UNIVERSITAS INDONESIA

PENGGUNAAN BIG DATA DI INDUSTRI TEKNOLOGI

Analisis Kasus ​Data Mining y​ ang Dilakukan oleh Facebook

Jedidiah Patarson Warouw 1706056515

Putri Sangga Langit 1706056521
Reza Fahlevi 1706056540
Teddy Mahriza Pratama 1706056976
Samuel Kevin Gabriel Harianja 1706057303
Salsabela Liani 1706057410
Muhammad Rayhan Akbar 1706057644
Agung Yoso 1706981560
Andriana Kusumaningrum 1706981592
Luqy Afifah Okatria 1706981863
Nuryn Nabiela 1706981983
Unik Khikmatunnisa Cholin 1706982115

PENGANTAR TEKNOLOGI INFORMASI

Dosen:
Rizqiah Insanita, S.T., M.M.
Arviansyah, S.E., M.Sc., Ph.D.

FAKULTAS EKONOMI DAN BISNIS

DEPOK

APRIL 2019
 STATEMENT OF AUTHORSHIP
Kami yang bertanda tangan di bawah ini menyatakan bahwa tugas terlampir adalah murni hasil
pekerjaan kami sendiri. Tidak ada pekerjaan orang lain yang kami gunakan tanpa menyebutkan
sumbernya.

Materi ini belum pernah disajikan sebagai bahan untuk tugas kecuali kami menyatakan dengan jelas
bahwa kami menyatakan menggunakannya.

Kami memahami bahwa tugas yang kami kumpulkan ini dapat diperbanyak dan/atau dikomunikasikan
untuk tujuan mendeteksi adanya plagiarisme.

Nama : Jedidiah Patarson Warouw

NPM : 1706056515
Tanda Tangan :

Nama : Putri Sangga Langit

NPM : 1706056521
Tanda Tangan :

Nama : Reza Fahlevi

NPM : 1706056540
Tanda Tangan :

Nama : Teddy Mahriza Pratama

NPM : 1706056976
Tanda Tangan :

Nama : Samuel Kevin Gabriel Harianja

NPM : 1706057303
Tanda Tangan :

Nama : Salsabela Liani

NPM : 1706057410
Tanda Tangan :

1
 Nama : Muhammad Rayhan Akbar
NPM : 1706057644
Tanda Tangan :

Nama : Agung Yoso

NPM : 1706981560
Tanda Tangan :

Nama : Andriana Kusumaningrum

NPM : 1706981592
Tanda Tangan :

Nama : Luqy Afifah Okatria

NPM : 1706981863
Tanda Tangan :

Nama : Nuryn Nabiela

NPM : 1706981983
Tanda Tangan :

Nama : Unik Khikmatunnisa Cholin

NPM : 1706982115
Tanda Tangan :

Mata Kuliah : Pengantar Teknologi Informasi

Judul Tugas : ​Penggunaan Big Data di Industri Teknologi: ​Analisis Kasus Data Mining
yang Dilakukan oleh Facebook
Tanggal : 11 April 2019
Nama Dosen : Rizqiah Insanita, S.T., M.M. & Arviansyah, S.E., M.Sc., Ph.D.

2
 KATA PENGANTAR
Assalamualaikum Wr. Wb.
Puji syukur ke hadirat Tuhan Yang Maha Esa atas limpahan rahmat, taufik, dan
hidayah-Nya sehingga kami dapat menyelesaikan penyusunan makalah yang berjudul
“Penggunaan Big Data di Industri Teknologi: Analisis Kasus Data Mining yang Dilakukan
oleh Facebook” ini. Makalah ini disusun sebagai salah satu tugas kelompok mingguan untuk
memenuhi salah satu kriteria kelulusan mata kuliah Pengantar Teknologi Informasi di
Fakultas Ekonomi dan Bisnis, Universitas Indonesia tahun ajaran 2018 – 2019.
Tentunya, pembuatan makalah ini tidak terlepas dari bantuan pihak – pihak yang
terkait, baik yang melakukan secara langsung maupun tidak langsung. Oleh karena itu, pada
kesempatan ini, kami ingin mengucapkan terima kasih yang sebesar – besarnya kepada pihak
– pihak yang terkait, antara lain:
1. Ibu Rizqiah Insanita, S.T., M.M. dan Bapak Arviansyah, S.E., M.Sc., Ph.D.,
selaku dosen mata kuliah Pengantar Teknologi Informasi;
2. Rekan – rekan kelas Pengantar Teknologi Informasi; dan,
3. Pihak lainnya yang telah terlibat, baik secara langsung maupun tidak langsung.
Kami menyadari bahwa makalah yang telah kami buat sangatlah jauh dari kata
sempurna. Oleh karena itu, kami mengharapkan kritik dan saran, terlebih dari Ibu Rizqiah
Insanita, S.T., M.M. dan Bapak Arviansyah, S.E., M.Sc., Ph.D. selaku dosen mata kuliah
Pengantar Teknologi Informasi, agar dapat menjadi acuan dan bekal pengalaman bagi kami
agar dapat menjadi lebih baik ke depannya. Kami harap makalah ini dapat berguna bagi para
pembacanya dan dapat diimplementasikan dalam kehidupan sehari – hari. Sekian dan terima
kasih.
Wassalamualaikum Wr. Wb.
Depok, 11 April 2019

Tim Penulis

3
 DAFTAR ISI

STATEMENT OF AUTHORSHIP 1

KATA PENGANTAR 3

DAFTAR ISI 4

BAB I​ PENDAHULUAN 5

A. Sinopsis Kasus 5
B. Tujuan Penulisan 5

BAB II​ LANDASAN TEORI 7

A. Manfaat Bisnis Informasi Kualitas Tinggi 7

B. Menyimpan Informasi Menggunakan Suatu Sistem Manajemen ​Relational Database 8
C. Keuntungan ​Relational​ ​Database 8
D. Manfaat dari Situs Web Berbasis Data 10
E. Gudang Data ​(Data Warehouse) 11
F. Melakukan Analisis Bisnis Menggunakan Data MART 12
G. Menemukan Tren dan Pola Melalui ​Data Mining 12
H. Mendukung Keputusan dengan ​Business Intelligence 15

BAB III​ PEMBAHASAN 17

BAB IV​ PENUTUP 27

A. Kesimpulan 27
B. Saran 28

DAFTAR PUSTAKA 30

LAMPIRAN 32

4
 BAB I

PENDAHULUAN

A. Sinopsis Kasus
Data, informasi, dan ​database adalah hal yang paling krusial di era informasi saat
ini. Bisnis terus menerus tumbuh dan berkembang, terutama dipengaruhi efek
globalisasi, telah membuat semua data maupun informasi dapat dengan mudah diakses
dimana dan kapan saja. Data dan informasi menjadi hal yang sangat menguntungkan
bagi para pebisnis untuk menjalankan bisnisnya agar lebih efektif. Jika sebuah bisnis
gagal dalam menggunakan data yang ia peroleh, hal ini dapat membuatnya kalah saing
dengan kompetitornya. Saat ini, maraknya penggunaan media sosial pun juga menjadi
ladang bagi para pebisnis untuk dapat memperoleh keuntungan dengan menganalisis
pola, kebiasaan, dan kesukaan konsumennya. Menggunakan data yang sangat personal
dari media sosial juga dapat meningkatkan relasi antara pebisnis dengan konsumennya,
bahkan calon konsumen.
Data dan informasi yang dimiliki oleh pebisnis akan menjadi business intelligence
dari bisnis mereka. Menggunakan business intelligence dapat membuat sebuah
perusahaan memiliki Competitive advantage di pasar tempat bisnis tersebut
berkecimpung. Salah satu cara yang paling sering dilakukan untuk bisa mendapatkan
competitive advantage adalah dengan menggunakan data dan informasi sebagai dasar
untuk targeting. Menyasar konsumen dengan tipe bisnis yang cocok menjadi salah satu
hal yang efisien dan efektif untuk pertumbuhan sebuah bisnis. Data dan informasi yang
telah menjadi business intelligence dapat menguak trend dari sebuah pasar dan juga
pola yang dilakukan oleh konsumen-konsumennya. Dengan kata lain, pebisnis tersebut
dapat mengenal target pasar dan calon konsumennya lebih dalam lagi. Hal yang paling
terutama dari business intelligence sendiri adalah sebagai penimbang pebisnis untuk
mengambil sebuah keputusan. Langkah yang tepat akan semakin mudah diambil
dengan adanya ​business intelligence.​

B. Tujuan Penulisan
Makalah ini kami tulis untuk memenuhi beberapa tujuan, antara lain:

5
1. Untuk mengetahui bagaimana implementasi ​business intelligence di dunia
​ elalui salah satu media sosial terpopuler
nyata dalam bentuk ​data mining m
di dunia, yakni Facebook; dan
2. Untuk mengetahui bagaimana Facebook menggunakan ​business intelligence
sebagai peluang untuk melakukan iklan yang lebih tersegmentasi.

