Murni Handiani

2211070083

1. Revolusi Industri 4.0 mengandalkan kehadiran lima teknologi yang dapat mendukung
pergerakan digitalisasi industry, yaitu : Internet of Things (IoT), Big Data, Artificial
Intelligence (AI), Cloud Computing dan Additive Manufacturing. Contoh penerapan
dalam berbagai bidang diantaranya :
a. Bidang Pendidikan: di masa pandemi seperti saat ini, banyak kegiatan yang dilakukan
secara daring. Salah satu contohnya adalah kegiatan pembelajaran dan pelatihan skill
dengan bantuan LMS. Sistem ini dapat membantu para pengajar dan siswa untuk
membuat dan merancang silabus, mengolah bahan pembelajaran, memantau aktivitas
belajar, mengolah nilai, hingga mengatur tampilan e-learning. LMS ini bisa dirancang
sesuai dengan kebutuhan. Konten digital berupa animasi, video, audio, artikel, maupun e-
book dapat dikustomisasi dengan memanfaatkan sistem ini. LMS dapat membuat
pembelajaran pengajar dan siswa menjadi lebih efisien. Contoh : Daring Perbanas.
b. Bidang keuangan dan perbankan: bergesernya metode pembayaran konvensional ke
arah digital. Jika sebelumnya penggunaan kartu debit atau ATM dan uang tunai sering
digunakan untuk bertransaksi, kini masyarakat dapat melakukan pembayaran
menggunakan metode pembayaran elektronik yang bervariasi. Hal ini mencakup e-wallet,
QR Code, mobile atau internet banking, dan payment channel lainnya yang dapat
dipergunakan sebagai metode online payment, baik melalui marketplace yang tak kalah
menjamur, ataupun offline store.
c. Tren teknologi informasi yang akan datang: Data, Artificial Intellegent (AI), dan
machine learning adalah ketiga hal yang kini banyak digunakan oleh perusahaan dan
akan terus berkembang di tahun yang akan datang. Ketiga teknologi tersebut dapat
membantu organisasi atau perusahaan menyelesaikan masalah dalam skala lebih besar.
Misalnya, penggunaan teknologi AI yang diprediksi akan mengalami babak baru, terlebih
dalam perencanaan rantai pasokan. Software dan framework yang semakin berkembang
juga mendorong perusahaan untuk menjadikan pengembangan teknologi AI. Teknologi
AI juga membantu kemudahan hidup manusia sehari-hari seperti contohnya asisten
 virtual, layanan musik dan film daring, palayanan konsumen virtual, iklan produk daring
dan masih banyak lagi.
2. a. Pada perusahan terdapat sistem informasi untuk menangani promosi customer,
promosi customer ini dilihat dari sales yang terjadi di customer tersebut. Karena sebaran
sales tidak bisa dihitung secara pasti maka besaran sales per customer diajukan oleh
Fieldforce lapangan. Sistem informasi bekerja memberi batasan besaran sales tidak
boleh melebihi sales distributor. Data yang di input yaitu mengisi pada mobile app data
kode customer, kode produk dan quantity. Besaran diskon yang diberikan ke customer
tersebut terdapat dalam matrik kuantiti, diskon dan area. Sehingga Fieldforce lapangan
tidak mungkin memberikan diskon yang melebihi ketentuan.
b. Database adalah kumpulan informasi yang disimpan di dalam komputer secara
sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk
memperoleh informasi dari basis data tersebut. Kegunaan utama sistem basis data adalah
agar pemakai mampu menyusun suatu pandangan (view) abstraksi data.
