1.

PENGERTIAN BIG DATA

Big Data adalah istilah yang digunakan untuk menggambarkan volume data yang besar, baik
data yang terstruktur maupun data yang tidak terstruktur yang begitu besar sehingga sulit
untuk memproses dengan menggunakan tehnik database dan perangkat lunak biasa. Big Data
telah digunakan dalam banyak bisnis. Tidak hanya besar data yang menjadi poin utama tetapi
apa yang harus dilakukan organisasi dengan data tersebut. Big Data dapat dianalisis untuk
wawasan yang mengarah pada pengambilan keputusan dan strategi bisnis yang lebih baik.
Selain itu Big data memiliki potensi untuk membantu perusahaan meningkatkan operasi,
membuat lebih cepat dan keputusan yang lebih cerdas.

2. DIMENSI BIG DATA

· Volume

Mungkin karakteristik ini yang paling mudah dimengerti karena besarnya data. Volume juga
mengacu pada jumlah massa data, bahwa organisasi berusaha untuk memanfaatkan data
untuk meningkatkan pengambilan keputusan yang banyak perusahaan di banyak negara.
Volume data juga terus meningkat dan belum pernah terjadi sampai sethinggi ini sehingga
tidak dapat diprediksi jumlah pasti dan juga ukuran dari data sekitar lebih kecil dari petabyte
sampai zetabyte. Dataset big data sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika
big data digabungkan dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa
sampai zetabyte dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih
tinggi dari 1000 zetabyte.

· Variety

Variasi adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk structured
data, unstructured data dan semi-structured data. Organisasi perlu mengintegrasikan dan
menganalisis data dari array yang kompleks dari kedua sumber informasi Traditional dan non
traditional informasi, dari dalam dan luar perusahaan. Dengan begitu banyaknya sensor,
perangkat pintar (smart device) dan teknologi kolaborasi sosial, data yang dihasilkan dalam
bentuk yang tak terhitung jumlahnya, termasuk text, web data, tweet, sensor data, audio,
video, click stream, log file dan banyak lagi.

· Velocity
 Data dalam gerak. Kecepatan di mana data dibuat, diolah dan dianalisis terus menerus.
Berkontribusi untuk kecepatan yang lebih tinggi adalah sifat penciptaan data secara real-time,
serta kebutuhan untuk memasukkan streaming data ke dalam proses bisnis dan dalam
pengambilan keputusan. Dampak Velocity latency, jeda waktu antara saat data dibuat atau
data yang ditangkap, dan ketika itu juga dapat diakses. Hari ini, data terus-menerus
dihasilkan pada kecepatan yang mustahil untuk sistem tradisional untuk menangkap,
menyimpan dan menganalisis. Jenis tertentu dari data harus dianalisis secara real time untuk
menjadi nilai bagi bisnis.

3. KEUNTUNGAN DAN KERUGIAN BIG DATA

KEUNTUNGAN :

· Dapat meningkatkan penjualan

· Dapat menjaga relasi dengan pelanggan

· Dapat digunakan untuk menjaga relasi dengan karyawan

· Kemudahan untuk mengakses semua data yang tiba - tiba dibutuhkan

· Pemantauan langsung secara keseluruhan terhadap kinerja perusahaan secara real-

time yang dapat membantu pihak pihak pengambil keputusan dapat merencanakan kegiatan
bisnis apa yang harus dilakukan berikutnya.

· Kemampuan untuk menemukan, mendapatkan, mengekstrak, analisa,

menghubungkan,mengvisualisasikan data dengan perangkat pilihan perusahaan seperti SAP,
HANA, danlain sebagainya

· Konvergensi solusi dengan berbagai aplikasi SAP

· Mengidentifikasi resiko yang mungkin muncul dengan mengoptimalkan keputusan

yangkompleks dan dapat menanggulangi segala kejadian yang tidak diharapkan apabila
terjadi

KERUGIAN :

Beberapa kerugian yang ditimbulkan dari pengadaan Big Data pada sebuah perusahaanyang
tidak dapat mengelolanya.

