Perencanaan Kapasitas Infrastruktur e-Bisnis Perencanaan Infrastruktur Program Magister Teknologi Informasi Universitas Indonesia © Program Magister Teknologi Informasi - UI

e-Business Definition Definisi dari perspektif TI: Praktek pengoperasian secara terintegrasi proses-proses bisnis yang terlibat dalam penciptaan nilai tambah dengan memanfaatkan teknologi informasi dan komunikasi (TIK) secara ekstensif. © Program Magister Teknologi Informasi - UI

e-Commerce & e-Business e-Commerce adalah puncak dari “gunung es” e-bisnis. e-Commerce tidak mungkin tanpa kemampuan e-bisnis konsumen e-Commerce e-Bisnis © Program Magister Teknologi Informasi - UI

e-Commerce Requirement Akses dari mana saja & kapan saja (24 jam x 7 hari) Layanan multi-channel yang terpadu Respons seketika Status transaksi dapat dilacak, diubah, bahkan dibatalkan Data transaksi yang akurat Self-service dan personalisasi © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI e-Business Roles Proses bisnis yang terpadu (seamless) dengan Integrasi antara aplikasi-aplikasi yang terlibat Manajemen alur-kerja dan proses yang terpadu (layanan satu atap) Kolaborasi antar perusahaan yang menjadi mata rantai value chain © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Capacity Planning Kriteria mutu layanan online: kinerja (response time), ketersediaan (prosentase downtime), skalabilitas, dan keamanan Situs dengan kinerja rendah - melampaui batas psikologis 8 detik – akan ditinggalkan pengunjung Situs dengan ketersediaan rendah dapat berakibat: jatuhnya reputasi/citra dimata publik dan kehilangan peluang bisnis Skalabilitas situs dalam melayani banyak pengunjung sekaligus menentukan kinerja dan ketersediaan situs Teknologi pengamanan yang tidak memadai menjadikan pengunjung enggan/takut bertransaksi © Program Magister Teknologi Informasi - UI

Architecture Capacity Elemen-elemen utama QoS dalam perancangan infrastruktur e-Bisnis Konsumen Manajemen Service Level Agreement Pilihan Teknologi & Standar Plafon Biaya (Anggaran) Kapasitas Memadai Response time < 8 detik Ketersediaan > 99.5% Instalasi Rp 100 juta Pemeliharaan < Rp 20 juta/tahun Oracle DBMS, SSL, dsb. © Program Magister Teknologi Informasi - UI

Quantitative Approach Misal sasaran 99% availability, berarti hanya boleh down selama 87,6 jam dalam setahun (1% dari 8.760 jam setahun) Pendekatan: merancang arsitektur fisik situs berdasarkan pola penggunaan Menentukan konfigurasi server-server, kapasitas (bandwidth) jaringan, ukuran server-server, skalabilitas, keandalan, jenis software, dsb. Sumber data: log akses server, pengukuran waktu download (response), statistik jumlah akses per hari, jam-jam tersibuk, dsb. © Program Magister Teknologi Informasi - UI

Quantitative Approach Tahapan: Kategorisasi pengguna berdasarkan perilakunya Karakterisasi beban kerja situs per sesi Pemodelan kinerja situs Hitung parameter-parameter model kinerja Perkirakan trend pertumbuhan/perubahan beban Perkirakan kinerja situs © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Performance Modeling Proses umum pemodelan: © Program Magister Teknologi Informasi - UI

e-Site Reference Models Model-model dalam analisa/perencanaan kapasitas: Model Bisnis Model Fungsional Model Pengguna Model Sumber Daya Karakteristik Bisnis Struktur Navigasi dan Fungsi Pola Perilaku Pengguna Arsitektur Situs dan Beban Layanan © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Reference Models Model Bisnis Pola B2C, B2B, C2C, dsb. Kategori bisnis online: ritel, lelang, e-market, dsb. Model Pengguna Pola navigasi pengunjung situs Metrik perilaku Model Sumber Daya Model kinerja (utilisasi CPU, dsb.) Model beban kerja (rata-rata jumlah request, jumlah akses tertinggi dalam sehari, dsb.) © Program Magister Teknologi Informasi - UI

Functional Model Sebagai peta untuk analisa struktur navigasi Model Fungsional Lelang Online Pendaftaran Penjual & Pembeli Pembukaan (setup) Lelang Penjadwalan & Pengiklanan Penawaran Evaluasi Penawaran & Penutupan Lelang Transaksi (settlement) © Program Magister Teknologi Informasi - UI

