Kelas 11

Visualisasi Data
 PROFILE GURU

NAMA : RUDIANSYAH, S.Kom

Guru Mapel : Informatika
TP : 2020 - 2021
 Analisis Data untuk Kelas XI
Kompetensi Dasar: Pengetahuan
[XI-3.3.a.] Memahami bahwa Data dapat
bersifat kompleks dan dapat
didekomposisi menjadi elemen-elemen
data.
[XI-3.3.b.] Memahami bahwa organisasi
dan penyimpanannya akan mempengaruhi
cost, speed, reliability, accesability, privacy
dan itegerity.
[XI-3.3.c.] Memahami bahwa penalaran
dan prediksi terhadap suatu data
tergantung pada model.
Kompetensi Dasar: Keterampilan
[XI-4.3.a.] Mengumpulkan data besar dari
berbagai sumber.
[XI-4.3.b.] Mengorganisasikan,
menyimpan dan mengolah data yang
kompleks berdasarkan suatu model yang
sudah ada.
[XI-4.3.c.] Memeriksa kesesuaian model
terhadap data.
Tujuan Pembelajaran
1. Peserta didik dapat mengetahui pengertian visualisasi data
2. Peserta didik dapat memahami pengertian Big Data
3. Peserta didik dapat mengetahui sejarah Big Data
4. Peserta didik dapat memahami pentingnya Big Data
5. Peserta didik dapat memahami cara kerja Big Data
6. Peserta didik dapat memahami hirarki data (pengelompokkan data)
Visualisasi Data
Apa itu Visualisasi Data?
Visualisasi data (data visualization) merupakan rangkaian proses menampilkan data
atau informasi dalam bentuk yang mudah dipahami oleh orang awam, seperti
grafik, angka dan lain sebagainya.

Dalam penerapannya, visualisasi data kerap menggunakan beberapa elemen

visaual seperti grafik, bagan hingga peta. Tujuan dari visualisasi data tentunya
untuk mempermudah melihat dan memahami tren, pola dan masih banyak lagi.
Mengapa Visualisasi Data dinilai Sangat Penting?
Dengan visualisasi data, Anda dapat melihat tren atau pola dari hasil analisis data
scientist. Dan dari data tersebut, Anda dapat mendapatkan masukan-masukan
informasi dengan cepat mengenai tren bisnis sehingga Anda dapat menemukan
strategi yang cocok untuk bisnis Anda. Itulah yang dilakukan di banyak
perusahaan.

Alasan lainnya adalah mayoritas penduduk di dunia mengingat 80% dari apa
yang dilihat, namun hanya 20% saja dari yang dibaca. Artinya kita lebih mudah
mengingat sebuah visual dari gambar lebih cepat dibandingkan dengan kata-kata.
Contoh Visualisasi Data
Pengertian Pengolahan Data
Data yaitu sebuah kenyataan yang
menggambarkan suatu kejadian-kejadian dan
kesatuan nyata.

Pengolahan data yaitu suatu penggambaran

fakta, pengertian suatu instruksi yang
selanjutnya bisa disampaikan dan diolah oleh
manusia atau mesin. Contoh: data angka,
karakter, alphabet, symbol, gambar atau suara
dan lainnya.
Pengertian Big Data
Menurut (Eaton, Dirk, Tom, George, & Paul), Big Data merupakan
istilah yang berlaku untuk informasi yang tidak dapat diproses
atau dianalisis menggunakan alat tradisional.

