TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee tentang Web yang selanjutnya
Filmed:
Readability: 3.8
1,638,798 views
20 tahun yang lalu, Tim Berners-Lee menemukan World Wide Web. Untuk proyek berikutnya, dia membangun web untuk data terbuka yang terkait, yang bisa melakukan banyak hal yang Web lakukan untuk kata-kata, gambar, video: membuka data kita dan menata kembali cara kita menggunakannya bersama-sama.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
Waktu berlalu.
00:20
It's actually almost 20 years ago
1
2000
2000
Ini sebenarnya hampir 20 tahun yang lalu
00:22
when I wanted to reframe the way we use information,
2
4000
4000
ketika saya ingin membingkai ulang cara kita menggunakan informasi,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
cara kita bekerja sama -- saya menemukan World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Sekarang, 20 tahun, di TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
Saya ingin meminta bantuan Anda dalam pembingkaian kembali yang baru.
00:37
So going back to 1989,
6
19000
4000
Jadi, kembali ke tahun 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
Saya menulis sebuah catatan yang menyarankan sistem hiperteks global.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Tidak ada seorang pun yang melakukan apapun dengan itu, kebanyakan.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Tapi, 18 bulan kemudian -- ini adalah bagaimana inovasi terjadi --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 bulan kemudian, bos saya mengatakan bahwa saya bisa melakukannya pada waktu senggang,
00:55
as a sort of a play project,
11
37000
2000
sebagai semacam proyek iseng,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
berkreasi dari sebuah komputer baru yang kami punya.
00:59
And so he gave me the time to code it up.
13
41000
3000
Dan dia memberi saya waktu untuk merancang kodenya.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Jadi saya pada dasarnya merancang HTML harus terlihat seperti apa,
01:07
hypertext protocol, HTTP;
15
49000
3000
protokol hiperteks -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
gagasan tentang URL -- nama-nama ini untuk hal-hal
01:13
which started with HTTP.
17
55000
2000
yang dimulai dengan HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Saya menulis kode dan meletakkannya di sana.
01:17
Why did I do it?
19
59000
2000
Mengapa saya melakukannya?
01:19
Well, it was basically frustration.
20
61000
2000
Yah, itu pada dasarnya frustrasi.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Saya frustrasi -- saya bekerja sebagai insinyur perangkat lunak
01:25
in this huge, very exciting lab,
22
67000
2000
di laboratorium yang sangat besar, sangat menarik ini,
01:27
lots of people coming from all over the world.
23
69000
2000
banyak orang yang datang dari seluruh dunia.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Mereka membawa segala macam komputer yang berbeda dengan mereka.
01:32
They had all sorts of different data formats,
25
74000
3000
Mereka memiliki segala macam format data yang berbeda.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Segala macam, semua jenis sistem dokumentasi.
01:37
So that, in all that diversity,
27
79000
3000
Sehingga, dalam semua keragaman itu,
01:40
if I wanted to figure out how to build something
28
82000
2000
jika saya ingin mengetahui bagaimana untuk membangun sesuatu
01:42
out of a bit of this and a bit of this,
29
84000
2000
sebagian dari ini dan sebagian dari ini,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
semua yang saya lihat, saya harus terhubung ke beberapa mesin baru,
01:48
I had to learn to run some new program,
31
90000
2000
Saya harus belajar untuk menjalankan beberapa program baru,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
Saya akan menemukan informasi yang saya inginkan dalam beberapa format data baru.
01:55
And these were all incompatible.
33
97000
2000
Dan ini tidak semuanya kompatibel.
01:57
It was just very frustrating.
34
99000
2000
Itu hanya membuat sangat frustasi.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Frustrasi itu adalah semua potensi ini yang terbuka.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Bahkan, pada semua disk ini ada dokumen.
02:04
So if you just imagined them all
37
106000
3000
Jadi, jika Anda hanya membayangkan semuanya
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
menjadi bagian dari beberapa sistem dokumentasi virtual, yang besar di langit,
02:12
say on the Internet,
39
114000
2000
katakanlah di Internet,
02:14
then life would be so much easier.
