Nama : Rati E.P.

Lubis

Nim : 20220452

Kelas : SI 6O

Mata Kuliah : Big Data

1. Big data adalah kumpulan data yang sangat besar, kompleks dan terus bertambah
setiap waktu. Data inidihasilkan dari aktivitas internet yang makin rutin
dilakukan, baik untuk tujuan pribadimaupun bisnis. Sebagai contoh, awalnya
informasi penting dari Anda mungkin berupa data nama, alamat dan nomor
telepon. Namun saat ini, data yang Anda miliki makin beragam,termasuk
postingan di media sosial, riwayat belanja di marketplace, hingga pencarian
dimesin pencari yang menunjukkan ketertarikan Anda tentang suatu topik. Semua
data tersebut terus dihasilkan bersamaan dengan data dari pengguna lain di
seluruh dunia. dunia. Bahkan, pengguna internet menghasilkan data sekitar 2,5
quintillion bytes setiap hari. Oleh karena itu, big data penting untuk mampu
mengelola big data dengan baik. Jadi, dapat dimanfaatkan untuk mendukung
aktifitas Anda sebagai pribadi, apalagi untuk bisnis. Kenyataannya, peran big
data bagi bisnis cukup besar. Sebagai contoh, bagi pengguna website, big data
bisa membantu mengumpulkan data traffic website atau tingkat pembelian dengan
mudah.

2. Karakteristik Dari Big Data Sebagai Berikut:

1. Volume
Namanya saja big data, tentu karakteristik utamanya adalah jumlah data yang sangat besar,
bisa secara keseluruhan atau berdasarkan platform yang mengelolanya. Contohnya, Instagram
telah menyimpan 69,23% data personal lebih dari satu miliar pengguna di seluruh dunia.

2. Velocity
Kecepatan produksi data juga menjadi karakteristik big data, meliputi input data hingga
penggunaan data. Dengan adanya internet, proses ini berlangsung secara instan dan perubahan
terjadi secara real-time. Sebagai contoh, pengguna Instagram selalu bertambah lebih dari 100
juta akun setiap tahunnya. Itupun dengan kondisi bahwa setiap akun memiliki aktivitas yang
berbeda dan terus menghasilkan data secara bersamaan.

3. Variety
Big data dari satu platform saja yaitu Instagram bisa bervariasi bentuknya. Misalnya,ada data
yang berbentuk formulir data personal, foto, video, atau bahkan data filter instastory. Bisa
dibayangkan kalau data tersebut berasal dari berbagai platform dan bisnis yang berbeda, tentu
bentuk formatnya berbeda-beda, seperti dokumen presentasi, tabel dan lainnya. Bahkan, ada
data yang langsung bisa dibaca dan digunakan dan ada juga data abstrak yang perlu dianalisis
dahulu sehingga bisa dikelompokkan menjadi:
 Structured data – Bisa digunakan langsung
 Semi-structured data – Perlu diolah sebelum digunakan
 Unstructured – Perlu dianalisis, diolah, dan baru bisa digunakan
Apapun itu, variasi data yang banyak menjadi karakteristik dari sebuah big data.

4. Veracity
Revolusi industri 4.0 membuat peran data dalam membantu mengambil keputusan cukup
besar. Maka, keakuratan sebuah data menjadi penting. Itulah kenapa veracity menjadi
karakteristik big data berikutnya. Bisa dibayangkan bahwa semakin besar sebuah data,
semakin susah untuk mengelolanya dengan baik. Kalau terjadi error atau kesalahan proses,
dampaknya bisa cukup besar. Big data bukan hanya tentang adanya data yang dihasilkan, tapi
tentang identifikasi data dengan tepat agar memberikan manfaat bagi pengguna. Salah satu
contoh sederhana adalah adanya pengguna nama akun pengguna (ID) dari platform seperti
Instagram, Facebook dan lainnya.

