Penelitian Kolaboratif

PEMANFAATAN BIG DATA ANALYTICS PADA PERGURUAN TINGGI

PROPOSAL PENELITIAN

Di Susun Oleh :

Hadi Kusmanto, M.Si (2009017902)

Wena Aryani (1414151060)
Dika Dani Septiati (1414152068)

LEMBAGA PENELITIAN DAN PENGABDIAN

KEPADA MASYARAKAT (LP2M)
FAKULTAS ILMU TARBIYAH DAN KEGURUAN
IAIN SYEKH NURJATI CIREBON
TAHUN 2017
 REKOMENDASI

1. Judul Penelitian : Pemanfaatan Big Data Analytics pada Perguruan Tinggi

2. a. Jenis Penelitian : Kualitatif
b. Kategori : Kelompok
3. Peneliti/Ketua Peneliti
a. Nama : Hadi Kusmanto, M.Si
b. JenisKelamin : Laki-laki
c. Disiplin Ilmu : Statistika Terapan
d. NIDN : 2009017902
e. Pangkat/ Golongan : Penata/III d
f. Jabatan Fungsional : Lektor Kajur Matematika
g. Fakultas/Jurusan : FITK/Tadris Matematika
h. Alamat : Jl. Perjuangan By Pass Sunyaragi Cirebon
i. Hp : 082315778969
j. Email : hadi_upi@yahoo.com
3. Anggota
a. Nama/ Nim : Wina Ariyani / 1414151060
b. Nama/ Nim : Dika Dani Septiani/ 1414152068
4. Lokasi Penelitian : Tentatif
5. Jangka Waktu Penelitian : 6 Bulan
6. Jumlah Biaya Penelitian : Rp. 15.000.000

Cirebon, 13 Maret 2017

Mengetahui,
Ketua Jurusan Tadris Matematika Peneliti

Hadi Kusmanto, M.Si Hadi Kusmanto, M.Si

NIP. 19790109 201101 1 006 NIP. 19790109 201101 1 006
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-
Nya sehingga proposal penelitian kolaboratif ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian ini adalah Big Data Analitics , dengan judul “Pemanfaatan
Big Data Analitics pada Perguruan Tinggi”
Terimakasih penulis ucapkan kepada Dekan Fakultas Ilmu Tarbiyah dan
Keguruan, Ketua Lemlit dan Kajur Matematika beserta stafnya yang telah
memberikan kesempatan pada proposal ini untuk diajukan dalam seleksi penelitian
dengan dana bantuan tahun DIPA Tahun 2017. Ungkapan terimakasih juga
disampaikan kepada, seluruh teman-teman Dosen Jurusan Pendidikan Matematika
atas segala doa dan bantuannya.

Cirebon, Maret 2017

Hadi Kusmanto, M.Si

 DAFTAR ISI

KATA PENGANTAR..................................................................................i
DAFTAR ISI ................................................................................................ii
A. PENDAHULUAN...................................................................................1
B. PERUMSAN MASALAH......................................................................2
C. TUJUAN PENELITIAN........................................................................2
D. PENELITIAN RELEVAN ....................................................................3
E. KERANGKA TEORI ............................................................................6
F. METODOLOGI PENELITIAN ...........................................................8
G. ALOKASI BIAYA DAN JADWAL PENELITIAN ...........................10
H. DAFTAR PUSTAKA.............................................................................12