40
116000
2000
maka hidup akan jauh lebih mudah.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Nah, sekali Anda sudah punya ide seperti itu yang seperti di bawah kulit Anda
02:20
and even if people don't read your memo --
42
122000
2000
dan bahkan jika orang tidak membaca catatan Anda --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
sebenarnya dia membacanya, itu ditemukan setelah dia meninggal, salinannya.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Dia telah menulis, "Samar-samar, tapi menarik," dengan pensil, di sudut.
02:28
(Laughter)
45
130000
2000
(Tertawa)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Tapi secara umum itu sulit -- itu benar-benar sulit untuk dijelaskan
02:34
what the web was like.
47
136000
2000
seperti apakah web itu.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Sulit untuk menjelaskan kepada orang sekarang yang dulu itu sulit.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Tapi kemudian -- Oke, saat TED dimulai, tidak ada web
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
sehingga hal-hal seperti klik tidak memiliki arti yang sama.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Saya dapat menunjukkan seseorang sepotong hiperteks,
02:46
a page which has got links,
52
148000
2000
halaman yang telah mendapat tautan,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
dan kita klik pada tautan dan muncullah -- akan ada halaman hiperteks lain.
02:52
Not impressive.
54
154000
2000
Tidak mengesankan.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Kau tahu, kita telah melihat bahwa -- kita punya hal-hal dalam hiperteks pada CD-ROM.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Apa yang sulit adalah untuk membayangkannya
03:00
so, imagine that that link could have gone
57
162000
4000
Jadi, bayangkan bahwa tautan tersebut bisa mengarah
03:04
to virtually any document you could imagine.
58
166000
2000
ke hampir semua dokumen yang Anda bisa bayangkan.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Baiklah, itu adalah lompatan yang sangat sulit bagi orang untuk dibuat.
03:11
Well, some people did.
60
173000
2000
Yah, beberapa orang berhasil melakukannya.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Meskipun ya, sulit untuk dijelaskan, tapi ada gerakan secara cepat.
03:17
And that is what has made it most fun.
62
179000
4000
Dan itulah yang telah membuatnya menjadi yang paling menyenangkan.
03:21
That has been the most exciting thing,
63
183000
2000
Yang telah menjadi hal yang paling menarik,
03:23
not the technology, not the things people have done with it,
64
185000
2000
bukan teknologinya, bukan hal yang orang lakukan dengan hal itu,
03:25
but actually the community, the spirit of all these people
65
187000
2000
tetapi sebenarnya komunitas, semangat dari semua orang
03:27
getting together, sending the emails.
66
189000
2000
berkumpul bersama, mengirim surel.
03:29
That's what it was like then.
67
191000
2000
Itulah bagaimana rasanya.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Apakah Anda tahu? Ini lucu, tapi sekarang ini semacam seperti itu lagi.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Saya bertanya semua orang, lebih atau kurang, untuk menempatkan dokumen mereka --
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Saya berkata, "Bisakah Anda meletakkan dokumen Anda di web?"
03:39
And you did.
71
201000
3000
Dan, Anda lakukan.
03:42
Thanks.
72
204000
1000
Terima kasih.
03:43
It's been a blast, hasn't it?
73
205000
2000
Sudah populer, bukan?
03:45
I mean, it has been quite interesting
74
207000
2000
Maksud saya, telah cukup menarik
03:47
because we've found out that the things that happen with the web
75
209000
2000
karena kami telah menemukan bahwa hal yang terjadi dengan web
03:49
really sort of blow us away.
76
211000
2000
benar-benar seeperti semangat besar bagi kami.
03:51
They're much more than we'd originally imagined
77
213000
2000
Mereka jauh lebih dari yang kita bayangkan tadinya
03:53
when we put together the little, initial website
78
215000
2000
ketika kita membuat situs web awal
03:55
that we started off with.
79
217000
2000
yang kita mulai.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Sekarang, saya ingin Anda untuk menempatkan data Anda di web.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Ternyata masih ada potensi yang terbuka lebar.
04:04
There is still a huge frustration
82
226000
2000
Masih ada frustrasi tinggi
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
yang orang punya karena kita tidak punya data di web sebagai data.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Apa yang Anda maksud data? Apa perbedaannya -- dokumen, data?
04:12
Well, documents you read, OK?