6
 BAB II

LANDASAN TEORI

A. Manfaat Bisnis Informasi Kualitas Tinggi

Ketika menyampaikan suatu isu bisnis yang signifikan, karyawan harus bisa
memperoleh dan menganalisis semua informasi relevan sehingga mereka dapat
membuat keputusan yang terbaik. Informasi tersebut ada dalam format, level, dan
​ engarah pada seberapa detail yang
rincian yang berbeda. ​Information granularity m
terdapat di dalam informasi.
1. Tipe Informasi: Transaksional dan Analitikal
Informasi transaksional menggarisbawahi semua informasi yang terdapat di
dalam sebuah proses bisnis atau unit pekerjaan, dan tujuan utamanya adalah
untuk mendukung tugas operasional shari-harinya. Informasi analitikal
menggarisbawahi seluruh informasi organisasional yang tujuan utamanya
adalah untuk mendukung kinerja dari analisis pekerjaan l manajerial dan
berguna untuk membuat keputusan penting.
2. Ketepatan Waktu Informasi
Timeliness a​ tau ketepatan waktu adalah suatu aspek informasi yang
bergantung pada sebuah situasi. ​Real-time information a​ dalah informasi
terbaru atau ter-​up-to-date.​ ​Real-time systems m
​ enyediakan informasi terbaru
sebagai respon dari banyaknya permintaan.
3. Kualitas Informasi
Keputusan bisnis yang baik akan terjadi jika menggunakan informasi yang
berkualitas baik juga. Ketidakkonsistenan informasi terjadi ketika data yang
sama elemennya memiliki nilai yang berbeda. Masalah integritas informasi
terjadi ketika terdapat sebuah sistem menghasilkan data yang salah, tidak
konsisten, atau duplikat​.
4. Tata Kelola Informasi
Informasi merupakan sumber penting dan para pengguna perlu dididik apa
yang boleh dan tidak boleh mereka gunakan dengan informasi. Untuk
memastikan suatu perusahaan mengelola informasi dengan benar, dibutuhkan

7
 kebijakan dan prosedur khusus yang menetapkan aturan tentang bagaimana
informasi diatur, diperbarui, dipelihara, dan diakses. Tata kelola informasi
mengarah pada semua manajemen dari ketersediaan, kegunaan, integritas, dan
keamanan akan data perusahaan.

B. Menyimpan Informasi Menggunakan Suatu Sistem Manajemen ​Relational

Database
Suatu database menjaga informasi dengan berbagai tipe objek, kejadian, orang,
dan tempat. ​Database Management System (​ DBMS) membuat, membaca,
memperbarui, dan menghapus data di database ketika sedang mengatur akses dan
keamanannya. Terdapat dua alat utama untuk mendapat kembali informasi dari
DBMS, yaitu ​query-by-example ​yang membantu pengguna mendesain jawaban yang
berlawanan dengan database dan ​structure query language y​ ang meminta pengguna
untuk menulis kode untuk menjawab pertanyaan yang berlawanan dengan database.
Data element a​ dalah unit terkecil dari sebuah informasi yang berisi nama
pelanggan, alamat, e-mail, dll. ​Data models ​adalah struktur data logika yang
merincikan hubungan antarelemen data menggunakan gambar.
1. Menyimpan Elemen Data dalam Entitas dan Atribut
Suatu entitas (yang disebut juga sebagai tabel) menyimpan informasi
seseorang, tempat, objek, transaksi, dan kejadian. Suatu atribut (yang disebut
dengan kolom) adalah elemen data yang berhubungan dengan sebuah entitas.
Record ​adalah sebuah kumpulan dari elemen data yang berhubungan.
2. Menciptakan Hubungan melalui ​Keys
Untuk mengelola berbagai entitas dalam model database relasional bisa
menggunakan ​primary keys ​dan ​foreign keys untuk menciptakan hubungan
yang logis. ​Primary keys ​adalah kumpulan yang mengidentifikasi ​record y​ ang
sudah ada di tabel. dan ​foreign keys a​ dalah sebuah ​primary keys d​ ari satu tabel
yang muncul sebagai atribut di tabel lain dan berperan untuk menyediakan
hubungan logika di antara dua tabel.

C. Keuntungan ​Relational Database

1. Meningkatkan Fleksibilitas

8
 Database h​ arus memiliki fleksibilitas untuk memungkinkan tiap penggunanya
mengakses informasi dalam cara apa pun yang sesuai dengan kebutuhan mereka.
Terdapat perbedaan antara pandangan ​logical ​dan ​physical d​ ari Informasi
(Baltzan, 2014).
a. Physical View of Information
Berhubungan dengan penyimpanan fisik dari informasi pada perangkat
penyimpanan (Baltzan, 2014).
b. Logical View of Information
Fokus pada bagaimana pengguna individu secara logis mengakses
informasi untuk memenuhi kebutuhan khusus bisnisnya (Baltzan, 2014).

​ an Kinerja
2. Meningkatkan ​Scalability d
Database h​ arus ​scalable untuk menampung informasi yang sangat banyak dan
​ emiliki skala yang luar
juga pengguna yang banyak. Pada saat ini, ​database m
biasa sehingga segala jenis pengguna dan program dapat melakukan pemrosesan
informasi dan mencari informasi (Baltzan, 2014).

3. Mengurangi Kelebihan Informasi

Kelebihan Informasi (​information redundancy)​ adalah duplikasi dari data, atau
menyimpan data yang sama pada beberapa tempat (Baltzan, 2014). Salah satu
tujuan utama dari ​database a​ dalah untuk menghilangkan kelebihan informasi
dengan mencatat tiap bagian informasi pada satu tempat di ​database s​ ehingga
akan menghemat ruang kosong pada memori dan membuat pembaharuan
informasi lebih mudah serta kualitas informasi akan meningkat.

4. Meningkatkan Integritas Kualitas Informasi

Integritas informasi (​information integrity​) adalah ukuran dari kualitas informasi
(Baltzan, 2014). Kendala-kendala integritas (​integrity constraints) a​ dalah aturan
yang membantu memastikan kualitas dari informasi. Terdapat dua jenis ​integrity
constraints y​ aitu, ​relational ​dan ​business critical.
a. Relational Integrity Constraints
Aturan yang menegakkan dasar dan fundamental ​information-based
constraints (​ Baltzan, 2014).

9
 b. Business-Critical Integrity Constraints
Melakukan penegakkan terhadap aturan bisnis yang vital untuk
kesuksesan organisasi dan sering membutuhkan pengetahuan dan
wawasan lebih dibanding ​relational integrity constraints (​ Baltzan, 2014).
​ enghasilkan
Spesifikasi dan pelaksanaan dari ​integrity constraints m
informasi yang kualitasnya bagus dan akan memberikan bantuan yang
lebih baik untuk keputusan bisnis.
5. Meningkatkan Keamanan Informasi
Database ​menawarkan berbagai macam fitur keamanan seperti kata sandi
(​password)​ untuk memberikan ​authentication, ​tingkat akses (​access level​) untuk
menentukan siapa saja yang dapat mengakses data, dan kontrol akses (​access
control​) untuk menentukan jenis akses apa yang dimiliki untuk informasi.

