyak 70%.

“Cognitive system dapat memicu bentuk kerja sama baru antara manusia dan mesin,” kata Shanker V. Selvadurai (CTO, Software and Cognitive Solutions, IBM Asia Pacific) di panggung CTI IT Infrastructure Summit 2017.

Salah satu penyedia solusi machine learning terkemuka di dunia adalah IBM yang dikenal melalui “mesin pintar” Watson. Keunggulan IBM Watson sebagai cognitive system—istilah IBM untuk machine learning—terletak pada tiga kemampuan utama: understanding, reasoning, dan learning.

Cognitive system dapat memicu bentuk kerja sama baru antara manusia dan mesin,” kata Shanker V. Selvadurai (CTO, Software and Cognitive Solutions, IBM Asia Pacific). Kerja sama ini diharapkan mampu memadukan karakteristik-karakteristik positif yang dimiliki setiap unsur. Sifat manusiawi seperti akal sehat, moral, imajinasi, welas asih, dan sebagainya, digabungkan dengan sifat khas mesin seperti pemahaman pola, natural language, ketidakberpihakan, dan kapasitas yang tak terbatas.

Shanker mengklaim bahwa IBM Watson telah digunakan di 25 negara oleh 20 jenis industri serta akan segera menyentuh 1 miliar pengguna dalam 9 bahasa berbeda.

Ia mencontohkan tiga studi kasus utama dari IBM Watson. Salah satunya yang bisa dimanfaatkan di Indonesia yaitu expertise at scale, terutama di bidang kesehatan. Watson dapat membantu mendiagnosis gejala penyakit-penyakit kritis, misalnya stroke, diabetes, dan serangan jantung. Walhasil, pemerintah bisa memasang komputer berbasis Watson di pusat layanan kesehatan daerah, alih-alih mengirim ratusan dokter ke daerah-daerah terpencil.

Studi kasus kedua yaitu personalize at scale. Contoh penggunaan di institusi pendidikan, Watson bisa menyesuaikan materi ajar sesuai dengan gaya belajar, kemampuan, dan data akademis setiap siswa. Contoh ini juga bisa dipakai di industri perbankan, telekomunikasi, dan pemerintahan.

Studi kasus terakhir adalah discover at scale, misalnya di industri kreatif. Shanker memberi contoh seorang musisi asal Amerika Serikat, Alex da Kid, yang membuat lagu berdasarkan hasil analisis Watson terhadap lagu-lagu terpopuler di tangga lagu Billboard. Alex pun dapat mengetahui komposisi musik dan lirik seperti apa yang paling disukai oleh masyarakat.

Penting dalam Era Bisnis Digital

Machine learning adalah topik utama dalam CTI IT Infrastructure Summit 2017, konferensi dan pameran teknologi tahunan dari CTI Group yang sudah digelar keempat kalinya.

Selain menghadirkan pembicara utama dari Gartner dan IBM, acara ini juga diikuti oleh Herry Abdul Aziz (Penasihat Ahli Menkominfo RI), Leonardo Koesmanto (Head of Digital Banking, Bank DBS Indonesia), Ridzki Kramadibrata (Managing Director, Grab Indonesia), dan Ying Shao Wei (COO DataSpark, part of Singtel Group).

Dalam acara ini, CTI Group juga menganugerahkan penghargaan iCIO Awards 2017 kepada tiga pemenang, yaitu Iwan Djuniardi (Direktur Transformasi Teknologi Informasi dan Komunikasi, Direktorat Jenderal Pajak, Kementerian Keuangan RI) selaku The Most Innovative CIO, Rita Mas’oen (Direktur Operasional & Teknologi Informasi, PT Bank CIMB Niaga Tbk.) selaku The Most Influential CIO, dan Kharim Indra Gupta Siregar (Direktur Teknologi Informasi, PT BTPN) selaku The Most Intelligent CIO.

Harry Surjanto (President Director, CTI Group) di panggung CTI IT Infrastructure Summit 2017.

“Di era bisnis berbasis digital sekarang ini, machine learning sudah diakui perannya untuk membantu mengoptimalkan pemasukan, mempelajari kebutuhan konsumen, dan meningkatkan kinerja penjualan,” tutur Harry Surjanto (President Director, CTI Group).

CTI Group pun menawarkan berbagai solusi menyeluruh, mulai infrastruktur, solusi, aplikasi, sampai jasa konsultasi, dari vendor-vendor TI terkemuka di dunia, seperti IBM, FireEye, Dell-EMC, Fujitsu, Hewlett Packard Enterprise, F5, Hitachi Data Systems, Lexmark, Varonis, DataSpark, dan Samsung.

Jonathan Krause (Vice President Southeast Asia, Gartner Advisory) berbicara soal tren machine learning dalam konferensi CTI IT Infrastructure Summit 2017 di Ballroom Ritz-Carlton Pacific Place, Jakarta, Rabu (8/3).

