MAKALAH
PENERAPAN
BIG DATA DI BIDANG
KEIMIGRASIAN
Makalah
Diajukan untuk memenuhi komponen tugas Mata Kuliah Pegantar Teknologi
Informasi Keimigrasian
Disusun
oleh:
Bintang Fortuna Permataningsih (2020.1984.1.02)
PROGRAM STUDI HUKUM
KEIMIGRASIAN POLITEKNIK IMIGRASI
TAHUN 2021
KATA PENGANTAR
Puji syukur
alhamdulillah saya panjatkan atas kehadirat Allah SWT, yang atas rahmat-Nya
karena telah melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga
makalah yang berjudul “Penerapan Big Data di Keimigrasian“ bisa
selesai pada waktunya. Penulisan makalah ini merupakan salah satu tugas yang
diberikan dalam mata kuliah Pegantar Teknologi
Informasi Keimigrasian.
Terima kasih
saya ucapkan kepada Dosen mata kuliah Pegantar Teknologi
Informasi Keimigrasian, Ibu Nurul Maharani Piranti, A.md, S.T, M.Si atas
arahan dan bimbingannya sehingga makalah ini bisa disusun dengan baik dan rapi.
Saya memahami bahwa dalam penulisan makalah ini
masih banyak kekurangan baik pada teknis penulisan maupun materi, mengingat
akan kemampuan yang saya miliki. Untuk itu, saya mengharapkan kritik dan saran
dari semua pihak demi penyempurnaan pembuatan makalah ini.
Depok, 3 Agustus 2021
Penyusun
DAFTAR ISI
HALAMAN
JUDUL...................................................................................... i
KATA
PENGANTAR................................................................................... ii
DAFTAR ISI................................................................................................... iii
BAB I
PENDAHULUAN.............................................................................. 4
A.
Latar Belakang..................................................................................... 4
B.
Rumusan Masalah................................................................................. 5
C.
Tujuan................................................................................................... 5
D.
Manfaat................................................................................................ 5
BAB II
PEMBAHASAN................................................................................ 6
A. Pengertian
dari big data...................................................................... 7
B. Karakteristik
dari big data................................................................... 8
C. Tahapan
implementasi big data.......................................................... 12
D. Manfaat
analisis big data.................................................................... 14
E. Contoh
studi kasus penggunaan analisis big data............................... 18
BAB III
PENUTUP........................................................................................ 20
A.
Kesimpulan........................................................................................... 20
B.
Saran .................................................................................................... 20
DAFTAR
PUSTAKA
BAB
I
PENDAHULUAN
A.
Latar
Belakang
Berkembangnya
internet di era teknologi yang maju memungkinkan peredaran informasi yang
semakin banyak, cepat, dan hampir tidak terbatas oleh ruang dan waktu. Hal ini
menyebabkan informasi yang beredar dari hari ke hari menjadi sangat banyak,
mencakup berbagai informasi dalam bidang sosial, politik, ekonomi, teknologi,
ilmu pengetahuan, pangan, dan lain sebagainya. Tidak dapat dipungkiri,
informasi merupakan senjata yang sangat penting saat ini. Organisasi seperti
pemerintah tentunya memiliki data yang sangat beragam dan dengan jumlah yang
sangat banyak. Untuk dapat mengambil keputusan yang tepat, dalam hal ini
pemerintah selaku pembuat kebijakan, memerlukan cara yang efektif untuk
mengelola data – data tersebut menjadi informasi yang berguna sebagai
pertimbangan dalam membuat keputusan. Data adalah catatan atas kumpulan fakta.
Data merupakan bentuk jamak dari datum, berasal dari bahasa latin yang berarti
“sesuatu yang diberikan”. Dalam penggunaan sehari-hari data berarti sesuatu
yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran suatu
variable yang bentuknya dapat berupa angka, kata-kata atau citra.
