LAPORAN SAAS

BIG DATA DAN DATA SCIENCE

“Disusun dalam rangka memenuhi salah satu tugas kelompok mata pelajaran Software as a
Service (SaaS) dengan guru pengajar Maya Yashbir, ST.,”

Disusun Oleh :
Almaira Dwi Luthfita 201115306
Arlisya Rahwitami 201115309
Fikri Andra Irham 201115315
Muhammad Daffa P. 201115324
Rina Permata Dewi 201115331
Valitstro Chandra Al G. 201115335

KOMPETENSI KEAHLIAN SISTEM

INFORMATIKA, JARINGAN DAN APLIKASI (SIJA)
SEKOLAH MENENGAH KEJURUAN (SMK) NEGERI 1 CIMAHI
Jl. Mahar Martanegara No.48 Leuwigajah Desa/Kelurahan Utama, Kota Cimahi
Phone: (022) 6629683 Web : https://lms.smkn1-cmi.sch.id E-mail: info@smkn1-cmi.sch.id
 SaaS – Big Data & Data Science
12 Agustus, 2022
Kata Pengantar
Dengan menyebut nama Allah Yang Maha Pengasih lagi Maha Penyayang, puji syukur kami
panjatkan kehadirat Allah SWT., yang telah melimpahkan rahmat, hidayah, dan inayah-nya
sehingga kami dapat merampungkan penyusunan laporan Software as a Service (SaaS)
dengan judul “Big Data dan Data Science" tepat pada waktunya.

Penyusunan laporan semaksimal mungkin kami upayakan dan didukung bantuan berbagai
pihak, sehingga dapat memperlancar dalam penyusunannya. Untuk itu, tidak lupa kami
ucapkan terima kasih kepada semua pihak yang telah membantu kami dalam merampungkan
laporan ini.

Laporan ini disusun agar pembaca dapat lebih memahami tentang konsep produk yang kami
buat yaitu tentang . Laporan ini disusun oleh kami dengan berbagai rintangan. Baik itu yang
datang dari diri kami maupun yang datang dari luar. Namun dengan penuh kesabaran dan
terutama pertolongan dari Allah SWT. akhirnya laporan ini dapat terselesaikan.

Namun tidak lepas dari semua itu, kami menyadari sepenuhnya bahwa laporan ini masih
terdapat banyak kekurangan, baik dari segi penyusunan, isi, bahasa dan aspek lainnya. Oleh
karena itu, dengan lapang dada kami membuka selebar-lebarnya pintu bagi para pembaca
yang ingin memberi saran maupun kritik demi memperbaiki laporan ini.

Akhir kata, kami sangat mengharapkan semoga dari laporan yang sederhana ini dapat diambil
manfaatnya dan besar keinginan kami dapat menginspirasi para pembaca untuk mengangkat
permasalahan lain yang lebih relevan pada laporan-laporan selanjutnya.

Cimahi, 12 Agustus 2022

Penulis

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
Daftar Isi

Kata Pengantar............................................................................................................................i
Daftar Isi....................................................................................................................................ii
BAB I PENDAHULUAN..........................................................................................................1
1.1 Latar Belakang.............................................................................................................1
1.2 Rumusan Masalah.......................................................................................................1
1.3 Tujuan Penulisan.........................................................................................................2
BAB II PEMBAHASAN...........................................................................................................3
2.1 Big Data.......................................................................................................................3
2.2 Data Science................................................................................................................6
2.3 Contoh Penerapan Big Data pada Sebuah Perusahaan................................................8
2.4 Contoh Penerapan Data Science pada Sebuah Perusahaan.........................................9
BAB III PENUTUP..................................................................................................................10
3.1 Kesimpulan................................................................................................................10

