PENERAPAN BIG DATA DI INDONESIA PADA ERA 4.

Teknologi dapat diartikan sebagai alat bantu manusia, dengan demikian tujuannya tak
lain dan tak bukan untuk memudahkan kamu dalam menyelesaikan pekerjaan. Begitulah fungsi
dari teknologi. Apakah terbayang jika di dunia memiliki teknologi? Tidak hanya teknologi, tetapi
Big Data dan Revolusi Industri 4.0 juga sudah mempengaruhi kehidupan kita saat ini. Lalu
bagaimana perkembangan teknologi untuk menghadapi Big Data pada era Industri 4.0?

Revolusi Industri 4.0 pastinya sudah tidak asing lagi untuk kita. Sejak tahun 2011, kita
memasuki masa Industri 4.0 dengan ditandai oleh meningkatnya konektivitas, interaksi, dan
batas antara manusia, mesin dan sumber daya lainnya. Revolusi Industri 4.0 disebut juga
gabungan dari masa teknologi otomatisasi dan teknologi cyber. Contoh jelas yang dapat dilihat
dari pemanfaatan teknologi ini adalah proses produksi pada bidang industri yang kini dapat
dengan mudah diakses oleh siapa saja dan kapan saja.

Revolusi industri 4.0 ini ditandai dengan pemanfaatan teknologinya, karakteristik dari
teknologi ini adalah interkonektivitas dari sistem cerdas dan otomasi. Ada lima teknologi yang
dianggap menjadi pilar utama dari Industri 4.0 yaitu, Internet of Things, Big Data, Artificial
Intelligence, Cloud Computing dan Additive Manufacturing. Di bidang lain seperti sosial,
ekonomi, dan budaya pun juga mengalami perubahan di era Industri 4.0. Dari perubahan ini
berbagai aspek bisnis juga akan terus berubah dan dapat memberikan peluang bisnis yang lebih
besar.

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
 Teknologi Big Data sebenarnya dapat dimanfaatkan oleh banyak pihak, baik perusahaan
besar, usaha kecil dan menengah, maupun pemerintah. Meski pemanfaatan Big Data terbilang
rumit dan mahal, namun UKM bermodal kecil pun bisa memanfaatkannya asal tahu persis tujuan
bisnisnya sehingga memudahkan proses identifikasi data yang dibutuhkan, untuk mendapatkan
manfaat yang lebih besar dari investasi yang dikeluarkan. Beberapa manfaat Big Data yang
sudah dirasakan khususnya bagi dunia usaha diantaranya untuk mengetahui respons masyarakat
terhadap produk-produk yang dikeluarkan melalui analisis sentimen di media sosial; membantu
perusahaan mengambil keputusan secara lebih tepat dan akurat berdasarkan data; membantu
meningkatkan citra perusahaan di mata pelanggan; untuk perencanaan usaha dengan mengetahui
perilaku pelanggan, seperti pada perusahaan telekomunikasi dan perbankan; serta mengetahui
tren pasar dan keinginan konsumen.

Salah satu teknologi yang menjadi pilar utama dari Revolusi Industri 4.0 adalah Big Data.
Penggunaan Big Data disebabkan begitu banyak data yang bisa dianalisis untuk ditemukan
pemecahan masalahnya dengan tepat. Big Data kini adalah bagian dari kehidupan sosial.
Perkembangan Teknologi Big Data di Indonesia dapat dilihat dari meningkatnya penjualan dari
layanan e-commerce dan juga layanan transportasi daring. Disamping itu, kini banyak
perusahaan startup yang bermunculan dengan berbasis data, Artificial Intelligence (AI) maupun
teknologi Big Data. Agar banyak teknologi terus berkembang di Indonesia, maka kita harus peka
terhadap kondisi saat ini, melihat peluang, tantangan serta terus menggali manfaat dari teknologi
yang berkembang di era Industri 4.0 ini.

Dengan perkembangan inilah big data muncul dan saat ini mulai berkembang.
Penggunaannya pun semakin luas, hingga mencakup social media, sehingga dapat menganalisa
tren pasar dengan melihat sentimen analisis pelanggan melalui social media. Dengan
perkembangan saat ini, ada baiknya untuk memahami lebih dalam mengenai big data, sehingga
dapat dimanfaatkan dengan lebih maksimal.

Penerapan Big Data Pada Beberapa Sektor/Bidang di Indonesia

1. Bidang Pemerintahan

1.1 Latar Belakang

Berkembangnya internet di era teknologi yang maju memungkinkan peredaran
informasi yang semakin banyak, cepat, dan hampir tidak terbatas oleh ruang dan
waktu. Hal ini menyebabkan informasi yang beredar dari hari ke hari menjadi sangat
banyak, mencakup berbagai informasi dalam bidang sosial, politik, ekonomi,
teknologi, ilmu pengetahuan, pangan, dan lain sebagainya.
Kemajuan teknologi dan meningkatnya jumlah informasi mengubah cara bisnis
dilakukan di banyak industri, termasuk pemerintah. Pembentukan data pemerintah
dan tingkat pengarsipan digital terus meningkat karena pertumbuhan pesat perangkat
dan aplikasi ponsel, sensor dan perangkat pintar, solusi komputasi awan, dan portal.
 Ketika informasi digital berkembang dan menjadi lebih kompleks, manajemen
informasi, pemrosesan, penyimpanan, keamanan, dan disposisi menjadi lebih
kompleks juga.
Pada sektor pemerintahan ada himbauan untuk mengalihkan informasi/ dokumen
fisik menjadi data elektronik. Hal bertujuan untuk memudahkan pengelolaan dan
penggunaan data saat dibutuhkan. Di satu sisi hal ini dapat segera dilaksanakan jika
jenis dan format dari seluruh data yang ada seragam. Namun di sisi lain, semakin
beragam jenis dan format data, serta semakin besar jumlah dan variasi data akan
memakan waktu yang lama untuk mengolah data–data tersebut menjadi informasi
yang terstruktur rapi dan dapat dibaca.
Informasi merupakan hal yang sangat penting saat ini. Pemerintah tentunya
memiliki data yang sangat beragam dan dengan jumlah yang sangat banyak. Untuk
dapat mengambil keputusan yang tepat, dalam hal ini pemerintah selaku pembuat
kebijakan, memerlukan cara yang efektif untuk mengelola data–data tersebut
menjadi informasi yang berguna sebagai pertimbangan dalam membuat keputusan.
Pengelolaan data yang beragam dengan jumlah yang sangat besar membutuhkan
suatu cara yang efektif untuk mengolahnya, terlebih jika informasi yang dihasilkan
dari data tersebut dibutuhkan untuk membantu membuat keputusan bagi pemangku
kebijakan. Diperlukan cara yang cepat dan tepat untuk dapat mengolah data tersebut
menjadi informasi. Oleh karena itu prinsip Big Data sangat cocok diterapkan, dimana
prinsip Big Data yaitu untuk dapat mengelola data yang sangat banyak dan beragam,
serta mengolahnya menjadi informasi yang dibutuhkan dalam waktu yang sangat
singkat.