Saat
ini sudah banyak perusahaan yang menyadari pentingnya pengolaan data dengan
cara memanfaatkan big data. Akhir-akhir ini juga istilah ‘big data’ menjadi
topik yang sering dibahas dalam industri Teknologi Informasi. Banyak pihak yang
mungkin heran kenapa topik ini menjadi pusat perhatian padahal ledakan
informasi telah terjadi secara berkelangsungan sejak dimulainya era informasi,
perkembangan volume dan jenis data yang terus meningkat secara berlipat-lipat
dalam dunia maya (internet), semenjak kelahirannya tersebut adalah fakta yang
tidak dapat dipungkiri. Mulai data yang hanya berupa teks, gambar atau foto,
lalu data berupa video hingga data yang berasal sistem pengindraan. Oleh karena
itu prinsip Big Data sangat cocok diterapkan, dimana prinsip Big Data yaitu
untuk dapat mengelola data yang sangat banyak dan beragam, serta mengolahnya
menjadi informasi yang dibutuhkan dalam waktu yang sangat singkat. Dengan
menemukan pilihan alternatif implementasi Big Data yang cocok diterapkan pada
Kementerian Komunikasi dan Informatika, khususnya pada bagian Media Monitoring,
diharapkan dapat membantu user terkait dalam membuat keputusan melalui
implementasi Big Data. Teknologi big data tidak hanya dapat dimanfaatkan oleh
perusahaan-perusahaan besar, namun juga oleh usaha-usaha kecil dan menengah
(UMKM) maupun organisasi publik. Meskipun teknologi big data terbilang rumit
dan mahan, namun perusahaan kecil dapat juga memanfaatkan big data asalkan tahu
persis apa tujuan bisnisnya, sehingga memudahkan proses identifikasi data yang
dibutuhkan serta mendapatkan manfaat yang lebih besar dari investasi yang
dikeluarkan.
B.
Rumusan
Masalah
1.
Apa pengertian dari big data?
2.
Bagaimana karakteristik dari big data?
3.
Bagaimana tahapan implementasi big data?
4.
Apa saja manfaat analisis big data?
5.
Apa saja contoh studi kasus penggunaan
analisis big data?
C.
Tujuan
1.
Mengetahui pengertian dari big data
2.
Mengetahui karakteristik dari big data
3.
Mengetahui tahapan implementasi big data
4.
Mengetahui manfaat analisis big data
5.
Mengetahui contoh studi kasus penggunaan
analisis big data
D.
Manfaat
Penulisan
makalah Penerapan Big Data di Bidang Keimigrasian ini diharapkan dapat berguna
dan bermanfaat baik itu secara teoritis maupun secara praktis. Adapun manfaat
yang dapat diperoleh dari makalah ini yaitu:
1.
Manfaat teoritis
a) Dapat
mengembangkan pengetahuan dan pemahaman mengenai Penerapan Big Data pada Teknologi
Informasi khususnya dalam bidang keimigrasian pada Lembaga Imigrasi.
b) Makalah
ini dapat dijadikan sumbangan referensi dalam kegiatan penelitian di bidang Teknologi
Informasi keimigrasian.
2.
Manfaat praktis
Makalah ini
diharapkan akan dapat memberikan sumbangan pemikiran bagi perkembangan Penerapan
Big Data pada Teknologi Informasi dan khususnya yang berkaitan dengan
keimigrasian terutama pada Lembaga Imigrasi di Indonesia.
BAB II
PEMBAHASAN
A.
Pengertian
Big Data
Big
Data bukanlah sebuah teknologi, teknik, maupun inisiatif yang berdiri sendiri.
Big Data adalah suatu trend yang mencakup area yang luas dalam dunia bisnis dan
teknologi. Big Data menunjuk pada teknologi dan inisiatif yang melibatkan data
yang begitu beragam, cepat berubah, atau berukuran super besar sehingga terlalu
sulit bagi teknologi, keahlian, maupun infrastruktur konvensional untuk dapat
menanganinya secara efektif. Saat ini kita mengenal relational data store dan
warehouse yang digunakan banyak perusahaan untuk menda atkan informasi,
melakukan analisis, dan prediksi dari data-data yang mereka miliki.
Big
data adalah data yang melebihi proses kapasitas dari sistem database yang ada.
Data terlalu besar dan terlalu cepat atau tidak sesuai dengan struktur
arsitektur database yang ada, sehingga untuk mendapatkan nilai dari data, maka
harus memilih jalan alternatif untuk memprosesnya. Menurut Thomas, “Big Data
adalah istilah yang menggambarkan volume data yang besar - baik terstruktur dan
tidak terstruktur - yang membanjiri bisnis pada sehari -hari . Tapi itu bukan
jumlah data yang penting . Itu yang dilakukan organisasi dengan data yang
penting . data besar dapat dianalisis untuk wawasan yang mengarah pada
keputusan yang lebih baik dan bergerak bisnis strategis”. Big Data merupakan
sebuah proses pengumpulan data untuk menemukan pola dan korelasi yang mungkin
tidak jelas pada awalnya, tetapi berpeluang menjadi berguna dalam pengambilan
keputusan bisnis. Data tersebut seringkali merupakan data pribadi yang berguna
yang dapat dikategorikan sebagai Volunteered data, Observed data ataupun
Inferred data.
Big
data merupakan data berukuran besar yang volumenya akan terus bertambah dan
terdiri dari berbagai jenis atau varietas data, terbentuk secara terus menerus
dengan kecepatan tertentu dan harus diproses dengan kecepatan tertentu pula.