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
BAB I
PENDAHULUAN
1.1 Latar Belakang.
Big Data didefinisikan sebagai sebuah masalah domain dimana teknologi tradisional
seperti relasional database tidak mampu lagi untuk melayani. Informasi merupakan suatu
hasil dari pemrosesan data menjadi sesuatu yang bermakna bagi yang menerimanya,
sebagaimana dikemukakan oleh Vercellis (2009) bahwa informasi adalah hasil dari
kegiatan ekstraksi dan pengolahan yang dilakukan pada data. Selain merupakan hasil dari
pengolahan data, informasi juga menggambarkan sebuah kejadian, sebagaimana
dikemukakan oleh Wawan dan Munir (2006) bahwa Informasi merupakan hasil dari
pengolahan data dalam suatu bentuk yang menggambarkan suatu kejadian-kejadian
(event) yang nyata (fact) dengan lebih berguna dan lebih berarti. Sehingga pengolahan
data menjadi suatu informasi sangatlah penting.
Data sceince saat ini sangat dibutuhkan didalam aktifitas yang kita lakukan, bagaimana
data dapat berkontribusi dalam kehidupan kita sehari-hari. Transaksi yang dilakukan
secara tradisional atau dikatakan phisical misalnya pada alfamart, indormart dan
sebagainya, ada berapatransaksi yang dapat dicatatkan dalam satu hari, untuk melakukan
pencatatan ini misalkan dilakukan pada implementasi point of sale dimana data akan
dicatat pada cash register yang selanjutnya akan disimpan kedalam database. Tentunya
penyimpanan yang dilakukan dalam hal ini database perlu memiliki ukuran atau
kapasitasnya agar dapat menampung jumlah transaksi yang semakin hari semakin besar.
Oleh karena itu perlu untuk mengetahui perkembangan data science saat ini sebagai
perkembangan dari AI yang penerapannya dilakukan pada machine learning.
Seiring dengan pesatnya perkembangan teknologi informasi menjadikan banyak
organisasi bisnis menerapkan teknologi informasi dalam aktivitas bisnisnya agar
organisasi bisnisnya tetap survive dan memiliki competitive advantages. Penerapan
teknologi informasi yang paling banyak digunakan adalah komputer. Organisasi bisnis
berbasis komputer inipun berkembang sangat cepat. Pada tahap awal, organisasi bisnis
melengkapi model bisnisnya dengan kapabilitas transaksi melalui internet. Dengan
menerapkan e-commerce, pembeli tidak perlu bertemu dengan penjual untuk melakukan
sebuah transaksi.
Salah satu e-commerce yang sudah terkenal di zaman ini yaitu Amazon. Amazon.com
adalah perusahaan perdagangan multinasional yang berbasis elektronik dan menjadi toko
online terbesar di dunia yang menyediakan berbagai jenis produk, mulai dari buku,
barang elektronik, kebutuhan rumah tangga, games, gadget, dan lain-lain. Toko online ini
didirikan oleh Jeff Bezos pada tahun 1994 dan berpusat di Seattle, Washington, Amerika
serikat. Jeff Bezos mendirikan perusahaan ini pada bulan Juli 1994 dan situsnya
mengudara dengan nama amazon.com tahun 1995. Pada awalnya amazon hanya menjual
buku saja, namun seiring dengan berjalannya waktu Amazon.com merambah penjualan
beragam produk lainnya mulai dari cd music dan pakaian.

1.2 Rumusan Masalah.

Berdasarkan uraian latar belakang penulisan laporan di atas, maka yang menjadi pokok
permasalahannya ialah :
1. Apa pengertian dan konsep dari Big Data?
2. Apa saja fungsi dan manfaat dari Big Data?
3. Bagaimana cara kerja dari Big Data?
4. Apa pengertian dan konsep dari Data Science?

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
5. Apa saja fungsi dan manfaat dari Data Science?
6. Apa saja contoh penerapan Data Science?
7. Bagaimana cara kerja dari Data Science?
8. Bagaimana penerapan Big Data dalam perusahaan e-commerce Amazon?
9. Bagaimana penerapan Data Science dalam perusahaan e-commerce Amazon?