Dalam beberapa tahun terakhir ini, sejumlah perusahaan di berbagai industri ramai-ramai mengadopsi teknologi machine learning. Padahal, sebetulnya machine learning bukanlah istilah atau teknologi yang benar-benar baru.

Sejak tahun 1950, tokoh-tokoh seperti Alan Turing, Arthur Samuel, dan Gerland De Jong telah meracik dan mendefinisikan pemahaman tentang machine learning. Namun, pada saat itu, dengan keterbatasan sumber daya komputasi dan infrastruktur, teknologi ini dianggap masih abstrak dan mengawang-awang sehingga belum banyak orang yang menggelutinya.

Hal yang jauh berbeda terjadi sekarang. Pertumbuhan data makin cepat, volumenya membengkak, dan jenis data pun kian kompleks—istilahnya kita kenal dengan big data. Di satu sisi, big data ini dipandang sebagai harta karun yang sangat berharga di era bisnis digital. Di sisi lain, nyaris tidak mungkin bagi manusia untuk menganalisis dan memahami semua informasi yang terkandung di dalam big data.

Oleh karena itulah, manusia membutuhkan bantuan dari sistem atau mesin pintar yang mampu menghimpun, mempelajari, dan mengekstrak kumpulan data menjadi wawasan berharga.

“Pada 10 tahun yang lalu, kita sulit untuk mencari 10 buah saja aplikasi bisnis yang berbasis machine learning. Sebaliknya, dalam 10 tahun ke depan, kita akan sulit menemukan 10 aplikasi bisnis yang tidak berbasis machine learning,” ujar Jonathan Krause (Vice President Southeast Asia, Gartner Advisory) dalam konferensi CTI IT Infrastructure Summit 2017 di Ballroom Ritz-Carlton Pacific Place, Jakarta, Rabu (8/3).

Masuk Agenda Utama CIO

Berdasarkan riset Gartner, machine learning saat ini berada dalam daftar topik terpopuler dalam bidang data science dan smart machine, di samping teknologi speech recognition, chatbot, dan artificial intelligence (AI). “Pada tahun 2020, kami memprediksi orang akan lebih sering berbicara dengan bot daripada pasangan sendiri,” imbuh Krause.

Bahkan, penerapan machine learning sudah masuk ke dalam salah satu agenda utama para CIO pada tahun 2017. Sebanyak 27% CIO di Asia Pasifik mengaku berniat memakai teknologi itu pada tahun ini. Yang menarik, teknologi prioritas para CIO lainnya seperti advanced analytics, digital security, Internet of Things, virtual customer assistant, dan autonomous vehicle pun tidak bisa dilepaskan dari peran machine learning.

Apa yang mendorong peningkatan adopsi machine learning oleh para pemimpin TI? Krause menyebut tiga faktor utama, yakni the rise of GPU (Graphic Processing Unit) yang lebih bertenaga daripada CPU (Central Processing Unit), deep neural network yang makin luas, dan tentu saja pertumbuhan big data.

Namun, CIO juga harus memperhatikan tantangan dalam penerapan machine learning, antara lain kebutuhan data dan tenaga komputasi dalam jumlah besar, makin rumitnya strategi integrasi data, pemahaman SDM yang belum merata, dan yang tidak kalah penting, perlunya membentuk tim data science untuk membantu mendidik mesin dan bekerjasama dengannya.

“Karena bagaimanapun, machine learning tidak bisa disamakan dengan kemampuan otak manusia. Bahkan saat ini tidak sampai 1%-nya,” Krause mengingatkan.

Terakhir, Krause memberi rekomendasi bagi perusahaan yang ingin memulai implementasi machine learning, yaitu terus belajar dan bereksperimen, mulai dari solusi-solusi yang sederhana, bentuk tim multidisiplin agar bisa memberi pembelajaran dari sudut pandang TI, data science, operasional, dan bisnis, gunakan infrastruktur cloud yang lebih terjangkau, serta bekerjasama dengan akademisi dan penyedia solusi.

Machine learning adalah topik utama dalam CTI IT Infrastructure Summit 2017, konferensi dan pameran teknologi tahunan dari CTI Group yang sudah digelar keempat kalinya.

Selain menghadirkan pembicara utama dari Gartner dan IBM, acara ini juga diikuti oleh Herry Abdul Aziz (Penasihat Ahli Menkominfo RI), Leonardo Koesmanto (Head of Digital Banking, Bank DBS Indonesia), Ridzki Kramadibrata (Managing Director, Grab Indonesia), dan Ying Shao Wei (COO DataSpark, part of Singtel Group).

Teknologi telah mengubah wajah banyak sektor industri. Salah satunya industri transportasi.

Kemunculan berbagai startup yang menghadirkan layanan pemesanan kendaraan lewat aplikasi online mampu mengguncang model bisnis perusahaan transportasi yang sudah lebih lama berdiri. Dengan aneka kemudahan dan daya saing yang ditawarkan, penyedia aplikasi transportasi online ternyata lebih disukai masyarakat, khususnya di era digital sekarang.

