Big Data

Big Data Disusun oleh Dila Sepphira Yusniawan Untuk Memenuhi Tugas Mata Kuliah Psikologi Konsumen dan Perilaku Ekonomi Fakultas Psikologi, Universitas Pancasila, 2021 Big data digunakan untuk pertama kalinya pada tahun 1997 oleh Michael Cox dan David Elssworth dalam makalah yang dipresentasikan pada konferensi IEEE yaitu memaparkan tentang visualisasi data dan tantangan yang diajukan untuk sistem komupter. Secara semantik, terminologi “Big Data” biasanya digunakan untuk menerangkan sebuah himpunan data (dataset) yang besar, berbeda-beda, kompleks dan/atau bersifat longitudinal yang dihasilkan dari berbagai macama instrumen, sensor dan/atau transaksi- transaksi berbasis komputer Big data adalah sekumpulan data yang berukuran besar yang jumlahnya terus bertambah, terdiri dari berbagai macam jenis data, terbentuk dengan terus menerus dengan kecepatan tertentu dan harus diproses dengan kecepatan tertentu pula (Wu et al., 2013). Teknologi Big Data adalah manajemen aset informasi dengan ukuran data tinggi, kecepatan acces data tinggi dan kompleksitas dari data yang membantu perusahaan mengelola data dengan biaya yang lebih efektif dan mendorong untuk melakukan inovasi pengolahan informasi dalam pengambilan keputusan dan peningkatan pengetahuan atau wawasan (Holmes, 2017). Sejauh ini penggunaan bigdatadi Indonesia didominasi oleh tiga bidang usaha yaitu perusahaan telekomunikasi, perbankan, dan produsen barang-barang konsumsi ringan dan murah seperti minuman dan makanan kemasan (consumer goods) (Sirait, 2016). Setelah mengetahui pengertian dari Big data diatas kemudian Big data juga memiliki beberapa jenis data nih data data ini dibagi menjadi tiga yang memiliki fungsi, bentuk, dan teknik pemrosesan yang berbeda-beda diantaranya, Data Terstruktur Data Terstruktur merujuk pada data yang sudah tersimpan secara berurutan. Secara umum, data ini disusun pada excel atau spreadsheet. Data terstruktur mudah diakses dan dianalisis karena berasal dari berbagai macam database dengan algoritma mesin pencari sederhana. Bisa juga berasal dari data statistik lain yang ditangkap oleh server, aplikasi, atau bergerak melalui platform. Data terstruktur yang dibuat manusia biasanya mencakup semua data dalam aktivitas di internet atau komputer. Misalnya, ketika seseorang mengklik tautan di internet, atau bahkan berselancar ke suatu situs e-commerce, aktivitas tersebut menjadi data yang dapat digunakan oleh perusahaan untuk mengetahui behaviour pelanggan. Contoh data terstruktur lain, seperti data penjualan perusahaan, data diri karyawan, atau data pelanggan yang terlampir secara terstruktur. Data Tidak Terstruktur Data dengan jenis ini bentuknya tidak terstruktur dan tidak memiliki format yang jelas dalam penyimpanan. Sehingga, tidak mudah membaca dan menganalisis data ini. Biasanya, data ini memiliki volume atau ukuran data yang besar. Untuk menganalisisnya, perlu diolah terlebih dahulu secara manual. Data yang tidak terstruktur ini bisa berasal dari beberapa sumber dan memiliki kombinasi file sederhana, seperti teks, gambar, video, dan lain sebagainya. Contohnya dalam media sosial, seperti jumlah like, pengikut, komentar, retweet, share, gambar postingan, dan aktivitas digital lain dalam akun pengguna. Contoh lain, data tidak terstruktur biasanya dihasilkan mesin, seperti citra satelit, data ilmiah dari berbagai eksperimen, atau data radar yang ditangkap oleh berbagai aspek teknologi. Data Semi Terstruktur Dalam data ini, garis antara data tidak terstruktur dan data terstruktur tampak tidak jelas, karena sebagian besar data semi-terstruktur sekilas tampak tidak terstruktur. Jenis data ini belum diklasifikasikan, tapi mengandung informasi yang penting. Misalnya, dokumen NoSQL karena mengandung kata kunci yang dapat digunakan untuk memproses dokumen dengan mudah. Contoh file yang masuk ke dalam jenis data ini adalah xml, json, dan CSV. Chrisvania (2017), menyatakan bahwa Big data yang diimplementasikan oleh perusahaan besar umumnya digunakan secara multi fungsi, dengan implementasi ini analisa baru digunakan untuk suatu kepenting tanpa mengubah infrastruktur yang sudah mereka bentuk secara signifikan. Namun bagi perusahaan