1.3 Tujuan Penulisan.

Berdasarkan rumusan laporan di atas, tujuan praktikum dapat diidentifikasi sebagai
berikut :
1. Siswa dapat memahami pengertian dan konsep dari Big Data.
2. Siswa dapat mengetahui apa saja fungsi dan manfaat dari Big Data.
3. Siswa dapat mengetahui cara kerja dari Big Data.
4. Siswa dapat memahami pengertian dan konsep dari Data Science.
5. Siswa dapat mengetahui apa saja fungsi dan manfaat dari Data Science.
6. Siswa dapat menyebutkan apa saja contoh penerapan Data Science.
7. Siswa dapat mengetahui bagaimana cara kerja dari Data Science.
8. Siswa dapat mengetahui penerapan Big Data dalam perusahaan Amazon.
9. Siswa dapat mengetahui penerapan Data Science dalam perusahaan Amazon.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
BAB II
PEMBAHASAN
2.1 Big Data.
2.1.1 Pengertian Big Data.
Big data merupakan kumpulan proses yang terdiri dari volume data dalam jumlah
besar yang terstruktur maupun tidak terstruktur dan digunakan untuk membantu
kegiatan baik untuk bisnis ataupun pribadi. Big data sendiri merupakan
pengembangan dari sistem database pada umumnya. Yang membedakan disini
adalah proses kecepatan, volume, dan jenis data yang tersedia lebih banyak dan
bervariatif daripada DBMS (Data Base Management System) pada umumnya.

2.1.2 Konsep Big Data.

Konsep big data yaitu mengumpulkan semua data yang dihasilkan lalu
mengolahnya dengan tepat agar dapat memberikan value yang diharapkan. 
Singkatnya, konsep big data terdiri dari tiga hal berikut : Integrasi data,
pengelolaan data dan analisis data
Penjelasannya adalah sebagai berikut :
1. Integrasi Data - Integrasi data adalah proses untuk mengumpulkan semua data
yang telah dibuat hingga menjadi big data. Contohnya, data website toko online
yang berasal dari pendaftaran akun baru, daftar wishlist, dan lainnya.
2. Pengelolaan Data - Semua data yang dihasilkan harus mampu dikelola dengan
tepat, baik pada saat menyimpan atau mengaksesnya. Untuk itu, diperlukan
sebuah ruang penyimpanan besar serta bisa diakses kapan dan dari mana saja. 
3. Analisis Data - Konsep big data yang terakhir adalah analisis data. Artinya,
semua data yang sudah disimpan dan dikelompokkan sesuai jenisnya bisa
dianalisa untuk kebutuhan lebih lanjut. Sebagai contoh, riwayat belanja
konsumen di toko online bisa menjadi informasi produk apa yang layak
ditawarkan ketika konsumen tersebut sedang berbelanja. Dengan begitu, potensi
pembelian produk semakin besar karena penawarannya relevan.

2.1.3 Karakteristik Big Data.

Big data ini terdiri dari beberapa karakteristik, yaitu :
1. Volume.
Namanya saja big data, tentu karakteristik utamanya adalah jumlah data yang
sangat besar, bisa secara keseluruhan atau berdasarkan platform yang
mengelolanya. Sebagai contoh, Instagram telah menyimpan 69,23% data
personal lebih dari satu miliar pengguna di seluruh dunia. 
2. Velocity.
Big data memiliki kecepatan yang memungkinkan untuk dapat diterima secara
langsung (real-time). Kecepatan tertinggi yang bisa didapatkan langsung
melalui aliran data ke memori apabila dibandingkan dengan yang ditulis pada
sebuah disk. Sebagai contoh, pengguna Instagram selalu bertambah lebih dari
100 juta akun setiap tahunnya. Itupun dengan kondisi bahwa setiap akun
memiliki aktivitas yang berbeda dan terus menghasilkan data secara bersamaan. 
3. Variety.
Jenis variasi data yang dimiliki oleh big data lebih banyak daripada
menggunakan sistem database SQL. Jenis data yang masih bersifat tradisional,
lebih terstruktur daripada data yang belum terstruktur. Contohnya adalah teks,