Salah satu pemain terbesar di industri transportasi online di kawasan Asia Tenggara adalah Grab, perusahaan rintisan yang “baru” berdiri pada tahun 2012. Grab lahir dari keresahan Anthony Tan, yang menemukan banyak keluhan tentang buruknya kondisi taksi di Malaysia, negara kelahirannya.

Anthony Tan pun berinisiatif membuat aplikasi pemesanan taksi yang lebih cepat, aman, dan nyaman, serta menguntungkan bagi penumpang dan pengemudi yang diberi nama MyTeksi. Aplikasi yang kemudian berganti nama menjadi Grab (dahulu GrabTaxi) ini pun sukses besar di Malaysia.

Dalam waktu lima tahun, Grab pun terus melebarkan sayap ke negara-negara lainnya di Asia Tenggara, seperti Indonesia, Singapura, Filipina, Thailand, dan Vietnam, serta menambah jenis layanan, antara lain GrabBike (ojek motor), GrabCar (pemesanan mobil sewaan), GrabExpress (jasa kurir), GrabFood (jasa pengantaran makanan), dan GrabHitch (jasa tumpangan/nebeng).

Saat ini Grab memiliki lebih dari 630 ribu pengemudi di enam negara dan melayani lebih dari 1,5 miliar pemesanan setiap hari.

Adopsi Teknologi Demi Kepuasan Pengguna

Aplikasi Grab pada dasarnya berfungsi untuk mempertemukan antara pengguna (calon penumpang) dan pengemudi kendaraan (mobil, ojek, taksi) untuk pergi ke tempat tujuan.

Seiring pertumbuhan jumlah pengguna dan pengemudi, Grab menghadapi tantangan dalam menyajikan pengalaman pengguna (user experience) yang cepat, andal, dan memuaskan. Grab harus dapat “menjodohkan” calon penumpang dan pengemudi secara cerdas agar calon penumpang bisa mendapat kendaraan hanya dalam hitungan detik sejak ia menekan tombol “Order”. Grab juga harus dapat memformulasikan biaya perjalanan yang tepat secara real-time.

Untuk itulah, Grab memanfaatkan teknologi machine learning yang mampu mempelajari bermacam parameter, mulai dari profil dan kebiasaan penumpang/pengemudi, waktu pemesanan, kondisi cuaca dan lalu lintas, metode pembayaran (tunai/kartu kredit), sampai banyaknya permintaan dibanding ketersediaan pengemudi.

Di awal-awal operasionalnya, Grab masih menggunakan metode penentuan tarif secara konvensional. “Kami mematok tarif yang sudah ditentukan sebelumnya dan penumpang bisa menambahkan tips kepada pengemudi [jika bersedia]. Akibatnya, pengemudi hanya mau mengambil pesanan yang ditambahi tips,” ujar Ditesh Gathani (Director of Engineering, Grab) seperti dilansir Mashable. “Ini membuat para penumpang kesal,” imbuhnya.

Berbekal machine learning, Grab dapat menentukan tarif secara lebih cerdas dan memuaskan bagi kedua pihak, penumpang dan pengemudi. Sistem bisa mengetahui lokasi setiap pengemudi di sebuah area, mengukur kedekatan jarak dan waktu tempuh dengan calon penumpang, dan memperkirakan seberapa besar kemungkinan pengemudi menerima suatu pesanan.

Selain itu, sistem juga bisa mengenali siapa saja pengguna dan pengemudi yang paling sering membatalkan pesanan. Sebagai konsekuensi, sistem akan memberi “hukuman” dengan cara memperkecil kemungkinan mereka memperoleh kendaraan atau pesanan. “Pembatalan [pesanan] berdampak sangat negatif pada ekosistem,” Gathani beralasan.

Dengan demikian, sistem Grab mampu menawarkan suatu pesanan kepada sekelompok kecil pengemudi tertentu yang paling mungkin menerima pesanan tersebut. Hasilnya, pesanan lebih cepat dilayani, tingkat pembatalan pesanan makin rendah, dan kepuasan pelanggan kian meningkat.

Ingin tahu lebih lanjut mengenai cara Grab memanfaatkan machine learning dalam bisnisnya? Jangan lewatkan paparan dari Ridzki Kramadibrata (Managing Director, Grab Indonesia) dan pembicara-pembicara ahli lainnya dalam acara CTI IT Infrastructure Summit 2017, Rabu, 8 Maret 2017. Segera daftarkan diri Anda lewat alamat ini.

Menkominfo Rudiantara.

Meski memiliki sistem transportasi publik terbaik di dunia, Singapura tetap memiliki tantangan dalam mengatur pergerakan warga. Salah satunya adalah tingginya pergerakan pekerja dari dan ke pusat bisnis (seperti kawasan Marina Bay), utamanya pada jam sibuk. Untuk mengatasi hal ini, pemerintah Singapura mengeluarkan program regional center yang diharapkan akan berfungsi pada tahun 2030.