D. Manfaat dari Situs Web Berbasis Data

1. Situs Web Berbasis Data (​data-driven website​)
Situs web berbasis data adalah situs web interaktif yang terus diperbarui dan
relevan dengan kebutuhan pelanggannya menggunakan ​database (​ Baltzan, 2014).
Kemampuan berbasis data berguna ketika perusahaan butuh menawarkan
informasi, produk, atau jasa yang banyak. Situs berbasis data dapat membantu
membatasi jumlah informasi yang ditampilkan untuk pelanggan berdasarkan
kebutuhan pencarian yang unik. Perusahaan menggunakan situs berbasis data
untuk membuat informasi pada ​database ​internal yang tersedia untuk pelanggan
dan mitra bisnis.
2. Keuntungan Penggunaan Web untuk Mengakses ​Database ​Perusahaan
a. Browser web sangat mudah digunakan dibanding mengakses secara
​ enggunakan alat khusus.
langsung ​database m
​ emerlukan beberapa perubahan atau tidak memerlukan
b. Web interface m
perubahan pada model ​database
c. Biaya yang dikeluarkan lebih rendah untuk menambah ​web interface d​ i
depan DBMS daripada mendesain ulang dan membuat ulang.
d. Mudah untuk mengelola konten. Pemilik situs web dapat membuat
perubahan tanpa harus bergantung pada orang yang profesional dalam

10
 MIS; pengguna dapat memperbaharui situs web berbasis data dengan atau
tanpa pelatihan.
e. Mudah untuk menyimpan data dengan jumlah yang banyak. Situs web
berbasis data dapat menyimpan volume informasi yang banyak
terorganisir. Pemilik situs web dapat menggunakan ​templates u​ ntuk
mengimplementasikan perubahan pada ​layout, n​ avigasi, atau struktur situs
web. Hal tersebut dapat meningkatkan keandalan, ​scalability, ​dan kinerja
situs web.
f. Mudah untuk mengeliminasi kesalahan yang disebabkan manusia (​human
error​). Situs web berbasis data menangkap kesalahan entri data,
mengeliminasi ketidakkonsistenan sambil memastikan semua informasi
dimasukkan secara benar.

E. Gudang Data (​Data Warehouse​)

Gudang data merupakan kumpulan informasi yang logis, yang dikumpulkan dari
banyak database operasional yang berbeda, yang mendukung aktivitas analisis bisnis
dan pengambilan keputusan. Tujuan utama dari gudang data adalah menggabungkan
informasi strategis di seluruh organisasi menjadi satu tempat, sedemikian rupa, yang
memberikan orang-orang yang membutuhkan informasi tersebut dapat membuat
keputusan dan melakukan analisis bisnis.
Dalam membuat keputusan bisnis strategis, Gudang data akan menjadi sebuah
alat yang memungkinkan pengguna bisnis, terutama manajer, menjadi lebih efektif
dalam banyak hal, seperti:
● Mengembangkan profil pelanggan.
● Mengidentifikasi peluang produk baru.
● Meningkatkan operasi bisnis.
● Mengidentifikasi masalah keuangan.
● Menganalisis tren.
● Memahami pesaing.
● Memahami kinerja produk.

11
F. Melakukan Analisis Bisnis Menggunakan Data MART
Extraction, Transforming, dan ​Loading (ETL) adalah proses-proses yang
mengekstraksi informasi dari basis data internal dan eksternal, kemudian melakukan
transformasi dengan menggunakan seperangkat alat perusahaan yang umum, dan
memuatnya ke dalam gudang data. Gudang data kemudian mengirimkan bagian-bagian
dari informasi ke data mart. Data mart berisi sebagian informasi gudang data. gudang
data bisa dikatakan sebagai sebuah tempat yang menyimpan seluruh informasi terkait
dengan perusahaan tersebut sedangkan data mart hanya memuat informasi-informasi
yang dibutuhkan sebuah divisi seperti pemasaran atau keuangan.
1. Analisis Multidimensional
Mayoritas dari gudang data dan data mart adalah basis data berbentuk
multidimensi. Dimensi adalah atribut informasi tertentu. Setiap lapisan dalam
gudang data atau data mart mewakili informasi sesuai dengan dimensi tambahan.
Kubus informasi adalah istilah umum untuk representasi informasi multidimensi
2. Pembersihan Informasi
Menjaga informasi yang berkualitas di gudang data atau data mart sangat penting.
Untuk meningkatkan kualitas informasi organisasi dan dengan demikian
efektivitas Pengambilan keputusan, perusahaan harus mampu merumuskan
strategi untuk menjaga informasi tetap bersih. menggosok atau membersihkan
informasi adalah sebuah proses yang berfungsi untuk menyingkirkan dan
memperbaiki atau membuang data yang tidak konsisten, informasi yang salah,
atau juga informasi yang kurang lengkap. ​Perusahaan juga dapat mengorbankan
akurasi untuk kelengkapan data. Informasi yang akurat adalah benar, sementara
informasi lengkap tidak memiliki kekosongan. Banyak perusahaan melakukan
audit kualitas data untuk menentukan akurasi dan kelengkapan datanya

G. Menemukan Tren dan Pola Melalui ​Data Mining

Data mining adalah proses menganalisis data untuk mengekstrak informasi yang
tidak ditawarkan oleh data mentah itu sendiri. Penggalian data juga dapat dimulai pada
ringkasan level informasi dan kemajuan melalui peningkatan tingkat detail (​drilling
down)​ , atau sebaliknya (​drilling up​). Perusahaan menggunakan data mining untuk
mengkompilasi gambar lengkap operasi mereka, semua dalam satu pandangan, yang

12
memungkinkan mereka untuk mengidentifikasi tren dan meningkatkan prakiraan.
Untuk melakukan ​data mining​, pengguna membutuhkan ​data-mining tools​. ​Data
mining tools menggunakan berbagai teknik untuk menemukan pola dan hubungan
dalam volume besar informasi yang memprediksi perilaku dan panduan pengambilan
keputusan.
Data mining mengungkapkan tren dan pola, yang analis gunakan untuk
membangun model yang, bila terkena ​new information set,​ melakukan berbagai fungsi
analisis informasi. Data-mining tools untuk data gudang membantu pengguna
mengungkap business intelligence dalam data mereka. Beberapa bidang utama dimana
​ eliputi:
bisnis menggunakan ​data mining m

● Menganalisis pelanggan membeli pola untuk memprediksi pemasaran dan

promosi kampanye.
● Menganggarkan bangunan dan informasi keuangan lainnya.
● Mendeteksi penipuan dengan mengidentifikasi pola pengeluaran menipu.
● Mencari pelanggan terbaik.
● Menjaga pelanggan dari meninggalkan atau bermigrasi ke pesaing.
● Mempromosikan dan mempekerjakan karyawan untuk menjamin keberhasilan
untuk kedua perusahaan dan masing-masing.
Data mining memungkinkan perusahaan-perusahaan ini untuk menentukan
hubungan antara lain seperti faktor internal seperti harga, posisi produk, atau
keterampilan staf, dan faktor-faktor eksternal seperti indikator ekonomi, persaingan,
dan demografi pelanggan. Selain itu, memungkinkan perusahaan untuk menentukan
dampak pada penjualan, kepuasan pelanggan, dan keuntungan perusahaan dan untuk
menelusuri ke ringkasan informasi untuk melihat data transaksional secara rinci.
Data mining menggunakan teknologi dan fungsionalitas khusus seperti ​query
tools, reporting tools, multi dimensional tools, statistical tools, d​ an intelligent tools​.
Pengambilan keputusan pendekatan data mining dengan beberapa kegiatan yang
berbeda dalam pikiran termasuk:

● Klasifikasi: menetapkan catatan untuk salah satu set kelas yang sudah ditetapkan.
● Estimasi: menentukan nilai untuk perilaku variabel kontinu yang tidak dikenal
atau perkiraan nilai masa depan.