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
audio, dan video merupakan data yang belum terdefinisikan secara langsung dan
harus melalui beberapa tahap untuk dapat diproses dalam sebuah database. Bisa
dibayangkan jika data tersebut berasal dari berbagai platform dan bisnis yang
berbeda, tentu bentuk formatnya berbeda-beda, seperti dokumen presentasi,
tabel, dan lainnya. Bahkan, ada data yang langsung bisa dibaca dan digunakan
dan ada juga data abstrak yang perlu dianalisis dahulu sehingga bisa
dikelompokkan menjadi:
 Structured data – Bisa digunakan langsung.
 Semi-structured data – Perlu diolah sebelum digunakan.
 Unstructured – Perlu dianalisis, diolah, dan baru bisa digunakan.
4. Veracity.
Merupakan bentuk pembenaran suatu data. Jadi, mengacu pada kualitas data
tersebut, dapat berasal dari berbagai sumber. Perlu adanya proses untuk
menghubungkan dan mengkorelasikan beberapa hubungan data. Jika tidak ada
relasi yang baik, maka dapat menimbulkan kontrol yang lepas kendali. Revolusi
industri 4.0 membuat peran data dalam membantu mengambil keputusan cukup
besar. Maka, keakuratan sebuah data menjadi penting. Big data bukan hanya
tentang adanya data yang dihasilkan, tapi tentang identifikasi data dengan tepat
agar memberikan manfaat bagi pengguna. Salah satu contoh sederhana adalah
adanya nama akun pengguna (ID) dari platform seperti Instagram, Facebook
dan lainnya.
5. Value.
Big data memiliki value untuk memudahkan pengguna mengakses informasi
dengan cepat dan mengambil keputusan berdasarkan berbagai data yang ada.
Contohnya, fitur Instagram Stories digunakan oleh 500 juta pengguna setiap
harinya. Hal ini menunjukkan bahwa fitur yang memungkinkan pengguna
membuat posting instan cukup digemari.

2.1.4 Fungsi Big Data.

Selain karakteristik, Big Data juga memiliki beberapa kegunaan atau fungsi :
1. Dapat menentukan penyebab suatu masalah, kegagalan secara real time.
2. Pengambilan sebuah keputusan yang cerdas dan tepat.
3. Mendeteksi sebuah perilaku yang menyimpang dalam struktur bisnis.
4. Mengurangi biaya, waktu, dan meningkatkan performa produk aplikasi.

2.1.5 Manfaat Big Data.

Untuk manfaat, big data sendiri kami membagi menjadi 2 manfaat yaitu untuk
kebutuhan dalam proses teknologi informasi (TI) dan bisnis :
1. Bidang Teknologi Informasi.
a. Penggunaan Perangkat Mobile.
Salah satu contoh yang mudah untuk penggunaan perangkat mobile ini
adalah aplikasi GPS yang tentunya sudah terinstall dalam perangkat mobile.
GPS (Global Positioning System) yang dimiliki oleh Google Maps
menggunakan bantuan dari big data dalam memproses dan memanajemen
berbagai bentuk data, mulai dari gambar, pemetaan lokasi hingga dapat
menjangkau hampir seluruh penjuru dunia sekaligus.
b. Media Sosial.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
Setiap orang menggunakan yang namanya media sosial untuk mengakses
berbagai informasi dan membagikan aktivitas keseharian pribadi. Tentunya,
banyak yang mengupload foto, video maupun teks ke dalam aplikasi media
sosial tersebut. Semua informasi tersebut merupakan jenis data yang akan
terekam dan tersimpan dalam sistem basis data dengan kapasitas besar. 
c. Perangkat Cerdas.
Salah satu manfaat yang dimiliki oleh perangkat cerdas adalah mampu
membantu kegiatan manusia dengan lebih efektif dan efisien. Contoh dari
perangkat cerdas adalah teknologi IoT yang saat ini banyak diterapkan pada
perangkat elektronik seperti kulkas, mesin cuci, AC, dan lain sebagainya.
Dengan menggunakan sistem yang telah terintegrasi dengan jaringan
internet, maka segala bentuk aktivitas dapat dikoordinir dalam satu sistem
aplikasi saja dengan big data sebagai penyedia layanan informasi dan
penyimpanan data.
d. Media Digital.
Contoh dari penerapan media digital adalah fitur pada e-commerce yang
telah menerapkan AI dengan big data untuk memudahkan pengguna dalam
memberikan rekomendasi produk.
2. Bidang Bisnis.
a. Meningkatkan sistem operasional bisnis.
b. Customer Relationship Management (CRM).
c. Mengoptimalkan pengalaman penggunaan aplikasi.