Melalui program ini, akan dibangun beberapa regional center yang tersebar di negara pulau tersebut. Pelaku bisnis di industri yang sama akan didorong menempati regional center yang tertentu. Dengan begitu, kegiatan bisnis akan tersebar dan tidak lagi terpusat di kawasan bisnis yang ada saat ini.

Namun untuk bisa menentukan lokasi regional center yang tepat, Pemerintah Singapura membutuhkan data pergerakan warganya. Untuk itu, A*STAR (Agency for Science, Technology and Research) mencoba menganalisis pergerakan warga berdasarkan data yang ada. Data tersebut berupa sistem smart card yang digunakan warga saat naik angkutan umum, data peruntukan lahan (bisnis atau tempat tinggal), serta lokasi fasilitas umum (amenities).

Untuk menganalisis data yang demikian besar tersebut, tim A*STAR pun menggunakan pendekatan machine learning. Mereka mencoba tiga tipe machine learning, sampai akhirnya menemukan pendekatan machine learning berbasis decision tree model yang memberikan data paling akurat.

“Hasil analisis menunjukkan, peningkatan fasilitas sampai 55% akan meningkatkan jumlah penggunaan angkutan umum,” ungkap Christopher Monterola dari A*STAR. Di atas angka tersebut, penggunaan angkutan umum akan menurun. “Dan hal ini logis karena ketika lokasi fasilitas umum relatif dekat, warga akan memilih berjalan kaki,” tambah Christopher.

Contoh di atas adalah sedikit gambaran bagaimana machine learning bisa digunakan di sektor pemerintahan. Hal ini pun disadari Menteri Komunikasi dan Informatika RI, Rudiantara, salah satu keynote speaker di acara CTI IT Infrastructure Summit 2017, konferensi di bidang TI yang diselenggarakan setiap tahun oleh CTI Group.

“Selama ini di korporasi, pemanfaatan machine learning kebanyakan di internal,” ungkap Rudiantara. Jika pemanfaatan machine learning juga ditujukan untuk melayani publik, diharapkan masyarakat akan mendapatkan manfaat yang lebih besar. “Akhirnya di sisi pasokan teknologinya juga akan berkembang,” tambah Rudiantara.

Rudiantara adalah salah satu dari banyak pembicara ahli yang akan hadir di acara CTI IT Infrastructure Summit 2017. Jika Anda tertarik, silakan daftarkan diri Anda menjadi peserta konferensi teknologi tahunan ini di alamat www.itinfrastructuresummit.com.

Roy Nugroho, IT and Mobile B2B Group Head Samsung Electronics Indonesia dan Deddy Sudja, Presiden Direktur Helios Informatika Nusantara menunjukkan piagam kerjasama.

Kini mobility menjadi trend di kalangan enterprise yang terus mengembangkan aplikasi mobile sesuai dengan kebutuhan perusahaannya. Solusi mobility Helios mampu meningkatkan performa bisnis dari sisi produktivitas, komunikasi, pertukaran ilmu pengetahuan dan aman. Menurut McAfee, ancaman malware pada perangkat mobile meningkat sebesar 138 persen pada tahun lalu.

Karena itu, Helios Informatika Nusantara, penyedia solusi infrastruktur TI dan anak usaha CTI Group menawarkan solusi enterprise mobility hasil kerjasama dengan
Samsung.

Deddy Sudja (Presiden Direktur Helios) mengatakan Para pelaku bisnis khawatir data perusahaan dan data pribadi bisa tercampur dalam satu perangkat, pencurian perangkat, kesulitan menerapkan aplikasi yang telah dikustomisasi oleh perusahaan, dan keterbatasan kemampuan perusahaan untuk mengelola mobile workforce.

“Banyak perusahaan enggan menggunakan mobile workforce karena terganjal faktor keamanan data,” katanya di Jakarta, Kamis.

Helios pun menawarkan solusi enterprise mobility management berbasis Samsung Knox yang menjamin sistem keamanan terintegrasi dari level aplikasi hingga hardware. Knox membuat perangkat karyawan seolah-olah terbagi menjadi dua bagian kontainer yang terpisah yaitu sebagai perangkat pribadi dan sebagai perangkat bekerja.

Knox juga memiliki fungsi manageability yang memungkinkan pengelolaan terhadap ribuan perangkat sesuai dengan policy. “Kehadiran aplikasi ini akan memaksimalkan produktivitas karyawan dan menjaga privasi mereka,” ujarnya.

Helios paham bahwa keamanan data merupakan hal yang paling penting bagi semua perusahaan di era digital. Deddy mengatakan solusi Helios berbasis Knox bisa menjadi solusinya. Samsung Knox yang telah mendapat sertifikasi dari badan pemerintahan di Amerika Serikat, Inggris, Finlandia, Australia.