85
234000
3000
Dokumen yang Anda baca, oke?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Lebih atau kurang, Anda membacanya, Anda dapat mengikuti tautan dari mereka, dan hanya itu.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Data -- Anda dapat melakukan segala macam hal dengan komputer.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Siapa yang di sini atau sebaliknya telah melihat pembicaraan Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Salah seorang yang hebat -- ya banyak orang telah melihatnya --
04:30
one of the great TED Talks.
90
252000
2000
salah satu ceramah TED terhebat.
04:32
Hans put up this presentation
91
254000
2000
Hans membuat presentasi ini
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
dimana ia menunjukkan, untuk negara-negara yang berbeda, dalam berbagai warna yang berbeda --
04:39
he showed income levels on one axis
93
261000
3000
dia menunjukkan tingkat pendapatan pada satu sumbu
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
dan ia menunjukkan kematian bayi, dan ia menganimasikannya melewati waktu.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Jadi, dia mengambil data ini dan membuat presentasi
04:49
which just shattered a lot of myths that people had
96
271000
3000
yang menghapuskan banyak mitos yang orang tahu
04:52
about the economics in the developing world.
97
274000
4000
tentang ekonomi di negara berkembang.
04:56
He put up a slide a little bit like this.
98
278000
2000
Dia memasang salindra kurang lebih seperti ini.
04:58
It had underground all the data
99
280000
2000
Itu menampung semua data
05:00
OK, data is brown and boxy and boring,
100
282000
3000
Oke, data itu coklat dan berbentuk kotak dan membosankan,
05:03
and that's how we think of it, isn't it?
101
285000
2000
dan itulah bagaimana kita berpikir tentang itu, bukan?
05:05
Because data you can't naturally use by itself
102
287000
3000
Karena data tidak dapat Anda gunakan secara alami dengan sendirinya
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Namun pada kenyataannya, data mengendalikan sejumlah besar dari apa yang terjadi dalam hidup kita
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
dan itu terjadi karena seseorang mengambil data tersebut dan melakukan sesuatu dengan itu.
05:15
In this case, Hans had put the data together
105
297000
2000
Dalam hal ini, Hans telah mengumpulkan data bersama-sama
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
dia telah menemukan dari semua jenis situs PBB dan lainnya.
05:22
He had put it together,
107
304000
2000
Dia telah mengumpulkan semuanya,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
digabungkan menjadi sesuatu yang lebih menarik daripada aslinya
05:27
and then he'd put it into this software,
109
309000
5000
dan kemudian dia memasukkannya ke dalam perangkat lunak ini,
05:32
which I think his son developed, originally,
110
314000
2000
yang saya pikir anaknya yang mengembangkan itu, awalnya,
05:34
and produces this wonderful presentation.
111
316000
3000
dan menghasilkan presentasi yang indah ini.
05:37
And Hans made a point
112
319000
2000
Dan Hans membuat kesimpulan
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
yang mengatakan, "Lihat, benar-benar penting untuk memiliki banyak data."
05:43
And I was happy to see that at the party last night
114
325000
3000
Dan saya senang melihat itu di pesta tadi malam
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
bahwa ia masih berkata, sangat terpaksa, "Benar-benar penting untuk memiliki banyak data."
05:50
So I want us now to think about
116
332000
2000
Jadi saya ingin kita sekarang untuk berpikir tentang
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
bukan hanya dua lembar data yang berhubungan, atau enam seperti yang ia lakukan,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
tapi saya ingin untuk berpikir tentang dunia dimana setiap orang telah menempatkan data pada web
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
dan hampir semua yang anda bisa bayangkan ada di web.
06:03
and then calling that linked data.
120
345000
2000
dan kemudian memanggil data terkait.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Teknologi ini adalah data terkait, dan itu sangat sederhana.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Jika Anda ingin menempatkan sesuatu di web ada tiga aturan:
06:11
first thing is that those HTTP names --
123
353000
3000
Hal pertama adalah bahwa nama tersebut HTTP --
06:14
those things that start with "http:" --
124
356000
2000
hal-hal yang dimulai dengan "http:" --
06:16
we're using them not just for documents now,
125
358000
4000
kita menggunakannya bukan hanya untuk dokumen untuk saat ini,
06:20
we're using them for things that the documents are about.
