Lab Big Data

Laboratorium Big Data Universitas Multimedia Nusantara (UMN) merupakan fasilitas pendukung tugas akhir, penelitian, dan proyek akademik yang berfokus pada pengelolaan serta visualisasi data dalam skala besar. Dilengkapi dengan dua komputer dan satu server berspesifikasi tinggi.

Selain itu, didukung dengan jendela besar untuk menampilkan hasil analisis secara luas, laboratorium ini memungkinkan mahasiswa dan dosen mengembangkan solusi berbasis data secara efisien dan akurat. Berbagai software profesional seperti Jupyter Notebook, Tableau, Power BI, dan Google Colab turut mendukung proses eksplorasi data, menjadikan laboratorium ini sebagai pusat inovasi yang relevan dengan kebutuhan industri dan masyarakat.

Lab Big Data UMN dirancang untuk mendukung siklus kerja pengolahan data ke end-user secara menyeluruh—mulai dari pengumpulan, penyimpanan, pemrosesan, hingga visualisasi. Fasilitas yang tersedia meliputi:

High-Performance Computing (HPC) Cluster
Dilengkapi GPU untuk mendukung analisis data tingkat tinggi yang melibatkan machine learning dan deep learning untuk forecasting dan prediksi berdasarkan data. Server dengan prosesor multi-core dan memori besar yang dioptimalkan untuk parallel processing.

Storage Capacity Skala Besar
Sistem penyimpanan dengan kapasitas besar untuk menampung data dari berbagaisumber. Mendukung sistem distributed storage untuk efisiensi pengelolaan data.

Big Data Frameworks
Platform seperti Anaconda, Jupyter Notebook, Python, VS Code, RStudio, untuk pengolahan data real-time maupun batch processing.

Business Intelligence Tools
Perangkat lunak visualisasi data seperti Tableau. Dashboard interaktif untuk mendukung analisis dan pelaporan secara dinamis.

Ruang Kolaborasi dan Presentasi
Dilengkapi smart display dan area kerja kelompok yang nyaman, untuk mendukung suasana diskusi, presentasi, dan brainstorming lintas disiplin.

Hasil Karya dalam beberapa waktu terakhir:

1. Optimizing Retrieval-Augmented Generation Through Agentic RAG Ecosystem Based on Fine-Tuned BERT Cross Encoder and GPT-4 Model
2. From Waves to Vision: Transforming Heart Sound Classification with Wav2Vec 2.0 and VisionTransformers
3. Discovering Mental Health-Related Communities in Social Networks through Graph-Based Greedy Modularity Detection and BER Topic
4. Accelerated Training of Swin Transformer V2 Models for Facial Expression Recognition via Mixed Precision
5. U-Net–Based Pixelwise Smoke Detection in Low-Altitude UAV Images