2.1.6 Tools yang Digunakan dalam Big Data.

Terdapat beberapa tools yang digunakan terkait dengan penggunaan basis data
skala besar. Berikut beberapa tools yang dapat kita coba dan gunakan untuk
kepentingan bisnis ataupun pribadi :
Nama-Nama Tools Nama-Nama Tools
Tableau Looker
Xplenty Domo
RapidMiner Knime 
Pentaho Sisense 
Skytree Cassandra
Untuk mendukung konsep di atas, diperlukan sebuah arsitektur big data yang jelas.
Idealnya, big data dikelola dengan penggunaan teknologi storage yang baik,
jaringan server yang bisa diakses kapan saja, dan algoritma yang canggih.

2.1.7 Tantangan Big Data.

1. Sistem Big Data Harus Selalu Diperbarui.
Berkembangnya data yang dihasilkan membuat update big data adalah hal
wajib. Terutama, data yang sudah tidak relevan akan membuat akurasi data
menjadi berkurang.
Sayangnya, melakukan update data secara rutin memerlukan kecepatan dan
ruang untuk menampung data yang tidak sedikit.
2. Kekurangan SDM Ahli.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
Big data tentu tidak dapat diolah secara manual karena akan kurang efektif.
Namun, belum banyak sumber daya manusia yang mampu mengelola big data
dengan teknologi yang ada. Apalagi dengan adanya teknologi yang selalu
berkembang, kemampuan mengelola big data juga harus menyesuaikan agar pro
ses penggunaan big data menjadi efektif dan efisien.
3. Pengelolaan yang Cukup Rumit.
Banyaknya data tentu membuat pengelolaannya menjadi rumit. Namun,
teknologi terbaru sudah mampu membantu prosesnya menjadi lebih mudah.
Hanya saja, perkembangan big data sendiri cukup cepat sehingga platform dan
infrastruktur yang tidak sesuai akan membuat pengelolaannya menjadi
terkendala. Pada akhirnya, rawan terjadi kerusakan data, duplikasi data, dan
lainnya.
4. Keamanan dan Privasi Data yang Rentan.
Banyaknya data yang bisa diakses online oleh siapa saja dan dari mana saja
memang memudahkan. Namun, ada potensi keamanan yang ditimbulkan seperti
aksi cyber crime. Oleh karena itu, penting untuk menggunakan platform yang
memiliki perlindungan keamanan yang baik. Kalau membangun website bisnis,
penting untuk menggunakan layanan hosting yang menawarkan fitur keamanan
yang dapat diandalkan.