126
362000
2000
kita menggunakannya untuk hal-hal tentang dokumen itu.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Kita menggunakannya untuk orang-orang, kita menggunakannya untuk tempat,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
kita menggunakannya untuk produk Anda, kita menggunakannya untuk acara.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Segala macam hal konseptual, sekarang memiliki nama yang dimulai dengan HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Aturan kedua, jika saya mengambil salah satu dari nama HTTP dan saya mencarinya
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
dan saya melakukan hal web dengan itu dan saya ambil datanya
06:39
using the HTTP protocol from the web,
132
381000
2000
menggunakan protokol HTTP dari web,
06:41
I will get back some data in a standard format
133
383000
3000
saya akan mengambil kembali beberapa data dalam format standar
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
yang merupakan jenis data yang berguna bahwa seseorang mungkin ingin tahu
06:49
about that thing, about that event.
135
391000
2000
tentang hal itu, tentang acara itu.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Siapa yang ada pada acara tersebut? Apapun tentang orang itu,
06:53
where they were born, things like that.
137
395000
2000
dimana mereka lahir, hal-hal seperti itu.
06:55
So the second rule is I get important information back.
138
397000
2000
Jadi, aturan kedua adalah saya mendapatkan informasi yang penting kembali.
06:57
Third rule is that when I get back that information
139
399000
4000
Aturan ketiga adalah bahwa ketika saya mengambil kembali informasi yang
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
bukan hanya mengetahui tinggi dan berat badan seseorang dan saat mereka lahir,
07:04
it's got relationships.
141
406000
2000
itu ada hubungannya.
07:06
Data is relationships.
142
408000
2000
Data adalah hubungan.
07:08
Interestingly, data is relationships.
143
410000
2000
Menariknya, data adalah hubungan.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Orang ini lahir di Berlin, Berlin adalah Jerman.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Dan saat itu ada hubungannya, setiap kali mengungkapkan hubungan
07:17
then the other thing that it's related to
146
419000
3000
maka hal lain yang berhubungan dengan itu
07:20
is given one of those names that starts HTTP.
147
422000
4000
diberikan salah satu dari nama-nama yang dimulai HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Jadi, saya dapat melanjutkan dan mencari hal tersebut.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Jadi saya mencari seseorang -- saya bisa mencari kota tempat mereka lahir
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
Saya dapat melihat wilayah itu berada, dan kota di dalamnya,
07:32
and the population of it, and so on.
151
434000
3000
dan penduduknya, dan seterusnya.
07:35
So I can browse this stuff.
152
437000
2000
Jadi saya dapat menelusuri hal ini.
07:37
So that's it, really.
153
439000
2000
Jadi itu saja, sungguh.
07:39
That is linked data.
154
441000
2000
Itulah data terkait.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Saya menulis sebuah artikel berjudul "Data Terkait" beberapa tahun yang lalu
07:44
and soon after that, things started to happen.
156
446000
4000
dan segera setelah itu, sesuatu mulai terjadi.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Gagasan tentang data terkait adalah bahwa kita mendapatkan banyak dan banyak dan banyak
07:52
of these boxes that Hans had,
158
454000
2000
kotak ini yang Hans punya,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
dan kita mendapatkan banyak dan banyak dan banyak hal bertumbuh.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Ini bukan hanya tentang kebanyakan semua tanaman lain.
07:59
It's not just a root supplying a plant,
161
461000
2000
Ini bukan hanya memasok akar tanaman,
08:01
but for each of those plants, whatever it is --
162
463000
3000
tetapi untuk masing-masing tanaman, apa pun itu --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
presentasi, analisis, seseorang mencari pola dalam data --
08:07
they get to look at all the data
164
469000
3000
mereka bisa melihat pada semua data
08:10
and they get it connected together,
165
472000
2000
dan mereka mendapatkannya terhubung bersama-sama,
08:12
and the really important thing about data
166
474000
2000
Dan hal yang sangat penting tentang data
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
adalah hal-hal yang Anda miliki untuk menghubungkannya bersama-sama, semakin kuat.
08:16
So, linked data.
168
478000
2000
Jadi, data terkait.
08:18
The meme went out there.