ii
 PEMANFAATAN BIG DATA ANALYTICS PADA PERGURUAN TINGGI

A. LATAR BELAKANG

Perkembangan jaman hingga saat ini sangat berdampak besar terhadap kehidupan
sekarang. Salah satu hal yang berubah adalah cara menggunakan data. Hal tersebut sangat
dipengaruhi oleh perkembangan teknologi, karena dapat dilihat sekarang penggunaan tiap
individu terhadap data sudah sangat tinggi, hampir semua orang memiliki data dalam
setiap perangkatnya (komputer / laptop, smartphone, flashdisk, harddisk eksternal, dll)
yang jika dijumlahkan akan menjadi besar sekali. Hal ini dipengaruhi juga dengan
mudahnya tiap individu untuk mendapatkan data yang diinginkannya (film, musik, games,
dll) melalui internet. Internet menghubungkan tiap individu di seluruh dunia dengan
mudah tanpa memperdulikan jarak / lokasi dan waktu. Sekarang dengan terjadinya
perkembangan teknologi, data menjadi hal yang penting dalam menjalankan berbagai hal,
beberapa diantaranya; mengetahui tren pasar, mengetahui keinginan konsumen saat ini,
meningkatkan hasil penjualan, dll. Hasil perubahan ini sangatlah besar, data pun diolah
dengan lebih terkomputerisasi sehingga penyimpanan beberapa data dapat menghemat
tempat dalam kantor perusahaan dengan cara penyimpanan softcopy. Data yang tersimpan
ini lama kelamaan menjadi sangat banyak dan besar sehingga semakin susah untuk
digunakan, hal tersebut disebut big data. Dengan perkembangan sekarang, big data ini
sudah dapat diolah dan digunakan lagi, bahkan memberikan hasil yang lebih baik karena
mencakup pengolahan data yang ada di dalam social media.
Pemanfaatan teknologi informasi di indonesia, sudah menyentuh seluruh bidang
kehidupan, yaitu ekonomi, politik, budaya, hukum dan pendidikan. Pengembangan sistem
teknologi informasi membuat kegiatan manusia setiap hari semakin dipermudah dan
sangat cepat. Sebagai contoh seluruh proses transaksi dilakukan dengan proses elektronik,
dari mulai membayar listrik, air, tiket pesawat, kerata, toko online, SPP mahassiwa dan
masih banyak lagi.
Teknologi informasi telah digunakan untuk melakukan berbagai aktifitas utama
di perguruan tinggi, dimulai dari pembayaran SPP, registrasi perkuliahan setiap
semester, pendaftaran sidang akhir dan komprehensif, absensi dan berita acara
perkuliahan bahkan proses pembelajaran hingga penilaian. Data-data tentang
pendidikan dan pengajaran, penelitian, pengabdian masyarakat, dan kegiatan penunjang

1
 lainnya juga sudah dilakukan pelaporan dengan menggunakan teknologi informasi.
Semua aktifitas tersebut dari waktu ke waktu menyebabkan digitalisasi data yang
selanjutnya menyebabkan ledakan data di Perguruan Tinggi sehingga membuka peluang
untuk big data analytic di perguruan tinggi.
(Drigas & Leliopoulos, 2014) menyatakan, “...Big Data can really improve the
education. Can afford to shape a modern and dynamic education system, which every
individual student can have the maximum benefit from that....”. Hal itu berarti bahwa
penggunaan big data pada dunia pendidikan akan mampu membentuk sistem pendidikan
modern dan dinamis yang bermanfaat bagi dosen dan mahasiswa.
Data-data digital dalam jumlah banyak meninggalkan tentang apa yang
mahasiswa dan akademisi lihat, apa yang mereka baca, keterlibatan dan perilaku mereka,
penilaian, maupun tentang kepentingan dan prefensi mereka sehingga menyediakan
sejumlah besar data yang dapat ditambang untuk pengalaman pembelajaran.

B. RUMUSAN MASALAH
Berdasarkan latar belakang masalah tersebut dapat dirumuskan beberapa
permasalahan yang muncul dalam penelitian ini, yaitu :

1. Bagaimana teknologi big data melibatkan dunia pendidikan ?

2. Bagaimana penggunaan big data analytics di perguruan tinggi yang meliputi,
academic analytics, learning analitics dan process analitics?

C. TUJUAN PENELITIAN

Penelitian ini bertujuan untuk memeberikan usulan penggunaan big data analitics
di perguruan tinggi yang meliputi, academic analitics, learning analitics dan academic
analitics. Selain itu dengan adanya penggunaan big data diharapkan perguruan tinggi
mampu memetakan kelebihan dan kekurangannya untuk pengambilan kebijakan.