1.2 Karakteristik Big Data

Suatu data dikategorikan sebagai “Big Data” bukan hanya karena jumlah data
yang besar. Ada beberapa karakteristik yang membedakan Big Data dengan sistem
lainnya. Sistem Big Data memiliki Volume data yang sangat besar, dimana biasanya
melebihi server biasa pada umumnya dan data ini akan bertambah terus tiap harinya.
Besarnya data bisa mencapai lebih dari 100 TB dan biasanya disimpan di
infrastruktur external. Selain itu Big Data juga memiliki data yang bervariasi
(Variety), dengan format maupun jenis data yang sangat beragam sehingga
memerlukan suatu proses khusus untuk dapat mengolahnya. Big Data juga harus
dapat mengolah data tersebut dalam waktu yang sangat cepat (Velocity) agar data
bisa bermanfaat tidak hanya karena informasi yang dihasilkan saja tetapi juga karena
kecepatan yang dibutuhkan untuk mengolahnya menjadi informasi tersebut.
Karakteristik Big Data yang keempat adalah kebenaran akan data itu sendiri
(Veracity). Informasi yang diolah dari data tersebut agar bisa menjadi informasi yang
bermanfaat dan bisa dipercaya, kita juga harus melihat sumber data yang digunakan.
Karenanya pada Big Data, kebenaran akan data menjadi salah satu hal yang harus
diperhatikan.
 1.3 Tahapan Implementasi Big Data pada Pemerintahan
Karena Big Data mencakup area yang sangat luas, maka implementasinya pada
instansi pemerintah dikategorikan menjadi tiga tahap, yaitu IT Management & Tata
Kelola, SDM, dan Sistem.

1.3.1 IT Management dan Tata Kelola

 IT Management
Big Data merupakan tren teknologi untuk melakukan pendekatan baru dalam
memahami dunia dan membuat keputusan. Keputusan-keputusan ini dibuat
berdasarkan data dalam volume yang sangat besar terstruktur, tidak terstruktur dan
kompleks.
 Tata Kelola IT dengan framework COBIT 5
COBIT (Control Objectives for Information and Related Technology)
adalah salah satu kerangka kerja (framework) yang diciptakan oleh ISACA yang
berfungsi untuk dijadikan panduan dalam rangka mencapai tujuan organisasi.
Organisasi yang dimaksud merupakan sebuah enterprise yakni organisasi yang
menjalankan fungsi IT sebagai bagian dari proses bisnisnya.
Menurut COBIT, informasi merupakan sumber daya kunci bagi sebuah
enterprise. Teknologi mempunyai peranan penting terhadap proses kelangsungan
informasi, mulai dari sebuah informasi diciptakan sampai dimusnahkan.
Enterprise yang sukses memperlakukan TI sebagai bagian yang signifikan dalam
melaksanakan proses bisnis. Proses bisnis dan TI harus berkolaborasi dan
bekerjasama sehingga TI dapat masuk ke dalam tata kelola dan manajemen.
COBIT 5 memiliki beberapa pengungkit yang diturunkan dari tujuan organisasi
yang telah didefinisikan. Pengungkit tersebut merupakan faktor yang
mempengaruhi governance dan management dari enterprise TI, yaitu: Prinsip,
kebijakan dan framework; Proses; Struktur organisasi; Budaya, etika dan perilaku;
Informasi; Layanan, infrastruktur dan aplikasi; dan SDM, kemampuan dan
kompetensi.
Informasi yang efektif adalah informasi yang mampu memenuhi
kebutuhan konsumen informasi (stakeholder). Dalam kasus Big Data, enterprise
(organisasi) adalah stakeholder dan salah satu pilar utama adalah kualitas
informasi. Big Data harvesting diharapkan bisa menghasilkan kualitas informasi
yang mendukung pengambilan keputusan. Kualitas informasi yang baik akan
mengakibatkan hasil keputusan organisasi yang baik sehingga akan meningkatkan
keuntungan bagi enterprise. Big Data merupakan sebuah proses pengumpulan
data untuk menemukan pola dan korelasi yang mungkin tidak jelas pada awalnya,
 tetapi berpeluang menjadi berguna dalam pengambilan keputusan pada sektor
pemerintahan.
1.3.2 Sumber Daya Manusia
Karena kompleksitas dari sistem Big Data, dibutuhkan kemampuan teknis
beragam untuk dapat mengimplementasikannya. Namun karena Big Data
Engineering sendiri masih merupakan sesuatu yang baru serta berhadapan dengan
teknologi dan posisi pekerjaan yang juga baru, maka saat ini belum ada spesifikasi
baku mengenai kompetensi SDM yang dibutuhkan untuk bidang ini. Berdasarkan
proses kerja Big Data pada umumnya yaitu Collect, Store, Transform, dan Analysis,
maka ada empat hal yang harus diperhatikan terkait dengan kompetensi SDM yang
dibutuhkan dalam implementasi Big Data, diantaranya:

a. Data Collection
Data yang akan diproses dalam sistem Big Data biasanya diambil dari
website atau API (Application program interface), pada umumnya dengan
menggunakan teknik crawling. Kompetensi SDM yang diperlukan antara lain
Data APIs, SQL dan Data Modeling.
b. Data Warehouse
Data yang telah diambil dari berbagai macam sumber akan disimpan
dalam server yang sudah disiapkan untuk sistem Big Data. Sesuai dengan
namanya, Big Data membutuhkan kapasitas penyimapanan data yang sangat
besar, karena masuknya data yang sangat besar dan beragam ke dalam server
setiap harinya. Salah satu alasan inilah disebut Data Warehouse karena proses
penyimpanan, pengolahan, dan pengambilan data dari server akan sangat
berbeda dengan Database biasa. Kompetensi yang dibutuhkan diantaranya
Relational Databases (MySQL, MS SQL Server, Oracle, DB2, dsb) dan
NoSQL (HBase, SAP HANA, HDFS, Cassandra, MongoDB, CouchDB,
Vertica, Greenplum, Pentaho, Teradata, dsb.)
c. Data Transformation
Salah satu sifat dari Big Data selain ukuran data yang sangat besar, juga
jenis data yang sangat beragam. Agar data-data tersebut dapat dianalisis
dengan baik, maka terkadang data-data tersebut perlu diubah ke dalam format
lain sehingga memungkinkan untuk dianalisis. Kompetensi yang dibutuhkan
termasuk ETL Tools (Informatica, DataStage, SSIS, Redpoint, dsb) dan
Scripting (Linux/Unix commands, Python, Ruby, Perl, dsb.)
d. Data Analysis
Tahapan terakhir yaitu menganalisis data yang sudah diambil dan
dikumpulkan sebelumnya, mengolah data tersebut menjadi informasi, hingga
menjadi hasil statistik jika diperlukan. Kompetensi yang dibutuhkan
diantaranya ialah Data mining atau machine learning (Mahout, Neural
 Network, dsb.), Statistical analysis software (R, SPSS, SAS, Weka,
MATLAB, dsb.) dan Programming skills (Java, Scala, Ruby, C++, dsb.)
1.3.3 Sistem
Dibalik penggunaan Big Data tersebut, yang terpenting adalah perencanaan yang
matang dalam memutuskan pemanfaatanya agar sesuai dengan kebutuhan organisasi.
Jangan sampai pemerintah seperti latah dengan beramai-ramai menggunakan Big
Data dan mengalokasikan anggaran yang fantastis untuk implementasinya, tanpa
tujuan dan perencanaan yang jelas. Sebab data besar menimbulkan peluang besar dan
tantangan besar pada saat yang sama, namun kekuatannya tidak bergantung pada
teknik pengolahan data yang digunakan, tetapi lebih pada bagaimana hasilnya dapat
menjadi informasi yang dapat digunakan untuk membuat keputusan yang tepat dan
cerdas.
1.3.4 Tantangan Penerapan Big Data di Pemerintahan adalah sebagai berikut :
 Ketersediaan Data
 Standarisasi Data Pemerintah
 Privasi Data
 Kompetensi SDM
 Infrastruktur Penunjang

