BIG DATA
Disusun untuk memenuhi tugas mata kuliah Sistem Informasi Manajemen kelas E
Disusun Oleh :
Satrio B. Haryanto 12010113140245
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS DIPONEGORO
SEMARANG
2015
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT karena dengan anugerah inspirasi yang diberikan Allah SWT sungguh menjadi sumber pengetahuan bagi penulis dalam menyelesaikan penulisan makalah resume Perilaku Organisasi yang berjudul "BIG DATA". Resume ini disusun sebagai tugas kelompok mata kuliah Sistem Informasi Manajemen kelas E
Selesainya penyusunan makalah ini adalah berkat dukungan dan bimbingan dari dosen pengampu yaitu Idris, SE., MSi dan I Made Sukresna, SE., MSi
Semoga makalah ini dapat memberi manfaat dan sumber informasi bagi penulis dan pembaca.
Semarang
Penyusun
BAB I
PENDAHULUAN
Latar Belakang
Perkembangan arus informasi dewasa ini sudah sangat jauh melampui di banding abad ke-19. Perkembangan informasi ini secara langsung mempengaruhi kehidupan baik itu manusia maupun organisasi. Salah satu hal yang berubah adalah cara menggunakan data. Perkembangan teknologi informasi telah membuat tiap individu memiliki data yang lengkap dan dapat ter-update secara real time baik melalui laptop, smart phone dan lainnya. Penggunaan tiap individu ini secara bersama sama akan menciptakan arus informasi yang sangat besar tiap harinya. Kemudahaan dalam mengakses informasi dengan melalui internet akan meciptakan dunia tanpa batas atau boderless sehingga para individu tidak lagi terkendala waktu dan jarak terhadap informasi yang mereka ingin peroleh. Dengan terjadinya perkembangan teknologi, data menjadi hal yang penting dalam menjalankan berbagai hal. Beberapa diantaranya adalah mengetahui tren pasar, mengetahui keinginan konsumen, meningkatakn pengetahuan pemerintah terhadap kepuasan layanan publi dan banyak hal lainnya yang bisa dimanfaatkan melalui arus informasi yang begitu cepat ini.
Hasil dari perputaran informasi yang begitu cepat ini mencitpakn data yang harus dapat diolah dengan lebih terkomputerisasi sehingga dalam penggunaannya oleh pihak terkait dapat menjadi informasi yang beguna. Dengan perkembangan inlah big data muncul dan mulai berkembang. Penggunaaannya pun semakin meluas, hingga mencakup social media, tren pasar, pemerintah dan sector lainnya.
Rumusan Masalah
Berdasarkan latar belakang tersebut maka ruusan masalah pada makalah ini adalah
Bagaimana sejarah daripada Big Data?
Bagaimana pemahaman mengenai Big Data?
Bagaimana karakteristik Big Data?
Bagaimana kemampuan untuk memproses Big Data?
Bagaimana tantangan dalam pengelolaan Big Data?
Bagaimana masalah yang ada mengenai Big Data?
Bagaiamana mengaplikasikan Big Data?
Bagaimana pemanfaatan Big Data secara nyata?
Tujuan Penulisan Makalah
Mengetahu sejarah Big Data
Memahami tentang Big Data
Memahami karekteristik daripada Big Data
Mengetahui kemampuan utnuk memproses Big Data
Memahami tantangan dalam pengelolaan Big Data
Memahami masalah terkait Big Data
Mengetahui penggunaan Big Data
Memahami pemanfaatan Big Data
BAB II
ISI
2.1 Sejarah Big Data
Sebelum mempelajari suatu hal tentu diperlukan untuk memahami asal muasal atau sejarah dari hal yang ingin dipelajari tersebut, ada pun tentang topic kali ini penulis akan memperkenalkan sejarah big data. Berikut urutannya;
1944 - Fremont Rider, Pustakawan universitas Wesleyan. Dia memperkirakan bahwa
Perpustakana yang ada di amerika serikat ukurannya meningkat dua kali lipat setiap 16 tahun
1961 - Derek Price. Dia mendiagramkan pertumbuhan pengetahuan ilmiah dengan
cara melihat jumlah pertumbuhan jurnal ilmiah dan makalah
1967 - B.A. Marron dan P.A.D. De Maine menerbitkan "Automatic data compression"
dalam Komunikasi dari ACM, yang menyatakan bahwa "ledakan informasi" tercatat dalam beberapa tahun terakhir membuatnya penting bahwa persyaratan penyimpanan untuk semua informasi harus dijaga agar tetap minimum.
