IS Innovation And New Technology

Innovating with Big Data

Inovasi dengan Data Besar

Pertemuan ke 7
Dosen :
R. Joko Sarjanoko, AoC, HDSE, ST, Msi
 Objectives
• Mengetahui 6 Generasi Manajemen Data
• Memahami Big Data dan atributnya
• Memahami Prinsip Big Data
• Mengetahui Aplikasi pemrosesan Big Data
• Memahami perbedaan Big Data dan Business
Intelligence (BI)
• Mengetahui pentingnya mengintegrasikan Big Data
pada Bisnis
• Memahami Etika Big Data
 Arahan Presiden (2019-2024) Untuk Menciptakan SDM Unggul

Meningkatkan Penciptaan Pemberdayaan

Investasi dan Lapangan Kerja Teknologi
Inovasi
Kebijakan pemerintah Semua kegiatan Memperkuat teknologi
harus kondusif untuk pemerintah sebagai alat
Deregulasi dan menggerakan sektor berorientasi pada pemerataan, baik
Pendidikan Debirokratisasi swasta agar penciptaan lapangan daerah terpencil
Karakter meningkatkan kerja. Utamakan maupun kota besar
investasi di sektor pendekatan mendapatkan
Prioritaskan Potong semua regulasi pendidikan pendidikan dan kesempatan dan
pendidikan karakter yang menghambat pelatihan vokasi yang dukungan yang sama
dan pengamalan terobosan dan baru dan inovatif untuk pembelajaran
Pancasila peningkatan investasi
4 Pilar Perubahan

ESCAPING FROM MIDDLE INNOVATION DRIVEN

INCOME ECONOMY TRAP ECONOMY

PENINGKATAN
IMPROVING BOOSTING
COMPETITIVENESS INDEX INNOVATION
DAYA SAING
DAN
FULFILLING PEOPLE AGENT OF KESEJAHTERAAN
EXPECTATION ECONOMIC MASYARAKAT
(ROLE OF UNIVERSITY) DEVELOPMENT
DAN BANGSA
IMPROVING INCREASING
UNIVERSITY INTERNATIONAL
COMPETITIVENESS PUBLICATION

CONTRIBUTING TO DEV OF
SCI. & TECH 4
 Tantangan Pembangunan SDM Indonesia

12,4% dari total

9,7% penduduk bekerja,
berpendidikan tinggi
Sarjana (Diploma ke atas)
5,67%
PENGANGGURAN 2,7%
SARJANA
Diploma 39,66%
Total angkatan kerja SD ke bawah
133,56 juta orang 11,73% BPS, Agustus 2019
Mayoritas
Pengangguran Terbuka
SMK
tenaga kerja
(BPS, Agustus 2019) berpendidikan
12
10,42 SD ke bawah
10
7,92
8
6 4,75
5,99 5,67 18,33%
4 2,41
SMA
2
0
≤SD SMP SMA SMK DIPLOMA SARJANA

Persentase 17,88%
SMP
 Challenge Technology disruption era is the
“
INDUSTRIAL REVOLUTION 4.0 combination of physical, digital and
& Digital Economy biological domain
(Schwab, 2017)

Internet of Artificial
New Materials
Things Intelligence

Augmented
Big Data Robotics
Reality
75–375 Million
GLOBAL Additive
EMPLOYEES SHIFT Cloud Nanotech &
Manufacturing
PROFESSIONS Computing Biotech
(Schwab, 2016)
3D Printing

Genetic Editing E-learning

 Tahap-Tahap Revolusi Industri
1800 1900 2000 now

Penemuan Mesin Penemuan listrik dan Inovasi teknologi

Uap mendorong assembly line yang informasi, Revolusi Industri ke-4
munculnya kapal meningkatkan komersialiasi
Kegiatan manufaktur
uap, kereta api, dll produksi barang personal computer,
terintegrasi melalui
dll.
penggunaan
teknologi wireless
dan big data secara
Fase periode Revolusi Industri membutuhkan masa masif
yang semakin singkat dari waktu ke waktu
7
Revolusi Industri Ke-4

Wajah Kegiatan Ekonomi Dunia saat Ini

Sharing economy e-Education e-Government

Cloud Collaborative Marketplace Online Health Services

Smart Manufacturing Smart City Smart Appliances

Saat ini berbagai macam
kebutuhan manusia telah banyak
menerapkan dukungan internet
dan dunia digital sebagai wahana
interaksi dan transaksi
5
Dampak Dunia Digital dan Revolusi Industri Keempat

Era Baru Industrilisasi Digital

Ancaman:
- Secara global era digitalisasi akan menghilangkan sekitar 1 – 1,5 miliar
pekerjaan sepanjang tahun 2015-2025 karena digantikannya posisi manusia
dengan mesin otomatis (Gerd Leonhard, Futurist);
- Diestimasi bahwa di masa yang akan datang, 65% murid sekolah dasar di
dunia akan bekerja pada pekerjaan yang belum pernah ada di hari ini (U.S.
Department of Labor report).

