FM-BINUS-AA-FPU-579/R3

BINUS University

BINUS ONLINE LEARNING Semester: Odd / Even *)

Period: 1/2 *)
 Graduate Program  Undergraduate Program
Academic Year:
 Final Exam  Others Exam:
2022/2023
Faculty / Dept. : Binus Online Learning/ Computer Science
Student ID : 2401998996
Course : COMP6725036 – Big Data Technologies
Day/ Date : Senin – Senin/07–14 November 2022
BULC : Bekasi, Bandung, Jakarta, Malang, Palembang, N a m e : Ramadhan Pratama
Semarang Siregar
Class : MDBE; MBDE; MCDE; MDCE
Time : 00.00 – 12.00 WIB
Signature :
Exam Feature : Open/ Close Books*)
Equipment : Exam Booklet / Calculator / Laptop 🞸)
🞸
) Strikethrough the unnecessary items
Please insert this test paper into the exam booklet and submit both documents after the test!!!
The penalty for CHEATING is DROP OUT!!!

PETUNJUK UJIAN
i. Jawablah setiap pertanyaan yang berada pada bagian PERTANYAAN UJIAN dibawah ini
ii. Jawaban di ketik rapi pada halaman JAWABAN UJIAN dibawah ini
iii. Jawaban dikumpulkan paling lambat tanggal 14 November 2022 dalam bentuk file dan submit melalui portal ujian
iv. Format file Jawaban adalah : KodeMatakuliah-Nama Matakuliah-NIM.pdf
Contoh : COMP6725036– Big Data Technologies -2012345678.pdf

PERTANYAAN UJIAN

No. DAFTAR PERTANYAAN Bobot

1. Sebutkan dan jelaskan 4 jenis data analitik, berikan contoh kasus untuk penerapan 20
masing-masing data analitik tersebut
2. Sebutkan dan jelaskan parameter yang ada pada data ingestion 20
3. Case study : Sebuah perusahaan grocery Sayur Segar ingin menganalisis Big Data yang 20
diperolehnya dari proses transaksi customer. Tujuan dari analisis ini adalah untuk
mencari produk unggulan sehingga bisa diatur supply dan diskonnya. Hal ini bertujuan
untuk meningkatkan jumlah transaksi dan efisiensi perusahaan. Coba anda rancang dan
jelaskan kebutuhan Big Data Analytics yang berkaitan dengan kasus tersebut.
Data Collection : Logs/Sensor/Records/Databases/Stream
Analysis Mode : Real time/ batch
Analysis Stack : Machine Learning/ MapReduce/Stream Processing/ dll
Analysis Type : Sentiment Analysis/Product Recommendations/ PCA/ Regression /
Classification

4. Case study : 20
Pemerintah membutuhkan Big Data Visualization untuk memperlihatkan trend
perkembangan kasus corona di Indonesia selama bulan Januari 2020 – Desember 2020.
Data yang perlu diplot adalah banyaknya jumlah kasus, jumlah sembuh, dan jumlah
meninggal karena covid.
 Sebutkan Teknik Data Visualization yang digunakan dan jelaskan alasannya
 Sebutkan tool apa saja yang digunakan untuk dapat memvisualisasikan data
tersebut.
 Jelaskan cara kerja sistem data visualization yang dibuat
 Berikan gambaran perkiraan bentuk dari sistem data visualization tersebut

5. Case study: 20
Anda bekerja pada Universitas Bina Negara. Pimpinan Universitas mengadakan
innovation contest terkait big data untuk memaksimalkan data yang ada pada universitas
untuk bisa meningkatkan performa universitas, efektivitas, dan efisiensi pada proses bisnis
universitas. Sebagai contoh pada peningkatan akreditasi universitas dan jurusan, jumlah
mahasiswa baru (in-take), kepuasan mahasiswa dan dosen, tingkat kelulusan tepat waktu,
dsb. Scope usulan bisa pada skala universitas ataupun pada scope yang lebih kecil
 FM-BINUS-AA-FPU-579/R3

misalnya untuk peningkatan performa prodi, unit kerja, atau proses bisnis tertentu.
Usulkan ide anda untuk mengikuti kontes tersebut dengan mencakup poin berikut:
1. Definisi problem yang ingin diatasi dan tujuan yang ingin dicapai.
2. Sumber data yang akan dimanfaatkan. Anda bebas memanfaatkan sumber data
yang sudah ada seperti sistem informasi di universitas atau bahkan memberi usulan
sumber data yang baru, seperti pemasangan sensor di lokasi tertentu di universitas.
3. Insight seperti apa yang ingin didapatkan dari pengolahan big data dan rancangan
aksi yang akan dilakukan untuk menindaklanjuti insight yang didapatkan dari
proses pengolahan big data ini.
 FM-BINUS-AA-FPU-579/R3