169
480000
2000
Popularitas ke arah sana.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
Dan, segera Chris Bizer di Universitas Freie di Berlin
08:24
who was one of the first people to put interesting things up,
171
486000
2000
merupakan salah satu orang pertama yang menempatkan hal-hal menarik tersebut,
08:26
he noticed that Wikipedia --
172
488000
2000
ia melihat bahwa Wikipedia --
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
Anda tahu Wikipedia, ensiklopedia daring
08:31
with lots and lots of interesting documents in it.
174
493000
2000
dengan banyak dan banyak dokumen yang menarik di dalamnya.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Nah, dalam dokumen-dokumen tersebut, ada persegi-persegi kecil, kotak-kotak kecil.
08:37
And in most information boxes, there's data.
176
499000
3000
Dan dalam kebanyakan kotak informasi, ada data.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Jadi dia menulis sebuah program untuk mengambil data, mengekstraksi dari Wikipedia,
08:44
and put it into a blob of linked data
178
506000
2000
dan memasukkannya ke dalam gumpalan data terkait
08:46
on the web, which he called dbpedia.
179
508000
3000
di web, yang ia sebut DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
DBpedia diwakili oleh gumpalan biru di tengah-tengah slide ini
08:53
and if you actually go and look up Berlin,
181
515000
2000
dan jika Anda benar-benar pergi dan mencari Berlin,
08:55
you'll find that there are other blobs of data
182
517000
2000
Anda akan menemukan bahwa ada gumpalan data lainnya
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
yang juga memiliki hal tentang Berlin, dan mereka terhubung bersama-sama.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Jadi jika Anda menarik data dari dbpedia tentang Berlin,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
Anda akan berakhir sampai hal-hal lainnya juga.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Dan hal yang menarik adalah itu mulai tumbuh.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Ini hanya tentang hal yang mendasar, oke?
09:10
Let's think about data for a bit.
188
532000
3000
Mari kita berpikir sedikit tentang data.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Data yang berasal pada kenyataannya dalam banyak dan banyak bentuk yang berbeda
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Pikirkan tentang keragaman web, itu adalah hal yang benar-benar penting
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
bahwa web memungkinkan Anda untuk menempatkan semua jenis data di sana.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Jadi dengan data. Saya bisa berbicara tentang semua jenis data.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Kita bisa bicara tentang data pemerintah, data perusahaan yang sangat penting,
09:29
there's scientific data, there's personal data,
194
551000
3000
ada data ilmiah, ada data pribadi,
09:32
there's weather data, there's data about events,
195
554000
2000
ada data cuaca, ada tentang kejadian,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
ada data tentang pembicaraan, dan ada berita dan segala macam hal.
09:38
I'm just going to mention a few of them
197
560000
3000
Saya hanya akan menyebutkan beberapa dari hal tersebut
09:41
so that you get the idea of the diversity of it,
198
563000
2000
sehingga Anda mendapatkan ide dari keragaman tersebut,
09:43
so that you also see how much unlocked potential.
199
565000
4000
sehingga Anda juga melihat berapa banyak potensi yang terbuka.
09:47
Let's start with government data.
200
569000
2000
Mari kita mulai dengan data pemerintah.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama mengatakan, dalam pidato,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
bahwa ia -- data pemerintah Amerika akan tersedia di Internet
09:56
in accessible formats.
203
578000
2000
dalam format yang dapat diakses.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Dan saya berharap bahwa mereka akan memasangnya sebagai data terkait.
10:00
That's important. Why is it important?
205
582000
2000
Itu penting. Mengapa penting?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Tidak hanya untuk transparansi, ya transparansi dalam pemerintahan itu penting,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
tetapi data tersebut -- ini adalah data dari semua departemen pemerintah
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Pikirkan tentang berapa banyak data tentang bagaimana hidup kalau tinggal di Amerika.
10:13
It's actual useful. It's got value.
209
595000
2000
Itu sebenarnya berguna. Itu bernilai.
10:15
I can use it in my company.
210
597000
2000
Saya dapat menggunakannya di perusahaan saya.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Saya bisa menggunakannya sebagai anak untuk mengerjakan PR.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Jadi kita sedang berbicara tentang membuat dunia agar berjalan lebih baik
10:22
by making this data available.