Big data dapat juga didefinisikan sebagai data yang sangat sulit untuk
dikoleksi, disimpan dan dikelola maupun dianalisa dengan menggunakan system
database yang biasa karena volumenya akan terus berlipat. Dari segi teknologi, akan
bermunculan pentingnya kemampuan untuk memproses big data. Sedangkan menurut
data Chandarana, Parth, & Vijayakakshmi, big mengacu pada 3V yaitu volume,
variety, velocity dan ada yang menambahkan unsur V lainnya seperti veracity dan
value. Volume (kapasitas data) berkaitan dengan ukuran media penyimpanan data
yang sangat besar atau mungkin tidak terbatas hingga satuan petabytes atau
zettabytes. Variety (keragaman data) terkait tipe atau jenis data yang dapat
dioleh mulai dari data terstruktur hingga data tidak terstruktur, sedangkan
velocity (kecepatan) terkait dengan kecepatan memproses data yang dihasilkan
dari berbagai sumber, mulai dari data batch hingga real time, sementara itu
karakteristik veracity (kebenaran).
B.
Karakteristik
Big Data
Suatu
data dikategorikan sebagai “Big Data” bukan hanya karena jumlah data yang
besar. Gartner menggambarkan dimensi Big Data sebagai 3V yaitu Volume,
Velocity, Variety.
1. Volume
Sistem
Big Data memiliki Volume data yang sangat besar, dimana biasanya melebihi
server biasa pada umumnya dan data ini akan bertambah terus tiap harinya.
Besarnya data bisa mencapai lebih dari 100 TB dan biasanya disimpan di
infrastruktur external (tidak di maintain sendiri). Jumlah data yang dihasilkan
dan disimpan. Ukuran data menentukan nilai dan potensi mendalam – dan apakah
itu dapat sebenarnya dianggap sebagai big data atau bukan. Contohnya, pada
tahun 2000 lalu, PC biasa pada umumnya memiliki kapasitas penyimpanan sekitar
10 gigabytes. Saat ini, Facebook menyedot sekitar 500 terabytes data baru
setiap harinya; sebuah pesawat Boeing 737 menghasilkan sekitar 240 terabytes
data penerbangan dalam satu penerbangan melintasi Amerika; makin menjamurnya
penggunaan ponsel pintar (smartphone), bertambahnya sensor-sensor yang
disertakan pada perangkat harian, akan terus mengalirkan jutaan data-data baru,
yang terus terupdate, yang mencakup data-data yang berhubungan dengan
lingkungan, lokasi, cuaca, video bahkan data tentang suasana hati si pengguna
ponsel pintar.
2. Variasi
Selain
itu Big Data juga memiliki data yang bervariasi (Variety), dengan format maupun
jenis data yang sangat beragam sehingga memerlukan suatu proses khusus untuk
dapat mengolahnya. Jenis dan sifat dari data. Ini membantu orang-orang yang
menganalisisnya yang menggunakan secara efektif hasil mendalam. ig Data tidak hanya menyangkut
data yang berupa angka-angka, data tanggal, dan rangkaian teks. Big Data juga
meliputi data-data ruang / geospatial, data 3D, audio dan video, dan data-data
teks tak berstruktur termasuk file-file log dan media sosial. Sistem database
tradisional didesain untuk menangani data-data berstruktur, yang tak terlalu
sering mengalami update atau updatenya dapat diprediksi, serta memiliki
struktur data yang konsisten yang volumenya tak pernah sebesar Big Data. Selain
itu, sistem database tradisional juga didesain untuk digunakan dalam satu
server yang berdiri sendiri, yang berakibat pada keterbatasan dan mahalnya
biaya untuk peningkatan kapasitas, sedangkan aplikasi sudah dituntut untuk
mampu melayani pengguna dalam jumlah yang jauh lebih besar dari yang pernah ada
sebelumnya. Dalam hal ini, database Big Data seperti halnya MongoDB maupun
HBase, dapat memberikan solusi yang feasible yang memungkinkan peningkatan
profit perusahaan secara signifikan. Berikut ini tiga jenis format data : 1.
Structured data seperti relational database (RDBMS) 2. Semi-Structured data
seperti XML, JSON 3. Unstructured data seperti Dokumen, metadata, video,
gambar, audio, file teks, ebooks, email message, social media, jurnal dll.