JAWABAN UJIAN

1. 4 Jenis data analitik adalah:

1) Analisis Deskriptif
Terdiri dari menganalisis data masa lalu untuk menyajikannya dalam bentuk ringkasan yang dapat
dengan mudah untuk ditafsirkan. Tujuannya untuk menjawab sesuatu yang telah terjadi. Sebagian
besar analitik yang dilakukan saat ini adalah analitik deskriptif melalui penggunaan fungsi statistik
seperti jumlah, maksimum, minimum, rata-rata, top-N, persentase, misalnya. Statistik ini
membantu dalam menggambarkan pola dalam data dan menyajikan data dalam bentuk ringkasan.
Contoh kasus penerapan data analitik deskriptif ini adalah: berguna saat ingin melihat data trend,
yang melihat data kuantitas angkta seperti jumlah, max, min, rata-rata, berguna untuk mengambil
suatu keputusan dalam bisnis atau dalam apapun.

2) Analisis Diagnostik
Terdiri dari analisis data masa lalu untuk mendiagnosis alasan mengapa peristiwa tertentu terjadi.
Analisis diagnostik bertujuan untuk menjawab mengapa sesuatu terjadi.
Contoh kasus penerapan data analitis diagnostik ini adalah: sistem yang mengumpulkan dan
menganalisis data sensor dari mesin untuk memantau kesehatannya dan memprediksi kegagalan.

3) Analisis Prediktif
Terdiri dari memprediksi terjadinya suatu peristiwa atau kemungkinan hasil dari suatu peristiwa di
masa depan dengan model prediksi. Analisis prediktif bertujuan untuk menjawab apa yang mungkin
terjadi di masa depan.
Analisis prediktif dilakukan dengan menggunakan model prediktif yang dilatih oleh data yang ada.
Model-model ini mempelajari pola dan tren dari data yang ada dan memprediksi terjadinya suatu
peristiwa atau kemungkinan hasil dari suatu peristiwa (model klasifikasi) atau angka perkiraan
(model regresi). Keakuratan model prediksi tergantung pada kualitas dan volume data yang ada
yang tersedia untuk melatih model, sehingga semua pola dan tren dalam data yang ada dapat
dipelajari secara akurat.
Contoh kasus penerapan data analitis prediktif ini adalah: Digunakan untuk memprediksi hasil
pertandingan sepak bola dengan memanfaatkan data atau mempelajari pola dan tren dari data
yang ada terkait dengan tim yang akan bermain dan memprediksi kemungkinan hasil dari
pertandingan.

4) Analitik Preskriptif
Menggunakan model prediksi untuk memprediksi kemungkinan hasil suatu peristiwa, analitik
preskriptif menggunakan beberapa model prediksi untuk memprediksi berbagai hasil dan tindakan
terbaik untuk setiap hasil. Analisis preskriptif bertujuan untuk menjawab apa yang dapat kita
lakukan untuk mewujudkannya. Prescriptive Analytics dapat memprediksi kemungkinan hasil
berdasarkan pilihan tindakan saat ini. Menggunakan model prediksi berbeda untuk input yang
berbeda. Analitik preskriptif menentukan tindakan atau opsi terbaik untuk diikuti dari opsi yang
tersedia.
Contoh kasus penerapan data analitik preskriptif ini adalah: analitik preskriptif dapat digunakan
untuk meresepkan obat terbaik untuk perawatan pasien berdasarkan hasil berbagai obat untuk
pasien serupa

2. Parameter yang ada pada data ingestion diantaranya adalah:

o Data Velocity
Kecepatan Data berkaitan dengan kecepatan aliran data dari berbagai sumber seperti mesin,
jaringan, interaksi manusia, situs media, media sosial. Pergerakan data bisa masif atau terus
menerus.

o Data Size
Ukuran data menyiratkan volume data yang sangat besar. Data dihasilkan dari berbagai sumber
yang dapat meningkat tepat waktu.

o Data Frequency (Batch, Real-Time)

Data dapat diproses secara real time atau batch, dalam pemrosesan real time sebagai data yang
diterima pada waktu yang sama, selanjutnya diproses tetapi dalam waktu batch data disimpan
dalam batch, tetap pada interval waktu tertentu dan kemudian dipindahkan lebih jauh.
 FM-BINUS-AA-FPU-579/R3

o Data Format (Structured, Semi-Structured, Unstructured)

Data dapat dalam format yang berbeda, sebagian besar dapat berupa format terstruktur, yaitu,
format tabular atau tidak terstruktur, yaitu gambar, audio, video atau semi-terstruktur, yaitu JSON
file, file CSS, dll.

