Big data dapat didefinisikan sebagai volume data yang besar dan beragam yang membutuhkan teknologi canggih untuk menangkap, menyimpan, mengelola, dan menganalisis datanya. Teknologi ini memiliki manfaat bagi perusahaan seperti analisis data sosial, riwayat, dan prediksi.
2. Definisi big data
Menurut Thomas, Big Data adalah istilah yang
menggambarkan volume data yang besar (baik
terstruktur dan tidak terstruktur) yang
membanjiri bisnis pada sehari-hari (Ramadhana,
A., & Krisnadi, I.).
Big Data adalah data yang melebihi proses
kapasitas dari sistem database yang ada. Data
terlalu besar dan terlalu cepat atau tidak sesuai
dengan struktur arsitektur database yang ada,
sehingga untuk mendapatkan nilai dari data, maka
harus memilih jalan alternatif untuk
memprosesnya (PG, D. S. W., 2018).
Big Data dapat didefinisikan sebagai sebuah
fenomena yang ditandai dengan peningkatan
volume yang sedang berlangsung, variasi,
kecepatan dan kebenaran data yang
membutuhkan teknik dan teknologi canggil
untuk ditangkap, menyimpan,
mendistribusikan, mengelola dan menganalisis
data tersebut (Ramadhana, A., & Krisnadi, I.).
2
3. Karakteristik big data (ramadhana, A., & Krisnadi, I.)
✖ Volume Jumlah data yang dihasilkan dan disimpan (berukuran sangat besar). Ukuran data
menentukan nilai dan potensi mendalam – dan apakah itu dapat sebenarnya dianggap sebagai
big data atau bukan.
✖ Variety Jenis dan sifat dari data (datanya sangat beragam). Ini membantu orang-orang yang
menganalisisnya yang menggunakan secara efektif hasil mendalam.
✖ Velocity (memiliki kecepatan akses data yang memadai). Pada konteks ini, kecepatan data yang
dihasilkan dan diproses untuk memenuhi permintaan dan tantangan-tantangan yang ada di
lintasan perkembangan dan pengembangan.
✖ Menurut data Chandarana, Parth, & Vijayakakshmi (2014) big mengacu pada 3V yaitu volume,
variety, velocity dan ada yang menambahkan unsur V lainnya yaitu veracity (kebenaran) dan
value.
3
4. Perkembangan teknologi big data
Menurut Hilbert dan Lopez (2011), ada tiga hal utama yang memicu perkembangan
teknologi Big Data (Maryanto, B., 2017) :
a. Pesatnya pertambahan kemampuan penyimpanan data. Kemampuan penyimpanan data
telah bertumbuh sangat signifikan.
b. Pesatnya pertambahan kemampuan mesin pemrosesan data. Seiring dengan pesatnya
perkembangan teknologi hardware, maka kapasitas komputasi pada mesin/ perangkat
komputer juga telah meningkat sangat tajam.
c. Ketersediaan data yang melimpah. Perusahaan-perusahaan dari berbagai sektor di
Amerika Serikat memiliki data setidaknya 100 terabytes. Bahkan banyak diantara
perusahaan tersebut yang memiliki data lebih dari 1 petabyte.
4
5. Klasifikasi data
Teknologi Big Data memiliki kemampuan untuk menangani berbagai variasi data. Secara
umum ada 2 kelompok data yang harus dikelola, yaitu (Maryanto, B., 2017) :
✖ Data terstruktur
Kelompok data yang memiliki tipe data, format, dan struktur yang telah terdefinisi.
Sumber datanya dapat berupa data transaksional, OLAP data, tradisional RDBMS, file
CSV, spreadsheets
✖ Data tidak terstruktur
Kelompok data tekstual dengan format tidak menentu atau tidak memiliki struktur
melekat, sehingga untuk menjadikannya data terstruktur membutuhkan usaha, tools,
dan waktu yang lebih. Data ini dihasilkan oleh aplikasi-aplikasi internet, seperti data
URL log, media sosial, e-mail, blog, video, dan audio.
5
6. Pengelolaan Big Data
6
Berikut ini adalah 4 tahap pengelolaan Big Data serta perangkat bantu (tools) yang dapat
dimanfaatkan untuk mendukung pemrosesan pada tiap tahap (Tim Penyusun Kominfo, 2015)
:
✖ a. Acquired Berhubungan dengan sumber dan cara mendapatkan data.
✖ b. Accessed Berhubungan dengan daya akses data; data yang sudah dikumpulkan
memerlukan tata kelola, integrasi, storage dan computing agar dapat dikelola untuk
tahap berikutnya. Perangkat untuk pemrosesan (processing tools) menggunakan Hadoop,
Nvidia CUDA, Twitter Storm, dan GraphLab. Sedangkan untuk manajemen penyimpanan
data (storage tools) menggunakan Neo4J, Titan, dan HDFS.