Peluang:
- Era digitalisasi berpotensi memberikan peningkatan net tenaga kerja hingga
2.1 juta pekerjaan baru pada tahun 2025
- Terdapat potensi pengurangan emisi karbon kira-kira 26 miliar metrik ton
dari tiga industri: elektronik (15,8 miliar), logistik (9,9 miliar) dan otomotif
(540 miliar) dari tahun 2015-2025 (World Economic Forum).

8
Dunia Digital dan Revolusi Industri Keempat

Gejala-Gejala Trasnformasi di Indonesia

Saat ini beberapa jenis model bisnis
dan pekerjaan di Indonesia sudah
terkena dampak dari arus era
digitalisasi
• Toko konvensional yang ada Toko Fisik Market Place Online

sudah mulai tergantikan dengan

model bisnis marketplace.
• Taksi atau Ojek Tradisional
posisinya sudah mulai
tergeserkan dengan moda-moda
berbasis online Ojek dan Taksi Konvensional GO-Jek, Grab, Uber, dll.

10
Tantangan-Tantangan

Skill di Industri Masa Depan

Scale of Skill
Skills Demand in 2020 Complex Problem Solving
Kemampuan untuk memecahkan masalah yang asing dan belum
diketahui solusinya di dalam dunia nyata.
Social Skill
Kemampuan untuk melakukan koordinasi, negosiasi, persuasi,
mentoring, kepekaan dalam memberikan bantuan hingga emotional
intelligence
Process Skill
Kemampuan terdiri dari: active listening, logical thinking, dan
monitoring self and the others
System Skill
Kemampuan untuk dapat melakukan judgement dan keputusan
dengan pertimbangan cost-benefit serta kemampuan untuk
mengetahui bagaimana sebuah sistem dibuat dan dijalankan
Cognitive Abilities
Skill yang terdiri dari antara lain: Cognitive Flexibility, Creativity,
Logical Reasoning, Problem Sensitivity, Mathematical Reasoning, dan
(Share of jobs requiring skills family as part of their core skill set, %) Visualization .
Sumber: The Future of Jobs Report, World Economic Forum, definisi skill berdasarkan O*NET Content Model, US Department of Labor & Bureau of Labor Statistics
14
 Skill di Industri Masa Depan (2)
(Change in demand for core work-related skills, 2015-2020, all industries)

1) Cognitive Abilities
2) System Skills
3) Complex Problem
Solving
4) Content Skills
5) Process Skills

Merupakan 5 skills yang

pertumbuhan
permintaannya akan
paling tinggi berdasarkan
beberapa sektor industri,
di mana sebelumnya
sektor tersebut tidak
banyak membutuhkannya
Sumber: idem

15
Strategi Menghadapi Era Digital

Bagaimana Merespon Masa Depan

1. Komitmen peningkatan investasi di
pengembangan digital skills
2. Selalu mencoba dan menerapkan prototype
teknologi terbaru, Learn by doing!
3. Menggali bentuk kolaborasi baru bagi model
sertifikasi atau pendidikan dalam ranah
peningkatan digital skill
4. Dilakukanny kolaborasi antara dunia industri,
akademisi, dan masyarakat untuk
mengidentifikasi permintaan dan ketersediaan
skill bagi era digital di masa depan
5. Menyusun kurikulum pendidikan yang telah
memasukan materi terkait human-digital skills

16
Kebijakan, Strategi, Program, Indikator, dan Target (5)

KEBIJAKAN Meningkatkan inovasi

STRATEGI

Meningkatkan jumlah produk inovasi

PROGRAM Penguatan Inovasi

Big Data

14
6 Generasi Manajemen Data
Big Data ?
Aktifitas untuk mengumpulkan sejumlah besar
data baik terstruktur maupun tidak terstruktur dari
berbagai sumber untuk mengidentifikasikan trend
dan pola data tersebut
Prinsip Big Data
Tidak membuang data apapun karena residu
tersebut mungkin akan menjadi penting
sejalannya waktu.
 4 V + 1C Big Data
• Volume (Seberapa besar jumlah data)
• Velocity (Seberapa cepat perubahan data)
• Variety (Seberapa besar vasiasi data terjadi)
• Variability (Seberapa besar penyebaran Data Terjadi)
• Compleksity (Seberapa keterkaiyan data terjadi)
Atribut Big Data
4.Variabilitas
Arus data dalam periode tertentu kadang tidak konsisten sehingga
variabilitas menjadi salah satu bagian penting. Contohnya ada
pada media sosial. Di media sosial pasti akan ada tren tertentu
yang muncul dadakan. Tren tersebut periodenya berbeda-beda,
bisa harian, mingguan, maupun bulanan. Beban puncak data yang
seperti itu sangat memerlukan analisis big data.