D. PENELITIAN RELEVAN
1. (Drigas & Leliopoulos, 2014), meneliti tentang big data yang melibatkan dunia
pendidikan. Dalam penelitian ini penggunaan Big Data di Pendidikan mutlak
diperlukan karena data yang terkumpul tentang akademik sangat besar dan perlu

2
 penanganan khusus. Jumlah seberapa besar data yang dapat digunakan dan diekstraksi
untuk sesuatu yang bermanfaat, membantu dunia pendidikan untuk meningkatkan
keuntungan mereka. Tujuan dari penggunaan Big Data dalam pendidikan yaitu,
memberikan gambaran yang jelas tentang nilai dan efek dari Big Data dalam
pendidikan. Selain itu menganalisa dan memberikan penjelasan singkat tentang
bagaimana big data dapat berkontribusi pada sistem pendidikan dan membantu dosen
dan mahasiswa untuk membuat target tujuannya lebih lebih terukur. Hasil dari
penelitian ini yaitu big data benar-benar dapat meningkatkan pendidikan dan mampu
untuk membentuk sistem pendidikan modern yang dinamis. Selanjutnya dosen
memiliki alat yang berharga, yang mereka tidak memiliki sebelumnya, yang dapat
membuat keputusan yang lebih spesifik dan dapat memilih berbagai besar dari metode
pembelajaran baru.
2. (Mohapatra, Paikaray, & Samal, 2015) meneliti tentang tren komputasi masa depan dan
big data. Setiap individu, organisasi dan pelaku industri saat ini mempunyai dan
menyimpan data yang besar terutama data di media sosial, yang sekaligus merubah
gaya hidup dan pilihan hidupnya. Fenomena tersebut membuat tumpukan data yang
sangat besar dan diperlukan analisa yang sesuai untuk memetakannya. Tujuan dari
penelitian ini untuk memberikan arah tren penggunaan big data dan komputasi dalam
IT. Hasil dari penelitian ini, yaitu terdapat banyak solusi yang dihasilkan melalui
computing could untuk big data analitics dan Cloud computing memainkan peran
penting untuk Big Data; tidak hanya karena memberikan infrastruktur dan peralatan,
tetapi juga karena sebuah model bisnis yang Big Data analisis dapat mengikuti
(Analytics misalnya sebagai Service (AAAS) atau Big Data sebagai Service (BDaaS)).
3. (Aprilius, 2015) meneliti tentang big data pada dunia kesehatan masa depan. Data medis
saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang
besar, tetapi juga bersifat kompleks, variatif, dan aktual. Para penyedia perawatan
kesehatan mulai memanfaatkan big data untuk mendapatkan wawasan dan
memperbaiki kualitas. Big data dalam bidang kesehatan ini dapat digunakan untuk
melihat penyebaran suatu wabah penyakit dalam suatu wilayah, mengetahui jenis
pengobatan yang paling efektif untuk suatu jenis penyakit, memberi informasi
mengenai kebutuhan pasien, dan membantu dokter dalam mengambil keputusan.
Pemanfaatan big data dalam perawatan kesehatan masih dalam tahap pengembangan.
Hal ini didukung oleh keberadaan berbagai sumber data medis, baik terstruktur,
maupun tidak terstruktur. Akan tetapi, integrasi big data memerlukan pemahaman akan
3
 berbagai solusi teknologi. Hasil dari penelitian ini, yaitu pemanfaatan big data
mendatangkan peluang bagi terciptanya perawatan kesehatan yang lebih baik dan
berorientasi pada pasien. Namun, terdapat sejumlah tantangan yang perlu diatasi untuk
dapat mendukung proses integrasi big data dalam perawatan kesehatan.
4. (Ram, Zhang, & Koronios, 2016), meneliti tentang implikasi big data pada intelegen
bisnis. Intelijen bisnis (BI) adalah kemampuan perusahaan untuk memanfaatkan
bermakna data yang dikumpulkannya dalam perjalanan sehari-hari operasi. BI bisa
memainkan peran penting dalam meningkatkan kinerja organisasi dengan
mengidentifikasi peluang-peluang baru, menyoroti potensi ancaman, mengungkapkan
wawasan bisnis baru dan meningkatkan proses pengambilan keputusan di antara banyak
manfaat lainnya. Saat ini, solusi BI terutama berfokus pada data terstruktur dan internal
perusahaan. Akibatnya, banyak informasi berharga tertanam dalam data terstruktur dan
eksternal tetap tersembunyi, yang berpotensi menyebabkan pandangan yang tidak
lengkap dari realitas dan resultantly bias pengambilan keputusan bisnis. Munculnya
komputasi dan internet teknologi telah memfasilitasi pengumpulan volume besar data
heterogen dari berbagai sumber secara berkelanjutan berpose tantangan baru dan
peluang untuk intelijen bisnis. Metodologi yang digunakan, yaitu wawancara semi-
terstruktur untuk pengumpulan data. Metode ini digunakan terutama karena dua alasan.
Pertama, komunikasi dua arah selama wawancara akan membantu dalam mencari
informasi yang lebih rinci dan mendalam. Kedua, itu akan memungkinkan untuk
mengajukan pertanyaan di luar kuesioner semi-terstruktur untuk mencari kejelasan dan
mengumpulkan data yang kuat dan mengajukan pertanyaan tindak lanjut. fleksibilitas
dalam komunikasi ini dapat membantu dalam menghasilkan wawasan yang tak terduga.
Proses penelitiannya terdiri dari empat tahap: desain kuesioner, pengumpulan data,
analisis data dan penulisan laporan. Hasilnya yaitu, salah satu aplikasi utama dari