3. Velocity
Big Data juga
harus dapat mengolah data tersebut dalam waktu yang sangat cepat (Velocity)
agar data bisa bermanfaat tidak hanya karena informasi yang dihasilkan saja
tetapi juga karena kecepatan yang dibutuhkan untuk mengolahnya menjadi
informasi tersebut. Pada konteks ini, kecepatan data yang dihasilkan dan
diproses untuk memenuhi permintaan dan tantangantantangan yang ada di lintasan
perkembangan dan pengembangan. Contohnya, Clickstreams maupun ad impressions
mencatat perilaku pengguna Internet dalam jutaan event per detik; algoritma
jual-beli saham dalam frekwensi tinggi dapat mencerminkan perubahan pasar dalam
hitungan microseconds; proses-proses yang melibatkan hubungan antara suatu
mesin dengan mesin lainnya telah melibatkan pertukaran data antar jutaan
perangkat; peralatan sensor dan perangkat-perangkat pada infrastruktur
menghasilkan log data secara real time; sistem game online dapat melayani
jutaan pengguna secara bersamaan, yang masing-masing memberikan sejumlah input
per detiknya.
Ada beberapa karakteristik yang membedakan Big Data
dengan sistem lainnya yaitu:
1. Data Lebih Banyak
Random
sampling pada Small Data sebenarnya adalah alternatif dari mengumpulkan dan
menganalisis dataset penuh, karena keterbatasan teknologi dan kapasitas
penyimpanan. Kelemahannya adalah sampling membutuhkan perencanaan dan eksekusi
yang hati-hati serta bekerja dalam subset membantu perusahaan meadapat apa yang
dicari lebih cepat dan murah tetapi melewatkan pertanyaan yang tidak
terpikirkan sebelumnya. Big Data sebagai meruapakan keseluruhan informasi,
namun ukurannya data sendiri tidak melulu besar. Contahnya saat terngukapnya
kecurangan pertandingan sumo di Jepang. Data yang digunakan bukan sampel, tapi
N=all. Setelah mengumpulkan data 64.000 pertandingan selama 11 tahun terakhir,
ternyata data tersebut hanya berukura sama dengan file foto digital. Dengan
prisip N=all diperoleh suatu pola yang menunjukan baha pesumo yang lebih
membutuhkan kemenangan memiliki peluang 25% lebih besar untuk menang.
2. Berantakan (Messy)
Big
data meciptakan dataset yang lebih berantakan, namun mampu memberikan gamberab
yang lebih menyeluruh, meskipun tidak terstruktur. Contohnya Google Translate,
perusahaan yang bermarkas di Mountain View, California, AS ini mengumpulkan
seluruh dokumen dengan terjemahan yang mereka bisa kumpulkan dengan kualitas
yang berbeda-beda. Data yang dikumpulkan memang berantakan namun terjemahan
yang dihasilkan lebih akurat daripada sistem yang lebih berdasarkan alogaritma,
dan jauh lebih kaya (meliputi 60 bahasa).
3. Korelasi
Big
Data sering memprediksi berdasarkan korelasi, ketimbang hungungan sebeb akibat.
Contoh, pada awalnya Amazon.com mengandalkan review dari suatu tim ahli “The
Amazon Voice”. Kemudian mereka menggunakan rekomendasi yang dihasilkan dari
personalisasi penjualan produk (pelangga yang memberi produk A cenderung
membeli produk B maka juka pelanggan lain membeli produk A, Amazon akan
merekomendasikan produk B). Kini sepertiga penjualan Amazon diperoleh dari
penawaran produk ke user dari hasil rekomendasi berdasarkan personalisasi.
4. Datafikasi
Mendatafikasi
suatu fenomena adalah menyimpannya dalam format yang terkuantifikasi agar bisa
ditabulasi dan dianalisis serta menangkap informasi dan menyimpannya dalam
format data yang memudahkannya untuk digunakan kembali. Memindahkan data ke
bentuk digital belum tentu mendatafikasi.
5. Value
Mengumpulkan
data adalah hal yang krusial namun tidak cukup karena kebanyakan nilai dari
data terletak pada penggunaan, bukan kepemilikan. Dalam era Big Data, seluruh
data akan dianggap berharga, bahkan data paling menda dan sepele. Tidak seperti
sumber daya lain, nilai data tidak berkurang setelah digunakan. Biaya
petimpanan digital telah berkurang setengahnya setiap dua tahun, sementara
storage density meningkat 50 juta kali dalam 50 tahun terakhir.
C.
Tahapan
Implementasi Big Data
Karena
Big Data mencakup area yang sangat luas, maka implementasinya dalam penelitian
ini akan dikategorikan menjadi tiga tahap, yaitu IT Management & Tata
Kelola, SDM, dan Sistem.