Menurut (Dumbill, 2012), Big Data adalah data yang melebihi

proses kapasitas dari kovensi sistem database yang ada. Data
terlalu besar dan terlalu cepat atau tidak sesuai dengan struktur
arsitektur database yang ada. Untuk mendapatkan nilai dari data,
maka harus memilih jalan altenatif untuk memprosesnya.
Berdasarkan pengertian para ahli, dapat disimpulkan
bahwa Big Data adalah data yang memiliki
volume besar sehingga tidak dapat diproses
menggunakan alat tradisional biasa dan harus
menggunakan cara dan alat baru untuk
mendapatkan nilai dari data ini.
 Sejarah Big Data
Konsep big data mendapatkan momentum di awal 2000-an ketika analis industri Doug Laney
mengartikulasikan definisi big data yang sekarang-mainstream sebagai tiga V:
1. Volume : Organisasi mengumpulkan data dari berbagai sumber, termasuk transaksi bisnis,
perangkat pintar (IoT), peralatan industri, video, media sosial dan banyak lagi. Di masa lalu,
menyimpannya akan menjadi masalah - tetapi penyimpanan yang lebih murah pada platform
seperti danau data dan Hadoop telah meringankan beban.
2. Velocity : Dengan pertumbuhan Internet of Things, data mengalir ke bisnis dengan kecepatan
yang belum pernah terjadi sebelumnya dan harus ditangani tepat waktu. Tag RFID, sensor, dan
smart meter mendorong kebutuhan untuk menangani torrent data ini dalam waktu yang
hampir bersamaan.
3. Varietas : Data hadir dalam semua jenis format - dari terstruktur, data numerik dalam
database tradisional hingga dokumen teks, email, video, audio, data ticker saham, dan
transaksi keuangan yang tidak terstruktur.
Mengapa Big Data Penting?

Pentingnya big data tidak berkisar pada seberapa banyak data yang Anda miliki,
tetapi apa yang Anda lakukan dengan data tersebut.

Anda dapat mengambil data dari sumber apa pun dan menganalisisnya untuk
menemukan jawaban yang memungkinkan
1. Pengurangan biaya,
2. Pengurangan waktu,
3. Pengembangan produk baru, dan penawaran yang dioptimalkan, serta
4. Pengambilan keputusan yang cerdas.
Saat Anda menggabungkan big data dengan analitik berkekuatan tinggi, Anda
dapat menyelesaikan tugas-tugas yang terkait dengan bisnis seperti:
1. Menentukan akar penyebab kegagalan, masalah, dan kegagalan hampir
secara real time.
2. Menghasilkan kupon di titik penjualan berdasarkan kebiasaan membeli
pelanggan.
3. Menghitung ulang seluruh portofolio risiko dalam hitungan menit.
4. Mendeteksi perilaku curang sebelum memengaruhi organisasi Anda.
Cara Kerja Big Data

Ada lima langkah utama untuk mengambil alih “struktur data” besar ini yang
mencakup data tradisional dan terstruktur bersama dengan data tidak
terstruktur dan terstruktur:
1. Tetapkan strategi big data.
2. Identifikasi sumber big data.
3. Akses, kelola, dan simpan data.
4. Analisis data.
5. Buat keputusan berdasarkan data.
1) Tetapkan strategi big data

Pada level tinggi, strategi big data adalah rencana yang dirancang untuk
membantu Anda mengawasi dan meningkatkan cara Anda memperoleh,
menyimpan, mengelola, berbagi, dan menggunakan data di dalam dan di
luar organisasi Anda.

Strategi big data mengatur panggung untuk kesuksesan bisnis di tengah

banyaknya data. Ketika mengembangkan strategi, penting untuk
mempertimbangkan tujuan dan inisiatif bisnis dan teknologi yang ada - dan
di masa depan. Ini panggilan untuk memperlakukan big data seperti aset
bisnis berharga lainnya daripada hanya produk sampingan aplikasi.
2) Ketahui sumber big data
a. Streaming data berasal dari Internet of Things (IoT) dan perangkat terhubung lainnya yang
mengalir ke sistem TI dari perangkat yang dapat dipakai, mobil pintar, perangkat medis,
peralatan industri, dan banyak lagi. Anda dapat menganalisis data besar ini saat tiba,
memutuskan data mana yang akan disimpan atau tidak, dan mana yang perlu analisis lebih
lanjut.
b. Media sosial data berasal dari interaksi di Facebook, YouTube, Instagram, dll. Ini termasuk
sejumlah besar data besar dalam bentuk gambar, video, suara, teks dan suara - berguna
untuk fungsi pemasaran, penjualan, dan dukungan. Data ini sering dalam bentuk tidak
terstruktur atau semi-terstruktur, sehingga menimbulkan tantangan unik untuk konsumsi
dan analisis.
c. Data yang tersedia untuk umum berasal dari sejumlah besar sumber data terbuka seperti
data pemerintah AS. Gov, CIA World Factbook, atau Portal Data Terbuka Uni Eropa.
d. Data besar lainnya dapat berasal dari danau data, sumber data cloud, pemasok dan
pelanggan.
3) Akses, kelola, dan simpan big data

Sistem komputasi modern memberikan kecepatan, daya, dan fleksibilitas yang

dibutuhkan untuk dengan cepat mengakses sejumlah besar dan tipe data besar.
Seiring dengan akses yang andal, perusahaan juga membutuhkan metode untuk
mengintegrasikan data, memastikan kualitas data, menyediakan tata kelola dan
penyimpanan data, dan menyiapkan data untuk analitik.

