IoT FUNDAMENTAL

Big Data

Wibowo Harry Sugiharto, M.Kom

Definisi Big Data
• Big Data adalah istilah yang
menggambarkan volume data yang
sangat besar, baik terstruktur maupun
tidak terstruktur, yang sulit diproses
menggunakan metode dan alat
tradisional. Data ini berasal dari
berbagai sumber dan memiliki potensi
untuk memberikan wawasan yang
berharga.
Komponen Big Data (3V)
• Volume: Mengacu pada jumlah data
yang dihasilkan oleh perusahaan atau
organisasi.
• Velocity: Kecepatan data masuk dan
diproses.
• Variety: Berbagai jenis data (teks,
gambar, video, log, dll).
Komponen Big Data (5V)
• Volume: Mengacu pada jumlah data yang sangat besar. Dalam konteks Big Data,
volume data bisa mencapai petabyte atau bahkan exabyte. Volume yang besar ini
berasal dari berbagai sumber seperti media sosial, sensor, perangkat mobile,
transaksi bisnis, dan lain-lain.
• Velocity: Kecepatan di mana data dihasilkan, dikumpulkan, dan diproses. Dalam
dunia yang terhubung secara digital, data dihasilkan dengan kecepatan yang
sangat cepat, dan sering kali perlu diproses secara real-time atau hampir real-time.
• Variety: Berbagai jenis data yang ada. Big Data mencakup data terstruktur (seperti
dalam database), semi-terstruktur (seperti XML, JSON), dan tidak terstruktur
(seperti teks, video, dan gambar). Variasi ini menambah kompleksitas dalam
pengelolaan dan analisis data.
• Veracity: Ketepatan dan keandalan data. Dengan volume data yang besar dan
beragam, sering kali muncul masalah kualitas dan keakuratan data. Veracity
berkaitan dengan kepercayaan terhadap keakuratan dan keandalan data tersebut.
• Value: Nilai yang bisa diambil dari data. Ini adalah aspek paling penting dari Big
Data. Mengumpulkan dan menyimpan data besar tidak berguna kecuali data
tersebut dapat diubah menjadi nilai atau wawasan yang berguna untuk keputusan
bisnis, inovasi, atau efisiensi operasional.
Big Data Development
Manfaat Big Data
• Pengambilan Keputusan yang Lebih Baik: Analisis data besar dapat
mengungkapkan pola dan tren yang tidak terlihat sebelumnya.
• Efisiensi Operasional: Perusahaan dapat menggunakan Big Data untuk
meningkatkan efisiensi operasional mereka.
• Peningkatan Pengalaman Pelanggan: Analisis data pelanggan
membantu dalam menyediakan layanan yang lebih personalisasi.
Tantangan Big Data
• Pengelolaan Data: Menyimpan dan mengelola volume data yang besar
adalah tantangan.
• Keamanan Data: Menjaga keamanan data besar sangat penting.
• Analisis Data: Membutuhkan alat dan keahlian khusus untuk
menganalisis data besar.
Teknologi Big Data
• Hadoop: Platform terbuka untuk penyimpanan dan pemrosesan data
besar.
• Spark: Framework untuk pemrosesan data besar yang cepat.
• AI dan Machine Learning: Untuk analisis data yang lebih canggih.
Contoh Penerapan Big Data
• Media Sosial: Analisis sentimen dan tren.
• Kesehatan: Analisis data pasien untuk prediksi penyakit.
• E-commerce: Rekomendasi produk berdasarkan data perilaku
pelanggan.
Tugas
• Buat Laporan Tentang Hubungan antara IoT dan Big Data
• Ditulis minimal 1000 kata dan sertakan sumber berupa buku / jurnal
• Tugas di kirim melalui Turnitin