5.Kompleksitas
Adanya big data mampu mengatasi banyaknya data yang perlu
dicocokkan, dihubungkan, diubah ataupun dibersihkan. Data perlu
diperlakukan demikian karena data berasal dari berbagai sumber
yang berbeda. Nah big data sangat berperan dalam mencari
korelasi ataupun keterkaitan antara data satu dan data lainnya.
Big Data membantu perusahaan untuk berinovasi dengan mempelajari
hubungan antara manusia, lembaga, dan entitas. Dari hubungan
tersebut perusahaan bisa menggunakan data insight untuk mengambil
keputusan tentang pertimbangan keuangan dan strategi.
 Mengapa perlu mengintegrasikan Big Data untuk bisnis?
• Peningkatan pemahaman pelanggan
- Menggunakan solusi CRM (Customer Relationship Managemen).
• Peningkatan layanan pelanggan
- Membantu meningkatkan pengalaman pelanggan dan pada saat yang bersamaan
mengevaluasi ROI (Return Of Invesment) aplikasi CRM.
• Mendukung pengambilan keputusan
- Memiliki statistik untuk menghadapi pelanggan sehingga mendukung keputusan
• Melihat tren
-membantu menganalisis kegiatan pelanggan yang telah lalu untuk menjelaskan
perilaku masa depannya.
• Menetapkan patokan
-Solusi CRM dengan big data terpadu memungkinkan perusahaan menetapkan
pembiayaan selama periode waktu dibandingkan dengan pesaingnya.
Inovasi Teknik big data dalam menganalisis pembelajaran seperti:

a. Performance Prediction : kinerja siswa dapat diprediksi melalui

analisis interaksi antar siswa dan interaksi siswa dengan guru di
dalam lingkungan belajarnya.
b. Attrition Risk Detection : dengan menganalisis prilaku siswa, resiko
siswa yang drop out dalam pembelajaran dapat di deteksi dan
diukur, dilakukan di awal pembelajaran sehingga dapat
meminimalkan resiko DO.
c. Data Visualization : report pada data pendidikan ukurannya akan
terus bertambah dan menjadi komplek. Data dapat divisualisasikan
menggunakan teknik visualisasi untuk memudahkan
mengidentifikasi trends data dan hubungan antar data hanya
dengan melihat visualisasi reportnya.
d. Intelligent Feedback : sistem learning menyediakan intelligent
feedback yang merespon dengan segera input siswa yang akan
ditingkatkan interaksi dan kinerjanya.
e. Course Recommendation : sebuah course baru dapat
direkomendasikan berdasarkan ketertarikan siswa, yang teridentifikasi
dengan menganalisis aktivitas mereka. Hal ini menjamin siswa tidak
akan tersesat dalam memilih bidang ilmu yang disenanginya.
f. Behavior Detection : mendeteksi prilaku siswa dalam lingkungannya
berbasis pada aktivitas dan games model yang membantu dalam
mengembangkan diri siswa.
g. Grouping & collaboration of Student, Social Network Analysis,
Developing concept maps, Constructing courseware, dan Planning and
scheduling.
h. Student Skill estimation : mengestimasi ketercapaian skill siswa
Hadoop, Inovasi Teknologi Pengolahan Big Data

Dibuat oleh Google dan Apache Software Foundation,

Framework:

•Hadoop Distributed File System (HDFS):

File system terdistribusi yang beroperasi di hardware
standar maupun low-end.
•Yet Another Resource Negotiator (YARN):
Sistem yg mengatur & memonitor cluster node & resource usage.
•MapReduce:
Framework yang membantu program untuk melakukan komputasi
data secara paralel.
•Hadoop Common:
Penyedia library Java yang dapat digunakan oleh semua modul.
Aplikasi atau software yang populer berdasarkan framework ini adalah:
1. Spark
Adalah processing system terdistribusi yang bersifat open source, bagian
Hadoop ini digunakan untuk big data dan mampu beroperasi dengan
cepat. bisa melakukan batch processing, streaming analytics, machine
learning, graph database, & ad hoc query.
2. Presto
Merupakan SQL query engine terdistribusi yang digunakan untuk analisis
data ad hoc low-latency, bisa memproses data dari sumber yang berbeda-
beda, termasuk HDFS dan Amazon S3.
3. Hive
Untuk MapReduce dengan interface SQL, untuk analisis data jumlah
besar.
4. HBase
Digunakan Amazon S3 dan HDFS, untuk memproses tabel dengan baris
dalam jumlah sangat banyak.
Etika Big Data
• Privacy isn’t dead
Private tidak selalu berarti rahasia, tetapi memastikan bahwa privasi data
adalah mendefinisikan suatu masalah & menegakkan aturan pengumpulan
data, penggunaan data dan retensinya.

• Shared private information can still remain confidential.

(berbagi informasi tetapi tidak menghilangkan nilai kerahasiaan dari
informasi tersebut), Setiap data/informasi yang dibuat dan dishare
tidak berarti bahwa nilai kerahasiaan pada data tersebut bisa dilihat
oleh banyak orang.
• Big data requires transparency.
Big data akan berpengaruh ketika penggunaan sekunder dari set data
yang menghasilkan prediksi baru dan kesimpulan.
TERIMAKASIH