13
 ● Afinitas pengelompokan-menentukan mana hal-hal pergi bersama.
● Clustering-segmen populasi yang heterogen catatan ke sejumlah lebih homogen
sub kumpulan.
Data mining t​ erjadi pada data terstruktur yang sudah dalam ​database atau
spreadsheet.​ Data terstruktur tidak ada di lokasi tetap dan dapat mencakup dokumen
teks, PDF, pesan suara, email, dan sebagainya. Text mining menganalisa data
terstruktur untuk menemukan tren dan pola dalam kata-kata dan kalimat. Tiga bentuk
umum untuk ​mining structured a​ nd ​unstructured​ adalah:
● Analisis ​Cluster
● Deteksi Asosiasi
Association Detection mengungkapkan hubungan antara variabel bersama
dengan sifat dan frekuensi hubungan. Banyak orang menyebut asosiasi deteksi
algoritma sebagai aturan asosiasi generator karena mereka membuat aturan
untuk menentukan kemungkinan dari peristiwa yang terjadi bersama pada
waktu tertentu atau mengikuti satu sama lain di ​logical progression​. Salah satu
bentuk yang paling umum dari analisis ​association detection ialah ​Market
basket analysis.​ ​Market basket analysis menganalisis barang tersebut sebagai
situs web dan checkout scanner informasi untuk mendeteksi perilaku
customer's buying dan memprediksi perilaku dengan mengidentifikasi afinitas
di antara pilihan produk dan layanan customer's. ​Market basket analysis sering
digunakan untuk mengembangkan kampanye pemasaran untuk cross-selling
produk dan layanan (terutama di bidang perbankan, asuransi, dan keuangan)
dan untuk persediaan kontrol, rak-penempatan produk, dan aplikasi ritel serta
pemasaran.
● Analisis Statistik
Statistical Analysis melakukan fungsi tersebut sebagai informasi korelasi,
distribusi, perhitungan, dan analisis varians. ​Data mining tools menawarkan
pengetahuan pekerja yang luas serta berbagai kemampuan statistik sehingga
mereka dapat dengan cepat membangun berbagai statistik model. Peramalan
adalah bentuk yang umum pada analisis statistik. Time-Series information
times tamped informasi yang dikumpulkan pada frekuensi tertentu. Secara
resmi ditetapkan, forecast adalah prediksi berdasarkan waktu-informasi seri.

14
 Contoh time-Series informasi termasuk web kunjungan per jam, penjualan per
bulan, dan panggilan setiap hari.

H. Mendukung Keputusan dengan ​Business Intelligence

The Problem: Data Rich, Information Poor
Mencoba untuk mengumpulkan semua informasi klien akan benar-benar
mengambil jam atau bahkan hari untuk mengkompilasi. Dengan begitu banyak data
yang tersedia, itu adalah sulit bagi manajer untuk mendapatkan informasi, seperti
tingkat persediaan, sejarah rangka masa lalu, atau rincian pengiriman. Manajer
mengirim informasi permintaan mereka ke departemen MIS di mana orang khusus
mengkompilasi berbagai laporan. Dalam beberapa situasi, tanggapan dapat mengambil
hari, dengan waktu informasi yang mungkin ketinggalan jaman dan hilangnya peluan.
Banyak organisasi menemukan dirinya dalam posisi menjadi kaya data dan miskin
informasi.
The Solution: Business Intelligence
Keputusan karyawan banyak dan mereka mencakup penyediaan informasi
layanan, Menawarkan produk baru, dan mendukung frustasi pelanggan. Karyawan
dapat mendasarkan keputusan tentang data, pengalaman, atau pengetahuan dan
sebaiknya kombinasi dari semua. Intelijen bisnis dapat memberikan manajer dengan
kemampuan untuk membuat keputusan yang lebih baik. Sebuah Beberapa contoh
tentang bagaimana menggunakan intelijen bisnis industri yang berbeda meliputi:

● Airlines: Analisis lokasi liburan populer dengan listing penerbangan saat ini.
● Banking: Memahami penggunaan kartu kredit pelanggan dan harga gagal
bayar.
● Perawatan kesehatan: Membandingkan demografi pasien dengan penyakit
kritis.
● Asuransi: Memprediksi jumlah klaim dan biaya cakupan medis.
● Penegakan hukum: Melacak pola kejahatan, lokasi, dan perilaku kriminal.
● Pemasaran: Analisis pelanggan demografi.
● Eceran: Memprediksi penjualan, tingkat persediaan, dan distribusi.
● Teknologi: Memprediksi kegagalan perangkat keras.

15
Visual Business Intelligence

Informing sedang mengakses sejumlah besar data dari tiga tahun berbeda sistem.
Infografis (informasi grafis) menampilkan informasi grafis sehingga hal ini dapat
mudah dipahami. Infographics dapat menyajikan hasil analisis data besar mencari pola
dan hubungan yang memantau perubahan dalam variabel seiring waktu. Data visualisasi
menjelaskan teknologi yang memungkinkan pengguna untuk “see” atau
memvisualisasikan data untuk mengubah informasi ke dalam perspektif bisnis. ​Business
intelligence ​dashboards melacak matriks perusahaan seperti faktor keberhasilan kritis
dan kunci indikator kinerja dan mencakup kemampuan maju seperti kontrol interaktif
yang memungkinkan pengguna untuk memanipulasi data untuk analisis.

16
 BAB III

PEMBAHASAN

The Business Benefits of High-Quality Information

Information Level pada Facebook terbagi menjadi individual, departemen, dan
enterprise.​ Sebagai perusahaan dengan 1,52 miliar pengguna hariannya (Nytimes.com),
Facebook memiliki beberapa information formats, seperti dokumen, presentasi, ​spreadsheet​,
dan ​database seperti perusahaan-perusahaan lainnya. Untuk ​small data workload,​ Facebook
menggunakan aplikasi TAO dan Memcache. Sedangkan, untuk menghadapi ​big data​,
Facebook memanfaatkan aplikasi ODS yang dapat menyimpan 2 miliar ​time series of
counters​, Scuba, dan Hive. Facebook juga menggunakan beberapa ​custom-built software
lainnya dengan fungsi khususnya masing-masing seperti Hbase yang digunakan untuk ​graph
search and messages​, Cassandra untuk ​inbox search,​ Haystack untuk menyimpan foto,
Memcached untuk ​in-memory key atau ​value store​, dan Scribe untuk ​logging​. Facebook juga
tentunya juga memiliki ​Information Granularities yang sangat baik. Bahkan, pada 2018,
Facebook memiliki data center seluas 15 juta ​square feet yang mengurus jutaan server yang
dimilikinya.
Tipe-tipe informasi yang dimiliki oleh Facebook terbagi menjadi ​transactional dan
analytical.​ Untuk analytical information​, melalui laman resmi Facebook, Facebook
memanfaatkan beberapa informasi yang diberikan penggunanya seperti ​personal information
pengguna, ​networks ​and connection, usage,​ informasi transaksi mengenai produk yang
pengguna gunakan, dan ​things others do and information they provide about you.​ Tidak
hanya itu, Facebook juga menggunakan ​device information penggunanya, dan ​information
from partners​. Informasi-informasi tersebut akan Facebook gunakan untuk menyediakan,
mempersonalisasi, serta meningkatkan produk Facebook ; melakukan pengukuran, analisis,
dan riset; meningkatkan keamanan dan integritas, berkomunikasi dengan penggunanya, dan
melakukan riset untuk keperluan sosial. Facebook juga akan menggunakan hasil analisis ini
dengan berbagai aplikasi third-party seperti mitra-mitranya yang menggunakan jasa
pengukuran dari Facebook, ​advertisers​, penyedia barang dan jasa, ​researchers dan akademisi,
serta ​law enforcement​.

17
 Berbicara mengenai ​information timeliness Facebook, Facebook selalu memberikan
real-time information baik kepada karyawannya maupun para penggunanya. Berdasarkan data
yang diperoleh dari wishpond.com, terdapat sekitar 1.500 ​posts yang sangat memungkinkan
untuk muncul dalam ​feed seseorang di Facebook. Selain itu, sebagai perusahaan dunia
Facebook juga menekankan pada ​information quality yang dihasilkan. Facebook sangat
berusaha mengurangi ​information inconsistency yang ada, contohnya adalah dengan
menciptakan ​community standards yang mengatur berbagai aspek seperti kekerasan dan
perilaku kriminal, keamanan, ​objectionable content​, integritas dan keaslian, ​respecting
intellectual property,​ dan ​content-related requests.​ Facebook juga telah melakukan beberapa
upaya untuk mengurangi ​hoax agar tidak merugikan para penggunanya seperti dengan
menggunakan teknik ​Related Article serta bekerja sama dengan Google dan Twitter untuk
memberhentikan penyebaran informasi yang keliru.
Namun, Facebook masih menghadapi beberapa kendala dalam ​Information
Governance.​ Facebook pernah gagal saat melindungi keamanan data perusahaannya. Sebut
saja, ketika Cambridge Analytica, sebuah perusahaan ​consulting politik asal Inggris yang
menggunakan ​personal data para pengguna Facebook agar dapat dimanfaatkan sesuai dengan
keinginan politikus yang bekerja sama dengan Cambridge Analytica. Kasus ini tentunya
sangat dapat menurunkan rasa kepercayaan para pengguna terhadap Facebook itu sendiri.