1.3.5 Pemanfaatan Big data pada Instansi Pemerintah

Big data dimanfaatkan oleh sistem pemerintahan untuk mempercepat pelaksanaan
program pemerintah. Beberapa manfaat yang dapat diambil dari Big Data di
pemerintah dapat berupa pemanfaatan untuk program pemerintah, memberdayakan
warga untuk meningkatkan transparansi dan partisipasi semua pemangku
kepentingan.
Big Data pada sistem pemerintahan dapat menciptakan beragam kebijakan yang
lebih cepat, akurat dan murah dengan berbagai institusi di pemerintahan. Penggunaan
Big Data yang menggunakan informasi dengan menggunakan pendekatan analitik,
sehingga hasilnya menjadi lebih terstruktur. Peran Big Data bagi pemerintahan atau
layanan publik sangat penting karena dengan menggunakan analitik dari Big Data
sehingga bisa mentransformasikan data eskternal tersebut menjadi sebuah informasi.
Kemudian menerjemahkan informasi tersebut menjadi sebuah kebijakan yang akan
membantu kinerja pemerintahan. Beberapa hal yang dapat dicapai oleh pemerintah
dengan memanfaatkan teknologi Big Data adalah :

 Meningkatkan kinerja pemerintah

Peningkatan kinerja pemerintah disebabkan oleh adanya efisiensi kerja
yang dilakukan dengan mamanfaatkan Big Data sehingga pekerjaan konvensional
menjadi berkurang. Pemanfaatan big data juga dapat mejadi solusi untuk masalah
pendanaan yang ada di pemerintahan. Dengan menggunakan Big Data proses
 pendanaan bisa dipangkas menjadi lebih hemat. Dengan meningkatnya kinerja
pemerintah diharapkan akan membawa dampak yang baik bagi kelangsungan
hidup negara dan rakyatnya. Pemerintah bisa memanfaatkan kumpulan data-data
yang ada di dalam Big Data tersebut menjadi informasi dengan cepat, mudah,
akurat dan murah untuk menentukan kebijakan-kebijakan yang sesuai dengan
kebutuhan rakyatnya.
 Meningkatkan pendapatan Negara
Penggunaan Big Data dalam sistem pemerintahan akan meningkatkan
pendapatan negara. Penggunaan Big Data akan mengurangi beban pada
infrastruktur sehingga akan mengurangi jumlah pengeluaran negara. Penggunaaan
teknologi Big Data akan dapat melakukan analisis terhadap data-data tersebut
juga akan bermanfaat pada berbagai sektor pemerintahan seperti ekport-import,
pertanian, perdagangan, bahkan pariwisata, yang membawa dampak
meningkatnya pendapatan negara.
Dalam sektor pariwisata, hal ini sangat berguna sekali untuk melakukan
mapping terhadap strategi apa yang akan digunakan oleh pemerintah sehingga
dapat memajukan sektor pariwisata. Dengan bantuan Big Data , sebuah negara
dapat mencari sebuah strategi marketing yang tepat untuk mendukung pariwisata
agar lebih berkembang sehingga dapat meningkatkan pendapatan negara.
 Transparansi pada semua sektor pemerintahan
Dampak penggunaan Big Data dalam sektor pemerintahan adalah adanya
transparansi pada data-data yang disajikan. Hal ini akan sangat berguna bagi
masyarakat untuk mengetahui secara lebih transparan data-data yang mengenai
pemerintahan sehingga dapat mewujudkan Open Government yang dapat
meningkatkan kepercayaan masyarakat terhadap pemerintah.

2. Bidang Psikologi Pendidikan

Pembelajaran pada hakekatnya mempersiapkan peserta didik untuk dapat menampilkan

tingkah laku hasil belajar dalam kondisi yang nyata, atau untuk memecahkan masalah yang
dihadapi dalam kehidupannya. Untuk itu, pengembang program pembelajaran selalu
menggunakan teknik analisis kebutuhan belajar untuk memperoleh informasi mengenai
kemampuan yang diperlukan peserta didik. Bahkan setelah peserta didik menyelesaikan kegiatan
belajar selalu dilakukan analisis umpan balik untuk melihat kesesuaian hasil belajar dengan
kebutuhan belajar. Belajar berkaitan dengan perkembangan psikologis peserta didik, pengalaman
yang perlu diperoleh, kemampuan yang harus dipelajari, cara atau teknik belajar, lingkungan
yang perlu menciptakan kondisi yang kondusif, sarana dan fasilitas yang mendukung, dan
berbagai faktor eksternal lainnya. Untuk itu, diperlukan teknologi untuk mengelola secara efektif
pengorganisasian berbagai sumber manusiawi (Geanina, Elena. 2012).
 Dengan semakin berkembangnya teknologi mempengaruhi proses belajar mengajar di
dunia pendidikan. Teknologi memberikan kemudahan baik bagi pengajar maupun peserta didik
dalam mengakses informasi pembelajaran. Teknologi ini tidak hanya terpaku pada proses belajar
secara e-learning akan tetapi proses belajar secara tatap muka (face to face) juga bisa dianggap
sebagai pemanfaatan dari teknologi tergantung dari alat maupun fasilitas yang digunakan.
Dengan adanya pemanfaatan teknologi melalui Big Data secara efektif akan dapat menunjang
proses belajar mengajar karena bahan ajar tidak hanya terpaku pada kurikulum yang berlaku,
para peserta didik juga dapat mengembangkan kemampuan kognitif mereka karena proses
pembelajaran yang didapat tidak hanya dari institusi-institusi tertentu. Tiga teori utama yang
merupakan dasar dalam pengembangan Big Data adalah: 1) Behaviorisme; 2) Kognitivisme; dan
3) Konstruktivisme. Dalam dunia pendidikan, penggunaan Big Data dapat dipakai sebagai pusat
data yang dapat merekam prestasi belajar siswa, melalui sistem pemrograman yang menyajikan
rekap informasi perkembangan hasil belajar siswa. Berkaitan dengan sistem penyimpanan data
siswa, juga mempunyai manfaat untuk merekam data berkaitan dengan data psikologi
perkembangan siswa. Big Data juga sebagai salah satu cara untuk mengelola hasil belajar,
perkembangan psikologi, prestasi, bahkan data-data umum pebelajar. Sehingga, sudah ada sistem
yang menyimpan data pembelajar, dan data itu dapat diakses oleh semua orang yang
berkepentingan dengan perkembangan pebelajar (online).