Beberapa data dapat disimpan di tempat di gudang data tradisional - tetapi ada
juga opsi yang fleksibel dan murah untuk menyimpan dan menangani data
besar melalui solusi cloud, data lake dan Hadoop.
4) Menganalisis big data

Dengan teknologi kinerja tinggi seperti komputasi grid atau analistik di memori,
organisasi dapat memilih untuk menggunakan semua data besar mereka untuk
analisis.

Pendekatan lain adalah untuk menentukan dimuka data mana yang relevan
sebelum menganalisisnya.

Dengan kedua cara tersebut, analitik big data adalah bagaimana perusahaan
mendapatkan nilai dan wawasan dari data. Semakin besar, big data
mengakselerasi analitik canggih saat ini seperti kecerdasan buatan.
5) Membuat keputusan yang cerdas dan digerakkan oleh data

Dikelola dengan baik, data tepercaya mengarah ke analitik tepercaya dan

keputusan tepercaya. Agar tetap kompetitif, bisnis perlu merebut nilai penuh
dari data besar dan beroperasi dengan cara yang didorong oleh data - membuat
keputusan berdasarkan bukti yang disajikan oleh data besar daripada insting.
Manfaat menjadi data-driven jelas. Organisasi yang digerakkan oleh data
berkinerja lebih baik, secara operasional lebih mudah diprediksi, dan lebih
menguntungkan.
Hirarki Data

Hirarki data dalam dikelompokkan  menjadi 3 (tiga) buah yaitu file, record dan elemen
data, untuk lebih jelaskan dapat dilihat pada gambar berikut ini.
1).  Elemen Data / Field / Atribut adalah
satuan data terkecil yang   tidak dapat dipecah
lagi menjadi  unit lain yang bermakna.  

Pada data Mahasiswa,  field / atribut datanya

dapat berupa : nim, nama_m, tpt_lhr_m,
tgl_lhr_m, alm_m dan dan atribut lainnya yang
menyangkut mahasiswa tersebut.

Istilah lain elemen data adalah medan / field,

kolom, item, dan atribut. Istilah yang umum
dipakai adalah field, atribut atau kolom.
2).   Rekaman  /  Record /  Baris adalah     gabungan
 sejumlah  elemen  data  yang  saling terkait.
Contohnya adalah nim, nama_m, tpt_lhr_m,
tgl_lhr_m, alm_m an atribut lainnya dari seorang
Mahasiswa dapat dihimpun dalam sebuah record /
baris.

3).     Berkas / File / Table adalah

kumpulan record sejenis yang mempunyai panjang
atribut/ field sama, namun berbeda isi datanya.
Berikut ini dapat diberikan illustrasi  dari pengertian ketiga pengertian file, field,
record dan data value (isi data ). Silakan Perhatikan Gambar berikut:
Keterangan Gambar
Mahasiswa      nama table / file
Atribut / field : nim,nama_m,tpt_lhr_m,tgl_lhr_m,j_kelamin,alm_m,kota_m,aama_m dan kode_jur
Data value / Isi data :
Pada record pertama : 01031417 adalah isi data untuk kolom nim, Mulyanti untuk kolom nama_m dan seterusnya

Pada contoh diatas yang merupakan  table / file adalah Mahasiswa,  yang merupakan  field adalah
nim,nama_m,tpt_lhr_m,tgl_lhr_m,j_kelamin,alm_m,kota_m,aama_m dan kode_jur, sedangkan
untuk isi data pada record pertama adalah 01031417 (nim), Mulyanti (nama_m) dan seterusnya.
Pada tabel mahasiswa tersebut misalkan jumlah mahasiswanya adalah 2000 untuk berbagai
jurusan, maka jumlah recordnya  adalah 2000 juga dan kita dapat melakukan manipulasi data pada
tabel tersebut yaitu insert, update dan delete.
TERIMA KASIH