analisis Big Data adalah untuk intelijen bisnis untuk meningkatkan pengambilan
keputusan kemampuan, pengambilan keputusan lebih cepat, memahami kebutuhan
pelanggan, mengembangkan strategi untuk meluncurkan produk dan layanan baru,
menjelajahi pasar baru, meningkatkan turnovers persediaan, mengurangi keluhan
pelanggan, dan meningkatkan produktivitas staf dan efisiensi. Untuk tujuan tersebut,
penelitian ini mengeksplorasi implikasi dari analisis Big Data dari data yang
dikumpulkan dari Social Media untuk meningkatkan intelijen bisnis dalam konteks
bisnis Cina. Media sosial di Cina dan bisnis online di Cina telah berkembang pesat
selama dekade terakhir dan karena itu memberikan kesempatan untuk melihat ke dalam
4
 bagaimana data yang dikumpulkan dari saluran ini dapat berguna dimanfaatkan untuk
peningkatan bisnis lebih lanjut.
5. (Narendra, 2015) meneliti tentang big data dan pengembangan kompetensi pustakawan.
Istilah Big Data sudah dibesarkan oleh Fremont Rider, seorang Amerika Pustakawan
dari Westleyan University, pada tahun 1944. Dia memperkirakan bahwa volume
koleksi universitas di Amerika akan mencapai 200 juta kopi di tahun 2040. Akibatnya,
ia membawa ke kedepan beberapa isu-isu seperti pengguna data yang besar, kapasitas
penyimpanan, dan kebutuhan untuk memiliki analis data. Di Indonesia, analis data
masih profesi langka, dan karena itu sangat dibutuhkan. Salah satu tugas yang khas
adalah untuk melakukan analisis visual yang dari berbagai sumber data dan juga untuk
menyajikan hasilnya secara visual sebagai pengetahuan yang menarik. Ini menjadi ilmu
meramaikan oleh visualisasi interaktif. Dalam menanggapi masalah ini, pustakawan
sudah dilengkapi dengan manajemen informasi dasar. Namun, mereka bisa melihat
peluang dan meningkatkan diri mereka sebagai analis data. Di negara maju, itu adalah
hal umum bahwa pustakawan juga dianggap sebagai analis data. Mereka meningkatkan
diri dengan berbagai keterampilan yang diperlukan, seperti komputasi awan dan
komputasi cerdas. Pada akhirnya pustakawan dengan kompetensi analis data fasih
untuk mengekstrak dan sekarang sumber data yang kompleks sebagai pengetahuan.
Yang "menarik dan dapat dilihat"
6. (Royal, Sumatera, Prof, Kisaran, & Utara, 2015), meneliti tentang sistem informasi di
perguruan tinggi. Perkembangan teknologi informasi dalam segala aspek mendorong
perguran tinggi untuk melakukan langkah-langkah strategis agar bisa tetap unggul
dalam segala bidang. Peran teknologi informasi pada perguruan tinggi mulai bisa
dirasakan dalam kegiatan/proses akademik. Beberapa perguruan tinggi baik swasta atau
pun negeri sudah memanfaatkan sistem informasi yang merupakan bagian dari
teknologi informasi. Sistem informasi akademik sangat membantu dan berperan aktif
dalam suatu perguruan tinggi, hal ini dapat dilihat dengan telah diterapkannya sistem
informasi dalam hal proses belajar mengajar, mengatur jadwal ruangan, kuliah, jadwal
ujian yang kesemuanya merupakan tugas dari bagian pengajaran yang dapat
dikategorikan bagian internal dari perguruan tinggi. Pemanfaatan sistem informasi
untuk setiap aktivitas internal dalam perguruan tinggi akan juga menjadi faktor
kesuksesan dan kemajuan dari perguruan tinggi.
7. (Purnama, 2015), meneliti tentang sentimen analisis berbasis big data. Pemerintah
sebagai pelayan masyarakat memiliki peran yang sangat besar dalam meningkatkan
5
 kesejahteraan masyarakat.Maka perlu diadakan suatu perbaikan secara bertahap guna
meningkatkan pelayanan masyarakat (public services) sebagai tugas utama pemerintah,
untuk itu perlu adanya sikap keterbukaan dari pemerintah untuk dapat menerima setiap
keluhan masyarakat mengenai kebijakan / program yang langsung menyentuh
kepentingan masyarakat. Media Center merupakan sistem pelayanan informasi yang
terintegrasi kepada masyarakat Kota Surabaya untuk ikut berpartisipasi dalam
pembangunan dengan berbagai cara seperti ide, pengaduan, keluhan, kritik, saran dan
pertanyaan. Untuk itu perlu adanya klasifikasi untuk sentiment analysis keluhan
masyarakat informasi yang masuk ke media center sehingga pengelola dapat
memberikan informasi yang efisien dan tepat kepada masyarakat dan pemerintah dapat
mengetahui bidang mana yang perlu dibenahi dalam pembangunan. Sentiment analysis
merupakan proses klasifikasi dokumen tekstual ke dalam beberapa kelas seperti
sentimen positif dan negatif serta besarnya pengaruh dan manfaat dari sentiment
analysis tersebut. Pada penelitian ini dibahas klasifikasi keluhan masyarakat terhadap
pemerintah pada media sosial facebook dan twitter sapawarga data berbahasa Indonesia
menggunakan metode Support Vector Machine (SVM) yang dijalankan dalam
komputasi terdistribusi dengan menggunakan Hadoop. Pengujian dilakukan dengan
perhitungan precision, kecepatan, akurasi.Hal ini bertujuan untuk mengetahui sejauh
mana kehandalan metode yang diusulkan untuk mencapai peningkatan kecepatan dan
akurasi klasifikasi.