213
604000
2000
dengan membuat data ini tersedia.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Bahkan jika Anda bertanggung jawab -- jika Anda tahu tentang beberapa data
10:28
in a government department, often you find that
215
610000
2000
di sebuah departemen pemerintah, seringkali Anda menemukan bahwa
10:30
these people, they're very tempted to keep it --
216
612000
3000
orang-orang ini, mereka sangat tergoda untuk menjaganya --
10:33
Hans calls it database hugging.
217
615000
3000
Hans menyebutnya memeluk basis data.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Anda memeluk basis data Anda, Anda tidak ingin membiarkannya pergi
10:38
until you've made a beautiful website for it.
219
620000
2000
sampai Anda membuat situs web yang indah untuk itu.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Nah, saya ingin menunjukkan bahwa daripada --
10:42
yes, make a beautiful website,
221
624000
2000
ya, membuat website yang indah,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
siapakah saya untuk mengatakan tidak membuat situs web yang indah?
10:46
Make a beautiful website, but first
223
628000
3000
Membuat website yang indah, tapi pertama
10:49
give us the unadulterated data,
224
631000
3000
berikan kita data murni,
10:52
we want the data.
225
634000
2000
kita ingin data.
10:54
We want unadulterated data.
226
636000
2000
Kita ingin data murni.
10:56
OK, we have to ask for raw data now.
227
638000
3000
OK, kita harus meminta data mentah sekarang.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Dan saya akan meminta Anda untuk melatih itu, oke?
11:01
Can you say "raw"?
229
643000
1000
Katakanlah "mentah."
11:02
Audience: Raw.
230
644000
1000
Audiens: Mentah.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim Berners-Lee: Dapatkah Anda mengatakan "data"?
11:04
Audience: Data.
232
646000
1000
Audiens: Data.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: Dapatkah Anda mengatakan "sekarang"?
11:06
Audience: Now!
234
648000
1000
Audiens: Sekarang!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
Tbl: Baiklah, data mentah sekarang!
11:09
Audience: Raw data now!
236
651000
2000
Audiens: Data mentah sekarang!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Latih itu. Itu penting karena Anda tidak tahu berapa jumlah alasan
11:15
people come up with to hang onto their data
238
657000
2000
orang datang dengan untuk bergantung pada data mereka
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
dan tidak memberikannya kepada Anda, meskipun Anda sudah membayar untuk itu sebagai pembayar pajak.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Dan itu bukan hanya Amerika. Itu di seluruh dunia.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Dan itu tidak hanya pemerintah, tentu saja -- itu perusahaan juga.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Jadi saya hanya akan menyebutkan beberapa pikiran lain pada data.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Di sini kita di TED, dan sepanjang waktu kita sangat sadar
11:34
of the huge challenges that human society has right now --
244
676000
5000
tantangan besar yang manusia miliki sekarang --
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
menyembuhkan kanker, memahami otak untuk penderita Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
mengerti akan ekonomi untuk membuatnya sedikit lebih stabil,
11:45
understanding how the world works.
247
687000
2000
memahami bagaimana dunia bekerja.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Orang-orang yang akan memecahkan hal tersebut -- para ilmuwan --
11:49
they have half-formed ideas in their head,
249
691000
2000
mereka telah ide-ide yang setengah terbentuk di dalam kepala mereka,
11:51
they try to communicate those over the web.
250
693000
3000
mereka mencoba untuk mengkomunikasikannya melalui web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Tapi banyak pernyataan pengetahuan umat manusia saat ini
11:57
is on databases, often sitting in their computers,
252
699000
3000
ada pada basis data, seringkali duduk di komputer mereka,
12:00
and actually, currently not shared.
253
702000
3000
dan sebenarnya, saat ini tidak dibagi.
12:03
In fact, I'll just go into one area --
254
705000
3000
Kenyataannya, saya hanya akan pergi ke satu area --
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
jika Anda melihat penderita Alzheimer, misalnya,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
penemuan obat -- ada banyak seluruh data terkait yang baru saja keluar
12:11
because scientists in that field realize
257
713000
2000
karena para ilmuwan di bidang tersebut menyadari
12:13
this is a great way of getting out of those silos,
258
715000
3000
ini adalah cara yang bagus untuk keluar dari lingkup mereka,
12:16
because they had their genomics data in one database
259
718000
4000
karena mereka memiliki data genomik mereka dalam satu basis data
12:20
in one building, and they had their protein data in another.