Storing Information Using a Relational Database Management System

Facebook memiliki ​database yang terdiri dari berbagai data para penggunanya,
contohnya hal-hal yang berkaitan dengan ​News Feed Facebook, melihat relevansi antara data
yang pengguna miliki dengan iklan yang potensial dan berbagai ​user information lainnya.
Selain itu, Facebook juga memanfaatkan informasi yang dimiliki tersebut untuk aplikasi
pihak ketiga seperti Uber serta Spotify untuk memudahkan penggunanya mengakses
aplikasi-aplikasi di luar Facebook dengan sistem yang terintegrasi.
Saat ini Facebook sudah tidak lagi menggunakan ​Query-By-Example.​ Sejak 8 Agustus
2016, ​Facebook Query Language (​ ​FQL)​ sudah tidak tersedia kembali. Facebook
menggunakan ​Structured Query Language (SQL)​. Dengan jumlah pengguna yang sangat
besar, Facebook membutuhkan sebuah cara fleksibel untuk menyimpan datanya sehingga jasa
ini didukung dengan pemanfaatan SQL yang bekerja sama dengan berbagai perusahaan
lainnya seperti Blendo, Presto, Hadoop Mapreduce, dan Hive. Contoh pemanfaatannya, data

18
Facebook Ads akan dapat ditinjau dari Ads Insights API. Facebook juga bekerja sama dengan
LinkedIn, Twitter, dan Google untuk menciptakan WebScaleSQL, sebuah MySQL sistem
yang dirancang khusus untuk ​website-website besar. Melalui WebScaleSQL,
perusahaan-perusahaan ini dapat memiliki sistem ​database yang saling terintegrasi serta ​open
sourced​, sehingga data dari satu ​website​ dapat dengan mudah dibagikan.
Contoh ​Data Element yang ada adalah berbagai ​pages yang pengguna gemar
kunjungi, ​comments,​ dan konten-konten lainnya yang mereka sukai, dan berbagai hal lainnya.
Data-data ini akan mampu menghasilkan kesimpulan akan ​psychographic profile dari
seseorang. Facebook juga memiliki ​Data Model untuk berbagai aktivitas di dalamnya.
Berikut adalah contoh ​Data Model​ dari aktivitas​ My Facebook App Invitations​ :

Sumber Gambar :
http://www.databaseanswers.org/data_models/my_facebook_app_invitations/index.htm
Facebook juga menggunakan Metadata. Melalui sharing system yang dimiliki
Facebook yang disebut dengan Open Graph, Metadata dapat ditampilkan. Contohnya, ketika
seseorang mengunggah foto ke dalam Facebook, Metadata Tags akan dapat memberikan
informasi mengenai ​image size,​ ​location data,​ penggunaan dan jenis kamera, serta ​thumbnail
foto tersebut.
Sosial media yang diciptakan oleh Mark Zuckerberg ini memiliki ​Attribution Models
yang dapat diklasifikasi menjadi dua : ​Rule Based Attribution Models dan Algorithmic
Attribution Models.​ Contoh ​Rule Based Attribution Models adalah ​Even Credit,​ ​Last Click ​or

19
Visit, Last Touch, Positional 30%, Positional 40%, Time Decay 1-Day, dan Time Decay
​ acebook juga memiliki Entity, contohnya data mengenai lagu musisi yang seseorang
7-Day. F
dengarkan serta mengetahui siapa yang menyukai musisi tersebut dan data kunjungan
restoran seseorang seperti lokasinya, siapa pengunjungnya, dan restoran lainnya yang disukai.
Terakhir, Facebook juga menerapkan ​Keys.​ ​Primary Key yang digunakan Facebook adalah
User ID masing-masing pengguna, dan ​Foreign Key yang digunakan misalnya merujuk ke
mutual friends​ masing-masing pengguna.

Using A Relational Database For Business Advantages

Dalam menggunakan ​database y​ ang relasional, perusahaan akan mendapatkan
keuntungan tertentu dalam berbisnis seperti meningkatnya fleksibilitas, peningkatan
skalabilitas dan kinerja, mengurangi informasi yang terlalu banyak (​overload)​ , peningkatan
integritas informasi, dan keamanan informasi yang lebih tinggi.
Perusahaan seperti Facebook serta Instagram (sudah dibeli oleh Facebook), fokus
pada penggunaan data tertentu para akun pengguna untuk ​targeting ​iklan serta ​feed a​ pa yang
cocok untuk setiap pengguna. Kedua perusahaan tersebut tidak menggunakan ​direct messages
serta bentuk data yang lebih ​private l​ ainnya untuk kepentingan iklan.
Perlu diketahui bahwa Facebook mengelola data yang relasional melalui aplikasi
MySQL. MySQL merupakan ​software ​atau ​tools u​ ntuk mengelola atau memanajemen SQL
dengan menggunakan ​Query a​ tau Bahasa khusus. Pada dasarnya database yang dikelola
dalam MySQL memang tidak jauh berbeda dari Microsoft Acces, yakni berbentuk tabel-tabel
yang berisi informasi tertentu. Perbedaannya terletak pada penggunaan serta pengelolaan
database tersebut. Untuk mendapatkan data-data yang relasional (RDBMS), Facebook hanya
perlu memasukkan ​cache ​dari data tersebut. Jika data tidak di-​cache​, aplikasi MySQL
mendapatkan data dari ​database ​pendukung dan memasukkannya ke dalam ​cache u​ ntuk
dibaca selanjutnya.
Selain menggunakan MySQL, Facebook juga menggunakan Hive (Gudang data untuk
Hadoop, mendukung tabel dan varian SQL yang disebut hiveQL) dan Cassandra
(Multidimensi, ​distributed key-value store)​ untuk perpesanan pribadi Facebook. Dengan
​ ySQL, Hive, dan Cassandra, Facebook lebih
menggunakan aplikasi serta data ​warehouse M
mudah dalam mengelola datanya. Keuntungan yang paling utama dirasakan Facebook adalah

20
lebih tersaringnya informasi dari data yang begitu banyak. Dengan itu, Facebook lebih mudah
untuk menargetkan pengguna dengan iklan tertentu.
Selain mengurangi informasi yang ​overload​, ​scalability d​ an kinerja Facebook
meningkat. Padahal data yang dimiliki Facebook semakin lama semakin banyak. Namun,
dengan bantuan perangkat-perangkat SQL Facebook menjadi lebih mudah dalam mengelola
data-data tersebut. selain itu, Penggunaan data menjadi lebih efektif. Hal ini didukung dengan
kemampuan Hive/Hadoop Warehouse yang memiliki spesifikasi penyimpanan data sebagai
berikut:
● 4800 cores, 5.5 PetaBytes
● 12 TB per node
● Topologi jaringan dua tingkat
○ 1 Gbit/sec dari node ke saklar rak
○ 4 Gbit/sec ke saklar rak tingkat atas
Berikut merupakan desain dari ​database ​yang dimiliki Facebook.