“Sebagai data security management, Samsung Knox menjadi solusi pelanggan korporasi di berbagai sektor, seperti keuangan, otomotif, transportasi dan edukasi,” kata Roy Nugroho (IT and Mobile B2B Group Head Samsung Electronics Indonesia).

Saat ini teknologi mobility telah menjadi penggerak bisnis enterprise untuk meningkatkan customer experience, produktivitas dan mengurangi biaya operasional. Menurut riset PwC yang melibatkan 1.322 CEO di 77 negara, sebanyak 81 persen responden menilai teknologi merupakan tool digital paling strategis untuk mempererat hubungan dengan pelanggan.

Leonardo Koesmanto (Head of Digibank, DBS Indonesia). [Foto: Abdul Aziz/InfoKomputer]

Dengan memanfaatkan machine learning, sebuah bank bisa lebih efisien sekaligus memberikan layanan optimal bagi nasabahnya. Kesimpulan itulah yang bisa ditarik dari pengalaman Bank DBS yang saat ini mulai memanfaatkan machine learning.

Salah satu implementasi machine learning di DBS adalah memberi insight bagi Relationship Manager (RM) saat berhubungan dengan nasabahnya. “Ketika akan bertemu nasabah, seorang RM itu harus riset dulu setiap nasabahnya,” cerita Leonardo Koesmanto (Head of Digibank, DBS Indonesia). Riset tersebut meliputi karakter investasi nasabah (seperti risk taker atau risk averse) dan juga kondisi pasar saat itu. Jika dalam sehari seorang RM harus bertemu lima nasabah, tentu proses riset akan membutuhkan waktu yang lama.

Hal itulah yang mendorong DBS untuk melirik machine learning. Proses riset yang biasanya dilakukan secara manual, kini menggunakan komputer. Machine learning akan menganalisis berbagai faktor, seperti latar belakang konsumen dan kondisi pasar, untuk kemudian memberikan saran kepada RM dalam membuat penawaran investasi. Berdasarkan masukan tersebut, sang RM bisa dengan cepat memberikan saran investasi yang tepat bagi nasabah.

Penggunaan machine learning pun bisa meluas ke sisi digital personal assistant. Personal assistant ini bisa menjawab pertanyaan nasabah seputar produk perbankan yang biasanya ditangani oleh customer service. “Karena 80% pertanyaan ke customer service pada dasarnya sama,” tambah pria yang akrab dipanggil Leo ini.

Lebih jauh lagi, digital personal assistant ini juga bisa membantu proses perbankan. Ketika ingin membayar tagihan telepon, misalnya, nasabah tinggal berkata atau mengetikkan “Saya ingin membayar tagihan telepon.” Hal yang sama pun bisa dilakukan ketika nasabah ingin mengecek saldo, melakukan transfer, dan berbagai kegiatan perbankan lainnya.

Semua kemudahan itu sejalan dengan visi DBS yang menginginkan bank menjadi satu hal yang invisible. “Kalau dulu, ketika kita melakukan kegiatan perbankan, kita harus pergi ke bank,” ungkap Leo. Sedangkan ke depannya, semua yang dilakukan nasabah di bank, bisa dilakukan menggunakan smartphone-nya. Kata “bank” pun akan bertransformasi menjadi sebuah kegiatan dan bukan lagi bentuk fisik. “Kita berada di belakang dari setiap transaksi yang dilakukan,” tambah Leo menggambarkan visi DBS ke depan.

Untuk mencapai ke sana, tantangannya memang tidak sedikit. Tantangan terbesar adalah bagaimana “melatih” machine learning ini untuk bisa bekerja dengan sempurna. “Machine learning itu ibarat anak yang harus diajari dulu,” tambah Leo. Contohnya, sang mesin harus bisa menangkap pertanyaan mengenai cara membuka rekening di DBS yang diungkapkan dengan bahasa resmi maupun sehari-hari.

Agar bisa belajar, sang mesin harus terus dipakai sehingga perbendaharaan kata dan kalimat yang ia mengerti bisa semakin besar. “Kami baru saja implementasi, jadi perlu waktu untuk dia menjadi pintar,” ujar Leo. Namun ia yakin, peran machine learning akan semakin besar di masa depan. “Saya cukup optimistis implementasinya akan banyak,” ungkap Leo.

Leonardo Koesmanto adalah salah satu pembicara pada acara CTI IT Infrastructure Summit 2017. Di acara ini, Leo akan membahas lebih jauh mengenai starategi DBS dalam menerapkan machine learning. Jika tertarik untuk ikut, silakan daftarkan diri Anda di alamat ini.

 Di era serba digital seperti saat ini, jumlah perangkat yang terhubung ke internet kian meroket. Ditambah lagi serbuan era Internet of Things (IoT) yang menghadirkan tantangan infrastruktur jaringan bagi industri.