260
722000
3000
dalam satu bangunan, dan juga mereka memiliki data protein mereka.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Sekarang, mereka menempel pada hal tersebut -- data terkait --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
dan sekarang mereka dapat meminta beberapa pertanyaan, yang Anda mungkin tidak akan tanya,
12:29
I wouldn't ask -- they would.
263
731000
2000
Saya tidak akan bertanya -- mereka akan.
12:31
What proteins are involved in signal transduction
264
733000
2000
Protein apa yang terlibat dalam transduksi sinyal
12:33
and also related to pyramidal neurons?
265
735000
2000
dan juga terkait dengan neuron piramida?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Nah, Anda mengambil seluruhnya dan Anda memasukkannya ke dalam Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Tentu saja, tidak ada halaman di web yang telah menjawab pertanyaan itu
12:41
because nobody has asked that question before.
268
743000
2000
karena tidak ada yang mengajukan pertanyaan itu sebelumnya.
12:43
You get 223,000 hits --
269
745000
2000
Anda mendapatkan 223.000 hasil --
12:45
no results you can use.
270
747000
2000
tidak ada hasil yang dapat Anda gunakan.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Anda bertanya data terkait -- yang sekarang telah disatukan --
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 hasil, yang masing-masing merupakan protein yang memiliki properti-properti tersebut
12:54
and you can look at.
273
756000
2000
dan Anda dapat lihat.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Kekuatan untuk dapat mengajukan pertanyaan-pertanyaan tersebut, sebagai seorang ilmuwan --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
pertanyaan yang sebenarnya jembatan yang melewati berbagai disiplin ilmu -
13:01
is really a complete sea change.
276
763000
3000
adalah benar-benar P-perubahan lengkap.
13:04
It's very very important.
277
766000
2000
Ini sangat sangat penting.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Para ilmuwan benar-benar terhalang saat ini --
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
kekuatan data yang dikumpulkan ilmuwan lain masih terkunci
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
dan kita perlu membukanya sehingga kita bisa mengatasi masalah-masalah besar tersebut.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Sekarang jika saya terus seperti ini, Anda akan berpikir bahwa semua data berasal dari lembaga-lembaga besar
13:20
and has nothing to do with you.
282
782000
3000
dan tidak ada hubungannya dengan Anda.
13:23
But, that's not true.
283
785000
2000
Tapi, itu tidak benar.
13:25
In fact, data is about our lives.
284
787000
2000
Kenyataannya, data tentang kehidupan kita.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Anda hanya -- Anda masuk log ke situs jaringan sosial Anda,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
salah satu favorit Anda, Anda mengatakan, "Ini teman saya."
13:32
Bing! Relationship. Data.
287
794000
3000
Bing! Hubungan. Data.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Anda mengatakan, "Foto ini, ini tentang -- ini menggambarkan orang ini."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! Itu data. Data, data, data.
13:41
Every time you do things on the social networking site,
290
803000
2000
Setiap kali Anda melakukan hal-hal di situs jejaring sosial,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
situs jejaring sosial mengambil data dan menggunakannya -- menujukan-ulang itu --
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
dan menggunakannya untuk membuat hidup orang lain lebih menarik di situs.
13:51
But, when you go to another linked data site --
293
813000
2000
Tapi, ketika Anda pergi ke situs data terkait lain --
13:53
and let's say this is one about travel,
294
815000
3000
dan katakanlah tentang perjalanan,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
dan anda berkata, "Saya ingin mengirim foto ini ke semua orang dalam kelompok itu,"
13:59
you can't get over the walls.
296
821000
2000
Anda tidak bisa menembus dindingnya.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist menulis sebuah artikel tentang itu, dan banyak orang telah menulis blog tentang itu -
14:03
tremendous frustration.
298
825000
1000
luar biasa frustrasi.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Cara untuk memecah lingkup tersebut adalah untuk mendapatkan antar-operabilitas
14:06
between social networking sites.
300
828000
2000
antara situs jejaring sosial.
14:08
We need to do that with linked data.