· Pendekatan secara komprehensif untuk penggunaan Big Data

· Pendekatan secara koheren yang harus dilakukan untuk mengelola Big Data

· Cara yang efektif yang digunakan untuk mengolahnya

· Tenaga kerja yang baik

4. TANTANGAN DALAM PEMANFAATAN

· Privasi

Privasi merupakan isu yang paling sensitif, dengan konseptual, hukum, dan teknologi, Privasi
dapat dipahami dalam arti luas sebagai usaha perusahaan untuk melindungi daya saing dan
konsumen mereka. Data-data yang digunakan / disimpan sebagai big data

· Access dan sharing

Akses terhadap data, baik data lama maupun data baru dapat menjadi hambatan dalam
mendapatkan data untuk big data, terlebih pada data lama dimana data- data tersimpan dalam
bentuk – bentuk yang berbeda-beda dan beragam ataupun dalam bentuk fisik, akses terhadap
data baru juga membutuhkan usaha yang lebih kerana diperlukannya izin dan lisensi untuk
mengakses data-data non-public secara legal.

· Analisis

Bekerja dengan sumber data baru membawa sejumlah tantangan analitis. relevansi dan
tingkat keparahan tantangan akan bervariasi tergantung pada jenis analisis sedang dilakukan,
dan pada jenis keputusan yang akhirnya akan bisa diinformasikan oleh data.

Tergantung dari jenis data terdapat 3 kategori dalam analisis data :

o Penentuan gambaran yang benar

Masalah ini biasanya ditemukan dalam penanganan unstructured user-generated text-based

data dimana data yang didapatkan belum tentu benar karena data atau sumber yang salah.

o Interpreting Data

Kesalahan –kesalahan seperti Sampling selection bias merupakan hal yang sering
ditemukan dimana data yang ada tidak dapat digunakan untuk mepresentasikan semua
populasi yang ada, dan apophenia, melihat adanya pola walaupun tidak benar-benar ada
dikarenakan jumlah data yang besar, dan kesalahan dalam menginterpreasikan hubungan
dalam data.
o Defining and detecting anomalies

Tantangan sensitivitas terhadap spesifisitas pemantauan sistem. Sensitivitas mengacu pada

kemampuan sistem pemantauan untuk mendeteksi semua kasus sudah diatur untuk
mendeteksi sementara spesifisitas mengacu pada kemampuannya untuk mendeteksi hanya
kasus-kasus yang relevan. kegagalan untuk mencapai hasil yang terakhir "Tipe I kesalahan
keputusan", juga dikenal sebagai "positif palsu"; kegagalan untuk mencapai mantan "Type II
error", atau "negatif palsu." Kedua kesalahan yang tidak diinginkan ketika mencoba untuk
mendeteksi malfungsi atau anomali, bagaimanapun didefinisikan, untuk berbagai alasan.
Positif palsu merusak kredibilitas sistem sementara negatif palsu dilemparkan ragu pada
relevansinya. Tapi apakah negatif palsu lebih atau kurang bermasalah daripada positif palsu
tergantung pada apa yang sedang dipantau, dan mengapa itu sedang dipantau.

· Bukan Hanya Masalah Ukuran, Tapi Lebih pada Ragam

Kini jelas bahwa Big Data bukan hanya masalah ukuran yang besar, terlebih yang menjadi
ciri khasnya adalah jenis datanya yang sangat beragam dan laju pertumbuhan maupun
frekwensi perubahannya yang tinggi. Dalam hal ragam data, Big Data tidak hanya terdiri dari
data berstruktur seperti halnya data angka-angka maupun deretan huruf-huruf yang berasal
dari sistem database mendasar seperti halnya sistem database keuangan, tetapi juga terdiri
atas data multimedia seperti data teks, data suara dan video yang dikenal dengan istilah data
tak berstruktur. Terlebih lagi, Big Data juga mencakup data setengah berstruktur seperti
halnya data e-mail maupun XML. Dalam hal kecepatan pertumbuhan maupun frekwensi
perubahannya, Big Data mencakup data-data yang berasal dari berbagai jenis sensor, mesin-
mesin, maupun data log komunikasi yang terus menerus mengalir. Bahkan, juga mencakup
data-data yang tak hanya data yang berada di internal perusahaan, tetapi juga data-data di luar
perusahaan seperti data-data di Internet. Begitu beragamnya jenis data yang dicakup dalam
Big Data inilah yang kiranya dapat dijadikan patokan untuk membedakan Big Data dengan
sistem manajemen data pada umumnya.