Sumber Gambar:

21
 http://web.archive.org/web/20121031052327/http://blogs.x2line.com/al/archive/2007/
06/02/3124.aspx

Driving Websites With Data

Seperti yang telah dijelaskan sebelumnya, Facebook dan Instagram menggunakan
data-data para pengguna untuk keperluan iklan dari pihak ketiga. Data-data ini dapat berupa
tentang gender, hobi, umur, apa yang disukai, hingga wilayah tempat para pengguna tinggal.
Facebook sempat bermasalah karena dianggap menjual data para penggunanya. Namun,
Facebook beranggapan mereka menyiapkan data tersebut hanya untuk mempermudah proses
pengiklanan.
Facebook sendiri memiliki fitur yang bernama Facebook Ads. Facebook Ads adalah
akun Facebook yang dikhususkan untuk profil bisnis. Facebook Ads merupakan akun yang
berbayar. Fitur ini dapat melakukan berbagai kegiatan seperti:
● Promosikan kiriman Anda
● Promosikan halaman Anda
● Arahkan orang ke situs web Anda
● Tingkatkan konversi pada situs web Anda
● Dapatkan pemasangan aplikasi Anda
● Tingkatkan interaksi dalam aplikasi Anda
● Tingkatkan kehadiran di acara Anda
● Ajak orang untuk mengklaim tawaran Anda
● Dapatkan penayangan video
Tentunya kegiatan-kegiatan tersebut disesuaikan dengan apa yang ingin dipromosikan
oleh pengguna Facebook Ads terhadap pengguna Facebook lainnya yang sekiranya cocok
dengan kriteria. Dengan penggunaan data yang ada di situs website ini sangat membantu
pengguna iklan untuk membuat konten yang cocok tanpa takut terjadi kesalahan pengambilan
data. Sama halnya dengan Facebook, Instagram juga memiliki fitur profil bisnis untuk
mempermudah para pebisnis mempromosikan sesuatu di akun milik mereka. Profil bisnis
berbayar ini dapat melakukan beberapa kegiatan seperti:
● Promosikan kiriman Anda
● Giring orang ke situs Anda
● Tingkatkan konversi pada situs web Anda

22
 ● Ajak orang memasang aplikasi Anda
● Tingkatkan interaksi dalam aplikasi Anda
● Giring orang untuk menonton video Anda
Profil bisnis Instagram juga dapat memilih audiens mereka sendiri dengan
menggunakan data-data yang Instagram miliki seperti tempat, usia, jenis kelamin, bahasa,
hubungan, pendidikan, pekerjaan, status keuangan, dan masih banyak lagi. Para pengguna
profil bisnis Instagram dapat membuat apa yang disebut dengan ​custom audience untuk
menjangkau orang-orang yang sudah berinteraksi dengan bisnis mereka, atau ​lookalike
audience u​ ntuk menjangkau orang-orang baru di Facebook yang mirip dengan audience
mereka yang paling berharga. Bahkan, para pengguna profil bisnis Instagram dapat
mengiklankan produk mereka dengan jadwal yang telah dibuat oleh mereka sendiri.
Tentunya, hal ini sangat membantu pebisnis agar lebih mudah membuat konten yang cocok
dan juga mengatur penjadwalan yang tepat setelah mendapat data-data tersebut.
Sebenarnya, data-data asli para pengguna tidak dapat dilihat langsung oleh para
pebisnis ini. Sistem kerjanya adalah Instagram mengunggah iklan-iklan tersebut kepada
pengguna yang cocok dengan kriteria audiens para pebisnis. Lebih tepatnya, para pebisnis ini
tidak perlu repot-repot mengelola data.

Uncovering Trends and Patterns With Data Mining

Facebook mengumpulkan banyak data penggunanya, mulai dari alamat ​e-mail ​sampai
dengan baterai handphone yang digunakan oleh penggunanya. Facebook mengumpulkan data
ini disebut dengan ​data mining. ​Facebook menggunakan data - data ini untuk menghasilkan
uang. Facebook tidak menjual data - data pribadi penggunanya, tetapi Facebook
menggunakan data tersebut untuk menampilkan sesuatu yang disukai oleh penggunanya di
News Feed ​masing - masing pengguna dengan konten yang mereka sukai di Facebook.
Facebook juga menggunakan database yang sama dengan pengguna yang menggunakan
Instagram dan Facebook. Oleh karena itu, sering kali pengguna Facebook menjumpai iklan
yang sama di Instagram dengan apa yang ada di akun Facebook pengguna tersebut. Facebook
menggunakan ​data mining j​ enis ​Association Detection ​dan ​Statistical Analysis.

Supporting Decisions With Business Intelligence

23
 Dalam penggunaan ​Business Intelligence, ​Instagram menggunakan ​Artificial
Intelligence ​atau biasa disebut dengan AI untuk mendukung keputusan bisnis yang akan
diambil. Contohnya seperti dalam ​filter spam, I​ nstagram menggunakan AI untuk memenuhi
kemauan penggunanya agar tidak ada ​fake messages y​ ang masuk. Ketika ada ​fake messages
atau ​fake account y​ ang masuk ke dalam database Instagram, maka Instagram langsung
menghapus pesan atau akun tersebut secara otomatis dengan bantuan AI. AI juga dapat
memerangi Cyberbullying dan menghapus komentar - komentar ​user y​ ang bersifat ​offensive
atau mempunyai konten negatif di dalam komentarnya. Instagram juga mempelajari ​Human
Condition d​ engan bantuan AI. Dalam satu studi, 100 juta foto di dalam Instagram digunakan
untuk mempelajari pola berpakaian secara global. Selain pakaian, banyak juga akun
Instagram yang bisa dianalisis oleh AI untuk memperkirakan kondisi ekonomi, sosial, dan
budaya di seluruh dunia.

The Business Benefits Of Data Warehousing

Di era 1990, organisasi mulai untuk meningkatkan informasi untuk mengembangkan
bisnis mereka. Para organisasi menemukan management informasi tradisional yang pada saat
itu mengelola informasi sangat efisien dan efektif. Selanjutnya, di Era 2000an, angka dan tipe
dari operasi bisnis meningkat. banyak bisnis yang menggunakan sistem informasi ini dengan
​ erupakan kumpulan informasi yang logis, yang
tipe yang berbeda. ​Data Warehousing m
dikumpulkan dari banyak database operasional yang berbeda, yang mendukung aktivitas
analisis bisnis dan pengambilan keputusan. Facebook menggunakan Data Warehousing untuk
menciptakan beberapa keuntungan kompetitif. Sederhananya, ​Data Warehousing merupakan
sebuah tools yang memungkinkan pengguna bisnis, managers, dan stakeholders dapat bekerja
secara efektif dengan banyak cara. Facebook melihat manfaat yang dirasakan apabila
menggunakan ​Data Warehousing.
1. Mengembangkan profil customer
Facebook dapat mengembangkan profil pelanggannya untuk pemetaan bisnis,
yang mana dari setiap profil yang ada di Facebook akan dikembangkan. Hal ini
berdampak pada strategi marketing yang akan dimanfaatkan oleh beberapa
pelaku bisnis. Misalnya, perusahaan A adalah sebuah perusahaan tas branded
yang menyediakan barang dengan target masyarakat atas, facebook dapat

24
 memetakan customer untuk perusahaan A sehingga kesalahan untuk beriklan
akan minim.
2. Identifikasi peluang produk baru
Selain itu, Facebook dapat melihat peluang produk baru, seperti yang kita tahu
bahwa produk baru memiliki tantangan yang sangat besar ketika baru muncul di
pasar, oleh karena itu Data Warehousing yang dimiliki Facebook dapat
membantu untuk melihat peluang produk baru.
3. Menganalisis Trend
Banyaknya pengguna Facebook untuk membagikan kegiatan sehari-hari mereka
menjadi salah satu peluang untuk Facebook memahami trend yang sedang
berlaku di suatu tempat. sehingga analisis pasar akan lebih mudah
4. Memahami Kompetitor
Selain itu kita juga dapat memahami kompetitor dengan menggunakan Data
Warehouse karena seluruh data akan tersedia sehingga kita sebagai pelaku bisnis
dapat menganalisis SWOT dari perusahaan kompetitor.
5. Memahami performa produk
Performa produk di pasaran dapat dipahami pula melalui Data Warehouse.
karena dengan memanfaatkan data yang ada, kita dapat menganalisis produk
yang kita punya untuk memperkuat produk yang perusahaan punya.

