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