2.1.8 Cara Kerja Big Data.

Pertama, data source merupakan
sumber data yang bisa berasal dari
berbagai sumber, misalnya dari
calon konsumen toko online Anda
yang akan membuat akun dengan mengisi data diri.  Kedua, data aggregator
sebagai tools pengolah big data akan menerima data tersebut dan lalu menyalurkan
data tersebut.
Ada dua cara yang bisa digunakan, yaitu: Real time streaming processor –
Menganalisis data yang bersifat real time. Hadoop – Tempat penyimpanan data
yang sangat besar. Ketiga, jika data terhitung ringan, maka setelah tahapan real
time streaming processor, data akan langsung disimpan dalam data store atau
tempat penyimpanan data yang telah dianalisis. Namun, jika kuantitas data sangat
besar, maka di tools Hadoop, data harus diproses dengan sistem non-real time
processor. Setelahnya, barulah data bisa disimpan di data store. Nah, data yang
tersimpan dalam data store itulah yang bisa diakses dengan aplikasi atau sistem
yang langsung digunakan oleh user.

2.2 Data Science.

2.2.1 Pengertian Data Science.
Data science adalah bidang yang mempelajari proses pengolahan data. Mulai dari
penggelian hingga presentasi datanya. Tujuan utamanya adalah untuk mengubah
data mentah menjadi informasi yang bermanfaat.

2.2.2 Konsep Data Science.

1. Bisnis - Seorang data scientist yang mengolah data berdasarkan ilmu data
science harus bisa mengolah data menjadi informasi yang bisa dipahami untuk
membantu perancangan strategi guna menyelesaikan masalah bisnis.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
2. Matematika dan statistika - Data science sangat membutuhkan ilmu matematika,
karena data harus diolah secara kuantitatif. Contohnya, algoritma untuk
merancang machine learning sebagai salah satu aplikasi ilmu data science
sangat lekat dengan matematika.
3. Teknologi - Seorang data scientist perlu menguasai bahasa pemrograman seperti
SQL, Phyton, R, SAS, Java, Scala, Julia, dan masih banyak lagi.

2.2.3 Manfaat Data Science.

Beberapa contoh manfaat data science diantaranya :
1. Dengan menganalisis data histori penjualan, bisnis bisa memprediksi produk
yang laku pada musim-musim tertentu.
2. Sebuah bisnis manufaktur bisa melihat data produk gagal untuk meningkatkan
kualitas produk ke depannya.
3. Bisnis logistic bisa mengecek data terkait traffic dan rute untuk membuat proses
pengiriman menjadi lebih efisien.
4. Untuk meningkatkan tingkat kepuasan karyawan, divisi human resource bisa
mengevaluasi data yang berasal dari feedback karyawan.
5. Sebuah perusahaan sekuritas dapat melihat data tentang pola pasar finansial
untuk membuat keputusan investasi yang lebih efektif.
Intinya data science dapat digunakan untuk melakukan hal-hal berikut : (Prediksi,
deteksi, pengambilan keputusan, klasifikasi, rekomendasi).