1971 - Arthur Miller Menulis dalam "The Assault on Privacy" menyatakan, "Terlalu
banyak informasi. pengurus tampaknya mengukur seorang pria seimbang
dengan jumlah bit kapasitas penyimpanan berkas itu akan mengisi."
1975 - Departemen Pos dan Telekomunikasi di Jepang mulai melakukan Arus
Informasi Sensus, pelacakan volume informasi yang beredar di Jepang (ide
pertama kali diusulkan dalam makalah 1969)
1980 - I.A. Tjomsland memberikan ceramah berjudul "Where do we go from here?"
Di IEEE Keempat Symposium on Mass Storage Systems, dia mengatakan "Mereka yang terkait dengan perangkat penyimpanan lama menyadari bahwa Hukum parkinson Pertama dapat diparafrasekan untuk menggambarkan Industry kami 'Data mengembang untuk mengisi ruang yang tersedia'.
1981 - Kantor Pusat statistic hungaria memulai proyek penelitian untuk menjelaskan
informasi indsutri negara, termasuk mengukur Volume informasi dalam bit.
1983 - Ithiel de Sola Pool menerbitkan "Pelacakan Arus Informasi" di Science.
Melihat tren pertumbuhan di 17 Media komunikasi utama 1960-1977, ia menyimpulkan bahwa "kata-kata yang tersedia untuk Amerika (di atas usia 10) melalui media ini tumbuh pada tingkat 8,9 persen per tahun, kata-kata benar benar hadir untuk dari media tersebut tumbuh hanya 2,9 persen per tahun, Pada periode pengamatan, sebagian besar pertumbuhan arus informasi adalah karena pertumbuhan penyiaran, Tapi menjelang akhir periode [1977] situasi berubah: media point-to-point yang tumbuh lebih cepat dari penyiaran.".
Pada tahun 2005 Roger Mougalas dari O'Reilly Media menciptakan istilah Big Data untuk pertama kalinya, hanya setahun setelah mereka membuat istilah Web 2.0. Itu mengacu pada serangkaian data besar yang hampir tidak mungkin untuk mengelola dan memproses dengan menggunakan tools business intelligence tradisional.
2005 merupakan tahun ketika Hadoop dibuat oleh Yahoo! dibangun di atas MapReduce milik Google. Hal tersebut merupakan tujuan untuk melakukan index terhadap seluruh data World Wide Web dan saat ini Hadoop sebagaiopen-source digunakan oleh banyak organisasi untuk menyimpan data dalam jumlah besar.
Seiring banyak jejaring sosial yang mulai bermunculan, Web 2.0 mulai semakin populer dan lebih banyak data dihasilkan setiap harinya. BanyakStartup mulai menggunakan data yang sangat besar dan juga bidang pemerintahan mulai bekerja menggunakan proyek Big Data. Pada tahun 2009 pemerintah India memutuskan untuk mengambil iris scan, sidik jari, dan juga foto dari 1.2 juta penduduk. Semua data tersebut disimpan dalamdatabase biometrik terbesar di dunia.
Pada tahun 2010 Eric Schmidt berbicara pada konfrensi Techonomy di Lake Tahoe, California dan dia menyatakan bahwa "terdapat 5 exabytes informasi yang dibuat oleh seluruh dunia diantara awal peradaban dan tahun 2003. Sekarang jumlah yang sama tersebut dibuat setiap dua hari."
Pada tahun 2011 McKinsey pada seminar Big Data: The next frontier for innovation,competition, and productivity, mengatakan bahwa pada tahun 2018 Amerika Serikat sendiri akan menghadapi kekurangan 140.000-190.000 data scientist dan juga 1.5 juta data managers.
Dalam beberapa tahun terakhir, jumlah Startups Big Data terus berkembang dalam jumlah besar, semua mencoba untuk menghadapi Big Data dan membantu organisasi-organisasi untuk memahami Big Data dan semakin banyak perusahaan yang secara perlahan mengadopsi dan bergerak ke arahBig Data. Walaupun Big Data telah ada sejak lama, faktanya Big Data ada ketika internet ada pada tahun 1993. Revolusi Big Data ada dihadapan kita dan masih banyak perubahan yang akan terjadi pada tahun-tahun mendatang. (Disadur dari tulisan Mark Van Rijmenam, CEO Datafloq).