2.1 Manfaat Big Data dan pengaruhnya dalam Psikologi Pendidikan

Teknologi dalam dunia pendidikan memegang peran yang penting, dimana
komputer menjadi bagian integral didalamnya. Teknologi dalam pendidikan
merupakan pengembangan, penerapan, dan penilaian sistem-sistem, teknik-teknik dan
alat-alat baru untuk memperbaiki proses pembelajaran tetapi teknologi tidak akan
menggantikan guru. Teknologi dalam pendidikan sebenarnya memiliki posisi dan
peran sebagai pengembang multimedia pembelajaran yang bermutu, tentu saja
bekerjasama dengan pihak lain. Implementasi teknologi terutama pada pemanfaatan
Big Data di bidang pendidikan perlu diintegrasikan ke dalam perencanaan (master
plan) terhadap semua aspek pengembangan pendidikan secara seimbang dan jangka
panjang. Dengan mengkombinasikan softtechnology seperti pemanfaatan Big Data
yang tepat dengan hard-technology yang ada, maka seorang pengajar dapat membuat
proses pembelajaran menjadi suatu pembelajaran yang menarik dan efektif. Dalam
hal ini, bukan teknologi yang membuat suatu pembelajaran berhasil, tapi ketepatan
menerapkan teknologi itulah yang menyebabkan suatu pembelajaran berhasil dengan
baik. Pemanfaatan Big Data dalam pendidikan perlu dirancang, direncanakan,
dilaksanakan, dan dinilai dalam rangka mengembangkan manusia Indonesia
seutuhnya. Agar pemanfaatan teknologi terutama pemanfaatan BigmData tetap
memberikan kontribusi signifikan terhadap (1) pengembangan peserta didik menjadi
manusia berkarakter dan berkecerdasan intelektual dan (2) pemberdayaan pendidik
dan tenaga kependidikan terkait (Russom, Philip. 2013), hendaknya diterapkan
prinsip-prinsip berikut:
  Pemanfaatan Big Data dalam pendidikan sebaiknya mempertimbangkan
karaktersitik peserta didik, pendidik, dan tenaga kependidikan;
 Pemanfaatan Big Data sebaiknya dirancang untuk memperkuat minat dan
motivasi pengguna untuk menggunakannya semata guna meningkatkan dirinya,
baik dari segi intelektual, spiritual (rohani), sosial, maupun ragawi.
 Pemanfaatan Big Data sebaiknya menumbuhkan kesadaran dan keyakinan akan
pentingnya kegiatan berinteraksi langsung;
 Pemanfaatan Big Data sebaiknya menjaga bahwa kelompok sasaran tetap dapat
mengapresiasi teknologi yang sederhana dan kegiatan-kegiatan pembelajaran
dengan tuntutan penguasaan kompetensi terkait dalam rangka mengembangkan
seluruh potensi siswa;
 Pemanfaatan Big Data sebaiknya mendorong pengguna untuk menjadi lebih
kreatif dan inovatif sehingga tidak hanya puas menjadi konsumen informasi dan
pemerolehan data yang berbasis pada teknologi informasi.

Terjadinya komunikasi yang positif antara guru siswa akan dapat membantu meningkatkan
kualitas interaksi pembelajaran dan mengefektifkan pencapaian tujuan pembelajaran, disamping
dapat untuk mengarahkan sikap dan perilaku siswa ke arah yang lebih baik. Nilai karakter lain
yang perlu ditanamkan melalui Big Data adalah budaya baca. Budaya baca yang mulai hilang
dari dunia pendidikan kita harus sudah digiatkan kembali dengan pemerolehan data e-learning,
konten-konten edukasi atau website yang berkorelasi dengan dunia pendidikan. Pemanfaatan Big
Data juga untuk melihat perkembangan siswa dari setiap aspek secara menyeluruh, sehingga
rekam akademik dan data perkembangannya dapat digunakan sebagai salah satu acuan dan
pertimbangan dalam memberikan perlakuan serta proses asesment terhadap siswa.

3. Bidang Kesehatan

Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis
disimpan dalam bentuk digital. Data medis ini tersedia dan dapat diakses dengan mudah. Sebagai
contoh, database kesehatan dari Kementerian Kesehatan RI1 menyediakan data puskesmas, data
kanker, data kesehatan per provinsi dan kabupaten di Indonesia. Data tersebut dapat digunakan
untuk mendapatkan pengetahuan dalam rangka menyediakan pelayanan kesehatan yang lebih
tepat sasaran.

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 [1]. 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.
 Big data merupakan sebuah kombinasi teknologi yang dapat mengelola data yang beragam
dalam jumlah besar, dengan kecepatan yang tepat, dan pada saat yang tepat untuk keperluan
analisis dan reaksi. Secara khusus big data memiliki tiga karakteristik, yaitu volume, velocity,
dan variety [2]. Pada rujukan [3] dituliskan bahwa data pada penyedia perawatan kesehatan
memiliki jumlah dan variasi yang sedang, kecepatan data yang tinggi, dan nilai potensi
pemanfaatan yang besar.