Melakukan Analisis Bisnis Menggunakan Data MART

Analisis menggunakan Data MART merupakan ​proses-proses yang mengekstraksi
informasi dari basis data internal dan eksternal, kemudian melakukan transformasi dengan
menggunakan seperangkat alat perusahaan yang umum, dan mengolahnya ke dalam gudang
data. Data mart berisi sebagian informasi gudang data. gudang data bisa dikatakan sebagai
sebuah tempat yang menyimpan seluruh informasi terkait dengan perusahaan tersebut
sedangkan data mart hanya memuat informasi-informasi yang dibutuhkan sebuah divisi
seperti pemasaran atau keuangan.
1. Analisis Multidimensional
Facebook menggunakan data berbentuk multidimensi, yang mana multidimensi
adalah atribut informasi tertentu. Informasi ini yang mewakili data-data yang

25
 ada di dalam perusahaan. sehingga setiap informasi yang ada akan
direpresentasikan untuk keperluan bisnis bagi perusahaan perusahaan tertentu.
2. Pembersihan Informasi
Pengambilan keputusan di dalam Facebook harus mempertimbangkan
kebersihan informasi tetap terjaga. Dalam hal ini, Facebook harus menjamin
adanya kerahasiaan informasi perusahaan, serta keakuratan informasi yang
menjamin adanya data yang dipegang oleh perusahaan.

26
 BAB IV

PENUTUP

A. Kesimpulan
Facebook memiliki beberapa ​information formats,​ seperti dokumen, presentasi,
spreadsheet,​ dan ​database s​ eperti perusahaan-perusahaan lainnya. Untuk ​small data
workload,​ Facebook menggunakan aplikasi TAO dan Memcache. Sedangkan, untuk
menghadapi ​big data​, Facebook memanfaatkan aplikasi ODS yang dapat menyimpan 2
miliar ​time series of counters,​ Scuba, dan Hive. Facebook juga menggunakan beberapa
custom-built software l​ ainnya dengan fungsi khususnya masing-masing seperti Hbase
yang digunakan untuk ​graph search and messages​, Cassandra untuk ​inbox search,​
Haystack untuk menyimpan foto, Memcached untuk ​in-memory key ​atau ​value store​,
dan Scribe untuk ​logging.​ Facebook juga tentunya juga memiliki ​Information
Granularities y​ ang sangat baik.
Facebook mengumpulkan banyak data penggunanya, mulai dari alamat ​e-mail
sampai dengan baterai ​handphone yang digunakan oleh penggunanya. Facebook
mengumpulkan data ini disebut dengan ​data mining. ​Facebook menggunakan ​data
mining j​ enis ​Association Detection ​dan ​Statistical Analysis. ​Informasi-informasi yang
dimiliki oleh Facebook ini akan digunakan untuk menyediakan, mempersonalisasi,
serta meningkatkan produk Facebook; melakukan pengukuran, analisis, dan riset;
meningkatkan keamanan dan integritas, berkomunikasi dengan penggunanya, dan
melakukan riset untuk keperluan sosial. Facebook juga akan menggunakan hasil analisis
ini dengan berbagai aplikasi ​third-party ​seperti mitra-mitranya yang menggunakan jasa
pengukuran dari Facebook, ​advertisers​, penyedia barang dan jasa, ​researchers d​ an
akademisi, serta ​law enforcement​.
Facebook mengelola data yang relasional melalui aplikasi MySQL. MySQL
merupakan ​software a​ tau ​tools ​untuk mengelola atau memanajemen SQL dengan
menggunakan ​Query a​ tau Bahasa khusus. Selain menggunakan MySQL, Facebook juga
menggunakan Hive (Gudang data untuk Hadoop, mendukung tabel dan varian SQL
yang disebut hiveQL) dan Cassandra (Multidimensi, ​distributed key-value store)​ untuk
perpesanan pribadi Facebook. Dengan menggunakan aplikasi serta data ​warehouse

27
 MySQL, Hive, dan Cassandra, Facebook lebih mudah dalam mengelola datanya.
Keuntungan yang paling utama dirasakan Facebook adalah lebih tersaringnya informasi
dari data yang begitu banyak. Dengan itu, Facebook lebih mudah untuk menargetkan
pengguna dengan iklan tertentu.
Dalam penggunaan ​Business Intelligence, ​Instagram yang merupakan bagian dari
Facebook, menggunakan ​Artificial Intelligence (​ AI) untuk mendukung keputusan bisnis
yang akan diambil. Facebook menggunakan ​Data Warehousing untuk menciptakan
beberapa keuntungan kompetitif. Manfaat yang didapatkan oleh Facebook dari
menggunakan ​Data Warehousing​, yaitu mengembangkan profil customer, identifikasi
peluang produk baru, menganalisis tren, memahami kompetitor, memahami performa
produk.

B. Saran
Data mining s​ ebagai implementasi ​business intelligence memudahkan Facebook
mengumpulkan data penggunanya. ​Big data ​kemudian menjadi ​output dari proses ​data
mining.​ Seperti telah dijelaskan sebelumnya, Facebook dan Instagram –dibeli oleh
Facebook– menggunakan ​big data ​untuk keperluan iklan dengan pihak ketiga. Data
yang terkumpul berupa informasi mengenai gender, hobi, umur, apa yang disukai,
hingga wilayah tempat para pengguna tinggal. Situasi ini menunjukan Facebook
memiliki kewajiban untuk melindungi privasi penggunanya. Hal ini dijelaskan oleh juru
bicara Facebook yang mengatakan Facebook tidak menjual data kepada pihak ketiga.
Kebijakan mengenai perlindungan data ini diperkuat melalui laman kebijakan data yang
memuat mengenai penggunaan data pribadi pengguna oleh Facebook.
Masalah yang kemudian muncul adalah pencurian data. ​Data set ​yang dimiliki
oleh Facebook tentu sangat berharga, hal inilah yang membuat Facebook rentan dengan
pencurian data. Berdasarkan laporan ​The New York Times dan ​The Observer,
perusahaan konsultan politik ​Cambridge Analytica telah mencuri informasi dari 50 juta
akun Facebook. Informasi ini kemudian digunakan oleh ​Cambridge Analytica untuk
merancang peranti lunak guna memprediksi dan mempengaruhi pemilik suara dalam
pemilihan presiden Amerika Serikat pada tahun 2016.
Kasus ini terungkap akibat pernyataan Christopher Wylie, mantan kepala peneliti
Cambridge Analytica, y​ ang mengungkapkan kepada ​The Observer mengenai perilaku

28
Cambridge Analytica yang menggunakan informasi personal yang diambil tanpa izin
pada awal tahun 2014 untuk merancang iklan politik. Situasi ini kemudian membuat
kepercayaan publik terhadap facebook menurun. Situasi diperparah dengan turunnya
saham Facebook yang salah satu penyebabnya adalah kasus pencurian data.
Menanggapi hal ini, tentunya Facebook harus meyakinkan kembali para investor hingga
pengguna Facebook bahwa data-data yang diberikan tetap aman kemudian memberikan
proteksi lebih dan kebijakan yang tegas terkait keamanan data pengguna Facebook. Hal
ini guna mempertahankan bisnis dan kelangsungan hidup Facebook.
Hal lain yang menjadi persoalan dari big data adalah konsep ​big data hubris yang
menjelaskan ​big data sebagai pengganti, bukan pelengkap, dari pengumpulan dan
analisis tradisional. Situasi ini kemudian menciptakan ​big data trap. I​ dealnya, ​big data
menjadi pelengkap dari pengumpulan data dan analisis tradisional. Hal ini disebabkan
relatif banyak masalah ​small data pada ​big data. ​Persoalan ​big data trap ini tercermin
pada kasus ​Google Flu Trends​. Analisis dari ​Google Flu Trends gagal memperkirakan
arah flu. Centers for Disease Control and Prevention (CDC), badan pengumpulan data
dan analisis tradisional, kemudian mengungkapkan bahwa estimasi Google berlebih dua
faktor.
​ enekankan pada korelasi atau
Situasi ini disebabkan analisis ​big data m
hubungan ketimbang penyebab. Selain itu, analisis ​big data ​menekankan konsep
theory-free. ​Jika tidak ada pengertian mendasar atau teori mengenai korelasi atau
hubungan, maka penyebab dari korelasi atau hubungan tersebut tidak dapat diketahui.
Analisis ​big data ​memang lebih cepat jika dibandingkan dengan analisis tradisional,
namun analisis tradisional tidak boleh diacuhkan. Hal ini yang kemudian perlu
menjadi pertimbangan Facebook dalam menggunakan data set yang dimiliki agar
sasaran iklan menjadi lebih akurat.