menengah atau SME (Small Medium Entreprise) mereka mengimplementasikan big ddata untuk mengallisis suatu keperluan tertentu secara spesifik atau terperinci. Teknologi dari big data ini tidak hanya dapat dimanfaatkan oleh perusahaan perusahaan besar, namun juga oleh usaha usaha kecil. Meskipun teknologi big data terbilang rumit dan mahal, namun perusahaan kecil dapat juga memanfaatkan big data asalkan tahu persis apa tujuan bisnisnya, sehingga memudahkan proses identifikasi data yang dibutuhkan serta mendapatkan manfaat lebih. Big data pertama kali di cetuskan oleh seorang ahli analisis industry yang bernama Doug Laney yang memaparkan 3 masalah dalam big data atau biasa disebut “The 3V of Data” diantaranya adalah (1) Volume, merupakan masalah pengorganisasian data dalam jumlah besar, meskipun data dapat disimpan pada data warehouse namun tentu akan berimbas pada pembiayaan yang mahal, (2) Velocity, permasalahan yang dihadapi oleh sebuah institusi adalah berkaitan dengan kecepatan data yang dihasilkan. Hal tersebut terjadi karena besarnya volume data dengan kecepatan prosesing data yang berbanding terbalik. Ketepatan data yang besar, volume data yang masuk dalam jumlah besar tentu membutuhkan prosesing data dengan software yang mampu menanggulangi kecepatan data juga. (3) Varietas, dari sisi variasi data permasalahan yang sering kali muncul adalah platform data yang bervariasi. Hal ini tentunya membutuhkan database atau data warehouse yang bisa memproses berbagai jenis data. Selain dari database, Hadoop yang kita gunakan juga harus mampu melakukan sortir data sesuai dengan tipe file dan jenis datanya (Playford et al., 2016). Sebagai bisnis yang berjalan di era teknologi tentu data lengkap dengan analisisnya merupakan bagian terpenting yang dapat menopang arah kebijakan dalam menjalankan bisnis. Analisis data yang lengkap bukan lagi hanya menjadi kompetensi yang penting bagi organisasi perusahaan akan tetapi sebagai penentu penguasaan pasar dan dijadikan dasar acuan ke mana bisnis akan berjalan dan dikembangkan. Beberapa manfaat Big Data yang sudah dirasakan khususnya bagi dunia usaha diantaranya untuk mengetahui respon masyarakat terhadap produk-produk yang dikeluarkan melalui analisis sentimen di media sosial; membantu perusahaan mengambil keputusan secara lebih tepat dan akurat berdasarkan data; membantu citra perusahaan di mata pelanggan; untuk perencanaan usaha dengan mengetahui perilaku pelanggan, seperti pada perusahaan telekomunikasi dan perbankan;serta mengetahui trend pasar dan keinginan konsumen. Dari hasil informasi tersebut ada beberapa tindakan menarik yang dapat dilakukan, diantaranya: menyusun rak belanja agar dua atau tiga produk tersebut berdekatan sehingga mudah dijangkau oleh konsumen dan dapat diputuskan untuk dibeli dengan cepat. Kemudian bisa membuat paket promosi dimana kombinasi produk-produk tersebut dijual lebih murah. Referensi Chrisvania, N. (2017). Social media and technology's impact on business, society, and culture. https://socialmediaweek.org/jakarta/2017/01/06/strategi-dalam-implementasi-big-data/ Commercial.acerid.com. 2021, (25 Maret). Big Data: Manfaat, Jenis, dan Klasifikasinya yang Perlu Diketahui. Diakses pada 09 Desember 2021, dari https://commercial.acerid.com/support/articles/big-data-manfaat-jenis-dan-klasifikasinya-yang-perlu-diketahui Holmes, D. E. (2017). Big Data: A Very Short Introduction. In Oxford University Press (Vol. 1, Issue 1). Oxford University Press Playford, C. J., Gayle, V., Connelly, R., & Gray, A. J. (2016). Administrative social science data: The challenge of reproducible research. Big Data & Society, 3(2), 205395171668414. https://doi.org/10.1177/2053951716684143 Pujianto, A., Mulyati, A., & Novaria, R. (2018). Pemanfaatan Big Data Dan Perlindungan Privasi Konsumen Di Era Ekonomi Digital. Majalah Ilmiah Bijak, 15(2), 127-137. Sirait, E. (2016). Implementasi Teknologi Big Data Di Lembaga Pemerintahan Indonesia. Jurnal Penelitian Posdan Informatika, Vol.6 No .2, 113–136. doi:10.17933 /jppi.2016.060201 Wu, X., Zhu, X., Wu, G.-Q., & Ding, W. (2013). Data mining with big data. IEEE Transactions on Knowledge and Data Engineering, 26(1), 97– 107.