3.1 Sumber Big Data Medis

Terdapat dua jenis tipe data utama yang menyusun big data, yaitu data terstruktur dan
tidak terstruktur. Data terstruktur secara umum mengacu pada data yang memiliki
panjang dan format yang telah terdefinisi. Sebaliknya, data tidak terstuktur merupakan
data yang tidak mengikuti suatu format tertentu. Selain itu, sumber dari kedua tipe data
tersebut dapat dibagi menjadi dua kategori, yaitu data yang dihasilkan oleh mesin
(komputer), dan data yang dihasilkan oleh manusia.
Terdapat beberapa sumber big data pada bidang kesehatan, yaitu sebagai berikut:
 Electronic Health Record
Electronic Health Record (EHR) berisi seluruh informasi kesehatan
personal yang dimiliki oleh seorang individu, dimasukkan dan diakses secara
elektronik oleh penyedia perawatan kesehatan selama masa hidup seseorang, dan
termasuk informasi situasi rawat inap akut dan semua pengaturan rawat jalan
yang diterima oleh pasien. Secara ideal, EHR mencerminkan seluruh riwayat
kesehatan dari seorang individu selama masa hidupnya termasuk data yang
berasal dari berbagai penyedia perawatan kesehatan dalam berbagai kondisi
perawatan.
EHR hadir dalam bentuk data terstruktur dan tidak terstruktur, seperti
kode ICD (International Classification of Diseases), hasil laboratorium, data obat,
dan catatan klinis. ICD merupakan terminologi hierarkis dari kode penyakit,
tanda, gejala, dan prosedur yang dikelola oleh World Health Organization
(WHO). Kode ICD merupakan sumber data yang terstruktur. Hasil laboratorium
dan data obat dapat berupa data terstruktur atau tidak terstruktur. Catatan klinis
bersifat tidak terstruktur.
 Data Gambar Medis
Data gambar medis memiliki ukuran yang besar dan merupakan data tidak
terstruktur. Contoh dari data gambar medis adalah gambar CT (Computed
Tomography), PET (Positron Emmission Tomography), dan MRI (Magnetic
Resonance Imaging). Penyimpanan dan pengaksesan berbagai sumber gambar
medis tersebut dikelola oleh suatu sistem, yaitu PACS (Picture Archival and
Communication System).
 Data Genetik
Data genetik saat ini belum digunakan secara luas karena masih tergolong
baru. Penjelasan dalam berfokus pada GWAS (Genome-Wide Association
 Studies) karena lebih relevan terhadap praktik layanan kesehatan. GWAS
digunakan untuk mengidentifikasi faktor genetik umum yang memengaruhi
kesehatan dan penyakit. Hal ini masih dalam tahap awal penelitian.
 Data Behavioral
Media sosial dapat menilai kesehatan publik. Ketika terjadi suatu wabah
penyakit menular, data yang dikumpulkan oleh lembaga kesehatan dapat tersedia
dalam waktu yang lama. Hal ini menyebabkan terlambatnya deteksi terhadap
wabah penyakit yang terjadi. Namun demikian, media sosial dapat mendeteksi hal
tersebut hampir secara real-time. Sebagai contoh, Google Flu Trends2 dan Google
Dengue Trends3 yang menggunakan data penelusuran teragregasi untuk
memperkirakan aktivitas influenza dan demam berdarah.
Rujukan menunjukkan bahwa Google Flu Trends memiliki korelasi yang
kuat dengan kasus influenza yang terjadi. Penelitian dilakukan selama 21 bulan,
dari Januari 2009 sampai Oktober 2010, pada suatu rumah sakit akademik di
perkotaan. Adapun data Google Flu Trends dikumpulkan setiap minggu untuk
kota Baltimore, Maryland, Amerika Serikat.
3.2 Peluang Big Data Dalam Perawatan Kesehatan
Penggunaan big data memiliki banyak implikasi bagi pasien, penyedia, peneliti,
pembayar (payer), dan komponen lainnya dalam sistem perawatan kesehatan. Berikut ini
merupakan peluang dari penggunaan big data dalam perawatan kesehatan.

 Melibatkan Pasien dalam Pengambilan Keputusan

Pada model terdahulu, penyedia layanan kesehatan mendorong pasien
untuk tetap dalam perawatan, misalnya rawat inap untuk meningkatkan
pendapatan. Saat ini, penyedia layanan berfokus untuk menjaga pasien tetap sehat
secara lebih bertanggung jawab. Hal ini dilakukan dengan melibatkan pasien
untuk berpartisipasi dalam pengambilan keputusan tentang kesehatan dirinya.
Dengan tersedianya berbagai data, informasi, dan petunjuk dapat menolong
pasien untuk membuat keputusan yang lebih baik. Sebagai contoh, kehadiran
sistem pakar (yang memanfaatkan big data medis) pemberi rekomendasi metode
pengobatan untuk suatu penyakit, dapat membatu pasien memahami berbagai
metode pengobatan terhadap penyakit yang dideritanya, termasuk risiko (jika ada)
dari metode tersebut.
 Memperbaiki Kualitas dengan Data Eksternal
Peningkatan jumlah berbagai sumber data dalam bidang perawatan
kesehatan dapat meningkatkan kualitas perawatan yang diberikan. Integrasi data
eksternal yang dilakukan dapat bermanfaat, seperti menolong dokter dalam
membangun dasar pengambilan keputusan yang lebih baik, mendapatkan korelasi
antara satu penyakit dan penyakit lainnya, dan membantu peneliti untuk lebih
memahami suatu jenis penyakit. Hal ini dikarenakan integrasi data eksternal dapat
 memberi pandangan yang lebih luas terkait identifikasi, tingkat keberhasilan suatu
metode pengobatan, dan hubungan sebab-akibat dari suatu penyakit.
 Implikasi dari Regionalisasi dan Globalisasi
Dengan berkembangnya berbagai teknologi sharing data, data eksternal
yang terintegrasi pada suatu sistem medis akan berasal dari berbagai sistem medis
di berbagai daerah dan negara. Hal ini dapat bermanfaat untuk menyediakan
populasi data yang lebih besar bagi para peneliti untuk belajar, mengidentifikasi
wabah penyakit lebih cepat, dan memperbaiki hasil penelitian. Selain itu,
teknologi sharing data, khususnya yang dibangun untuk data medis berpeluang
untuk lebih dikembangkan seiring peningkatan kebutuhan akses data medis lintas
daerah dan negara.
 Kebutuhan Informasi Mendorong Mobilitas
Teknologi mobile dapat menjadi jawaban atas kebutuhan untuk mengakses
data dimanapun dan kapanpun, seperti untuk pengambilan keputusan klinis.
Perkembangan teknologi mobile dapat membantu pasien dan dokter untuk
mengambil keputusan secara lebih cepat dan tepat. Dengan demikian, seiring
peningkatan kebutuhan akan pengaksesan informasi, teknologi mobile akan
semakin berkembang dan diikuti oleh kualitas perawatan kesehatan yang lebih
baik. Hal ini juga berarti terdapat peluang pengembangan aplikasi bidang
kesehatan berbasis mobile, terutama aplikasi yang dapat memanfaatkan berbagai
sumber big data dalam proses pemberian informasi dan rekomendasi baik kepada
pasien, maupun dokter.
 Big data, Media Sosial, dan Perawatan Kesehatan
Media sosial dapat meningkatkan komunikasi antara pasien, penyedia, dan
berbagai komunitas medis. Hal ini dapat menjadi sumber big data yang penting.
Selain itu, media sosial juga dapat menyediakan data hampir secara real-time,
sehingga dapat mempercepat proses, seperti pendeteksian wabah penyakit.
Dengan demikian, terdapat potensi pemanfaatan data yang berasal dari media
sosial untuk meningkatkan kualitas perawatan kesehatan.