1) IT
Management dan Tata Kelola
IT
dengan framework COBIT 5
Secara
teknis, Big Data merupakan sekumpulan data yang besar baik terstruktur, semi,
maupun tidak terstruktur sehingga tidak bisa diolah menggunakan perangkat
database relational biasa. Data-data yang muncul mempunyai peluang yang mampu
memberikan sebuah petunjuk kebijakan tanpa pernah disadari sebelumnya.Big Data
merupakan tren teknologi untuk melakukan pendekatan baru dalam memahami dunia
dan membuat keputusan bisnis. Keputusan-keputusan ini dibuat berdasarkan data
dalam volume yang sangat besar terstruktur, tidak terstruktur dan kompleks
(misalnya tweet, video, transaksi komersial). Menurut Bill Schmarzo, proses
integrasi Big Data di dalam sebuah enterprise mempunyai mempunyai indek
kematangan bisnis yang terdiri dari beberapa fase sebagai berikut: 1) Business
Monitoring. 2) Business Insights. 3) Business Optimization. 4) Data
Monetization. 5) Business Metamorphosis. Menurut COBIT, informasi merupakan
sumber daya kunci bagi sebuah enterprise. Teknologi mempunyai peranan penting
terhadap proses kelangsungan informasi, mulai dari sebuah informasi diciptakan
sampai dimusnahkan. Enterprise yang sukses memperlakukan TI sebagai bagian yang
signifikan dalam melaksanakan proses bisnis. Proses bisnis dan TI harus
berkolaborasi dan bekerjasama sehingga TI dapat masuk ke dalam tata kelola dan
manajemen. COBIT 5 memiliki beberapa pengungkit yang diturunkan dari tujuan
organisasi yang telah didefinisikan. Pengungkit tersebut merupakan faktor yang
mempengaruhi governance dan management dari enterprise TI, yaitu: 1) Prinsip,
kebijakan dan framework; 2) Proses; 3) Struktur organisasi; 4) Budaya, etika
dan perilaku; 5) Informasi; 6) Layanan, infrastruktur dan aplikasi; dan 7) SDM,
kemampuan dan kompetensi.
2) Sumber
Daya Manusia
Karena
kompleksitas dari sistem Big Data, dibutuhkan kemampuan teknis beragam untuk
dapat mengimplementasikannya. Namun karena Big Data Engineering sendiri masih
merupakan sesuatu yang baru serta berhadapan dengan teknologi dan posisi
pekerjaan yang juga baru, maka saat ini belum ada spesifikasi baku mengenai
kompetensi SDM yang dibutuhkan untuk bidang ini. Berdasarkan proses kerja Big
Data pada umumnya yaitu Collect, Store, Transform, dan Analysis3 , maka 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, SQL dan Data Modeling.
b) Data
Warehouse, Data yang telah diambil dari berbagai macam sumber akan disimpan
dalam server yang sudah disiapkan untuk sistem Big Data. Sesuai dengan namanya,
Big Data membutuhkan kapasitas penyimapanan data yang sangat besar, karena
masuknya data yang sangat besar dan beragam ke dalam server setiap harinya.
Salah satu alasan inilah disebut Data Warehouse karena proses penyimpanan,
pengolahan, dan pengambilan data dari server akan sangat berbeda dengan
Database biasa.
c) Data
Transformation, Salah satu sifat dari Big Data selain ukuran data yang sangat
besar, juga jenis data yang sangat beragam. Agar data-data tersebut dapat
dianalisis dengan baik, maka terkadang data-data tersebut perlu diubah ke dalam
format lain sehingga memungkinkan untuk dianalisis.
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.
3) Sistem
Jika
Big Data diimplementasikan untuk monitoring media, maka yang akan menjadi inti
dalam sistem tersebut adalah cara yang dipakai untuk menganalisis teksnya (Text
Analysis). Ada banyak cara dan algoritma yang dapat dipergunakan untuk
menganalisa teks, tergantung pada hasil seperti apa yang akan kita harapkan.
Salah satu proses dalam Monitoring Isu Publik adalah menganalisis isu dalam
suatu berita. Salah satu metode yang bisa digunakan dalam menganalisis isu
tersebut ialah dengan menggunakan kombinasi antara Social Network Analysis
untuk melihat jaringan dari isu tersebut dan metode Sentiment Analysis, yang
merupakan studi analisis opini, sentimen, evaluasi, pujian, sikap, serta emosi
orang terhadap suatu
entitas atau objek yang bisa berupa produk, jasa, individu, organisasi,
kejadian, maupun sebuah topik.
D.