E. KERANGKA TEORI
(McShine, 1991), data menunjuk pada deskripsi dasar akan benda, event, aktivitas,
dan transaksi yang terdokumentasi, terklasifikasi,dan tersimpan tetapi tidak terorganisasi
untuk dapat memberikan suatu arti yang spesifik. Berdasarkan pengertian di atas, data
merupakan hal paling mendasar yang dibutuhkan perusahaan yang dapat diperoleh dari
proses-proses operasional sehari-hari maupun sumber-sumber luar yang akan diolah
menurut keinginan perusahaan. (Eaton, Dirk, Tom, George, & Paul) Big Data merupakan
istilah yang berlaku untuk informasi yang tidak dapat diproses atau dianalisis
menggunakan alat tradisional.

(Dumbill, 2012) , Big Data adalah data yang melebihi proses kapasitas dari kovensi
sistem database yang ada. Data terlalu besar dan terlalu cepat atau tidak sesuai dengan

6
struktur arsitektur database yang ada. Untuk mendapatkan nilai dari data, maka harus
memilih jalan altenatif untuk memprosesnya.

Berdasarkan pengertian para ahli di atas, dapat disimpulkan bahwa Big Data adalah
data yang memiliki volume besar sehingga tidak dapat diproses menggunakan alat
tradisional biasa dan harus menggunakan cara dan alat baru untuk mendapatkan nilai dari
data ini.

Setiap hari, kita menciptakan 2,5 triliun byte data - begitu banyak bahwa 90% dari
data di dunia saat ini telah dibuat dalam dua tahun terakhir saja. Data ini berasal dari mana-
mana, sensor digunakan untuk mengumpulkan informasi iklim, posting ke situs media
sosial, gambar digital dan video, catatan transaksi pembelian, dan sinyal ponsel GPS untuk
beberapa nama. Data ini adalah big data.