2.2 Pembahasan Mengenai Big Data
Akhir-akhir ini, istilah 'big data' menjadi topik yang dominan dan sangat sering dibahas dalam industri IT. Banyak pihak yang mungkin heran kenapa topik ini baru 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 adalah fakta yang tak dapat dipungkiri. Mulai data yang hanya berupa teks, gambar atau foto, lalu data berupa video hingga data yang berasal system pengindraan. Lalu kenapa baru sekarang orang ramai-ramai membahas istilah big data? Apa sebenarnya 'big data' itu?
Hingga saat ini, definisi resmi dari istilah big data belum ada. Namun demikian, latar belakang dari munculnya istilah ini adalah fakta yang menunjukkan bahwa pertumbuhan data yang terus berlipat ganda dari waktu ke waktu telah melampaui batas kemampuan media penyimpanan maupun sistem database yang ada saat ini.
Big Data adalah teknologi baru pengelolaan informasi. Saat ini kita mengenal relational data store dan warehouse yang digunakan banyak perusahaan untuk mendapatkan informasi, melakukan analisis, dan prediksi dari data-data yang mereka miliki. Lalu apakah BIG DATA akan menggantikan teknologi data relasional?
Dalam pembahasan mengenai topic big data saat ini kelompok kami kurang setuju dengan pengertian yang di utarakan oleh beberapa ahli, karena dari apa yang di pelajari yang termasuk ke dalam "BIG DATA" adalah semua data yang tidak dapat diolah atau dianalisis menggunakan proses dan tools yang umum digunakan saat ini. Disadari atau tidak saat ini individu maupun organisasi apapun memiliki akses yang luas sekali terhadap informasi dengan adanya internet tapi hanya sedikit dari mereka yang mampu mendapatkan value dari informasi tersebut karena kebanyakan informasi itu tersedia dalam bentuk "mentah", tidak terstruktur atau semi-terstruktur. Oleh karena keterbatasan pemahaman akan informasi itulah yang pada akhirnya menyebabkan mereka tidak tahu apakah informasi yang ada itu berharga untuk mereka atau tidak. Dapat di analogikan ke dalam perkembangan internet saat ini seperti bumi kita yang tercinta, maka BIG DATA adalah batu bara di jaman batu, mudah ditemukan tetapi sedikit yang tahu kegunaannya.
2.3 Karakteristik Big Data
1. Volume
Seberapa besar data yang bisa anda olah saat ini? Apakah dengan jumlah data yang anda miliki anda sudah lebih baik dibanding kompetitor? Data yang ada saat ini berukuran sangat besar. Di tahun 2000 saja tercatat 800,000 petabyte data tersimpan di seluruh dunia dan angka ini diperkirakan akan mencapai 35 zettabyte di tahun 2020 atau bahkan lebih. Bayangkan jika anda membutuhkan analisis terhadap 1 persen saja dari seluruh data untuk mendapatkan keuntungan dibandingkan kompetitor anda, apakah teknologi yang anda miliki sekarang mampu melakukannya?
Variety
Selain data relasional, data apa saja yang umum dianalisis? Dengan meledaknya jumlah sensor, dan perangkat pintar , dan juga teknologi social networking yang menghasilkan data-data yang akan sulit jika harus disimpan di dalam relasional database. Kita tidak akan pernah tahu jika kita tidak menyimpan semua data yang tidak terstruktur ini seperti halaman web, web log, search index, forum social media, email, dokumen, data sensor, dll. Data-data seperti inilah yang mungkin akan memberikan keuntungan jika kita mampu mengolahnya.
Velocity
Seberapa cepat kita dapat memproses data yang ada? Mungkin hal itu yang pertama ada dalam benak anda ketika anda membaca ini. Namun sebenarnya velocity di sini kita lihat dari persepsi seberapa cepat kita mampu mendapatkan hasil analisis terhadap aliran data yang terus mengalir di saat yang hampir bersamaan dengan datangnya data tersebut. Bayangkan jika kita memiliki sistem yang mampu mendeteksi buronan yang tertangkap kamera cctv, ataumendeteksi dini titik kritis seorang bayi dari suhu tubuh, tekanan darah, denyut jantung, kecepatan bernafas bayi tersebut, melakukan sensor terhadap kata kasar atau kata yang tidak seharusnya diucapkan yang diucapkan pada siaran langsung di tv atau pada percakapan telepon customer service sebuah perusahaan.