Peranan internet di era IoT semakin kompleks karena mampu menghubungkan objek, aplikasi, proses bisnis dan individu yang menimbulkan pertukaran data digital secara masif. Pertukaran itu pun dituntut untuk memiliki infrastruktur network yang cepat, handal, namun ekonomis serta sesuai dengan perangkat mission critical yang ada.

Demi menjawab tantangan ini, Blue Power Technology (BPT), sebagai solusi penyedia infrastruktur TI dan anak perusahaan dari CTI Group menyediakan solusi dan layanan networking yang membidik segmen enterprise hasil kerjasama dengan Extreme Networks.

Dalam perannya sebagai value-added distributor dan IT Expert Partner, BPT menawarkan produk dan solusi jaringan lengkap mulai dari kabel ke nirkabel, desktop, hingga datacenter milik Extreme Networks. Extreme Networks sendiri telah dikenal oleh perusahaan berskala enterprise, namun banyak juga diimplementasikan oleh bisnis retail dan startups.

Lugas M Satrio (Presiden Direktur BPT) menuturkan jika peranan internet akan semakin krusial baik untuk kebutuhan pribadi maupun bisnis di mana lebih dari 1,5 miliar perangkat baru akan saling terkoneksi. “Tantangannya sekarang adalah bagaimana bisnis dapat menyediakan infrastruktur network terbaik yang bisa bebas dari koneksi lambat bahkan terputus, sehingga produktivitas karyawan maupun relasi dengan stakeholder dapat terjaga,” ujar Lugas.

Sementara itu, beberapa produk dan solusi yang ditawarkan Extreme Networks meliputi Wireless access points dan wired switches, Extreme Analytics, Extreme Cloud, Extreme Management, Extreme Security Information and Event Management (SIEM), dan Software-Defined Network (SDN).

Ilustrasi machine learning. [kredit: Shutterstock]

Kurang dari sebulan, ajang tahunan CTI IT Infrastructure Summit 2017 akan digelar. Untuk tahun ini, ajang prestisius tersebut akan mengangkat tema Machine Learning: Capitalizing the Information of Everything to Drive Your Digital Business.

Machine learning sendiri adalah salah satu cabang computer science yang memungkinkan komputer menganalisa data tanpa harus dipogram secara spesifik. Hal ini berbeda dengan aplikasi pada umumnya yang harus secara detail memperhitungkan segala kemungkinan. Aplikasi berbasis machine learning memungkinan komputer mempelajari pola dari semua data yang ia miliki, untuk kemudian memberikan insight yang bisa membantu kita mengambil keputusan.

Dalam konteks yang lebih luas, machine learning adalah bagian dari konsep Artificial Intelligence dan cognitive computing yang kini dikembangkan banyak perusahaan teknologi dunia.

Ada alasan tersendiri mengapa CTI IT Infrastructure Summit 2017 mengambil tema machine learning. Dalam beberapa tahun terakhir, machine learning telah menjadi bagian penting dari akselerasi perusahaan dunia. Perusahaan seperti Amazon, SoftBank, atau PayPal adalah beberapa contoh perusahaan yang telah memanfaatkan machine learning.

Akan tetapi, machine learning, AI, dan cognitive computing memang belum terlalu populer di dunia IT Indonesia. Hal ini diakui Gunawan Susanto (President Director, IBM Indonesia) yang menjadi salah satu pendukung acara CTI Infrastructure Summit 2017. “Cognitive computing adalah salah satu cara Indonesia mengejar ketertinggalan dengan negara lain,” ungkap Gunawan.

Apalagi, beberapa negara tetangga sudah mulai memanfaatkan cognitive computing sebagai competitive advantage. Bumrungrad Hospital di Thailand, misalnya, menggunakan cognitive computing untuk membantu dokter spesialis kanker (oncologist) dalam memberikan perawatan yang tepat bagi pasien kanker. Dengan menganalisis literatur medis mengenai kanker dari seluruh dunia, cognitive computing bisa memberikan saran kepada dokter mengenai perawatan terbaik bagi sang pasien.

Contoh lain adalah perusahaan akomodasi Starwood Hotels & Resorts yang terkenal dengan jaringan hotel Sheraton dan Westin. Mereka telah menggunakan machine learning pada Revenue Optimization System (ROS ) mereka atau sistem pengaturan harga kamar. Sistem ini mampu mempelajari aneka data dalam menentukan harga kamar secara real-time menggunakan berbagai data internal, seperti jumlah ketersediaan kamar, tingkat pemesanan, pembatalan, tipe kamar, dan harga kamar harian. ROS juga menganalisis data eksternal seperti harga hotel pesaing, cuaca di sekitar, dan acara-acara besar yang diselenggarakan di dekat lokasi hotel. Hasilnya, lebih dari 1.000 hotel milik Starwood bisa mengubah harga kamar setiap menitnya demi menentukan harga yang paling efisien untuk meningkatkan pemasukan dan keuntungan perusahaan.