Customer Behavior Model Pola navigasi per sesi: Pola urutan akses fungsi-fungsi: login, lihat katalog, cari produk, pesan, mengecek pesanan, dsb. Pola navigasi seorang pengunjung dapat berbeda antara sesi (kunjungan) satu dengan sesi (kunjungan) berikutnya. Model-model: Customer Behavior Model Graph (CBMG) Customer Visit Model (CVM) © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CBMG © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CBMG Data Collection Data diperoleh dari log akses pada server web Sesi: urutan akses oleh client (alamat IP) yang sama Batas antar sesi untuk client yang sama: berdasarkan minimum jarak waktu antar akses, kalau melebihi berarti sudah masuk sesi berikutnya Web Server Web Browser HTTP request HTML file HTML collection Access log file © Program Magister Teknologi Informasi - UI

Program: filter, merge, link CBMG Computation Program: filter, merge, link HTTP logs Page request logs Session log CBMG Dari data urutan akses setiap sesi dihitung probabilitas transisi dari satu titik navigasi (fungsi) ke titik navigasi (fungsi) lain: P(i,j) = Ci,j / Σ Ci,k untuk k = 1, …, n Ci,j adalah jumlah transisi dari i ke j dalam data n adalah jumlah titik navigasi © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CBMG Matrix Matriks CBMG: probabilitas transisi antar titik navigasi © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Why CBMG? Mengukur tingkat penggunaan fungsi-fungsi Contoh: Jumlah search per sesi: 1 + 0,6 + 0,62 + 0,63 + … = 2,5 Entry Home Search Browse 1.0 0.6 0.4 CBMG © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Customer Visit Model CVM: daftar frekuensi akses untuk setiap fungsi (titik navigasi) per sesi Juga dihitung dari data log akses server Web Digunakan untuk membuat model beban kerja © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Zipf’s Law Frekuensi akses mengikuti hukum distribusi Zipf: berbanding terbalik dengan ranking popularitas = k/r untuk suatu konstanta k © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CVM Computation Penentuan jumlah sesi dalam tabel CVM: Berdasarkan kategori pengunjung, atau Dengan teknik clustering (pengelompokan data) sesi Setiap data sesi direpresentasikan sebagai vektor yang komponennya adalah fungsi-fungsi atau titik navigasi Misalnya vektor dengan 6 komponen [login, registrasi, search, pesan, cek-pesanan, logout], contoh datanya: [1,1,1,0,0,1], [0,0,2,0,0,0], [1,0,0,0,1,1], dst. Dapat menggunakan teknik k-means clustering berdasarkan jarak antar vektor © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI K-means Clustering 1 2 k = 3 3 4 © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CVM Nilai dalam tabel CVM adalah nilai rata-rata tiap cluster atau kategori pengunjung. Contoh CVM dengan jumlah cluster k = 4 © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Why CVM? CVM dapat membantu mengetahui: Rata-rata berapa kali suatu fungsi diakses per sesi (kunjungan) Berapa probabilitas seorang pengunjung melakukan transaksi pembelian dalam satu kunjungan Berapa jumlah request (dokumen yang diakses) yang diterima server web rata-rata per sesi Berapa rata-rata transaksi yang terjadi per hari Berapa prosentase pengunjung yang meninggalkan situs dalam keadaan keranjang belanjaan (shopping cart) terisi © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Workload Model Pemodelan beban berdasarkan arsitektur fisik dimana fungsi-fungsi dijalankan dan CVM Contoh: Web Server Secure Payment Server Application Database Client Browser e-Commerce Site © Program Magister Teknologi Informasi - UI

dan application server Melibatkan web, application, CVM Example Contoh CVM sederhana: Tipe Sesi: Baca daftar iklan properti Pasang iklan properti Cari iklan properti Prosentase: 5% 19% 76% Melibatkan web server Melibatkan web server dan application server Entry Show list Submit form Search keyword Get status 0.05 0.19 0. 76 1.0 results Melibatkan web, application, dan database server © Program Magister Teknologi Informasi - UI