Big Data adalah kesempatan bukan pengganti teknologi pengelolaan data yang ada saat ini. Sekarang bayangkan kemampuan untuk menganalisis BIG DATA digabungkan dengan teknologi basis data relasional dan warehousing yang ada saat ini untuk mendapatkan keuntungan.
2.4 Kesadaran Akan Pentingnya Kemampuan Untuk Memproses Big Data
Dari segi teknologi, dipublikasikannya GoogleBigtable pada 2006 telah menjadi moment muncul dan meluasnya kesadaran akan pentingnya kemampuan untuk memproses 'big data'. Berbagai layanan yang disediakan Google, yang melibatkan pengolahan data dalam skala besar termasuk search engine-nya, dapat beroperasi secara optimal berkat adanya Bigtable yang merupakan sistem database berskala besar dan cepat. Semenjak itu, teknik akses dan penyimpanan data KVS (Key-Value Store) dan teknik komputasi paralel yang disebut MapReduce mulai menyedot banyak perhatian.
Lalu, terinspirasi oleh konsep dalam GoogleFile System dan MapReduce yang menjadi pondasi Google Bigtable, seorang karyawan Yahoo! bernama Doug Cutting kemudian mengembangkan software untuk komputasi paralel terdistribusi (distributed paralel computing) yang ditulis dengan menggunakan Java dan diberi nama Hadoop. Saat ini Hadoop telah menjadi project open source-nya Apache Software. Salah satu pengguna Hadoop adalah Facebook, SNS (Social Network Service) terbesar dunia dengan jumlah pengguna yang mencapai 800 juta lebih. Facebook menggunakan Hadoop dalam memproses big data seperti halnya content sharing, analisa access log, layanan message / pesan dan layanan lainnya yang melibatkan pemrosesan big data.
Jadi, yang dimaksud dengan 'big data' bukanlah semata-mata hanya soal ukuran, bukan hanya tentang data yang berukuran raksasa. Big data adalah data berukuran raksasa yang volumenya terus bertambah, terdiri dari berbagai jenis atau varietas data, terbentuk secara terus menerus dengan kecepatan tertentu dan harus diproses dengan kecepatan tertentu pula. Momen awal ketenaran istilah 'big data' adalah kesuksesan Google dalam memberdayakan 'big data' dengan menggunakan teknologi canggihnya yang disebut Bigtable beserta teknologi-teknologi pendukungnya.
2.5 Tantangan Big Data
Berbagai masalah dihadapi baik oleh sector pemerintah, bisnis maupun lainnya. Sebagai contoh adalah pada sector pemerintah yaitu pelayanan public jalan raya. Pemerintah bergelut untuk dapat memeceahkan masalah kemacetan khususnya yang meningkat di pagi dan sore hari. Kemampuan analisis big data diyakini mampu membantu untuk memecahkan masalah tersebut. Namun untuk memecahkan masalah tersebut harus dapat menemukan Big Value dari setiap informasi yang diperoleh.
Tantangan pertama, kualitas data yang terkait dengan integritas dan ketidakteraturan data. Data dapat bersumber dari internal maupun eksternal organisasi, sehingga integritasnya tidak selalu terjamin, dalam pengertian kebenaran dan akurasinya dapat dipertanggungjawabkan. Begitu pula, tidak semua data terstruktur dan, karena itu, menjadi tidak mudah untuk memahaminya. Di seluruh dunia, volume data tidak terstruktur diperkirakan mencapai 80% dari volume total. Cuitan lewat Twitter merupakan contoh data yang tidak terstruktur.
Kedua, fragmentasi data. Dalam kebanyakan organisasi, data terfragmentasi. Setiap departemen atau bagian dan unit bisnis menyimpan data sendiri. Tidak ada departemen yang khusus menangani manajemen keseluruhan data dan menjamin kebenaran, konsistensi, maupun kebaruannya. Data yang terfragmentasi ini berpotensi menghalangi Anda dalam memahami kerumitan persoalan. Anda mungkin menyangka persoalannya mudah ditangani ketika melihat data yang tersedia di bagian tertentu, tapi Anda mungkin terkeju ketika melihat kaitannya dengan bagian-bagian lain dalam perusahaan.
Hasil riset yang dilakukan oleh Economist Intelligence Unit pada 2012 menunjukkan bahwa fragmentasi data merupakan tantangan terbesar (57%) yang dihadapi organisasi: terlalu banyak silo sehingga data tidak ditampung secara terpusat.