3.3 Dampak Big Data Dalam Perawatan Kesehatan

Kemunculan big data mentransformasi pandangan terhadap apa yang sesuai dan
baik untuk pasien dan seluruh ekosistem dalam perawatan kesehatan. Untuk mengikuti
perubahan ini, [1] menuliskan lima nilai baru yang berfokus pada pasien. Hal ini
berdasarkan pada konsep yang mana nilai tersebut diturunkan dari keseimbangan antara
biaya perawatan kesehatan yang dikeluarkan dan hasil yang didapatkan oleh pasien.
Kelima nilai tersebut adalah sebagai berikut.
 Right Living
Pasien dapat membangun nilai dengan mengambil peranan secara aktif
untuk pengobatan dirinya sendiri. Nilai ini berfokus pada mengajak pasien untuk
 memiliki gaya hidup sehat, seperti pola makan dan olah raga yang baik, dan
berperan aktif dalam pengobatan apabila sakit.
 Right Care
Nilai ini menjamin pasien mendapatkan perawatan kesehatan yang sesuai
dan tepat waktu. Selain itu, nilai ini memerlukan sebuah pendekatan yang
terkoordinasi dalam berbagai situasi dan diantara berbagai penyedia perawatan
kesehatan. Seluruh penyedia perlu memiliki informasi dan tujuan yang sama
untuk mencegah upaya dan strategi yang tidak efisien.
 Right Provider
Nilai ini menyatakan bahwa pasien perlu selalu mendapatkan pelayanan
dari para profesional yang dapat memberikan hasil terbaik. Dengan demikian,
nilai ini memiliki dua arti, yaitu terdapat kecocokan antara kemampuan yang
dimiliki penyedia dan tugas yang dihadapi, dan pemilihan spesifik dari penyedia
perawatan kesehatan yang terbukti memberikan hasil terbaik.
 Right Value
Untuk memenuhi tujuan dari nilai ini, penyedia dan pembayar (payer)
akan secara berkelanjutan meningkatkan nilai layanan kesehatan dengan
mengurangi biaya dan pada saat yang sama meningkatkan kualitas. Dengan
demikian, pasien mendapatkan nilai perawatan yang lebih tinggi.
 Right Inovation
Nilai ini melibatkan proses identifikasi dari terapi dan pendekatan terbaru
yang tepat dalam proses pemberian perawatan kesehatan. Selain itu, pada saat
yang sama juga memperbaiki proses inovasi itu sendiri, misalnya dengan
memanfaatkan data molekul potensial yang menjadi pembahasan pada bidang
farmasi.
3.4 Tantangan Big Data Dalam Perawatan Kesehatan
Dalam bidang kesehatan, tantangan yang dihadapi adalah sedikitnya jumlah
informasi yang dapat digunakan untuk mendukung proses pengambilan keputusan,
perencanaan, dan strategi. Berikut ini merupakan tantangan pemanfaatan big data dalam
perawatan kesehatan.
 Perawatan Kesehatan Sebagai Teknologi Tertinggal
Bidang perawatan kesehatan memiliki proses yang lambat untuk
didefinisikan dan didesain ulang. Perawatan kesehatan cenderung tertinggal
dalam mengadopsi teknologi. Selain itu, teknologi layanan kesehatan mewarisi
teknologi terdahulu secara meluas. Hal ini dapat mengakibatkan penerapan
teknologi baru bertentangan dengan teknologi yang terdahulu.
 Fragmentasi
Sumber data kesehatan yang berasal dari berbagai komponen dalam sistem
perawatan kesehatan, seperti pembayar (payers), penyedia, dan pusat penelitian
memiliki format data yang berbeda. Proses integrasi dari data tersebut sulit
 dilakukan karena beberapa hal, seperti masalah privasi dan hak milik,
kompleksitas data, dan terbatasnya metadata untuk setiap data yang ada.
 Keamanan
Teknologi cloud dapat memfasilitasi proses berbagi sumber big data medis
dengan mudah. Akan tetapi, terdapat masalah keamanan dan privasi dalam hal
pengaksesan data. Solusi keamanan tradisional tidak dapat secara langsung
diterapkan untuk data dengan ukuran yang besar dan beragam. Solusi dari
masalah ini menjadi pembahasan dalam, yaitu dengan mengajukan suatu
teknologi bernama Secure Medical Workspace (SMW). Selain itu, melakukan
eksplorasi teknik yang dapat menjamin keamanan dan privasi data medis yang
disimpan pada cloud.
 Standar
Sumber data yang ada saat ini memiliki standar yang bervariasi. Hal ini
menimbulkan masalah pengolahan data yang melibatkan banyak sumber.
Arsitektur big data yang diajukan harus dapat bekerja tidak hanya pada berbagai
sumber data, tetapi juga pada perubahan skema dan struktur yang digunakan
untuk men-transport dan menyimpan data.
Sebagai contoh, survei dan analisis terhadap berbagai standar EHR untuk
menilai tingkat relevansi dan interoperability dilakukan pada. Hasil yang
didapatkan dari proses evaluasi terhadap tujuh standar EHR menunjukkan bahwa
tidak terdapat standar yang paling unggul. Secara mengejutkan format isi dari
seluruh standar yang dievaluasi memiliki konsep dan kemampuan yang sama.
Dengan demikian, satu standar tertentu masih dibutuhkan untuk memaksimalkan
manfaat integrasi big data.
 Aktual Data
Kebutuhan dan pengolahan aktual data menjadi tantangan dalam bidang
perawatan kesehatan, seperti pengambilan keputusan klinis, apakah untuk
membuat suatu keputusan atau menyediakan informasi yang menjadi pedoman
bagi pengambilan suatu keputusan. Terkadang proses pengambilan keputusan
tersebut memerlukan waktu yang cepat dan tepat. Dalam kasus ketika data dalam
jumlah besar perlu untuk diproses secara cepat mendekati real-time, hal ini
melibatkan data streaming [19]. Hal ini memunculkan tantangan untuk mengolah
data secara cepat dengan tetap memberikan hasil yang baik.

4. Bidang Agrikultur

Pertanian atau disebut sebagai sektor pangan adalah sektor strategis dan vital bagi
berlangsungnya kehidupan dan perekonomian. Pengaruh pangan tidak lagi hanya pada tingkat
individu, bahkan sampai ke tingkat masyarakat dalam tatanan negara dan dunia. Seperti negara-
negara Asia Tenggara lainnya, Indonesia dikenal sebagai negara dengan ladang persawahan yang
sangat luas. Sebagian besar warga negaranya juga menjadikan nasi sebagai makanan dan sumber
energi di kehidupan sehari-hari.

Fakta bahwa negara ini merupakan salah satu ne-gara agraris terbesar di dunia membuat kita
tidak boleh melupakan profesi petani, yang sudah sepantasnya mendapatkan dukungan penuh
dari berbagai pihak. Dengan semakin berkembangnya teknologi digital, bukan lagi hal yang tabu
untuk memanfaatkan kemajuan tersebut untuk kesejahteraan petani, sekaligus menggenjot
Indonesia supaya bisa mewujudkan swasembada pangan di negeri ini. Pada era 4.0 sekarang
banyak teknologi yang mutakhir yang bisa digunakan untuk agrikultur terutama di Indonesia.
Salah satunya yaitu HARA