Data Warehouse adalah database yang berisi data dari beberapa sistem operasional yang
terintegrasi dan terstruktur sehingga dapat digunakan untuk mendukung analisa dan
proses pengambilan keputusan dalam bisnis. Data Warehouse didesain untuk kita bisa
melakukan query secara cepat. Informasi diturunkan dari data lain, dilakukan rolling up
untuk dijadikan ringkasan, dilakukan operasi drilling down untuk mendapatkan informasi
lebih detail, atau melihat pola yang menarik atau melihat trend (kecenderungan).
Data mining ditujukan untuk mencari pola penting dari data yang tidak bisa kita
temukan secara langsung mengingat jumlah data yang sangat beragam dan faktor-faktor
yang dapat mempengaruhi pola-pola tersebut. Tujuan menggunakan Data Mining adalah
agar pola-pola tersebut dapat dimanfaatkan untuk menghasilkan sesuatu yang berguna
bagi perusahaan.
machine learning adalah ilmu atau studi yang mempelajari tentang algoritma dan model
statistik yang digunakan oleh sistem komputer untuk melakukan tugas tertentu tanpa
instruksi eksplisit. Machine learning bergantung pada pola dan kesimpulan. Untuk
mendapatkan pola dan kesimpulan tersebut, algoritma machine learning menghasilkan
model matematika yang didasari dari data sampel yang sering disebut dengan ‘training
data.’
 c. Metode estimasi adalah metode dimana kita dapat memperkirakan nilai populasi
dengan memakai nilai sampel. Estimasi biasanya diperlukan untuk mendukung keputusan
yang baik, menjadwalkan pekerjaan, menentukan berapa lama proyek perlu dilakukan
dan berapa biayanya, menentukan apakah proyek layak dikerjakan, emngembangkan
kebutuhan arus kas, menentukan seberapa baik kemajuan proyek.
Metode Prediksi adalah metode yang digunakan untuk memprediksi nilai yang akan
dicapai pada satu periode. Dengan menggunakan teknik ini, noise data dan nilai pada
periode sebelumnya dijadikan dasar bahan prediksi.
Metode Klasifikasi adalah sebuah proses menemukan definisi kesamaan karakteristik
dalam suatu kelompok atau kelas (class). Klasifikasi data mining menjadi salah satu
metode yang paling umum untuk digunakan. Metode ini dilakukan bertujuan untuk
memperkirakan kelas dari suatu objek yang labelnya belum diketahui. Contoh algoritma
klasifikasi adalah Naive Bayes, Decision Tree, dan Neural Networks.
Metode Klastering adalah nama lain untuk metode segmentation. Tujuan dari
segmentasi pada metode data mining adalah mengelompokkan suatu class ke dalam
beberapa segmen berdasarkan atribut yang ditentukan. Penentuan atribut harus sesuai
kesamaan yang dimiliki beberapa kelas. Contoh metode klastering yaitu K-Means
Clustering.
Metode Asosiasi disebut juga dengan Market Basket Analysis. Tujuan dari metode ini
adalah untuk menemukan produk apa yang bisa dijual bersamaan dan mencari tahu aturan
atau penyebab kesamaan produk tersebut. Metode association sering digunakan dalam
dunia bisnis. Dalam bisnis adalah hal yang umum untuk menganalisa tabel penjualan dan
mengidentifikasi produk yang sering dibeli bersamaan oleh pelanggan. Data pembeli
yang sama digunakan untuk melihat kebiasaan pelanggan dan mengidentifikasi kelompok
produk yang memiliki kesamaan. Contoh : Misalnya pelanggan setiap membeli keju pasti
juga membeli susu atau setiap membeli saus tomat pasti juga membeli saus sambal.