Dua contoh di atas menunjukkan, cognitive computing mampu memberikan keunggulan unik bagi perusahaan. Peluangnya pun terbilang tak terbatas karena pemanfaatan cognitive computing bisa dilakukan untuk berbagai skenario. Perusahaan retail, misalnya, bisa memanfaatkan cognitive computing untuk memprediksi stok sebuah produk berdasarkan pola pembelian konsumen selama ini. Nelayan pun bisa memanfaatkan sistem pintar ini untuk memperkirakan area laut yang padat ikan berdasarkan data cuaca dan pola arus laut.

Pendek kata, semua kebutuhan bisnis bisa memanfaatkan machine learning. Namun karena prinsip dasar dari machine learning adalah “belajar”, tiap skenario membutuhkan data dan proses pembelajaran yang berbeda. Karena itulah Gunawan Susanto mengajak semua pihak di ekosistem IT Indonesia untuk memanfaatkan machine learning berdasarkan kebutuhan unik bangsa ini. “Jangan sampai kita cuma menikmati service [berbasis machine learning]-nya, namun player-nya dari negara lain,” ujar Gunawan.

Ingin mengetahui lebih jauh mengenai pemanfaatan machine learning di berbagai industri? Daftarkan diri Anda di alamat ini untuk mengikuti CTI IT Infrastructure Summit 2017. Akan ada pembicara dari Grab, Singtel, DBS, dan berbagai perusahaan lain yang akan membahas bagaimana mereka memanfaatkan machine learning.

Tan Wijaya (Direktur, Central Data Technology). [Foto: Abdul Aziz/InfoKomputer]

Cloud computing kian menemukan momentumnya. Lembaga riset Gartner memperkirakan, layanan public cloud global akan menyentuh nilai US$208,6 miliar di tahun 2016 ini, atau naik sekitar 17,2% dibandingkan tahun lalu. Tren serupa juga diungkap IDC, yang menyebut pembelian infrastruktur TI untuk teknologi cloud mencapai US$37,4 miliar atau naik sebesar 16,2%.

Fenomena itu menimbulkan konsekuensi tersendiri bagi Central Data Technology (CDT). Sebagai distributor solusi TI, CDT harus menerima kenyataan bahwa klien mereka kini memiliki opsi untuk mengadopsi cloud dan “menghilangkan” peran distributor.

Namun Tan Wijaya sebagai Director CDT, memandang perubahan itu sebagai tantangan yang menarik. “Kami tidak bisa lagi hanya menjual produk. Kami harus menyediakan added-value di atasnya,” ungkap pria yang sejak Januari 2016 dipercaya memimpin CDT.

Mengubah Model Bisnis

Kiprah CDT dimulai sejak perusahaan itu berdiri di tahun 2011. Namun “benih” CDT bisa dibilang berawal sejak tahun 2004. Kala itu, CTI atau Computrade Technology Indonesia mendapat kesempatan untuk mendistribusikan solusi terkait Oracle. Seiring perjalanan waktu, produk yang dipegang CTI kian banyak. Hal ini mendorong CTI membuat beberapa anak perusahaan dengan spesialisasi produk tertentu, salah satunya adalah CDT dengan spesialisasi solusi Oracle.

Akan tetapi, CDT kini tidak cuma menangani solusi Oracle. Mereka kini menawarkan solusi dari sembilan penyedia teknologi seperti Fujitsu, PureStorage, MapR, Rittal, Commvault, Hitachi Data System, F5, dan DBvisit. “Semua solusi ini saling melengkapi, sehingga kami merancangnya menjadi sebuah sinergi,” ungkap Tan saat menyinggung kesamaan dari seluruh solusi yang ditawarkan CDT.

Contohnya, Oracle tidak memiliki solusi sekuriti untuk application directory, namun solusi seperti itu bisa disediakan F5. Atau ketika perusahaan ingin menganalisis big data untuk data ERP-nya, mereka bisa memanfaatkan software MapR.

Seiring membesarnya fenomena cloud, Tan mengakui adanya pergeseran konsumsi solusi TI dari klien mereka. “Dari sisi hardware, ada yang meminta appliance, namun ada juga yang meminta on-cloud,” ungkap Tan. Di sisi software pun terjadi fenomena yang sama. Jika biasanya berbasis lisensi, kini banyak solusi yang ditawarkan CDT berbasis langganan atau subscription. “Kita harus bisa melayani dua business model tersebut,” tambah Tan.

Keluwesan melayani dua dunia ini menjadi krusial mengingat tren di masa depan mengarah ke perpaduan antara pendekatan on-premise dan cloud. Hal ini tidak lepas dari masih adanya resistensi dari perusahaan Indonesia untuk beralih ke cloud. “Berdasarkan survei kami, ada tiga faktor yang menjadi alasan resistensi tersebut,” tambah Tan. Faktor-faktor itu adalah aturan pemerintah, sekuriti, dan inter-connectivity. “Jadi semuanya mengarah ke hybrid cloud,” tambah Tan.