Ketiga, infrastruktur. Big data terlampau kompleks untuk dihimpun, disimpan, dan dipahami. Pengelolaan big data membutuhkan infrastruktur, tempat penyimpanan, bandwidth yang lebar, peranti komputer, dan sebagainya dengan beban kerja yang sangat bervariasi. Jumlah infrastruktur yang Anda perlukan juga bervariasi, terkadang banyak, di waktu lain sedikit, tergantung kebutuhan. Sementara itu, membangun infrastruktur sendiri membutuhkan biaya tinggi.
Keempat, tantangan platform dan aplikasi. Karena big data analytics tengah menjadi trend, tak mengherankan apabila banyak perusahaan teknologi informasi yang terjun mengembangkan peranti yang dibutuhkan, baik berupa platform maupun aplikasi untuk analisis. Sejumlah ahli mengingatkan bahwa sebagian peranti yang tersedia belum sangat matang, bahkan relatif baru. Karena itu, menurut mereka, diperlukan kejelian dalam memilihplatform dan aplikasi yang paling sesuai dengan kebutuhan Anda, termasuk mempertimbangkan besar anggaran yang Anda alokasikan untuk big data analytics.
Kelima, bila Anda ingin mengembangkan kemampuan analisis, tantangan brainware tak kalah besar. Anda perlu orang-orang yang terampil dalam menganalisis big data. Anda memerlukan bukan hanya analis bisnis dan orang yang mampu mengoperasikan infrastruktur dan aplikasi, tapi Anda juga membutuhkan data scientist untuk memahami hasilbig data analytics. Anda memerlukan orang-orang yang menguasai algoritma statistik danvisualization tools. Mereka ada, tapi jumlahnya masih sedikit. Kekurangan orang-orang terampil dalam analisis data bisa menjadi tantangan serius.
Keenam, tantangan ini terkait dengan budaya organisasi. Apakah organisasi Anda relatif adaptif terhadap perubahan dan inovatif untuk mencoba hal-hal baru? Tantangan yang dihadapi, dalam konteks ini, ialah bahwa manajemen senior kerap tidak memandang big data sebagai aset strategis yang sangat berharga bagi organisasi. Maknanya, apabila Anda menganggapnya sebagai aset strategis, maka ketika Anda terjun ke dalam proyek big data, Anda harus siap berkesperimen, belajar, dan berkembang. Proyek big data bukanlah sesuatu yang sekali jadi dan memerlukan proses pembelajaran.
Itulah enam tantangan terpenting big data analytics. Namun percayalah bahwa setiap tantangan niscaya mendorong Anda untuk menemukan jalan keluarnya. Jalan keluar inilah yang ditawarkan oleh banyak perusahaan yang menyediakan jasa big data
2.6 Permasalah mengenai Big Data
2.6.1 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.
2.6.2 Fokus pada Trend per-Individu, 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 trendkonsumen 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 alaBig Data ini dapat dikatakan lebih berfokus pada kecepatan ketimbang ketepatan.
2.7 Aplikasi Big Data
Bigdata adalah konsep, implementasi dari suatu konsep tentunya bisa beragam. Mungkin Hadoop adalah implementasi core bigdata yang paling populer saat ini, namun bukan berarti Hadoop adalah satu-satunya. Vendor seperti Microsoft dan LexisNexis misalnya, masing-masing memiliki project dalam ranah Bigdata:Dryad dan HPCC, walaupun pada akhirnya project Dryad diskontinyu danMicrosoft fokus pada Hadoop.
Hadoop merupakan project opensource dibawah Apache. Silahkan baca buku "Hadoop — The Definitive Guide" untuk mengetahui lebih detail sejarah Hadoop. Hadoop merupakan implementasi opensource project yang dapat memecahkan 3 karakteristik masalah pada Bigdata: Volume, Velocity, dan Variety.
Seperti layaknya kernel pada sistem operasi maka Hadoop yang terdiri dari 2 komponen utama: HDFS (Hadoop Distributed Filesystem) dan MapReduce, membutuhkan suatu ekosistem untuk dapat memanfaatkan implementasi Hadoop secara maksimal. Gamblangnya, ekosistem tersebut berfungsi sebagai add-on tambahan bagi Hadoop, misalnya: Hive. Hive memungkinkan seseorang meng-ekstrak data dari Hadoop menggunakan syntax seperti SQL. Hive akan meng-compile SQL language tersebut kedalam MapReduce untuk mengakses data didalam Hadoop. Dengan adanya Hive, maka seorang database experts tidak perlu belajar Java dan membuat aplikasi MapReduce untuk dapat mengakses serta memproses data dari Hadoop. Contoh lain project dalam ekosistem Hadoop diantaranya Pig, HBase, Mahout, dsb.