Big Data mengacu pada dataset yang ukurannya diluar kemampuan dari database
software tools untuk meng-capture, menyimpan,me-manage dan menganalisis. Definisi ini
sengaja dibuat subjective agar mampu digabungkan oleh definisi Big Data yang masi
belum ada baku. Ukuran big data sekitar beberapa lusin TeraByte sampai ke beberapa
PetaByte tergantung jenis Industri

Isi dari Big Data adalah Transaksi+interaksi dan observasi atau bisa di bilang
segalanya yang berhubungan dengan jaringan internet, jaringan komunikasi, dan jaringan
satelit

(Connolly, 2012)

7
 Big Data dapat juga didefinisikan sebagai sebuah masalah domain dimana
teknologi tradisional seperti relasional database tidak mampu lagi untuk melayani.Big data
lebih dari hanya masalah ukuran, itu adalah kesempatan untuk menemukan wawasan
dalam jenis baru dan muncul data dan konten, untuk membuat bisnis Anda lebih gesit, dan
menjawab pertanyaan yang sebelumnya dianggap di luar jangkauan Anda.

Big data dapat di artikan kedalam 9 karakter (IBM) menurut responden sehingga
disimpulkan oleh IBM, Big data adalah data yang memiliki scope informasi yang sangat
besar, model informasi yang real-time, memiliki volume yang besar, dan berasalkan social
media data jadi dapat disimpulkan bahwa Big data adalah dataset yang memiliki volume
besar dan salah satu isinya berdasarkan social media data, dan informasi dari Big data
selalu yang terbaru (latestdata) sehingga model informasi nya real-time, dan scope
informasi nya tidak terfocus pada industri-indrustri kecil saja atau industri-indrustri besar
saja melainkan semuanya baik industry kecil maupun besar.

(IBM)

Ada 3 dimensi awal dalam Big Data yaitu 3V: Volume, Variety dan Velocity.
Volume mengacu pada jumlah massa data, bahwa organisasi berusaha untuk
memanfaatkan data untuk meningkatkan pengambilan keputusan yang banyak
perusahaan di banyak negara. Volume data juga terus meningkat dan belum pernah
terjadi sampai sethinggi ini sehingga tidak dapat diprediksi jumlah pasti dan juga
ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte. Dataset big data
sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika big data digabungkan
dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa sampai zetabyte

8
 dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih tinggi dari
1000 zetabyte.

Variety adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk

structured data, unstructured data dan semi-structured data. Organisasi perlu
mengintegrasikan dan menganalisis data dari array yang kompleks dari kedua sumber
informasi Traditional dan non traditional informasi, dari dalam dan luar perusahaan.
Dengan begitu banyaknya sensor, perangkat pintar (smart device) dan teknologi
kolaborasi sosial, data yang dihasilkan dalam bentuk yang tak terhitung jumlahnya,
termasuk text, web data, tweet, sensor data, audio, video, click stream, log file dan
banyak lagi.

Velocity merupakan kecepatan di mana data dibuat, diolah dan dianalisis terus
menerus. Berkontribusi untuk kecepatan yang lebih tinggi adalah sifat penciptaan data
secara real-time, serta kebutuhan untuk memasukkan streaming data ke dalam proses
bisnis dan dalam pengambilan keputusan. Dampak Velocity latency, jeda waktu antara
saat data dibuat atau data yang ditangkap, dan ketika itu juga dapat diakses. Hari ini,
data terus-menerus dihasilkan pada kecepatan yang mustahil untuk sistem tradisional
untuk menangkap, menyimpan dan menganalisis. Jenis tertentu dari data harus
dianalisis secara real time untuk menjadi nilai bagi bisnis.

(IBM)

9
 Dalam pendidikan untuk meningkatan sebuah data lebih berkualitas dibutuhkan
dimensi ke empat yaitu Veracity, pencantuman Veracity dapat menekankan pengelolahan
dan penanganan untuk suatu ketidakpastian yang melekat dalam beberapa jenis data.

Untuk mengelola ketidakpastian, analis perlu menciptakan konteks sekitar data.