7. lanjutan
✖ c. Analytic Berhubungan dengan informasi yang akan didapatkan, hasil pengelolaan data
yang telah diproses. Analitik yang dilakukan dapat berupa descriptive (penggambaran
data), diagnostic (mencari sebab akibat berdasar data), predictive (memprediksi kejadian
dimasa depan) maupun prescriptive analytics (merekomendasikan pilihan dan implikasi
dari setiap opsi). Tools untuk tahap analitik menggunakan MLPACK dan Mahout.
✖ d. Application Terkait visualisasi dan reporting hasil dari analitik. Tools untuk tahap ini
menggunakan RStudio.
7
8. Implementasi Teknologi Big Data
8
Dalam mengimplementasikan teknologi Big Data di suatu organisasi, ada 4 elemen penting yang
menjadi tantangan (Aryasa, 2015) :
✖ 1. Data Deskripsi dasar dari data menunjuk pada benda, event, aktivitas, dan transaksi yang
terdokumentasi, terklasifikasi, dan tersimpan tetapi tidak terorganisasi untuk dapat
memberikan suatu arti yang spesifik. Data yang telah terorganisir sehingga dapat memberikan
arti dan nilai kepada penerima, disebut informasi. (Rainer, Kelly, & Cegielski., 2009).
Ketersediaan data menjadi kunci awal bagi teknologi Big Data. Ada beberapa organisasi yang
memiliki banyak data dari proses bisnisnya yang dilakukan, baik data terstruktur maupun tidak
terstruktur, seperti industri telekomunikasi maupun perbankan. Namun, ada pula organisasi
yang perlu membeli atau bekerjasama dengan pihak lain untuk mendapatkan data.
9. Lanjutan
9
✖ 2. Teknologi Terkait degan infrastruktur dan tools dalam pengoperasian big data, biasanya
organisasi atau perusahaan tidak akan mengalami kendala yang berarti dalam hal teknologi
karena teknologi bisa didapatkan dengan membeli dan bekerja sama dengan pihak ketiga
✖ 3. Proses Dalam proses mengadopsi teknologi big data dibutuhkan budaya organisasi. Misal:
sebelum adanya big data, seorang pemimpin dalam menjalankan organisasi melakukan
pengambilan keputusan hanya berdasarkan intuisi, nilai, keyakinan atau asumsi namun setelah
adanya teknologi big data pemimpin mampu mengambil keputusan berdasarkan data yang
akurat dan informasi yang relevan. Big Data dapat membantu melakukan analisis dan prediksi
terhadap pelanggan yang akan menghentikan layanannya sehingga dapat ditindaklanjuti
dengan mendengarkan kebutuhan pelanggan serta melakukan pencegahan di awal.
10. Lanjutan
10
✖ 4. SDM Dalam mengaplikasikan teknologi Big Data dibutuhkan SDM dengan
keahlian analitik dan kreativitas yaitu kemampuan/keterampilan untuk menentukan
metode baru yang dapat dilakukan untuk mengumpulkan, menginterpretasi dan
menganalisis data, keahlian pemrograman komputer, dan ketrampilan bisnis yaitu
pemahaman tentang tujuan bisnis.
11. Tiga alasan Shang and Seddon (2002) mengklasifikasikan potensi manfaat dari big data
analytics, antara lain adalah sebagai berikut (PG, D. S. W. (2018) :
✖ (1) memberikan seperangkat manfaat spesifik dari sub dimensi big data analytics,
yang dapat membantu mengidentifikasi manfaat perkategori,
✖ (2) kerangka kerja didesain untuk para manajer dalam menilai manfaat dari sistem
enterprise perusahaan,
✖ (3) memberikan klasifikasi dan panduan yang jelas manfaat-manfaat dari sistem
enterprise perusahaan.
Manfaat Big Data Analytics
11
12. Manfaat Big Data Bagi Perusahaan
Menurut Chrisvania (2017), manfaat-manfaat yang bisa digunakan oleh perusahaan
dengan mengimplementasikan big data adalah sebagai berikut (PG, D. S. W., 2018) :
(1) Analisis data sosial (social data analysis),
(2) Analisis data riwayat (historical data analysis), dan
(3) Analisis prediksi (predictive analysis).
12
13. Thanks!
Any questions?
Sumber :
- Maryanto, B. (2017). Big Data dan Pemanfaatannya dalam Berbagai Sektor. Media Informatika, 16(2), 17-18.
- Ramadhana, A., & Krisnadi, I. Identifikasi Strategi Pendekatan Big Data Yang Tepat Dalam Perusahaan.
- PG, D. S. W. (2018). Potential Benefits and Business Value of Big Data Analytics. Majalah Ilmiah Bijak, 15(2),
106-114.
13