Client Server Interaction Diagram Contoh CSID sederhana: [p,m] p: probabilitas dalam satu sesi m: ukuran data dalam kilo bytes © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI CSID Dari CSID dapat dihitung Probabilitas DB server akan digunakan dalam suatu sesi: 1,0 x 0,95 x 0,8 = 0,76 Berapa kali rata-rata server apklikasi akan digunakan dalam suatu sesi: 1 x (0,95 x 0,2) + 2 x (0,95 x 0,8) = 1,71 kali Berapa rata-rata jumlah kbytes per sesi yang melalui jaringan lokal (LAN) yang menghubungkan server-server situs: 0,05 x (m1+m2) + 0,19 x (m1+m3+m4+ m5) + 0,76 x (m1+m3+m6+m7+m8+m9) © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Performance Analysis Perkiraan kapasitas berdasarkan CSID Jumlah maksimum sesi paralel yang dapat dilayani tanpa delay untuk LAN dengan bandwidth 100 Mbps ≈ 10.000 kbyte/second (termasuk datagram packet overhead) Misalnya rata-rata kbyte persesi adalah 15 kbytes maka kapasitas jaringan adalah 10.000/15 = 666,66 sesi paralel internet router Web server Appli- cation DB LAN 100Mbps © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Performance Analysis Perkiraan kapasitas berdasarkan CSID Kapasitas server aplikasi Misalnya utilisasi CPU setiap penggunaan adalah 0,5%, maka kapasitas application server adalah: 100 / (1,71 x 0,5) = 116,96 sesi paralel (lebih kecil dari kapasitas network) © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Capacity Planning Perencanaan kapasitas infrastruktur e-Bisnis: Memahami/memodelkan karakteristik beban sistem untuk mengetahui tingkat saturasi layanan sistem Mengantisipasi peningkatan beban dengan memperlambat tercapainya saturasi layanan Penyebab peningkatan beban kerja: Perubahan/perkembangan model bisnis Perubahan/penambahan fungsi layanan Perubahan perilaku konsumen (trend, promosi, dsb.) Perombakan infrastruktur TI © Program Magister Teknologi Informasi - UI

e-Business Capacity Plan Rencana kapasitas infrastruktur e-Bisnis disesuaikan dengan rencana pengembangan lanjut sistem e-Bisnis Rencana evolusi model bisnis fungsi layanan Perkiraan evolusi perilaku konsumen infrastruktur Perencanaan model bisnis & sumber daya TI Tiga proses perenca-naan utama © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Business Aspect Aspek bisnis perencanaan kapasitas: Karakterisasi Bisnis Model Bisnis Rencana Pengembangan Bisnis Penambahan Fungsi-fungsi Model Fungsional Analisis Use Case Struktur dan fitur situs Business plan Hasil analisis strategi © Program Magister Teknologi Informasi - UI

Karakterisasi Perilaku Customer Aspect Analisis aspek konsumen: Membuat model perilaku: CBMG Memperkirakan/merancang perubahan-perubahan pada CBMG Karakterisasi Perilaku Konsumen CBMG Rencana Pengubahan Perilaku Trend dan statistik Penambahan/ Fitur © Program Magister Teknologi Informasi - UI

Resource-Level Aspect Aspek infra-struktur: Rencana Perubahan Infrastruktur TI Pemodelan Biaya Model Biaya Analsis Skenario Kinerja Pemodelan Beban Kerja Prakiraan Deskripsi Kalibrasi dan Validasi Karakterisasi Lingkungan TI Karakterisasi © Program Magister Teknologi Informasi - UI

Prakiraan Kuantitatif (time-series analysis) Workload Forecasting Prakiraan beban kerja Prakiraan Kuantitatif Prakiraan Kualitatif Pengumpulan Informasi Data Historis: Benchmarking, Log, dsb Teknik-teknik Prakiraan (time-series analysis) Perkiraan Demand dan Beban Kerja Skenario Bisnis Survei Pasar, Intuisi, Pertimbangan, Rencana Bisnis, dsb. © Program Magister Teknologi Informasi - UI

© Program Magister Teknologi Informasi - UI Capacity Planning Perencanaan kapasitas infrastruktur e-Bisnis Membuat rencana modifikasi/upgrading komponen-komponen infrastruktur secara bertahap Pengambilan keputusan teknis infrastruktur: Menggunakan Model Kinerja sistem untuk mempertimbangkan keputusan: Scaling Up Penggantian dengan mesin berkapasitas lebih besar Scaling Out Penambahan mesin dengan kapasitas yang sama (mirroring, replikasi, mesin paralel, dsb.) © Program Magister Teknologi Informasi - UI