4.1 HARA
Platform Internet industrial of Things (IIoT) mungkin lebih banyak dikaitkan
dengan bidang-bidang seperti manufaktur, pertambangan, penerbangan atau transportasi.
Tetapi HARA yang dikembangkan Dattabot mengingatkan kita bahwa Big Data dan
Internet of Things juga bisa diterapkan untuk pertanian.
HARA adalah solusi digital untuk pertanian yang dibangun Dattabot di atas
platform Predix dari GE. Seperti yang dituturkan Dina Kosasih dari Dattabot, HARA
memfokuskan diri pada masalah dan tantangan yang dihadapi pertanian pada tahap
praproduksi dan produksi.
HARA adalah perwujudan visi besar Regi Wahyu, CEO Dattabot, untuk
membantu masyarakat petani. Solusi digital yang diajukan sesuai dengan latar belakang
Dattabot, yaitu big data analytics. Sebelumnya beberapa peralatan sudah dicoba, seperti
drone (pesawat terbang nirawak) dan satelit. HARA dapat menangani beberapa masalah
yang dihadapi oleh petani.
 Pertama adalah masalah potensi lahan, terutama pengetahuan terhadap nutrisi
tanah. Pengetahuan tentang potensi lahan ini membantu memecahkan masalah
lain, yaitu optimasi pertanian. Terakhir HARA juga memecahkan masalah
penanganan hama dan penyakit tanaman.
Sistem ini memiliki tiga fitur utama. Pertama aplikasi ponsel yang
berfungsi untuk mengambil data dari pada petani. Aplikasi tersebut dapat
memetakan lahan petani tersebut, mengukur luas dan posisi lahan. Aplikasi ini
juga membantu mencatat kegiatan pertanian yang dilakukan, seperti jenis dan
banyak pupuk yang digunakan, bibit yang ditanam, serta hama dan penyakit apa
saja yang terjadi.
 Fitur kedua kedua adalah platform analitik berbasis web. Lewat platform ini
perusahaan agrikultur dapat memantau posisi lahan, hama, juga penyakit yang
terdapat pada lahan tersebut.
 Dan fitur ketiga adalah prediksi hasil panen dan rekomendasi langkah-langkah
untuk petani. Rekomendasi yang diberikan misalnya berupa bibit dan pupuk apa
saja yang mesti digunakan.
 Sumber data yang digunakan HARA untuk analisis tidak hanya berasal
dari aplikasi ponsel. Data lain seperti data historis yang dikumpulkan oleh
perusahaan agrikultur juga merupakan sumber tambahan; juga data pertanian dari
luar, jika ada. HARA juga akan memanfaatkan data dari sensor, seperti sensor
cuaca dan sensor tanah. Data sensor ini dapat dikumpulkan secara real-time.

Penerapan sistem ini berhasil mendapatkan peningkatan panen. Dina Kosasih dari Dattabot
memberikan contoh dalam penggunaan pupuk. Tanpa bantuan HARA, seorang petani mungkin
akan melakukan pemberian pupuk secara coba-coba, yang belum tentu optimal. Sebagai contoh,
seorang petani yang tidak mengetahui bahwa lahannya sudah mengandung banyak unsur
nitrogen (N) mungkin masih akan terus memakai pupuk N, padahal yang diperlukan adalah
unsur P(fosfor) atau K (kalium).

Bila petani mengetahui nutrisi dalam tanah, serta pupuk dan benih apa saja yang sudah
digunakan, dia akan bisa menggunakan sarana produksi pertanian yang tepat. HARA juga
membantu mengantisipasi hama dan penyakit dengan lebih baik. Semua ini berakibat pada
optimalisasi produksi, dan mencegah gagalnya panen yang disebabkan oleh hama dan penyakit.
Peningkatan panen yang dicapai rata-rata 60 persen.

Aspek lain yang dibantu adalah penekanan biaya. Sebagian petani percaya, bahwa
menggunakan pupuk yang berlebih akan meningkatkan panen. Padahal ini tidak tepat, karena
pemakaian pupuk tergantung keadaan tanahnya. Pemakaian pupuk yang sesuai dengan jumlah
yang tepat berarti biaya yang dikeluarkan akan lebih murah.

Antisipasi hama dan penyakit yang lebih baik juga akan menekan pengeluaran petani. Petani
tidak perlu terus-terusan menggunakan pestisida dalam jumlah banyak. Dia mungkin akan
memakai obat, atau cara lain yang lebih baik dan lebih murah.

Sebelum menerapkan HARA dalam skala besar, pihak Dattabot sudah melakukan uji coba
lapangan pada Oktober 2016 lalu di Lampung, untuk tanaman jagung, dan di Merauke untuk
padi. Menurut Dina, tantangan utama yang dihadapi adalah memberdayakan orang-orang untuk
menggunakan alat-alat digital. Tantangan lain adalah membuat perangkat keras yang sesuai
dengan iklim Indonesia yang beragam.

Untuk ke depannya, Dattabot berencana mengeksplorasi potensi HARA untuk pemangku

kepentingan lain. Contohnya adalah lembaga keuangan. “Lembaga keuangan susah menjangkau
petani untuk memberi pinjaman, karena tidak ada jaminan. Kadang-kadang petani juga gagal
panen. HARA memberikan informasi untuk menentukan nilai kredit (credit scoring). Pemangku
kepentingan lain adalah lembaga pascaproduksi yang mengelola hasil panen. Dattabot juga ingin
mengembangkan sayap ke pasar yang lebih luas lagi: pasar Asia Tenggara.

5. Bidang Manufaktur
 Big Data telah memainkan peran yang cukup esar dalam dunia industri dalam beberapa tahun
terakhir. Menurut Wikibon, pendapatan market Big Data pada seluruh dunia untuk software dan
services diprojeksikan akan meningkat dari $42B pada tahun 2018 menjadi $103B pada tahun
2027, dengan mengasumsikan Compound Annual Growth Rate (CAGR) sebesar 10.48 %. Inilah
kenapa sertifikasi Big Data merupakan salah satu kemampuian yang paling diminati dalam dunia
industri.

Tujuan utama dari aplikasi – aplikasi Big Data adalah untuk menolong perusahaan –
perusahaan agar dapat lebih mendapatkan informasi untuk mendukung keputusan bisnis dengan
cara menganalisa data dalam jumlah besar. Data dapat meliputi log pada sebuah web server,
internet click stream data, konten pada social media, konten – konten pada email dan data – data
dari banyak sensor. Big Data sangat populer digunakan dalam berbagai bidang, dalam bidang
kesehatan Big Data dapat digunakan untuk memberikan perlakuan yang paling efektif untuk
pasien yang memiliki kondisi tertentu. Keputusan ini dapat menolong pasien dan juga dapat
menurunkan ongkos yang diperlukan. Pada bidang media dan entertainment Big Data dapat
digunakan untuk melakukan profiling, sehingga kita dapat memprediksi apa yang diinginkan
oleh para penikmat acara atau dapat memberikan iklan yang sesuai untuk para penikmat acara.
Tentu saja, Big Data juga memainkan peranan penting dalam bidang manufaktur.

Dikarenakan jumlah data yang semakin membanyak, organisasi yang bergerak pada bidang
manufaktur harus mencari cara untuk mengatasi dan memproses jumlah data yang belom pernah
terjadi sebelumnya. Tidak semua data yang diperoleh dapat digunakan untuk mendapatkan
informasi yang berguna, namun sekitar 33 % dari total data dapat berguna setelah dianalisa.
Namun, hanya 0.5 % data yang dapat diproses oleh perusahaan. Hal ini menyatakan, bahwa
perusahaan – perusahaan manufaktur tidak menggunakan 32.5 % data yang dapat memberikan
nilai bisnis dan peningkatan pendapatan.