Salah satu cara untuk mencapai ini adalah melalui data fusion, di mana menggabungkan
beberapa sumber yang kurang dapat diandalkan menciptakan lebih akurat dan berguna point
data, seperti komentar sosial ditambahkan ke geospasial informasi lokasi. Cara lain untuk
mengelola ketidakpastian adalah melalui matematika canggih yang mencakup hal itu,
seperti teknik optimasi yang kuat dan pendekatan fuzzy logic. Manusia secara alami, tidak
menyukai ketidakpastian, tetapi hanya mengabaikannya dapat menciptakan lebih banyak
masalah daripada ketidakpastian itu sendiri. Dalam era big data, eksekutif akan perlu
pendekatan dimensi ketidakpastian berbeda. Mereka akan perlu untuk mengakuinya,
menerimanya dan menentukan.

F. METODE PENELITIAN
Penelitian ini menggunakan metode kualitatif dan studi pustaka dengan
menggunakan analisis deskriptif. Hasil dari penelitian ini nantinya berupa rekomendasi
pentingnya penelitian ini merupakan rekomendasi pentingnya penggunaan big data
analytics.

G. ALOKASI BIAYA DAN JADWAL PENELITIAN

Alokasi Biaya
Besarnya alokasi biaya penelitian sebesar Rp. 15.000.000,00 untuk kategori penelitian
kelompok. Adapin rincian biayanya sebagai berikut :

RENCANA ANGGARAN BIAYA (RAB)

PENELITIAN KELOMPOK
TAHUN 2017
RENCANA
A Belanja Bahan
F V satuan Jumlah

1. ATK 1 KEG 1.300.000

1.300.000

10
 2. Konsumsi 4 org 10 kali 250.000
25.000

3. Photocopy dan penjilidan 1 KEG 1.680.000

1.680.000

4. Printout referensi
14 BH 770.000
ebook/proccedings 55.000

B Transport

1. Transport Pengelola Data 1 Org 10 kali 750.000

75.000

2. Transport Tim Komputasi

2 Org 10 kali 600.000
Data 60.000

3. Forum Group Discusion 18 Org 5.400.000

300.000

C Honorarium

1. Pengelola Data 1 OK 1.250.000

1.250.000

2. Komputasi Data 3 OH 3.000.000

1.000.000

Jumlah 15.000.000

Jadwal Penelitian
Jadwal penyelesaian penelitian tracer study ini adalah sebagai berikut :

April Mei Juni Juli

No Kegiatan Penelitian
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Penyusunan Proposal dan
1
penyerahan

2 Instrumen Penelitian

3 Pengumpulan data

4 Analisis data

Pennyusunan laporan
5
penelitian

11
H. DAFTAR PUSTAKA

Aprilius, W. (2015). Big Data dan Perawatan Kesehatan Studi Awal Menuju Perawatan
Kesehatan Masa Depan, VI(1), 64–70.
Drigas, A. S., & Leliopoulos, P. (2014). The Use of Big Data in Education. International
Journal of Computer Sciense Issues (IJCSI), 11(5), 58–63. Retrieved from
www.IJCSI.org
McShine, K. (1991). Introduction to Information Systems. John Wiley & Sons Singapore
Pte.Ltd (5th ed.). Singapore: John Wiley & Sons Singapore Pte.Ltd.
https://doi.org/http://dx.doi.org/10.1016/B978-012226570-9/50106-X
Mohapatra, S., Paikaray, J., & Samal, N. (2015). Future Trends in Cloud Computing and Big
Data. Journal of Computer Sciences and Applications, 3(6), 137–142.
https://doi.org/10.12691/jcsa-3-6-6
Narendra, A. P. (2015). Data Besar , Data Analisis , dan Pengembangan Kompetensi
Pustakawan Big Data. Record and Library Journal, 1, 83–93.
Purnama, I. K. E. (2015). Sentiment Analysis Berbasis Big Data (pp. 142–149). Yogyakarta.
Ram, J., Zhang, C., & Koronios, A. (2016). The implications of Big Data analytics on Business
Intelligence : A qualitative study in China. In Procedia Computer Science (Vol. 87, pp.
221–226). Elsevier B.V. https://doi.org/10.1016/j.procs.2016.05.152
Royal, S., Sumatera, K., Prof, J., Kisaran, M. Y., & Utara, S. (2015). Peranan Sistem Informasi
Dalam Perguruan Tinggi. Teknologi Dan Sistem Informasi, 1, 79–86.

12