2.2.4 Contoh penerapan Data Science.

1. Bidang Kesehatan.
Salah satu contoh penerapan terbesar data science adalah pada sektor industri
kesehatan.Peta dari CDC (Centers for Disease Control and Prevention) yang ada
dari kasus flu yang didokumentasikan, FluView, diperbarui hanya sekali
seminggu. Hasilnya, Google dengan cepat meluncurkan alat pesaing dengan
pembaruan berita yang lebih up-to-date, yakni Google Flu Trends.
2. Bidang Finansial.
Contoh penerapan data science berikutnya adalah untuk keperluan fraud
detection pada bidang finansial.Kebanyakan bank dan perusahaan berbasis
finance kini menggunakan data science untuk mengklasifikasikan,
mengelompokkan, dan menyegmentasikan data yang mungkin menandakan pola
penipuan. Hal ini diperlukan guna menghindari terjadinya proses kriminalisasi
berkelanjutan di dalam sistem milik perusahaan.
3. Bidang Olahraga Professional.
Siapa sangkah bahwa ternyata data science memiliki imbas yang cukup besar
bagi dunia olahraga profesional.Salah satu contoh penerapannya adalah pada
tim baseball Oakland Athletics. Mereka menggunakan statistik dalam gim yang
sering diabaikan tim lain untuk memprediksi potensi pemain dan membentuk
tim yang kuat dengan harga murah.
4. Bidang E-Commerce.
Contoh terakhir penerapan data science adalah pada bidang e-commerce untuk
berbagai keperluan dynamic pricing.Dynamic pricing ini juga diperlukan agar
setiap kelompok pelanggan dapat ditawari produk dengan harga yang sesuai
dengan kebutuhan mereka. Penghitungan dynamic pricing pada suatu
perusahaan biasanya melihat dari berbagai macam kategori data.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
2.2.5 Cara Kerja Data Science.
1. Perencanaan – Pertama-tama, data scientist perlu merencanakan proyek yang
akan dijalankan, serta hasil yang mereka inginkan.
2. Penggalian data – Kemudian, proses pencarian data pun dimulai. Baik melalui
metode kualitatif atau kuantitatif.
3. Pengelolaan data – Setelah mendapat data yang diinginkan, data scientist akan
menyimpan datanya secara teratur agar mudah untuk diakses.
4. Identifikasi data – Data yang didapat akan diidentifikasi. Biasanya dengan
memasang kategori atau label pada masing-masing datanya.
5. Analisis data – Pada fase ini, setiap data akan diolah dan dianalisis agar bisnis
bisa mendapat informasi yang diinginkan.
6. Visualisasi data – Terakhir, informasi yang diperoleh akan ditafsirkan ke dalam
format yang lebih mudah dipahami. Contohnya seperti grafik laporan.

2.3 Contoh Penerapan Big Data pada Sebuah Perusahaan.

2.3.1 Cara Amazon Menggunakan Big Data / Data Besar.
Rahasia kesuksesan Amazon terletak pada model adopsi mereka, yang tidak
meninggalkan apa pun yang tidak tersentuh. Teknologinya memungkinkan mereka
untuk menyediakan pelanggan dengan opsi hebat yang membuat mereka merasa
mendapat informasi. Pelanggan menjadi berpengetahuan tentang berbagai pilihan,
memberi mereka kemampuan untuk membuat keputusan berbelanja yang bijaksana
dan lebih baik. Ketergantungan peringkat penjualan suatu produk pada jumlah
penjualannya juga menarik. Semakin kecil peringkatnya, semakin banyak
penjualan yang ada. Karena itu, alat ini akan bermanfaat bagi penjual karena
menggunakan data dan algoritma terbaru untuk mengubah peringkat menjadi
penjualan.
Analisis Amazon data besar dikumpulkan dari berbagai pelanggan yang berbelanja
di platform mereka, untuk secara akurat membangun mesin rekomendasi yang
efisien untuk penggunanya. Amazon mencoba belajar sebanyak mungkin tentang
Anda, untuk membuat prediksi yang akurat tentang apa yang ingin Anda beli.
Mereka merekomendasikan berbagai item yang Anda mungkin tertarik untuk
membeli sehingga menghemat stres mencari melalui situs web mereka untuk
menemukan produk Anda sendiri. 
Sistem rekomendasi Amazon dibangun dengan menggambarkan siapa Anda dan
kemudian menawarkan kepada Anda produk-produk yang dibeli oleh pelanggan
lain dengan profil yang sama atau serupa dengan milik Anda, di masa lalu. 
Amazon menggunakan data besar untuk menilai kemauan pelanggan untuk
membeli produk pada platformnya. Inilah sebabnya mengapa harga barang di
platform Amazon sering berubah. 
Pendekatan proaktif yang digunakan oleh Amazon untuk mengimplementasikan
algoritme data besar telah memungkinkan mereka memenuhi kebutuhan pelanggan
secara tepat. Setelah pelanggan menunjukkan minat yang besar untuk membeli
suatu produk, harga produk tersebut berubah ke harga yang sedikit lebih tinggi.
Tidak seperti platform yang memanfaatkan data besar, situs web lain yang tidak,
merasa sulit untuk sering mengubah harga barang di toko mereka. Oleh karena itu,
ini menghasilkan keuntungan yang lebih sedikit dibandingkan dengan platform
Amazon. Amazon menggunakan data besar untuk mengubah harga produk setiap