 Flow data pada bidang manufaktur

Industri dalam bidang manufaktur adalah sebuah industri yang paling banyak terkena
dampak dari tren Big Data. Hal ini dikarenakan sifat dasar dan jumlah data yang diproduksi dari
bidang tersebut. Kebanyakan dari perusahaan manufaktur baru memulai untuk mencari potensi –
potensi tools Big Data. Namun, ada juga beberapa perusahaan yang sudah menjadi pioneer dan
sudah memberikan sejumlah kasus yang dapat diselesaikan dengan menggunakan Big Data.
Berikut merupakan hal – hal dalam proses manufaktur yang dapat ditingkatkan dengan
menggunakan Big Data :

5.1 Manajemen resiko

Ada beberapa area berbeda yang menjadi sumber dari chain management dimana
Big Data dapat menjadi penolong yang cukup signifikan. Pemasok memiliki pilihan
untuk membagi data – data produksi mereka dengan partner dan customer yang mana
akan membuat transparansi dan komunikasi yang sangat efektif untuk kedua belah pihak.
 Dengan cara ini pihak manufaktur dapat melihat secara jelas apakah pemasok terlambat
dengan produksi atau tepat waktu, dan dapat mengatur semua proses yang diinginkan
agar terhindar dari keterlambatan.
Kualitas dari data juga dapat dibagi dengan cara yang sama, perusahaan
manufaktur dapat membuat produksi dan produk yang terkait dengan kualitas metrik
yang didapat dari pihak pemasok sebelom menerima barang. Dengan adanya visibilitas
yang meningkat dalam kualitas para pemasok, pihak manufaktur dapat melihat secara
lebih jelas dan dapat melihat portofolio dari para pemasok ketika dibutuhkan dalam
negosiasi kontrak dengan para pemasok.
Dengan memiliki kualitas produksi dan informasi dari pemasok juga dapat
membuat semua data dan wawasan yang lebih baik untuk memanajemen resiko. Pemasok
yang berkaitan akan membuat para manufaktur dapat membuat pilihan yang berdasarkan
fakta ketika berkaitan dengan staratergi manjemen resiko.

5.2 Konfigurasi build to order

Products to order manufaktur telah menjadi tren dan tidak hanya di industri
otomotif, namun juga bergerak dalam industri penerbangan, layanan komputer dan
barang – barang konsumer. Cara produksi build to order sangat efisien dan merupakan
bisnis model yang dapat mendapat keuntungan. Namun, untuk melihat perkembangan
yang diinginkan diperlukan data platform yang dapat digunakan untuk menganalisa
kebiasaan pelanggan dan juga data penjualan.
Pihak manufaktur membutuhkan akses untuk semua data penjualan dan harus
dapat membuat prediksi analisis yang akurat untuk dapat melihat jumlah order yang dapat
dibuat dan melakukan penyesuaiaan terhadap supply chain. Dan juga, para sales dan
analisis data produksi dibutuhkan untuk mengidentifikasi keuntungan yang didapat dari
setiap konfigurasi produk. Dengan cara ini pihak manufaktur dapat menetapkan produk
portofolio yang dapat memberikan pendapatan yang paling besar dalam waktu tertentu.

5.3 Meningkatkan kualitas produk

Pemeliharaan kualitas produka merupakan prioritas utama dari pihak manufaktur.
Kebanyakan dari mereka sudah memiliki data yang dibutuhkan untuk meningkatkan
kualitas produk secara signifikan dan menurunkan ongkos yang dibutuhkan, namun
hanya segelintir kecil yang dapat menyambungkan data untuk mendapatkan wawasan
yang dapat dieksekusi.
Penghematan yang luar biasa dapat dibuat dengan menggunakan analisis prediksi
dalam testing. Satu produk dapat membutuhkan banyak sekali kualitas tes. Jumlah dari
tes yang dibutuhkan dapat dikurangi apabila pattern recognition dan analisis prediksi
digunakan untuk menentukan tipe – tipe tes yang betul – betul dibutuhkan dibandingkan
melakukan semua tes kepada semua produk.
Kualitas dari produk juga dapat ditingkatkan dengan menggunakan analisis Big
Data. Analisis data sensor dapat mendeteksi produk yang akan cacat dengan waktu lebih
 cepat, sehingga dapat menurunkan waktu dan ongkos yang dibutuhkan untuk
menyesuaikan proses produksi.

5.4 Pertumbuhan perusahaan berbasiskan data

Dengan menggunakan Big Data, semua menjadi sangat mungkin untuk membuat
komparasi performa dari tempat yang berbeda dan mencari tahu hal yang menyebabkan
perbedaan. Selain untuk menganalisis produksi internal dan data penjualan, kita juga
dapat menganalisa seluruh pasar, membuat what-if skenario dan membuat model untuk
prediksi.
Mempunyai akses untuk wawasan seperti itu dapat membuat pertanyaan strategi
pertumbuhan global terjawab dengan data yang faktual. Pertanyaan dapat meliputi hal –
hal seperti dimana tempay yang cocok untuk membuka pabrik baru, tempat kerja mana
yang harus direlokasi / di tutup atau memperkenalkan produk baru.

5.5 Logistik
Dalam proses logistik, penggunaan big data juga dapat dilakukan. Warehousing
dan transportasi merupakan bidang dimana Big Data dapat digunakan untuk
mengembalikan investasi. Namun, masih sedikit perusahaan di seluruh dunia yang
mengoperasikan data-driven logistic services. Pioner dalam bidang automasi dari
warehousing adalah DHL, Amazon & Ocado. Mereka adalah perusahaan yang telah
melakukan substitusi sebagian besar dari pekerjaan buruh manusia dengan robot pintar,
yang dapat bekerja secara sistematis untuk memindahkan barang dalam gudang dan
mengambil setiap item yang dikirim. Kecepatan untuk mengirimkan barang dari
perusahaan ini sudah sangat berkembang, serta dapat mengurangi ongkos dari pekerjaan
manusia dan menghilangkan kesalahan – kesalahan yang dapat dibuat oleh manusia.
Transportasi juga termasuk bidang yang penting dalam perusahaan logistik dan
manfuktur. Infrastruktur Big Data memperbolehkan mereka untuk melacak barang, cuaca
serta kondisi jalan secara waktu yang sebenarnya. Dengan itu, truk – truk dapat dialihkan
kapan saja ketika ada jalan yang lebih efisien.

Dengan proses data integrasi dan manajemen yang benar, perusahaan manufaktur dapat
meningkatkan nilai data strategis, memperbaiki tindakan, meningkatkan keuntungan dan
memperkuat hubungan dengan kustomer, partner & pemasok. Sangat penting untuk
menggunakan Big Data dalam proses bisnis dan sekarang lah saatnya untuk mencari nilai data
agar dapat melakukan data integrasi dan manajemen yang baik.