Nama : Rati E.P.

Lubis

Nim : 20220452

Kelas : SI 6O

Mata Kuliah : Big Data

1. Konsep dasar Big Data adalah mengumpulkan data dari berbagai sumber, menyimpan dan
mengelola data besar dengan teknologi yang sesuai, dan menganalisis data besar untuk
mengekstrak informasi yang berguna. Teknologi yang digunakan untuk menangani Big Data
antara lain Hadoop, Spark, dan NoSQL databases.
Big data memiliki definisi sebagai suatu istilah yang menggambarkan mengenai volume data
yang terbilang besar, baik itu terstruktur maupun tidak terstruktur yang membanjiri bisnis
sehari-hari. Pelaku bisnis melalui perusahaanya dijamin akan rutin mendapatkan data setiap
harinya, bahkan di setiap jam dan detik.

2. Ada tiga masalah utama yang bisa diselesaikan Big Data, yaitu masalah jumlah data yang
berlimpah (Volume), kecepatan data yang dihasilkan (Velocity), dan masalah keberagaman
datanya (Variety).

3. – Volume : Volume dalam big data 3v ini diartikan sebagai kuantitas atau jumlah data yang
dihasilkan dari banyak transaksi serta volume data yang disimpan.
- Velocity : Velocity dalam 3v big data ini artinya adalah kecepatan dalam men generate data,
mengakses data serta memproses data.
- Variety : variety ini artinya variasi tipe dan variasi sifat dari data, apakah data tersebut
bersifat terstruktur / structured, semi terstruktur ataupun tidak terstruktur.
- Veracity : Veracity dalam big data 4v ini bermaksud pada truthfulness, reliability, quality
and availability of the data, yang dapat diartikan dalam bahasa indonesianya adalah bahwa
data yang ada ini dapat dipercaya kebenarannya, dapat diandalkan, berkualitas serta dapat
dapat diakses dengan baik.
4. Data analisis adalah bagian dari data analitik yang membantu Anda memahami data dan
memberikan insight dari masa lalu untuk memahami apa yang terjadi selama ini. Analisis data
biasanya hanya terbatas pada satu set data yang sudah disiapkan. Anda akan memeriksa,
mengatur, dan mempertanyakan data.
Data analitik adalah area eksplorasi data mentah yang luas dengan berbagai macam teknik dan
alat tertentu untuk menemukan sebuah tren yang berguna dalam menghasilkan prediksi dan
keputusan yang tepat di masa depan.
Secara harfiah, analisis adalah pemeriksaan terperinci dari elemen atau struktur tertentu,
sedangkan analitik adalah analisis komputasi sistematis data.

5. - Big data adalah istilah yang menggambarkan volume besar data, baik terstrukturmaupun
tidak terstruktur yang membanjiri bisnis sehari-hari.
- Big Information dilengkapi dengan deskripsi, jawaban suatu pertanyaan yang dimulai dengan
kata siapa (who), apa (what), kapan (when), dan berapa banyak (how many). Sistim informasi
akan menghasilkan, menyimpan dan dapat diambil kembali serta memproses data.
Information diambil atau disarikan dari bukti (evidence) dan alasan (reasoning) dari pada
pernyataan yang eksplisit (langsung).
- Big Knowledge adalah know-how, dan merupakan hal yang memungkinkan mentransformasi
dari informasi menjadi instruksi. Knoweldge dapat diperoleh diataranya
dengan transfer orang lain yang memilikinya atau instruksi dari orang lain, atau dari sari.
Jadi disini akan banyak menjawab aplikasi dari data dan informasi dan harus
dapat bisa menjawab how. Sering juga disampaikan bahwa knowledge adalah
koleksi informasi sehingga dapat berguna dengan kesengajaan atau dikenal
knowledge adalah deterministic proses.

6. - Data terstruktur merupakan data yang yang dapat diproses, disimpan, dan diambil dalam
format tetap. Normalnya kita mengenal sebagai data terstruktur yang ada dalam excel atau
spreadsheet. Sebagai contoh, data penjualan pada suatu perusahaan.
- Data Tidak Terstruktur merupakan data yang tidak memiliki bentuk atau struktur khusus
Contohnya adalah data yang berformat foto/gambar, video, atau suara.
- Data Semi-Terstruktur merupakan bentuk data yang berisi format yang disebutkan di atas,
yaitu data terstruktur dan tidak terstruktur. Lebih tepatnya, Data Semi-Terstruktur merujuk
pada data yang belum diklasifikasikan di bawah repositori tertentu (database), namun
mengandung informasi penting yang memisahkan elemen individu dalam data. Contohnya,
data dalam bentuk file .json atau .xml.