· Kecepatan Lebih Utama daripada Ketepatan

Hingga saat ini, pendayagunaan Big Data didominasi oleh perusahaan-perusahaan jasa
berbasis Internet seperti halnya Google dan Facebook. Data yang mereka berdayakan pun
bukanlah data-data internal perusahaan seperti halnya data-data penjualan maupun data
pelanggan, lebih menitik beratkan pada pengolahan data-data teks dan gambar yang berada di
Internet. Bila kita melihat gaya pemberdayaan data yang dilakukan oleh perusahaan-
perusahaan pada umumnya, yang dicari adalah trend yang didapat dari pengolahan data
secara keseluruhan. Misalnya, dari data konsumen akan didapat informasi tentang trend
konsumen dengan memproses data konsumen secara keseluruhan, bukan memproses data
per-konsumen untuk mendapatkan trend per-konsumen. Dilain pihak, perusahaan-perusahaan
jasa berbasis Internet yang memanfaatkan Big Data justru memfokuskan pemberdayaan data
untuk mendapatkan informasi trendper-konsumen dengan memanfaatkan atribut-atribut yang
melekat pada pribadi tiap konsumen. Sebut saja toko online Amazon yang memanfaatkan
informasi maupun atribut yang melekat pada diri per-konsumen, untuk memberikan
rekomendasi yang sesuai kepada tiap konsumen. Satu lagi, pemberdayaan data ala Big Data
ini dapat dikatakan lebih berfokus pada kecepatan ketimbang ketepatan.

5. CONTOH BIG DATA

· Contoh di Sektor Swasta

Salah satu pengguna Big Data pada sektor swasta adalah sebuah perusahaan

jual - beli barang Online yaitu :

a Perusahaan [Link] menggunakan dua gudang data pada 7,5 petabyte dan 40PB
serta Hadoop klaster 40PB untuk pencarian, rekomendasi, konsumen, dan merchandising . Di
dalam eBay 90PB data warehouse. [Link] menangani jutaan operasi back-end setiap
hari, serta pertanyaan dari lebih dari setengah juta penjual pihak ketiga . Teknologi inti yang
membuat Amazon berjalan adalah berbasis Linux dan pada 2005 mereka memiliki tiga
database Linux terbesar di dunia , dengan kapasitas 7,8 TB , 18,5 TB , dan 24,7 TB .

b Walmart menangani lebih dari 1 juta transaksi nasabah setiap jam , yang diimpor
ke database diperkirakan mengandung lebih dari 2,5 petabyte ( 2.560 terabyte ) data - . Setara
dengan 167 kali informasi yang terdapat dalam semua buku di Perpustakaan Kongres AS.

c FICO Falcon Penipuan Kartu Kredit Detection System melindungi 2,1 miliar akun
aktif di seluruh dunia .Volume data bisnis di seluruh dunia , di semua perusahaan , dua kali
lipat setiap 1,2 tahun , menurut perkiraan. Windermere Real Estate menggunakan sinyal GPS
anonim dari hampir 100 juta driver untuk membantu pembeli rumah baru menentukan waktu
berkendara khas mereka ke dan dari tempat kerja di berbagai kali dalam sehari .

· Contoh di Bidang Arsitektur

Pada tahun 2004 , Google menerbitkan sebuah makalah tentang proses yang disebut
MapReduce yang menggunakan arsitektur tersebut . MapReduce framework menyediakan
model pemrosesan paralel dan implementasi terkait untuk memproses sejumlah besar data .
Dengan MapReduce , query dibagi dan didistribusikan di seluruh node paralel dan diproses
secara . Hasilnya kemudian dikumpulkan dan disampaikan. Kerangka itu sangat sukses
sehingga orang lain ingin meniru algoritma . Oleh karena itu , sebuah implementasi dari
kerangka MapReduce diadopsi oleh sebuah proyek open source Apache Hadoop bernama
Teknologi Topological Program Analisis Data DARPA.

· Contoh di Bidang Pasar

" Big Data" telah meningkatkan permintaan spesialis manajemen informasi dalam Software
AG , Oracle Corporation , IBM , Microsoft , SAP , EMC , HP dan Dell telah menghabiskan
lebih dari $ 15 miliar untuk perusahaan perangkat lunak hanya mengkhususkan diri dalam
manajemen data dan analisis . Pada tahun 2010 , industri ini sendiri bernilai lebih dari $ 100
miliar dan tumbuh hampir 10 persen per tahun, tentang dua kali lebih cepat sebagai bisnis
perangkat lunak secara keseluruhan .

