Ardhita Widya Pratikno 200211100012

Monica Dea Ariyanti 200211100013

Fina Ayu Alvionita 200211100017
Novi Anggraeni 200211100019
Septia Dea Saputri 200211100028
Manajemen A
MEMBANGUN BIG DATA DAN
DATA MINING
Pengertian Big Data
Hashem dan kolega berpendapat bahwa Big Data harus memenuhi unsur “4’s”
dengan menambahkan “value” yang merupakan faktor penting dari big data, yaitu
proses menemukan makna dibalik sekumpulan data. Pendapat yang hampir sama
dikemukakan Fosso-Wamba dengan menambahkan satu variabel bahwa “Big
Data” sebagai: "pendekatan holistik untuk mengelola, memproses dan
menganalisis 5Vs yaitu “volume, velocity, variety, veracity, and value” (volume,
kecepatan, variasi, kebenaran, dan nilai) untuk menciptakan wawasan yang dapat
ditindaklanjuti untuk pengiriman nilai berkelanjutan , mengukur kinerja dan
membangun keunggulan kompetitif.
 01
Membangun atau
Implementasi Big Data
dalam Bisnis
Kebiasaan manusia dan persaingan bisnis di era yang semakin
terbuka sat in menjadikan pengambilan keputusan yang tepat adalah
kunci untuk bertahan dalam bisnis. Data adalah salah satu penentu
keberhasilan dalam pengambilan keputusan.
Customer Profiling
01 Pola dan profil pelanggan dapat dipelajari
melalui data-data yang dibuat ole
pelanggan ketika sedang berinteraksi
02
Product Development
Big data dapat memberikan insight
yang mendalam untuk
dengan produk, baik secara langsung, mengidentifikasikan kebutuhan pasar,
melalui website ataupun menggunakan melihat respon pelanggan melalui
aplikasi komentar pada forum atau sosial
media, mengevaluasi kinerja
Price Optimization penjualan produk di pasar dengan

03 Harga bisa menjadi kunci bagi pelanggan

untuk menentukan produk yang akan dibeli.
Akan tetapi perang harga pun dapat
cepat, mengoptimalkan rantai
distribusi, hingga mengoptimalkan
strategi pemasaran.
memberikan pengaruh buruk bagi produk itu
sendiri. Big data dapat memberikan peta dan
pola harga yang ada di pasar, sehingga
produsen dapat menentukan harga yang
optimal dan promosi harga yang sesuai
dengan kebutuhan pasar.
1. IT Management dan Tata Kelola
a) IT Management Gartner menggambarkan dimensi
Big Data sebagai 3V yaitu Volume, Velocity,
Variety (Gartner, 2009). Seiring dengan
pekembangannya, Big Data tidak hanya mencakup
3V namun berkembang ke 5V yaitu Volume,
Velocity, Value, Veracity, dan Variety. Secara
teknis, Big Data merupakan sekumpulan data yang
besar baik terstruktur, semi, maupun tidak
terstruktur sehingga tidak bisa diolah menggunakan
perangkat database relational biasa (Nitin Sawant,
2013).
b) Tata Kelola IT dengan framework COBIT 5 COBIT
(Control Objectives for Information and Related Technology)

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.
 2. Sumber Daya Manusia
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 dan
SQL dan Data Modeling
 b) Data Warehouse yaitu data yang telah diambil
dari berbagai macam sumber akan disimpan dalam
server yang sudah disiapkan untuk system Big Data.
c) Data Transformation merupakan salah satu
sifat dari Big Data selain ukuran data yang sangat
besar, juga jenis data yang sangat beragam.
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.
 Data Mining
Secara sederhana data mining adalah penambangan atau
penemuan informasi baru dengan mencari pola atau aturan tertentu
dari sejumlah data yang sangat besar. Data mining juga disebut
sebagai serangkaian proses untuk menggali nilai tambah berupa
pengetahuan yang selama ini tidak diketahui secara manual dari
suatu kumpulan data. Data mining, sering juga disebut sebagai
knowledge discovery in database (KDD). KDD adalah kegiatan
yang meliputi pengumpulan, pemakaian data, historis untuk
menemukan keteraturan, pola atau hubungan dalam set data
berukuran besar.
 Karakteristik Data Mining
Karakteristik data mining sebagai berikut:
1. Data mining berhubungan dengan penemuan
sesuatu yang tersembunyi dan pola data tertentu yang
tidak diketahui sebelumnya.
2. Data mining biasa menggunakan data yang sangat
besar. Biasanya data yang besar digunakan untuk
membuat hasil lebih dipercaya.
3. Data mining berguna untuk membuat keputusan
yang kritis, terutama dalam strategi.
 Macam Model Data Mining
Macam-macam model data mining:
a) Model prediktif sering menerapkan fungsi pembelajaran yang diawasi untuk
memprediksi nilai yang tidak diketahui atau masa depan dari variabel lain yang
diminati.
Contohnya: klasifikasi , regresi dan kategorisasi, digunakan untuk model
prediktif.
 
b)Model deskriptif sering menerapkan fungsi unsupervised learning dalam
menemukan pola yang mendeskripsikan data yang dapat diinterpretasikan
manusia.
Contohnya: pengelompokan, aturan asosiasi, analisis korelasi , sering digunakan
untuk model deskriptif.
Faktor yang mendukung perlunya
dilakukan data mining
Data telah mencapai
jumlah dan ukuran Telah dilakukan proses
yang sangat besar data warehousing

Kemampuan
Komputasi yang Persaingan bisnis yang
semakin terjangkau semakin ketat
 Tahap Tahap Data Mining
Pembersihan Data Integrasi Data (data Seleksi Data (Data
(data cleaning) integration) Selection)

Transformasi data Evaluasi pola

(Data Proses mining (pattern evaluation)
Transformation)
TERIMAKASIH