3. Dari kebutuhan perusahaan grocery Sayur Segar tersebut yang ingin menganalisis Big Data yang
diperolehnya dari proses transaksi customer untuk mencari produk unggulan sehingga bisa diatur
supply dan diskonnya untuk meningkatkan jumlah transaksi dan efisiensi perusahaan, maka kebutuhan
Big Data Analytics yang berkaitan dengan kasus tersebut adalah:
 Data Collection
Langkah pertama adalah mengumpulkan data sebelum data dapat dianalisis. Data yang dikirim
berupa logs, yang dialirkan/diperoleh dari Sensor system transaksi yang mana menghasilkan log
pembelian semua barang yang dijual, yang kemudian mengalirkan data/log ke centralized log,
kemudian di centralized log tersebut dilakukan visualisasi untuk melihat persentase atau jumlah
produk apa saja yang dibeli dalam waktu tertentu.
 Analysis Mode
Real time, diperlukan data/log yang real time, sehingga dapat dilihat secara langsung perubahan
yang ada, dan keputusan dapat diambil pada waktu itu juga.
 Analysis Stack
Karena mode analisis yang dipakai adalah Real time, maka analisis stack yang cocok adalah dengan
metode Stream Processing.
 Analysis Type
Tipe analisis yang dibutuhkan adalah Product Recommendations

4. Dari kebutuhan Pemerintah akan Visualisasi Big Data tersebut, maka perkiraan bentuk system data
visualisasi tersebut adalah sebagai berikut:
 Teknik data visualization yang digunakan adalah diagram garis (line chart) karena diagram ini akan
menampilkan data trend selama waktu ke waktu, dalam hal ini dari bulan Januari 2020 sampai
Desember 2020, dan beserta angkanya yang terdiri dari data total “jumlah kasus”, “jumlah
sembuh”, dan “jumlah yang meninggal karena covid” yang masing-masing dalam bentuk angka.
 Tool yang digunakan untuk membuat visualisasi data tersebut adalah Microsoft Excel
 Cara kerja system data visualization (diagram garis/line chart) yang dibuat tersebut adalah dimulai
dari data yang dimiliki berupa angka terdiri dari data total “jumlah kasus”, “jumlah sembuh”, dan
“jumlah yang meninggal karena covid” dikumpulkan, kemudian dimasukkan ke aplikasi Microsoft
Excel, dan data tersebut dikonversi ke dalam chart atau diagram yang ada pada aplikasi Excel
tersebut.

5. Terkait dengan tujuan pimpinan Universitas Bina Negara tersebut yang ingin memaksimalkan data yang
ada pada universitas untuk bisa meningkatkan performa universitas, efektivitas, dan efisiensi pada
proses bisnis universitas, maka ide yang dapat saya berikan adalah sebagai berikut:
 Ide untuk mengikuti kontes tersebut adalah memanfaatkan data yang dimiliki universitas,
kemudian melakukan pengelompokan data berdasarkan jenisnya, hingga data tersebut dapat
mudah dimengerti dan menjadi berharga serta menjadi informasi yang dapat dijadikan acuan untuk
mengambil keputusan.
 Problem yang ingin diatasi adalah pemanfaatkan data untuk perbaikan universitas, serta tujuan
yang ingin dicapai adalah melakukan perbaikan universitas berdasarkan data yang sudah
dikumpulkan dan sudah diolah sehingga menjadi informasi yang dapat dijadikan acuan dalam
mengambil keputusan.
 Sumber data yang dimanfaatkan adalah system informasi di universitas, media social Twitter
dengan mencari kata kunci nama Universitas, dan mengolahnya dengan AI untuk mengelompokkan
isi tweet apakan berisi pesan positif atau pesan negatif.
 Insight yang ingin diperoleh dari pengolahan big data ini adalah sebuah data yang akurat terkait
dengan penilaian mahasiswa dan masyarakat terhadap performa dan peran universitas di dalam
masyarakat, kepuasan mahasiswa dan dosen terhadap universitas tempat mereka belajar dan
mengajar, dan lain-lain. Kemudian aksi yang akan dilakukan setelah mendapatkan insight dari
proses pengolahan big data ini adalah adanya perbaikan yang dilakukan oleh universitas dari segala
 FM-BINUS-AA-FPU-579/R3

sisi yang masih kurang dan dikeluhkan oleh pihak terkait (mahasiswa, dosen, masyarakat, dll),
peningkatan apa yang sudah dinilai baik oleh pihak terkait, serta meningkatkan bisnis universitas
yang masih belum efektif.