By Mediasembilan.com 
Penulis : Khairunnisa Syafitri
Di tengah perkembangan teknologi digital yang pesat, kebutuhan untuk mengelola dan menganalisis data berukuran besar semakin mendesak, terutama di sektor layanan kesehatan. Data seperti rekam medis elektronik, informasi dari perangkat sensor, hingga hasil uji genetik, semuanya memerlukan sistem yang mampu menangani proses secara cepat, aman, dan efisien. Dalam hal ini, layanan komputasi awan seperti Amazon Web Services (AWS) dan Google Cloud Platform (GCP) hadir sebagai solusi utama dengan menawarkan infrastruktur yang mendukung pemrosesan data skala besar secara real-time, serta integrasi dengan teknologi terbaru seperti kecerdasan buatan dan analisis prediktif.
Meskipun keduanya menawarkan layanan serupa, perbedaan pendekatan dan karakteristik teknis dari AWS dan Google Cloud menjadikan penting untuk membandingkan performa masing-masing dalam konteks tertentu. Terutama pada sistem berbasis big data seperti pemantauan kesehatan jarak jauh dan pengolahan data biologis, efisiensi, kecepatan respon, serta kemampuan skalabilitas menjadi faktor penentu. Oleh karena itu, kajian ini berfokus pada analisis kinerja kedua platform untuk melihat sejauh mana keduanya dapat memenuhi tuntutan pengolahan data besar yang kompleks dan sensitif di dunia medis.
1. Performa dan Latensi dalam Pemrosesan Big Data
Performa dan latensi menjadi aspek penting dalam pemrosesan Big Data, terutama dalam konteks aplikasi real-time seperti sistem pemantauan kesehatan. Berdasarkan penelitian yang dilakukan oleh Shafi et al. (2024) dalam jurnal PLOS ONE, penggunaan platform cloud untuk sistem pemantauan pasien berhasil menunjukkan rata-rata latensi sebesar 16 milidetik, dengan waktu respon sistem sekitar 1 detik. Nilai ini diperoleh melalui pengujian perangkat pemantauan yang menggabungkan sensor kesehatan dengan layanan cloud menggunakan protokol komunikasi MQTT dan platform Adafruit IO. Latensi rendah sangat krusial, terutama dalam situasi kritis seperti perawatan intensif atau pemantauan pasien dengan kondisi darurat. Data seperti denyut jantung, suhu tubuh, dan saturasi oksigen harus diproses secara cepat agar sistem bisa mengirimkan notifikasi atau peringatan kepada petugas medis jika terjadi penyimpangan dari nilai normal.
AWS dan Google Cloud sama-sama menyediakan layanan berbasis MQTT dan dukungan komunikasi real-time, seperti AWS IoT Core dan Google Cloud Pub/Sub, yang memungkinkan integrasi sensor dengan cloud secara efisien. Namun, performa aktual keduanya dalam hal latensi dapat dipengaruhi oleh faktor-faktor seperti lokasi server, kepadatan jaringan, dan arsitektur backend yang digunakan. Selain itu, menurut Mir (2024) dalam artikel IJST, penggunaan edge computing di sisi perangkat juga dapat mengurangi beban pemrosesan di cloud. Dengan menerapkan pemrosesan awal langsung di perangkat (edge), volume data yang dikirim ke cloud bisa ditekan, sehingga mengurangi waktu transmisi dan latensi keseluruhan.
Oleh karena itu, dalam konteks pemrosesan Big Data untuk aplikasi real-time, AWS dan Google Cloud keduanya mampu mendukung sistem dengan latensi rendah, namun efektivitasnya sangat bergantung pada implementasi arsitektur sistem: apakah hanya menggunakan cloud murni atau mengombinasikannya dengan edge computing.
2. Skalabilitas dan Arsitektur Pemrosesan Data
Skalabilitas adalah kemampuan sistem untuk menyesuaikan kapasitas komputasi sesuai dengan beban kerja yang berubah-ubah. Dalam konteks pemrosesan Big Data, ini menjadi sangat penting karena volume data yang diproses bisa sangat besar dan bervariasi. Berdasarkan penelitian dari IJST (Mir, 2024), sistem yang efektif dalam menangani data besar harus mampu melakukan penyesuaian sumber daya secara otomatis, menggunakan fitur seperti auto-scaling, load balancing, serta distribusi beban kerja antara edge dan cloud.
Dalam arsitektur yang mereka usulkan, pengolahan awal dilakukan di perangkat edge untuk menyaring dan mengurangi beban data sebelum dikirim ke cloud. Ini bukan hanya mengurangi latensi, tetapi juga meningkatkan efisiensi penggunaan bandwidth dan mempercepat respon sistem. AWS dan Google Cloud sama-sama mendukung pendekatan ini melalui layanan seperti AWS Greengrass dan Google Cloud IoT Edge, yang memungkinkan komputasi dilakukan sebagian di sisi pengguna.
Kedua platform juga mendukung elastic scalability, yaitu penyesuaian otomatis terhadap permintaan komputasi, misalnya dengan Amazon EC2 Auto Scaling atau Google Compute Engine Autoscaler. Dengan fitur-fitur ini, pemrosesan data besar dapat tetap berjalan stabil meskipun terjadi lonjakan data secara tiba-tiba. Dalam praktiknya, hal ini sangat penting untuk aplikasi seperti pemantauan kesehatan, di mana data dari berbagai sensor dikirimkan terus-menerus dalam jumlah besar.