29
 DAFTAR PUSTAKA

Buku
Baltzan, Paige (2014). ​Business Driven Information Systems (4​th ed.). New York: McGraw
Hill.

Online
Borthakur, Dhruba. (2009). ​Hadoop and Hive Development at Facebook​. [online] Diakses
pada 8 April 2019 melalui ​http://borthakur.com/ftp/hadoopworld.pdf
Digitalmarketer.id. ​Berniat Membuat Facebook Ads? Ini Caranya! (Tutorial).​ [online]
Diakses pada 6 April 2019 melalui
https://digitalmarketer.id/tools/berniat-membuat-facebook-ads-ini-caranya-tutorial/
Digitalmarketer.id. ​Membuat Iklan di Instagram untuk Mempromosikan Bisnis Anda. [online]
Diakses pada 5 April 2019 melalui
https://digitalmarketer.id/social-media/membuat-iklan-di-instagram-untuk-memprom
osikan-bisnis-anda/
Facebook. (2019). ​Data Policy. [online] Diakses pada 7 April 2019 melalui
https://www.facebook.com/full_data_use_policy
Ford, Paul. (2015). I Dreamed of a Perfect Database. [online] Diakses pada 7 April 2019
melalui ​https://newrepublic.com/article/124425/dreamed-perfect-database
Laucereno, S. F. (2016). ​Saham Facebook Turun 40%, Karena Kasus Data Pengguna Bocor.

[online] Diakses pada 11 April 2019 melalui

https://finance.detik.com/bursa-dan-valas/d-4319752/saham-facebook-turun-40-kare

na-kasus-data-pengguna-bocor

Marr, Bernard. (2018). ​The Amazing Ways Instagram Uses Big Data and Artificial
Intelligence. [online] Diakses pada 7 April 2019 melalui
https://www.forbes.com/sites/bernardmarr/2018/03/16/the-amazing-ways-instagram-
uses-big-data-and-artificial-intelligence/#317221a75ca6

30
OptimizeSmart. ​Introduction to Attribution Models in Facebook.​ [online] Diakses pada 9

April 2019 melalui

https://www.optimizesmart.com/introduction-to-attribution-models-in-facebook/

Quality.org. (2018). ​Latest Facebook Scandal Indicative of A Failure of Operational

Governance amongst Tech Firms. [online] Diakses pada 8 April 2019 melalui

https://www.quality.org/news/latest-facebook-scandal-indicative-failure-operational-

governance-amongst-tech-firms

Ritonga, Efri. (2016). ​Skandal Data Facebook: Kronologi, Pemain Kunci dan Kasus di 10

Negara. [online] Diakses pada 11 April 2019 melalui

https://investigasi.tempo.co/249/skandal-data-facebook-kronologi-pemain-kunci-dan

-kasus-di-10-negara

Vomiero, Jessica. (2019). ​Facebook plans to deepen data sharing between Messenger,
Instagram, Whatsapp: Report. [online] Diakses pada 9 April 2019 melalui
https://globalnews.ca/news/4892985/facebook-messenger-whatsapp-instagram-data-
sharing/
Wagner, Kurt. (2018). ​This is How Facebook Uses Your Data for Ad Targeting​. [online]
Diakses pada 4 April 2019 melalui
https://www.recode.net/2018/4/11/17177842/facebook-advertising-ads-explained-ma
rk-zuckerberg
Websight Design Inc. ​Social Media Metadata: Facebook Open Graph and Twitter Cards.
[online] Diakses pada 8 April 2019 melalui
https://www.websightdesign.com/services/internet-marketing/search-engine-optimiz
ation/social-media-metadata

31
 LAMPIRAN

This is how Facebook uses your

data for ad targeting
You’ve got questions. We’ve got answers.
By ​Kurt Wagner​ Apr 11, 2018, 6:00am

Sean Gallup / Getty

Facebook collects a lot of data about you — everything from your email address to the
strength of your phone’s battery.

The simplest explanation for this is that Facebook uses that data to make money. No,
Facebook doesn’t ​sell your data. But it does sell access to you, or more specifically, access to
your News Feed, and uses that data to show you specific ads it thinks you’re likely to enjoy or
click on.

This targeted advertising is big business for Facebook. The company reported advertising
revenue of $40 billion last year, and it’s only going to keep growing. Given the company’s

32
recent privacy issues involving Cambridge Analytica, a third-party data firm that got its hands
on personal data for as ​many as 87 million Facebook users​without their permission, we
thought it might be helpful to take a closer look at how Facebook uses your data to make
money.

It’s also clear that many people don’t know the details of how Facebook’s advertising
business works. Many of these questions ​were asked by lawmakers on Tuesday when
Facebook CEO Mark Zuckerberg testified before Congress in Washington, D.C.

Some of these answers can be found in the company’s ​Data Policy​, which Facebook just
updated to better explain what it collects and how it’s used. We also asked a company
spokesperson for responses to all of these questions. Those answers are summarized below.

Does Facebook sell your data?

No. Facebook uses your data to sell access to you. For example, it will put an ad in your
News Feed, but it doesn’t sell the data you provide to outside buyers. That makes sense when
you stop and think about it. Facebook’s business is valuable because it has so much personal
data about its users. Selling that data to advertisers would significantly decrease Facebook’s
value.

Does Facebook share your data with businesses or advertisers? When?

Outside businesses can collect your data if you grant them permission — for example, if you
use your Facebook account to log in to a third-party app like Uber or Spotify. Facebook just
announced changes to some of those data-sharing APIs to better ensure that agreeing to share
your own data won’t let those outside companies collect data about your friends without their
permission. (This is what happened with the Cabridge Analytica situation.) Of course, any
data you share publicly to your Facebook page is accessible to anyone online.

How can you see what data Facebook has collected about you?

There are a couple places to look. Visit “Settings” on Facebook, and under the “General” tab
you will see an option to “Download a copy of your Facebook data.” Click that. This will
give you all of the data Facebook has collected about you, from private messages to photos to
your search history.

33
Under “Settings” you can also click “Ads,” which will bring you to an “Ad Preferences” page
that includes the interests Facebook thinks you have (and advertisers use to target you), and
other information they might use to target you (e.g. the type of phone you use). You can
remove interests or information from this page that isn’t relevant or that you don’t want
Facebook using to target you.

Do advertisers know if you’ve seen their ad?

Not really. Advertisers can see details about who sees their ads, but only in aggregate. For
example, an advertiser could see that their ad reached 1,000 males in San Francisco, but it
could not see names of each of those 1,000 users.

Does Facebook use info from your private messages to target you with ads?

No​. Facebook says it might look at your private messages to determine if they violate the
company’s policies, but it doesn’t use that information for ad targeting. Facebook won’t use
the contents of your private messages to target you with ​ads on Facebook Messenger​,
WhatsApp or Instagram either, according to a spokesperson.

Does Facebook use your phone’s microphone to listen to you at any time?

The company ​says no​. “We only access your microphone if you have given our app
permission and if you are actively using a specific feature that requires audio,” the company
wrote on its blog.

Does Facebook use your call history or off-Facebook text message data to target you
with ads?

No, Facebook does not use this data to target you with ads, according to a Facebook
spokesperson. Facebook can see the call and text history for Android users who opt in to let
the company see that data. It also says it ​doesn’t use it to recommend friends you might like
to connect with.

Does Facebook use the same set of data to target you with ads on Instagram that is uses
to target you with ads on Facebook?

34
Yes. What you do on Instagram could lead to ads you see on Facebook, and vice versa. “The
same interest-based targeting available to advertisers who target ads to people on Facebook is
available for Instagram ads,” a company spokesperson told ​Recode​. “This includes interests
based on the things people do on and off Facebook.”

Does Facebook use the same set of data to target you with ads on Messenger that it uses
to target you with ads on Facebook?

Again, yes. ​“Messenger Ads (ads placed in people’s Messenger home screen) use the same
audience targeting options as Facebook ads,” a spokesperson says.

Sumber: Wagner, Kurt. (2018). ​This is How Facebook Uses Your Data for Ad Targeting.​ [online] Diakses pada
4 April 2019 melalui
https://www.recode.net/2018/4/11/17177842/facebook-advertising-ads-explained-mark-zuckerberg

35