Manfaat
Analisis Big Data
Saat
ini organisasi yang mengadopsi big data analytics sudah dalam jumlah yang
besar. Faktor penentu dari manfaat-manfaat potensial dari big data analytics
adalah mendorong organisasi atau perusahaan mengadopsi big data analytics. Segala
bentuk keterlibatan dengan konsumen big data analytics dapat memberikan
manfaat. Bisnis intelegen secara umum dapat memberi manfaat dengan menggunakan
big data analytics. Manfaat
-manfaat yang bisa digunakan oleh perusahaan dengan mengimplementasikan big
data adalah sebagai berikut, (1) analisis data sosial (social data analysis),
(2) Analisis data riwayat (historical data analysis), dan (3) analisis prediksi
(predictive analysis).
Beberapa
manfaat big data yang sudah dirasakan khususnya bagi dunia usaha diantaranya
untuk mengetahui respons masyarakat terhadap produk-produk yang dikeluarkan
melalui analisis sentimen di media sosial; membantu perusahaan mengambil
keputusan secara lebih tepat dan akurat berdasarkan data; membantu meningkatkan
citra perusahaan di mata pelanggan; untuk perencanaan usaha dengan mengetahui
perilaku pelanggan, seperti pada perusahaan telekomunikasi dan perbankan; serta
mengetahui tren pasar dan keinginan konsumen. Selain bermanfat untuk analisis
bisnis, teknologi Big Data juga dapat dimanfaatkan secara luas di pemerintahan.
Beberapa peluang pemanfaatan Big Data di sektor publik antara lain untuk
mendapatkan feedback dan respon masyarakat dari sistem informasi layanan
pemerintah maupun dari media sosial, sebagai dasar penyusunan kebijakan dan
perbaikan pelayanan publik; menemukan solusi atas permasalahan yang ada
berdasarkan data, contohnya dengan menganalisa informasi cuaca dan tingkat
kesuburan tanah, pemerintah dapat menetapkan atau menghimbau jenis varietas
tanaman yang ditanam oleh petani pada daerah dan waktu tertentu; serta membantu
dalam manajemen dan pengawasan keuangan negara.
Dalam
laporan yang ditulis oleh Tom Davenport (Direktur Riset IIA)
setelah ia mewawancarai lebih dari 50 usaha untuk memahami bagaimana mereka
menggunakan Big Data. Ia menemukan mereka mendapatkan manfaat penting sebagai
berikut :
1. Penghematan
biaya, Teknologi analisis Big data seperti hadoop dan analisis berbasis cloud
membawa pengurangan biaya yang signifikan dalam hal untuk menyimpan data set
dalam jumlah besar, selain mereka dapat mengidentifikasi cara-cara yang lebih
efisien dalam melakukan bisnis.
2. Lebih
cepat dan baik dalam pengambilan keputusan, dengan kecepatan teknologi big data
seperti Hadoop dalam melakukan analisis dengan dikombinasikan dengan kemampuan
untuk menganalisis berbagai macam sumber data baru, membuat bisnis mampu
menganalisis informasi dengan cepat dan membuat keputusan berdasarkan hasil
analisis tersebut.
3. Melahirkan
produk dan pelayanan baru, dengan kemampuan mengukur kebutuhan dan kepuasan
pelanggan mendatangkan keunggulan dari bisnis untuk menciptakan produk dan
layanan baru yang sesuai dengan keinginan dan kebutuhan dari pelanggan.
Mengacu
pada besarnya manfaat yang dapat ditawarkan oleh tren teknologi big data, dan
tantangan apa saja yang muncul dalam penerapannya. Penerapan teknologi big data
pada suatu organisasi atau perusahaan dapat dilihat dari fungsi-fungsi yang
sudah tersedia pada IT infrastrukturnya, sehingga dapat menjalankan kerja yang
berhubungan dengan aplikasi mobile, social, dan big data analytics. Diharapkan
hasil kajian dapat memberikan informasi dan inspirasi sehingga implementasi
teknologi big data di Indonesia dapat semakin luas. Bebrapa contoh pemanfaatan
big data yaitu:
1) Bidang
Agrikultur
Sebagai
negara agraris dengan lebih dari 30 juta petani dan lahan pertanian yang luas,
Indonesia tentunya akan diuntungkan dengan adaptasi teknologi Big Data
khususnya bidang agrikultur. Regi Wahyu CEO dari Mediatrac, perusahaan analisa
Big Data terkemuka di tanah air, dalam presentasinya bercerita tentang
bagaimana Big Data bisa membantu para petani. Ide ini muncul di saat Regi
merasa tertantang untuk meningkatkan hidup petani. Lalu bagaimana caranya? Regi
merekrut sejumlah mahasiswa berbakat dari Universitas Padjadjaran untuk
melakukan riset di sebuah areal persawahan di Jawa Barat. Tahap pertama yang
dilakukan adalah menganalisa kualitas tanah dan luas sawah dengan foto aerial.