Karena itu, Tan melihat CDT harus bisa bergerak di dua dunia tersebut. Di dunia on-premise, mereka akan meneruskan hal yang selama ini dilakukan. Sementara di dunia cloud, Tan melihat kesempatan di bidang layanan tambahan alias add-on dari layanan cloud. “Contohnya backup service, monitoring, security, sampai migration service,” ungkap Tan.

Tren di Masa Depan

“Solusi kami harus bisa memiliki impact terhadap bisnis, sehingga dibutuhkan orang-orang yang memiliki industry knowledge yang mumpuni,” ujar Tan Wijaya.

Perubahan di sisi model bisnis tentu saja menimbulkan konsekuensi di internal CDT. Mereka harus mengubah skillset yang mereka miliki agar tetap relevan dengan perubahan yang sedang terjadi. Di sinilah Tan melihat tantangan terbesarnya memimpin CDT yang memiliki sekitar lima puluh karyawan.

“Solusi kami harus bisa memiliki impact terhadap bisnis, sehingga dibutuhkan orang-orang yang memiliki industry knowledge yang mumpuni,” tambah Tan.

Karena itulah ketika ditanya targetnya dalam 1 – 2 tahun mendatang, Tan menyebut pengembangan SDM adalah salah satu misi utamanya. “Bagaimana membangun skill karena tulang punggung TI adalah people,” tambah Tan.

Mendorong transformasi ini memang tidak mudah. Namun Tan terbilang terbiasa menghadapi situasi menantang. Saat masih kuliah, misalnya, ia menempuh dua kuliah sekaligus di Teknik Fisika UI dan Computer Science Bina Nusantara. Keduanya berhasil dilalui dengan baik, bahkan ia lulus dengan predikat cum laude di bidang studi itu.

Setelah lulus kuliah, Tan masuk dunia TI dengan bekerja di salah satu distributor tape backup. Setelah itu, ia sempat ke Imation sebelum bergabung dengan IBM selama sembilan tahun. Sempat mencicipi berbagai posisi, mulai dari Teritory Manager sampai Executive Assistant untuk GM IBM ASEAN, di awal tahun ini Tan memutuskan untuk bergabung dengan CDT.

Dengan pengalaman yang cukup panjang tersebut, Tan memiliki pandangan tersendiri mengenai tren yang harus diantisipasi CIO. “Dalam 3 – 4 tahun ini, kita akrab dengan megatrend yang disebut digital transformation, yaitu proses transformasi yang membuat company lebih IT-oriented,” tambah Tan. Transformasi itu memunculkan konsekuensi munculnya tren baru di sisi teknologi.

Tren itu meliputi mobility ketika aktivitas perusahaan bergeser ke perangkat mobile, utamanya smartphone. Tren lain adalah social engagement ketika hubungan antarperusahaan dengan karyawan maupun perusahaan dengan klien menjadi lebih sosial. Tuntutan akan infrastruktur TI yang luwes menyebabkan munculnya tren cloud. Tren terakhir adalah sekuriti yang dibutuhkan perusahaan untuk melindungi beragam teknologi baru tersebut.

Tan juga melihat peran CIO dan divisi TI juga dituntut untuk bisa bertransformasi. “Saat ini budget untuk divisi TI berkurang, namun IT spending terus naik,” ungkap ayah dua anak ini. Hal ini menunjukkan belanja teknologi kini tidak lagi didominasi divisi TI, namun seluruh line of business. Jika tidak bisa bertransformasi, divisi TI nantinya cuma menjadi unit pendukung yang tidak berpengaruh signifikan terhadap bisnis.

Karena itulah, Tan menyarankan divisi TI untuk terus menaikkan levelnya. Jika semula hanya memastikan infrastruktur TI berjalan tanpa masalah, divisi TI harus naik satu tingkat menjadi kolaborator antardivisi. “Misalnya saat implementasi ERP, yang merupakan kolaborasi antartim procurement, distribusi, dan lainnya,” ungkap Tan mencontohkan peran TI sebagai kolaborator.

Jika sudah, TI bisa naik satu level lagi menjadi business intellegence yang bisa meningkatkan keuntungan atau menurunkan biaya. Level lebih atas adalah ketika TI bisa menjadi revenue generator bagi perusahaan. “Untuk mencapai hal ini, orang IT tidak cuma tahu teknis, tapi tahu bisnisnya juga,” tambah Tan.

Pendek kata, transformasi adalah kata kunci di era yang penuh dinamika seperti sekarang. Tan sendiri memiliki tiga prinsip kerja yang ia harap bisa menyukseskan transformasi ini di CDT. Tiga prinsip tersebut adalah commitment, dicipline, dan teamwork. “Kebetulan, singkatan prinsip itu adalah CDT,” ungkap Tan sambil tertawa lebar.