- Analisis deskriptif:
membuat kesimpulan tentang data, dan membuat prediksi tentang data di masa
Teknik ini termasuk statistik deskriptif, diagram batang, histogram, dan lainnya.
nilai minimum dan maksimum, dan lainnya. Diagram batang digunakan untuk
variabel. Teknik ini termasuk regresi linear, korelasi, dan analisis faktor. Regresi
digunakan untuk menentukan hubungan antara lebih dari dua variabel. Analisis
kompleks.
dalam data. Teknik ini termasuk analisis regresi, analisis kluster, dan analisis
kontingensi. Analisis regresi digunakan untuk menentukan kecenderungan dalam
data. Analisis kluster digunakan untuk menentukan kelompok data yang berbeda.
berbeda.
- Analisis prediktif
memprediksi kemungkinan hasil masa depan berdasarkan data masa lalu. Teknik
ini menggunakan algoritma kompleks untuk menganalisis data masa lalu dan
membuat prediksi tentang perilaku masa depan. Algoritma ini dapat membantu
Algoritma ini dapat mengidentifikasi pola dalam data masa lalu dan membuat
prediksi tentang perilaku masa depan. Teknik ini juga dapat membantu perusahaan
- Analisis preskriptif
kemungkinan tindakan yang dapat diambil untuk mencapai tujuan tertentu. Ini
berbeda dari analisis deskriptif, yang menggambarkan data saat ini dan
mengidentifikasi pola yang ada di dalamnya. Analisis preskriptif menggunakan
data dan teknik analisis untuk mengidentifikasi tindakan yang dapat diambil untuk
Teknik ini termasuk simulasi, pemodelan, optimasi, dan analisis prediksi. Simulasi
digunakan untuk mencari tindakan yang paling efisien untuk mencapai tujuan
mencapai tujuan tertentu. Ini juga dapat membantu organisasi membuat keputusan
- Mengapa penting?
yang berbeda yang digunakan untuk menganalisis data dan membuat keputusan.
Anda untuk menggunakan data yang tepat untuk membuat keputusan yang tepat.
Dengan memahami ketiga jenis analisis ini, Anda dapat mengambil keputusan
NOMOR 2
a. Analisis deskriptif:
Judul : Pengguna BSI "mobile banking" tembus 2,5 juta (Suryanto, 2021)
Latar belakang:
tablet. Mobile banking telah menjadi salah satu layanan perbankan yang paling
populer di seluruh dunia, dan telah menjadi bagian penting dari kehidupan sehari-
Tujuan:
Tujuan dari studi kasus ini adalah untuk menganalisis penggunaan aplikasi mobile
banking oleh pelanggan bank syariah tertentu. Studi ini akan menggunakan
Metode:
Untuk mencapai tujuan studi ini, data yang relevan akan dikumpulkan dari
pelanggan bank yang telah menggunakan aplikasi mobile banking. Data ini akan
Hasil:
Hasil dari studi ini akan menunjukkan pola penggunaan aplikasi mobile banking
oleh pelanggan bank tertentu. Hasil ini akan membantu bank untuk meningkatkan
b. Analisis prediktif
memaksimalkan keuntungan. Salah satu cara yang mereka lakukan adalah dengan
untuk memprediksi masa depan berdasarkan data masa lalu. Untuk memulai,
perusahaan teknologi harus mengumpulkan data yang relevan. Data ini harus
prediktif untuk memprediksi masa depan. Algoritma ini akan menganalisis data
masa lalu dan mencari pola yang dapat digunakan untuk memprediksi masa
depan.
dapat digunakan untuk membuat keputusan bisnis yang lebih baik. Misalnya,
akan ditawarkan, jenis promosi yang akan dilakukan, dan lainnya. Dengan
untuk membeli produk atau layanan tertentu. Hal ini akan membantu perusahaan
mungkin terjadi di masa depan. Dengan menganalisis data masa lalu, perusahaan
dan memprediksi masa depan, perusahaan dapat membuat keputusan yang lebih
tepat dan efisien. Selain itu, analisis prediktif juga dapat membantu perusahaan
untuk menargetkan promosi yang lebih efektif dan mengidentifikasi masalah yang
c. Analisis preskriptif
Judul : Agya GR Sport Lebih Mahal dari Brio RS, Toyota: Harganya Pantas
dunia. Mereka menghadapi persaingan yang ketat dari pesaing lokal dan
retail harus mengumpulkan data tentang pasar, pelanggan, dan produk mereka.
Data ini dapat berupa informasi tentang lokasi cabang, jenis produk yang dijual,
pengembangan produk baru, penurunan harga, atau strategi pemasaran yang lebih
agresif.
keputusan yang tepat untuk meningkatkan keuntungan dan pangsa pasar. Ini akan
kinerja perusahaan.