5. Value
Big data memiliki value untuk memudahkan pengguna mengakses informasi dengan cepat
dan mengambil keputusan berdasarkan berbagai data yang ada. Contohnya, fitur Instagram
Stories digunakan oleh 500 juta pengguna setiap harinya. Hal ini menunjukkan bahwa fitur
yang memungkinkan pengguna membuat posting instan cukup digemari. Artinya, fitur ini
 perlu dipertahankan pada platform tersebut dan bahkan dikembangkan dengan fitur tambahan
seperti boomerang, multi-capture, reels, dan lainnya.

3. Konsep big data adalah mengumpulkan semua data yang dihasilkan lalu mengolahnya dengan
tepat agar dapat memberikan value yang diharapkan. Singkatnya, konsep big data terdiri dari
tiga hal berikut:
 Integrasi Data
 Pengelolaan Data
 Analisis Data
1. Integrasi Data
Integrasi data adalah proses untuk mengumpulkan semua data yang telah dibuat hingga
menjadi big data. Contohnya, data website toko online yang berasal dari pendaftaran akun
baru, daftar wishlist, dan lainnya. Semua data tersebut akan tetap tercatat pada sistem untuk
kemudian digunakan pada proses selanjutnya. Artinya, pada proses integrasi data, fokus
utamanya adalah pengumpulan data saja.

2. Pengelolaan Data
Semua data yang dihasilkan harus mampu dikelola dengan tepat, baik pada saat menyimpan
atau mengaksesnya. Untuk itu, diperlukan sebuah ruang penyimpanan besar serta bisa diakses
kapan saja dan dari mana saja. Kalau untuk bisnis, penggunaan website dengan layanan
hosting yang mumpuni bisa menjadi pilihannya. Jadi, semua aktivitas bisnis dan data yang
dihasilkan akan diproses pada satu tempat. Nantinya, data pada website tersebut bisa disortir
ke dalam sistem penyimpanan agar mudah ditemukan Ketika dibutuhkan.

3. Analisis Data
Konsep big data yang terakhir adalah analisis data. Artinya, semua data yang sudah disimpan
dan dikelompokkan sesuai jenisnya bisa dianalisa untuk kebutuhan lebih lanjut. Sebagai
contoh, riwayat belanja konsumen di toko online Anda bisa menjadi informasi produk apa
yang layak ditawarkan ketika konsumen tersebut sedang berbelanja. Dengan begitu, potensi
pembelian produk semakin besar karena penawarannya relevan.
4. Terkait juga dengan big data adalah semakin merebaknya implementasi Internet of Things
(IoT). IoT secara singkat bisa didefinisikan sebagai kumpulan berbagai jenis benda dan
peranti yang dilengkapi dengan chip, rangkaian elektronik, sensor, perangkat lunak tertanam,
dan konektivitas jaringan yang memungkinkannya untuk mengumpulkan data, dan terhubung
lewat jaringan internet di antara satu sama lain, ataupun ke server.

Big data dan IoT pada dasarnya berjalan seiring sejalan. IoT dan sensor mengumpulkan,
menganalisis, berbagi dan mengirim data secara real time, menuntut beban lebih pada
kemampuan big data suatu organisasi. Data hasil penjaringan IoT mendorong teknologi
penyimpanan data tradisional ke batasnya. Mengingat kepopulerannya, ada baiknya
mempertajam terlebih dahulu konsep big data itu sendiri. Istilah big data sering seringkali
dimaknai keliru, karena mengesankan bahwa ukuran data itu merupakan hal yang paling
penting. Lurino Bertorani dari Dattabot, perusahaan Indonesia yang bergerak di bidang
analitik big data, menyebutkan masalah mendasar dalam konsep big data itu adalah
kompleksitasnya, yang disebabkan oleh proses penciptaan, pengumpulan, dan penyeleksian
data. Kebanyakan organisasi telah menyadari kegunaannya untuk “menambang” basis data
informasi mereka (data mining). Analisis terhadap dataset bisa digunakan untuk mendapatkan
wawasan (insight) baru, yang bisa digunakan, baik untuk optimisasi bisnis, dan penciptaan
bisnis baru.
Contoh : sebuah turnamen poker Las Vegas, dan ada kesempatan untuk menempatkan
taruhan di pertandingan sepak bola, seperti ada gangguan pendek di turnamen poker. Sejauh
ini Anda kehilangan uang di poker sehingga Anda ingin melindungi hasil peluang Anda
menang dengan bertaruh pada pertandingan sepak bola secara paralel. Ada jeda iklan dalam
permainan dan Anda memiliki 5 menit untuk membuat taruhan Anda. Karena Anda tidak
menonton pertandingan yang Anda butuhkan untuk mengandalkan informasi eksternal yang
dibuat tersedia untuk Anda .
Tingkat 1 informasi : Tim A lead tim B dalam pertandingan playoff NFL dengan 5 poin .
Apakah Anda siap untuk membuat keputusan tentang tim mana Anda menaruh uang Anda di ,
atau Anda ingin gunakan 5 menit dan penelitian lebih lanjut konteks, dan mengelola
kompleksitas ?