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
10 menit, yang berarti harga produk berubah sekitar 2.5 juta kali sehari. Hal-hal
yang sedang dianalisis meliputi : 
 Harga pesaing.
 Persediaan yang tersedia.
Menganalisis data ini memungkinkan Amazon untuk menetapkan harga yang tidak
ada duanya untuk produk pada platformnya.

2.4 Contoh Penerapan Data Science pada Sebuah Perusahaan.

2.4.1 Cara Amazon menggunakan Data Science.
1. Sistem Rekomendasi Barang Marketplace.
Salah satu cara Amazon memuaskan pelanggannya adalah dengan
menggunakan sistem rekomendasi yang mereka rancang. Amazon
mengumpulkan data seperti hasil pencarian, ulasan, bahkan lokasi tempat
tinggalmu untuk membangun sebuah profil user. Profil user ini digunakan untuk
melatih model agar dapat memprediksi aktivitasmu di Amazon dan
menampilkan rekomendasi barang yang kamu sedang atau mungkin inginkan
tapi tidak menyadarinya.
2. Proses Shipping yang Cepat.
Amazon menggunakan analitik prediktif untuk memprediksi kapan dan barang
apa yang akan kamu beli. Model ini telah membantu Amazon untuk
menyiapkan barang hingga mereka tidak akan pernah kekurangan stok. Data-
data yang digunakan seperti pola pembelian sebelumnya, analitik media sosial,
dan juga cuaca.
3. Data Science untuk Mencegah Penipuan.
Amazon mempunyai peraturan dimana jika barang tidak sampai atau cacat saat
dikirim, mereka akan mengirim barang yang baru atau mengembalikan uang
kamu. Untuk mencegah penipuan tersebut, Amazon telah melatih model
Machine Learning untuk mendeteksi kemungkinan sebuah order adalah upaya
penipuan.
4. Perubahan Harga Barang Dinamis.
Persaingan antar marketplace online di luar negeri pun cukup ketat dengan
adanya Ebay. Satu cara Amazon untuk tetap menjadi kompetitif adalah untuk
merubah harga dengan dinamis untuk menyaingi kompetitor. Dengan
banyaknya data yang dimiliki, Amazon mempunyai sebuah sistem dimana
mereka akan menilai keinginan kamu membeli sebuah barang.

2
 SaaS – Big Data & Data Science
12 Agustus, 2022
BAB III
PENUTUP
3.1 Kesimpulan.
kesimpulannya big data adalah istilah yang menggambarkan volume besar data-baik
terstruktur maupun tidak terstruktur - yang membanjiri bisnis sehari-hari. Namun bukan
jumlah data yang penting. Apa yang dilakukan organisasi dengan data itulah yang
penting Big data dapat dianalisis demi pemahaman yang mengarah kepada keputusan
dan gerakan bisnis strategis yang lebih baik sedangkan data scientist adalah pekerjaan
dalam bentuk penggabungan ilmu komputer (pemrograman), statistik, dan matematika
yang bertujuan untuk mengumpulkan menafsirkan, dan menganalisis kumpulan data
besar yang terstruktur dan tidak terstruktur, keduanya sangat dibutuhkan dalam revolusi
industri 4.0 oleh karna itu perusahaan perusahaan besar dan terkenal memanfaatkan
keduanya salah satunya perusahaan e-commerce Amazon. E-commerce Amazon
membutuhkan keduanya untuk mengembangkan perusahaan mereka untuk menjadi yang
lebih baik