3. Keamanan dan Privasi Data
Big Data dalam bidang kesehatan atau genetika mengandung informasi yang sangat sensitif. Oleh karena itu, keamanan dan privasi merupakan faktor penentu dalam memilih platform cloud. Berdasarkan artikel dari AJPR (Chakilam et al., 2025), keamanan data dalam cloud harus mencakup enkripsi saat penyimpanan maupun saat data ditransmisikan, kontrol akses berbasis otorisasi, serta kepatuhan terhadap regulasi seperti HIPAA (Health Insurance Portability and Accountability Act).
Penulis juga menekankan bahwa penyedia layanan cloud harus menyediakan isolasi data, toleransi kesalahan, dan sistem autentikasi ganda untuk mencegah pelanggaran privasi. Dalam hal ini, baik AWS maupun Google Cloud memiliki fitur keamanan canggih. AWS, misalnya, menyediakan AWS Key Management Service (KMS) untuk enkripsi, sementara Google Cloud memiliki Cloud Key Management dan Confidential Computing untuk keamanan tingkat lanjut.
Selain itu, AJPR juga mencatat bahwa penggunaan cloud publik membawa risiko yang perlu dikelola, seperti kemungkinan akses ilegal oleh pihak ketiga atau ketidaksesuaian dengan kebijakan lokal. Oleh karena itu, memilih penyedia yang menawarkan lapisan keamanan yang dapat dikonfigurasi dan pengelolaan hak akses yang rinci menjadi sangat penting dalam sistem berbasis Big Data.
Dalam perbandingan ini, AWS cenderung lebih fleksibel dalam hal kontrol akses dan manajemen jaringan, sementara Google Cloud lebih menonjol dalam integrasi keamanan dengan AI dan monitoring otomatis terhadap ancaman. Pilihan antara keduanya bisa ditentukan berdasarkan jenis data yang ditangani dan tingkat regulasi yang diberlakukan pada pengguna.
4. Kemudahan Integrasi
Dalam pemrosesan Big Data, kemampuan sistem untuk terhubung dengan berbagai jenis perangkat dan sumber data merupakan faktor penting. Baik AWS maupun Google Cloud menyediakan infrastruktur yang mendukung integrasi skala besar, termasuk dengan perangkat mobile, IoT (Internet of Things), serta sistem rumah sakit berbasis cloud.
Menurut Mir (2024) dalam artikel IJST, arsitektur komputasi awan yang terintegrasi dengan perangkat mobile dan edge computing sangat penting untuk mendukung analisis data secara real-time di sektor kesehatan. Arsitektur ini memungkinkan perangkat seperti sensor wearable, smartphone, dan gateway IoT untuk mengirimkan data kesehatan pasien secara terus-menerus ke server cloud, tanpa terhambat oleh lokasi atau jaringan. AWS dan Google Cloud memiliki layanan pendukung seperti AWS IoT Core dan AWS Greengrass, serta Google Cloud IoT Core dan Edge TPU, yang mendukung pengumpulan dan pengolahan data dari berbagai perangkat secara fleksibel.
Selain itu, layanan seperti API Gateway, Pub/Sub, dan Dataflow di Google Cloud maupun Lambda dan Kinesis di AWS memungkinkan integrasi data antar sistem berjalan dengan efisien. Fleksibilitas ini sangat dibutuhkan dalam lingkungan Big Data, karena sumber data bisa berasal dari sensor fisik, rekam medis elektronik (EHR), atau bahkan sistem analitik pihak ketiga.
Dengan kata lain, Google Cloud lebih unggul dalam kemudahan integrasi data struktural dan non-struktural, terutama karena pendekatannya yang kuat di bidang AI/ML dan analitik. Sementara itu, AWS dikenal unggul dalam fleksibilitas penyusunan arsitektur cloud secara modular dan luasnya ekosistem layanan.
5. Keamanan dan Privasi Data
Keamanan dan perlindungan privasi menjadi isu utama dalam pemrosesan data berskala besar, khususnya di sektor kesehatan yang memproses informasi sensitif seperti rekam medis, genetik, dan data pasien. Dalam konteks ini, baik AWS maupun Google Cloud menyediakan layanan keamanan tingkat tinggi, seperti enkripsi data saat transit dan saat disimpan, kontrol akses berbasis peran (RBAC), serta sertifikasi standar seperti HIPAA, ISO 27001, dan GDPR.
Dalam artikel American Journal of Psychiatric Rehabilitation, Chakilam et al. (2025) menekankan bahwa komputasi awan untuk data genetik dan kesehatan memerlukan infrastruktur yang aman, toleran terhadap gangguan, serta memiliki isolasi data yang ketat. Disebutkan pula bahwa penyedia cloud harus menjamin akses terbatas terhadap data, dan memiliki sistem otorisasi serta enkripsi yang kuat untuk menghindari kebocoran informasi.
Google Cloud, misalnya, secara default menyediakan enkripsi data tingkat tinggi dan mendukung kebijakan akses berbasis identitas, serta mendukung kontrol granular atas siapa yang bisa melihat atau memodifikasi data. Sementara AWS menawarkan kontrol yang sangat terperinci melalui layanan seperti AWS Identity and Access Management (IAM), AWS Key Management Service (KMS), dan CloudTrail untuk pencatatan semua aktivitas pengguna.
Meski keduanya memenuhi standar keamanan global, pemilihan platform tergantung pada kebutuhan organisasi. Jika fokus utamanya adalah fleksibilitas pengelolaan akses dan kontrol pengguna, AWS bisa lebih cocok. Namun jika dibutuhkan ekosistem terintegrasi dengan analitik dan privasi tingkat lanjut seperti dalam penelitian biomedis atau genetika, Google Cloud menjadi pilihan yang ideal.