Negara maju membuat meningkatnya penggunaan teknologi data-intensif Ada 4,6 miliar
langganan ponsel di seluruh dunia dan ada antara 1 miliar sampai 2 miliar orang mengakses
internet . Antara tahun 1990 dan 2005 , lebih dari 1 miliar orang di seluruh dunia memasuki
kelas menengah yang berarti semakin banyak orang yang memperoleh uang akan menjadi
melek lagi yang pada gilirannya menyebabkan pertumbuhan informasi . Kapasitas yang
efektif di dunia untuk bertukar informasi melalui jaringan telekomunikasi adalah 281
petabyte pada tahun 1986 , 471 petabyte pada tahun 1993 , 2,2 exabyte pada tahun 2000 , 65
exabyte pada tahun 2007 dan diperkirakan bahwa jumlah lalu lintas yang mengalir melalui
internet akan mencapai 667 exabytes per tahun pada tahun 2013.

6. KEGUNAAN BIG DATA DALAM PERUSAHAAN

· IT logs Analytics

Penyimpanan Log jangka panjang, digunakan untuk analisa proses sistem yang
sedang berjalan untuk mencegah dan menaggulangi kegagalan dalam sistem, mengunakan
hasil analisa log untuk menemukan dan mentukan secara pasti kegagalan apa yang terjadi
didalam sistem, menyiapkan langkah-langkah pasti yang dapat digunakan sebagai solusi
masalah sistem.

· Fraud Detection Pattern

Banyak digunakan dalam Bidang keuangan atau dimana saja transaksi finasial terlibat,
Memaksimalkan pengunaan data-data yang ada untuk memberikan kemampuan unutk
mendeteksi fraud ketika transaksi sedang berlangsung

· The Social Media Pattern

Pengunaan Big data untuk analisa media social dan sentiment pelangan, memberikan
kemampuan bagi perusahan untuk mengetahui keinginan customer secara luas, mendapatkan
feedback secara langsung, dan mengenali langsung dampak sentimen terhadap penjualan,
serta efektivitas dan penerimaan pelangan terhadap pemasaran yang dilakukan.

· The Call centere Mantra

Penyimpanan hasil perbincangan atau laporan customer dalam bentuk text yang kemudian
digunakan sebagai data untuk analisa masalah yang dihadapai customer, memberikan
kemampuan bagi perusahaan untuk memberikan tanggapan yang cepat maupun secara
langsung terhadap masalah yang dihadapi customer, serta kemampuan unutk mendeteksi
penurunan loyalitas customer dikarenakan masalah dan ketidakpuasaan.

· Risk: Patterns for Modeling and Management

Memberikan kempuaan pengunaan data secara penuh dan analisis dalam pemodelan resiko
dan menejemen resiko untuk memberikan pengetahuan akan resiko dan penanggulangannya
secara tepat dan langsung

· Big data and The Energy Sector

Memberikan kemampuan penyimpanan dan pemrosesan data secara langsung dari berbagai
sumber(sensor), analisa dan kemudahan dalam pengenalan noise untuk memisahkannya dari
signal.

BAB III

PENUTUP

KESIMPULAN
Big Data yang merupakankumpulan data yang dimiliki perusahaan dengan jumlah yang
sangat besar dan tidak terstruktur untuk itu perusahaan harus dapat mengelolah data yang
perusahaan terima sehingga perusahaan dapat menjadikan data ini

sebagai kumpulan informasi dan mendapat keuntungandari Big Data yang telah di kelola agar
perusahaan dapat merencanakan strategi yang untuk ke depannya, pengambilan keputusan
maupun forescasting dan keuntungan [Link], jika perusahaan tidak dapat mengelola
Big Data maka perusahaanakan mengalami kesulitan seperti data yang diterima perusahaan
tidak relevan yangmengakibatkan kesalahan dalam pengambilan keputusan . selain itu
perusahaan juga harusmengetahui cara untuk mengelola, penerapan dan penggunaan Big
Data sehingga perusahaandapat memaksimalkan penggunaan Big Data untuk keuntungan
perusahaan.