301
830000
2000
Kita perlu melakukan itu dengan data terkait.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Salah satu jenis data terakhir yang saya akan bicarakan, mungkin itu yang paling menarik.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Sebelum saya datang ke sini, saya mencarinya di OpenStreetMap
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap adalah peta, tapi juga Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Perbesar dan persegi itu adalah teater -- dimana kita berada sekarang --
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
The Terrace Theater. Itu tidak ada namanya.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Jadi saya bisa masuk ke mode sunting, saya bisa pilih teater,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
Saya bisa menambahkan di bagian bawah nama, dan saya bisa simpan kembali.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
Dan sekarang jika Anda kembali ke OpenStreetMap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
dan Anda menemukan tempat ini, Anda akan menemukan bahwa The Terrace Theater tersebut punya nama.
14:36
I did that. Me!
311
858000
2000
Saya melakukan itu. Saya!
14:38
I did that to the map. I just did that!
312
860000
2000
Saya melakukan itu untuk peta. Saya hanya melakukan itu!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Saya menempatkannya di sana. Hei, kau tahu apa?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Jika saya -- peta jalan tersebut adalah tentang semua orang yang melakukan bagian mereka
14:45
and it creates an incredible resource
315
867000
3000
dan menciptakan sumber daya yang luar biasa
14:48
because everybody else does theirs.
316
870000
3000
karena semua orang melakukan bagian mereka.
14:51
And that is what linked data is all about.
317
873000
3000
Dan itulah apa yang dimaksud data terkait.
14:54
It's about people doing their bit
318
876000
3000
Ini tentang orang melakukan sedikit bagian mereka
14:57
to produce a little bit, and it all connecting.
319
879000
3000
untuk menghasilkan sedikit, dan semuanya terhubung.
15:00
That's how linked data works.
320
882000
3000
Itulah bagaimana data terkait bekerja.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Anda melakukan bagian Anda. Semua orang juga.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Anda mungkin tidak memiliki banyak data yang Anda yang diri Anda miliki untuk ditempatkan di sana
15:11
but you know to demand it.
323
893000
3000
tapi Anda tahu untuk meminta itu.
15:14
And we've practiced that.
324
896000
2000
Dan kita telah melatihnya.
15:16
So, linked data -- it's huge.
325
898000
4000
Jadi, data terkait -- itu besar.
15:20
I've only told you a very small number of things
326
902000
3000
Saya hanya katakan kepada Anda jumlah yang sangat kecil dari banyak hal.
15:23
There are data in every aspect of our lives,
327
905000
2000
Ada data dalam setiap aspek kehidupan kita,
15:25
every aspect of work and pleasure,
328
907000
3000
setiap aspek dari pekerjaan dan kesenangan,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
dan itu bukan hanya tentang jumlah tempat dimana data berasal,
15:31
it's about connecting it together.
330
913000
3000
ini tentang menghubungkannya bersama-sama.
15:34
And when you connect data together, you get power
331
916000
3000
Dan ketika Anda menghubungkan data bersama-sama, Anda mendapatkan kekuatan
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
dengan cara yang tidak terjadi hanya dengan web, dengan dokumen.
15:40
You get this really huge power out of it.
333
922000
4000
Anda mendapatkan kekuatan yang benar-benar besar.
15:44
So, we're at the stage now
334
926000
3000
Jadi, kita pada tahap sekarang
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
dimana kita harus melakukan ini -- orang-orang yang berpikir itu adalah ide yang bagus.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Dan semua orang -- dan saya pikir ada banyak orang di TED yang melakukan sesuatu karena --
15:54
even though there's not an immediate return on the investment
337
936000
2000
meskipun tidak ada pengembalian langsung atas investasi
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
karena hanya akan benar-benar terbayar ketika orang lain telah melakukannya --
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
mereka akan melakukannya karena mereka salah seorang yang hanya melakukan hal-hal
16:03
which would be good if everybody else did them.
340
945000
3000
yang akan jadi baik jika orang lain melakukannya.
16:06
OK, so it's called linked data.
341
948000
2000
Oke, jadi itu disebut data terkait.
16:08
I want you to make it.
342
950000
2000
Saya ingin Anda membuatnya.
16:10
I want you to demand it.
343
952000
2000
Saya ingin Anda meminta itu.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Dan saya pikir itu ide yang layak disebar.
16:14
Thanks.
345
956000
1000
Terima kasih.
16:15
(Applause)
346
957000
3000
(Tepuk tangan)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com