NOMOR 3
Studi kasus hubungan antara biaya pemasaran dan penjualan produk dan menjelaskan
Studi Kasus:
regresi. Analisis regresi digunakan untuk menentukan hubungan antara dua variabel,
yaitu biaya pemasaran dan penjualan produk. Untuk melakukan analisis regresi,
perusahaan ABC mengumpulkan data tentang biaya pemasaran dan penjualan produk
selama beberapa bulan. Data ini kemudian dimasukkan ke dalam model regresi yang
menunjukkan bahwa ada hubungan positif antara biaya pemasaran dan penjualan
produk. Hal ini berarti bahwa semakin tinggi biaya pemasaran, semakin tinggi pula
penjualan produk.
bisnisnya.
NOMOR 4
diagram, dan diagram batang. Ini membantu orang memahami data dengan cara yang lebih
mudah dan cepat. Visualisasi data juga dapat membantu menemukan pola dan hubungan yang
tidak terlihat sebelumnya. Oleh karena itu, visualisasi data dalam bisnis memiliki peran yang
penting karena memberikan cara mudah untuk mengidentifikasi pola, menemukan hubungan,
dan memahami informasi yang lebih kompleks. Visualisasi data juga dapat membantu
mengambil keputusan yang lebih baik. Sehingga, pada akhirnya juga dapat membantu
informasi secara lebih jelas dan mengambil keputusan yang lebih tepat.
3 alasan dan contoh bagaimana visualisasi data dapat membantu dalam pengambilan
keputusan bisnis
No Alasan Penjelasan
Data
informasi ini.
NOMOR 5
5V's adalah lima karakteristik dasar yang dimiliki oleh Big Data. Ini adalah Volume,
1. Volume Komponen volume dalam Big Data adalah ukuran jumlah data
manajemen basis data, data yang berasal dari aplikasi, data yang
berasal dari sensor, dan data yang berasal dari media sosial.
2. Velocity Velocity adalah salah satu komponen dari Big Data yang mengacu
pada:
3. Variety Variety adalah salah satu komponen dari big data yang mengacu
pada jenis data yang tersedia. Komponen ini mengacu pada jenis
dibutuhkan. Jenis data yang dapat digunakan dalam big data dapat
Data struktur adalah data yang tersimpan dalam format tabel yang
4. Veracity Veracity adalah salah satu dari 5V dalam big data yang mengacu
5. Value Value adalah nilai yang dihasilkan dari data yang dikumpulkan.
Judul artikel : Cara Gojek Kelola dan Manfaatkan Data, dari Pengguna untuk Pengguna
(Setyowati, 2021).
Gojek adalah aplikasi yang menyediakan berbagai layanan seperti antar makanan,
transportasi, layanan keuangan, dan lainnya. Aplikasi ini telah menggunakan Big Data untuk
memecahkan masalah bisnis. Big Data memungkinkan Gojek untuk mengumpulkan data
yang berkaitan dengan pengguna, layanan, dan pembayaran. Data ini kemudian dianalisis
untuk mengidentifikasi pola dan tren yang dapat digunakan untuk membuat keputusan bisnis
menyediakan layanan yang lebih cepat dan lebih efisien. Big Data juga memungkinkan Gojek
untuk meningkatkan efisiensi operasional dengan mengidentifikasi pola dan tren yang dapat
digunakan untuk mengoptimalkan layanan. Big Data juga memungkinkan Gojek untuk
kegiatan ilegal. Big Data juga memungkinkan Gojek untuk meningkatkan pendapatan dengan
Andika, M. L. (2023). Agya GR Sport Lebih Mahal dari Brio RS, Toyota: Harganya Pantas Lah. 20Detik.
Maulana, S. (2023). Sadar Akan Perubahan, Teknologi Digital Merevolusi Public Relations.
Kompasiana.Com.
https://www.kompasiana.com/syehanmaulana4493/641c035a08a8b57830261364/sadar-akan-
perubahan-teknologi-digital-merevolusi-public-relations
Setyowati, D. (2021). Cara Gojek Kelola dan Manfaatkan Data, dari Pengguna untuk Pengguna.
Katadata.Co.Id. https://katadata.co.id/desysetyowati/digital/60d4535f0acb9/cara-gojek-kelola-dan-
manfaatkan-data-dari-pengguna-untuk-pengguna
Suryanto. (2021). Pengguna BSI “mobile banking” tembus 2,5 juta . ANTARA.
https://www.antaranews.com/berita/2297578/pengguna-bsi-mobile-banking-tembus-25-juta