Tim riset mengambil 400 foto untuk tiap I hektar sawah. Tahap selanjutnya
adalah mengamati pertumbuhan tinggi padi setiap minggu dan juga mengumpulkan
Informasi-informasi yang telah dikumpulkan tersebut akhimya menjadi Big Data
yang bisa digunakan unt uk membantu para petani meningkatkan produksi panen,
memprediksi waktu yang tepat untuk bercocok tanam, dan lainnya.
2) Meningkatkan
pendapatan pajak negara
Saat
ini kesadaran masyarakat untuk membayar pajak masih rendah sehingga setiap
tahun Dirjen Pajak tidak pernah memenuhi target pendapatan pajak. Penerapan
teknologi Big Data dalam perpajakan ini masih dalam tahap pengembangan. Iwan
sempat menampilkan demo dari sistem pajak online dalam konferensi Big Data
kemarin. Demo tersebut memperlihatkan visualisasi yang sangat detail seperti
silsilah keluarga, jenis dan barang kekayaan apa saja yang dimiliki, serta
jenis pajak dan status apakah sudah membayar pajak atau belum. Dengan teknologi
ini, tentunya pemerintah bisa meningkatkan kesadaran membayar pajak, mengurangi
penipuan pajak, dan mengoptimasi pendapatan negara.
3) Pemanfaatan
Teknologi Wearable dalam Big Data
Teknologi
wearable biasanya digunakan untuk membantu aktivitas sehari-hari seperti
komunikasi dan navigasi. Tapi di tangan Daniel Oscar Baskoro, teknologi
wearable telah menjelma sebagai teknologi pengumpul informasi Big Data. Oscar
merupakan mahasiswa dan peneliti di Universitas Gajah Mada. la telah berhasil
memenangkan banyak penghargaan dalam perjalanan karirnya seperti menjadi Google
Ambassador untuk wilayah Asia Tenggara, pemenang kompetisi World Bank Global
Winner Award di London dengan aplikasi bencana alam, dan masih banyak lagi. Dalam
presentasinya, Oscar menjelaskan tentang teknologi weurahle dan menanmpilkan
sejumlah aplikasi yang ia kembangkan untuk Google Glass dan smartphone. yaitu
Quick Disaster. Weaver. Realive, dan Stress Rate.
4) Menikatkan
Sektor Kesehatan
Topik
selanjutnya yang tidak kalah menarik adalah pemanfaatan Big Data di sektor
kesehatan yang disajikan oleh Anis Fuad, peneliti dari Universitas Gajah Mada.
Dalam presentasinya, Anis menjelaskan situasi sektor kesehatan di Indonesia
yang mana saat ini setiap klinik, puskesmas, dan rumah sakit menggunakan
software yang berbeda-beda untuk mencatat data pasien. Data yang dikirim Dinas
Kesehatan pun masih sangat sederhana dan tidak semuanya lengkap. Selain itu,
sumber informasi yang bisa dikumpulkan sangat banyak mulai dari klinik, data
kesehatan pasien, finansial, admistrasi, hingga media sosial.
E.
Contoh
Studi Kasus Penggunaan Analisis Big Data
Dalam
implementasinya, penerapan analisis big data cocok untuk berbagai bidang
bisnis. Berikut ini saya coba listing-kan beberapa contoh studi kasus
penggunaannya :
1.
Lembaga keuangan dapat menggunakan analisis big data agar
cepat mengidentifikasi potensi penipuan sebelum menjadi besar efeknya, sehingga
meminimalkan resiko kerugian secara finansial.
2.
Pemerintahan dapat manfaatkan analisis big
data untuk meningkatkan keamanan negara dengan mampu mendeteksi, mencegah dan
melawan serangan cyber.
3.
Industri kesehatan dapat menggunakan
analisis terhadap big data untuk meningkatkan layanan perawatan pasien dan
menemukan cara yang lebih baik untuk mengelola sumber daya dan personil.
4.
Perusahaan telekomunikasi dapat
memanfaatkan analisis big data untuk mencegahchurn pelanggan, dan
juga merencanakan cara terbaik untuk mengoptimalkan jaringan nirkabel baik yang
baru maupun yang sudah ada.
5.
Marketing dapat menggunakan big data untuk
melakukan analisis sentimen untuk mengetahui tingkat kepuasan pelanggan terhadap
produk dan layanan yang dipasarkan.
6.
Perusahaan asuransi dapat menggunakan
analisis big data untuk mengkategorikan pengajuan asuransi yang dapat segera
diproses, dan mana yang perlu divalidasi dengan dilakukan kunjungan oleh agen
asuransi.
7.