3. a. faktor yang melatarbelakangi munculnya isu keamanan yaitu adanya ancaman seperti :
1. Pencurian data: saat ini internet dapat diakses oleh siapa saja dan sangat rawan terjadi
kriminalitas seperti pencurian data pribadi seperti PIN dan password, oleh karena itu
 perlu adanya kemanan pada sistem informasi agar tidak terjadi hal-hal yang tidak
diinginkan.
2. Bencana alam: bencana alam seperti gempa bumi dan banjir tidak dapat diprediksi,
kemanan sistem informasi perlu diperhatikan agar data-data yang ada tidak hilang.

b. Sangat perlu, karena dengan perlindungan data informasin dapat mengurangi risiko
terjadinya pencurian informasi yang bisa merugikan seseorang atau sebuah perusahaan.
c. cara perusahaan melindungi sistem informasi:
1. Melakukan Back-up Data secara berkala untuk mengantisipasi jika data hilang.
2. Membatasi akses sistem informasi kepada orang-orang tertentu.
3. Selalu melakukan update software perusahaan sehingga pertahanan dan keamanan
sistem informasi perusahaan semakin baik.

KASUS :
Big data dan karakteristiknya :
1. Volume :
Volume menjadi karakter utama dalam big data. Hal ini tentu bukan menjadi hal mengejutkan,
sebab lebih dari 90% data hari ini dibuat berdasarkan salinan tahun-tahun sebelumnya. Data yang
ada pada hari ini memang mengalami peningkatan cukup signifikan. Misalnya, dalam setiap
menit, ada sekitar 300 jam video yang diunggah di YouTube.
2. Velocity :
Velocity merupakan kecepatan data yang dibuat, diolah kembali, dan digeneralisasi. Kecepatan
ini sangat berpengaruh pada lalu lintas big data. Di sini kita dapat contohkan Google yang
mencatat sekitar 40 ribu pencarian setiap detiknya. Hal itu jika diakumulasikan akan lebih dari
3,5 miliar pencarian setiap hari.
3. Variety :
Karakter data ini merupakan sekumpulan big data yang bervariasi di setiap platform. Ragam
data dikelompokkan dalam structured data, semi-structured data, dan unstructured data.
Contohnya ada pada media sosial yang menampilkan banyak macam data, mulai dari foto, video,
formulir, hingga filter-filter unggulan. Dalam urusan bisnis, data ini juga beragam bentuknya,
bisa berupa dokumen, tabel, dan sebagainya.
 4. Veracity :
Veracity merupakan keakuratan data dalam memproses sebuah program. Bayangkan saja jika
banyak data tidak memiliki akurasi tinggi. Itu tentu akan menyebabkan error dan dampaknya
sangat berarti, misalnya penerapan nama akun di Facebook, Instagram, dan sebagainya.
5. Value :
Pada karakteristik ini, value bisa diartikan sebagai big data yang dibuat memiliki manfaat bagi
pengguna atau orang. Sebagaimana dilansir dari Hootsuite, Instagram Stories telah dipakai 500
juta penggunanya per hari. Itu artinya, fitur tersebut cukup berpengaruh dan
memiliki value tersendiri.
6. Visualization
Karakteristik big data yang satu ini sering menjadi tantangan, yaitu bagaimana
memvisualisasikannya. Di sini, dapat dicontohkan data dalam sebuah peta terdapat bentang alam,
koordinat, pepohonan, yang menjadi salah satu gambaran mengenai data yang dapat
divisualisasikan.
7. Volatility
Volatility yakni data yang dikumpulkan per hari atau beberapa hari lalu mungkin berbeda dari
data yang ada saat ini. Pada intinya, karakteristik ini berkaitan dengan perubahan data yang bisa
berdampak pada homogenitas data.
8. Validity
Sekilas karakteristik ini memang hampir sama dengan veracity. Di sini, sebuah data yang
terkumpul haruslah valid dan relevan sebelum bisa digunakan, khususnya untuk tujuan-tujuan
tertentu agar bisa berjalan dengan baik.
9. Variability
Hal ini menyangkut perubahan data yang berbeda-beda. Data yang berbeda tersebut bisa
berdampak pada karakteristik lainnya, misalnya saja pada proses dan kecepatan transfer data.

2. contoh pemanfaatan big data terhadap Industri/Bisnis saat ini :

1. Mendeteksi dan Mencegah Penipuan
Penerapan Big Data dalam bisnis selanjutnya adalah mendeteksi dan juga mencegah
kejahatan finansial. Big mampu mendeteksi klaim penipuan maupun pelanggaran data.
Semua hal tersebut menjadi tantangan umum yang paling banyak dialami oleh organisasi,
industri maupun perusahaan bisnis saat ini.
Berkat analisis Big Data yang dilengkapi dengan machine learning, pencegahan penipuan
ini menjadi lebih baik untuk bisa mendeteksi aktivitas berbau kriminal. Analisis ini juga
mampu mencegah hal-hal yang palsu. Contoh dari penerapan ini adalah saat ini banyak
bank yang bisa menyimpan semua daftar riwayat yang mereka miliki sehingga bisa
mendeteksi kecurangan lebih baik.
2. Sentiment Analysis
Contoh penerapan Big Data dalam bisnis selanjutnya adalah sentiment analysis.  Penting
bagi perusahaan bisnis Anda tahu seperti apa konsumen emotions saat melakukan
interaksi dengan bisnis Anda.  Anda bisa menggunakan hal ini untuk bisa meningkatkan
kepuasan pelanggan. Big Data ini kan digunakan untuk menganalisis perasaan pelanggan
kemudian memberikan gambaran perasaan yang jelas. 
Keunggulannya adalah Big Data ini bisa memberikan beberapa solusi untuk bisnis agar
bisa lebih unggul dibandingkan dengan kompetitor.  Sudah banyak perusahaan besar
menghabiskan banyak modal dan uang mereka untuk bisa membuat pelanggan mereka
tetap senang sehingga loyal dengan perusahaan mereka.
3. Recommendation Engines
Di era digital seperti saat ini bisnis mencoba hyper personalisasi menggunakan engines
yang direkomendasikan.  Organisasi atau industri bisnis ini akan mengambil keuntungan
dari Big Data melalui cara ini. Perusahaan yang tidak menggunakan Big Data ini akan
mungkin untuk kehilangan pelanggan dan mungkin bisa akan kehilangan peluang dalam
penjualan.