Kecuali jika Anda adalah penggemar fanatik dari salah satu tim , kemungkinan besar, ini akan
mempengaruhi Anda dalam rangka untuk membuat keputusan. Ketika Anda memiliki
pengetahuan dasar sepakbola, Anda tahu bahwa, tidak seperti di sepak bola, 5 poin perbedaan
dalam sepak bola dikelola, karena gol tunggal dapat mencetak setidaknya 6 poin, sehingga
mari kita bergerak ke tingkat 2 .

Tingkat 2 informasi : Ada 2 menit tersisa dalam permainan . Apakah Anda siap sekarang?
Mungkin ini sudah cukup untuk Anda , atau mungkin karena Anda bisa, Anda pergi ke..

Tingkat 3 informasi : Tim B sedang mengendalikan bola. Meskipun itu terdengar seperti
informasi yang cukup baik untuk menempatkan taruhan Anda, dan mungkin Anda bahkan
akan meningkatkan jumlah yang Anda bertaruh, Anda ingin bertaruh lebih banyak dengan
informasi itu ?

Tingkat 4 informasi : Nomor 1 quarterback dari tim B keluar dari permainan selama kuartal
4, dan salah satu gelandang back-up di lapangan membuat pelanggaran. Apakah sekarang
Anda siap untuk memasang taruhan Anda ?

Kemungkinan besar tidak, karena kompleksitas tambahan informasi ( konteks yang lebih )
mengubah permainan, sehingga Anda pergi meneliti untuk lebih jelasnya.

Tingkat 5 Informasi : Pemain X menggantikan quarterback 1 . Sekarang, dua skenario yang

berbeda dapat diantisipasi :

Anda memiliki informasi yang cukup karena Anda memiliki gagasan awal yang baik untuk
Player X dan dalam hal ini Anda kemungkinan besar siap untuk menempatkan taruhan Anda
sekarang .

Jika Anda tidak mempunyai persepsi yang kuat, bayangkan Anda memiliki SAP Database
HANA dengan NFL pemain statistik siap pada ujung jari Anda dan Anda bisa penelitian
dalam beberapa detik apa yang kemungkinan pemain X membuat gol dalam 2 menit kuarter
terakhir untuk memenangkan permainan ? Apakah Anda ingin melihat informasi tersebut,
seperti yang Anda lihat kompleksitas tambahan sebagai bermanfaat bagi pengambilan
keputusan Anda ? Mari kita asumsikan Anda lakukan.

Tingkat 6 informasi : Kemungkinan sebanyak 60 % bahwa pemain X membuat touchdown,

tapi mengingat pemain X hanya bermain pada kuartal keempat, statistik real-time yang
disediakan untuk Anda terbatas. Apakah Anda siap untuk membuat keputusan didasarkan
hampir semata-mata pada statistik sejarah ? memasuki....

Tingkat 7 informasi , yaitu analisis sentimen secara real-time komentar media sosial tentang
kinerja pemain X dalam game ini khususnya oleh real orang menonton permainan. Seperti
yang Anda tahu bahwa pemain X telah di diperlihatkan tenang beberapa penyimpangan masa
lalu dalam tingkat bermain, Anda ingin mencocokkan analisis sentimen secara real-time
Dengan statistik atau Anda akan melakukan dengan intuisi?