Perusahaan ritel dapat menggunakan
informasi dari social media seperti Facebook, Twitter, Google+ yang disimpan
dengan teknologi big data, yang selanjutnya digunakan untuk menganalisis
bagaimana perilaku, persepsi pelanggan terhadap suatu produk atau brand dari
perusahan.
Sejalan
dengan terus berkembangnya teknologi analisis big data, dan hampir semua bisnis
sudah mulai berfikir bahwa mendapatkan manfaat dari implementasi analisis big
data adalah suatu keharusan untuk menghadapi perubahan dan persaingan yang
semakin pesat dan ketat saat ini. Karena hal di atas, bisa kita prediksi
kedepan penerapan big data menjadi sesuatu yang umum, sehingga akan semakin
banyak lagi contoh studi kasus pemanfaatan big data selain yang saya sebutkan.
BAB
III
PENUTUP
A.
Kesimpulan
Big
Data adalah istilah yang menggambarkan volume data yang besar - baik
terstruktur dan tidak terstruktur - yang membanjiri bisnis pada sehari -hari .
Tapi itu bukan jumlah data yang penting . Itu yang dilakukan organisasi dengan
data yang penting . data besar dapat dianalisis untuk wawasan yang mengarah
pada keputusan yang lebih baik dan bergerak bisnis strategis”. Big Data
merupakan sebuah proses pengumpulan data untuk menemukan pola dan korelasi yang
mungkin tidak jelas pada awalnya, tetapi berpeluang menjadi berguna dalam
pengambilan keputusan bisnis. Suatu data dikategorikan sebagai “Big Data” bukan
hanya karena jumlah data yang besar. Gartner, menggambarkan dimensi Big Data
sebagai 3V yaitu Volume, Velocity, Variety. Karena Big Data mencakup area yang sangat
luas, maka implementasinya dalam penelitian ini akan dikategorikan menjadi tiga
tahap, yaitu IT Management & Tata Kelola, SDM, dan Sistem. Beberapa manfaat
big data yang sudah dirasakan khususnya bagi dunia usaha diantaranya untuk
mengetahui respons masyarakat terhadap produk-produk yang dikeluarkan melalui
analisis sentimen di media sosial; membantu perusahaan mengambil keputusan
secara lebih tepat dan akurat berdasarkan data; membantu meningkatkan citra
perusahaan di mata pelanggan; untuk perencanaan usaha dengan mengetahui
perilaku pelanggan, seperti pada perusahaan telekomunikasi dan perbankan; serta
mengetahui tren pasar dan keinginan konsumen. Selain bermanfat untuk analisis
bisnis, teknologi Big Data juga dapat dimanfaatkan secara luas di pemerintahan.
B.
Saran
Sebaiknya
penggunaan Big Data digunakan sesuai kebutuhan saja, sehingga menghasilkan
strategi bisnis yang solutif dan implementatif. Semoga dengan adanya Big Data
ini tidak di salah gunakan dengan kejahatan. Sebaik nya juga saat menggunakan
sosial media kita lebih berhati hati. Untuk pemerintah sebaik nya membatasi
situs situs yang memang perlu di beri batasan umur. Sehingga anak dibawah umur
tidak terbawa arus negatif.
DAFTAR PUSTAKA
Kusumasari, D., & Rafizan, O. (2018). Studi
implementasi sistem big data untuk mendukung kebijakan komunikasi dan
informatika. Masyarakat Telematika Dan Informasi: Jurnal Penelitian Teknologi Informasi
dan Komunikasi, 8(2), 81-96.
Megantara, F., & Warnars, H. L. H. S.
(2016). Implementasi Big Data untuk pencarian pattern data gudang pada PT. Bank
Mandiri (Persero) TBK. Jurnal Sisfotek Global, 6(2), 61-68.
Muhammad Irlan, https://pdfcoffee.com/makalah-big-data-7-pdf-free.html,
diakses
pada 3 Agustus 2021, pukul 19.00.
PG, D. S. W. (2018). Potential Benefits and
Business Value of Big Data Analytics. Majalah Ilmiah Bijak, 15(2), 106-114.
Ria
Maesaroh, http://sim-bigdata1-riamaesaroh-septialutfi.blogspot.com/2016/12/v-behaviorurldefaultvmlo.html,
diakses pada 3 Agustus 2021, pukul 19.00.
Satrio
B. Haryanto , https://www.academia.edu/21651102/Big_Data,
diakses pada 3 Agustus 2021, pukul 19.00.
Thomas
H. Davenport. 2013http://www.sas.com/en_th/insights/bigdata/what-is-big-data.html,
diakses pada 3 Agustus 2021, pukul 21:00.