Kebutuhan Bigdata yang semakin besar membuka peluang baru bagi masyarakat IT untuk memasuki pasar tersebut, mulai dari membuat implementasi core Bigdata alternatif seperti yang dilakukan oleh LexisNexis, membuat distribusi Hadoop-stack seperti yang dilakukan oleh Cloudera, MapR, ataupunhortonworks, hingga aplikasi yang bermain dalam ranah analisis dan visualisasi seperti Karmasphere.
Jeff Kelly membuat presentasi segmentasi Bigdata market yang cukup menarik,
http://wikibon.org/blog/navigating-the-big-data-vendor-landscape/
Segmentasi diatas menunjukan peluang besar bagi ragam startup untuk masuk kedalam market Bigdata.
IDC memprediksi bahwa market Bigdata akan mencapai $16.1 billion pada tahun 2014, tumbuh 6 kali lebih cepat dibandingkan rata-rata market IT. Jumlah ini termasuk infrastruktur (server, storage, dll), servis, dan software. Saya belum melakukan eksplorasi lebih lanjut mengenai market Bigdata di Indonesia, namun jika melihat kebutuhan Bigdata di US maka tidak salah apabila muncul istilah "Bigdata is the new H1B Visa". Tidak percaya? Coba lihat pencarian job ini(Hadoop Developer) dan ini (Hadoop System Administrator) di Linkedin, itu baru sebagian kecil saja dan baru seputaran hadoop developer serta system administrator namun sudah menunjukan betapa besarnya market Bigdata di US.
2.8 Pemanfaatan Big Data
2.8.1 Pemanfaatan Big Data dalam 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 di 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 taraf 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 1 hektar sawah. Tahap selanjutnya adalah mengamati pertumbuhan tinggi padi setiap minggu dan juga mengumpulkan data cuaca dari hari ke hari.
Informasi-informasi yang telah dikumpulkan tersebut akhirnya menjadi Big Data yang bisa digunakan untuk membantu para petani meningkatkan produksi panen, memprediksi waktu yang tepat untuk bercocok tanam, dan lainnya. Kedepannya, proyek ini akan dilakukan juga di daerah lain.
2.8.2 Pemanfaatan Big Data untuk Mengurangi Kecurangan Pajak
Kepala Direktorat Jenderal Pajak, Iwan Djuniardi, juga ikut serta dalam konferensi Big Data ini. Iwan membawakan topik pemanfaatan Big Data untuk meningkatkan pendapatan pajak negara. Menurut Iwan, hingga 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.
2.8.3 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. Ia 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 wearable dan menampilkan sejumlah aplikasi yang ia kembangkan untuk Google Glass dan smartphone, yaitu Quick Disaster, Weaver, Realive, dan Stress Rate.
Quick Disaster merupakan aplikasi bencana alam yang akan membantu pengguna saat terjadi dan setelah bencana alam. Misalnya saat terjadi gempa bumi, Google Glass akan membantu memberikan solusi di saat bencana itu terjadi dengan memberikan navigasi jalur evakuasi. Setelah bencana terjadi, pengguna bisa mengambil gambar dan melaporkan kerusakan-kerusakan yang terjadi akibat bencana alam melalui aplikasi ini.
Weaver adalah aplikasi untuk meningkatkan pengalaman berkendara yang awalnya ia kembangkan untuk Toyota. Aplikasi ini bisa melacak berapa banyak bahan bakar minyak yang dihabiskan, mengetahui rasio penggunaan bahan bakar, dan mengetahui berapa banyak kadar CO2 yang dikeluarkan setiap mobil.
Realive merupakan aplikasi untuk melaporkan kejadian secara real time seperti apabila ada kebakaran, kecelakaan, dan kejadian lain. Sedangkan Stress Rate, merupakan aplikasi untuk mengetahui tingkat kepadatan penduduk di suatu area publik. Kedua aplikasi ini masih dalam tahap pengembangan dan akan diluncurkan dalam waktu dekat.
2.8.4 Kesempatan dan Tantangan Big Data untuk 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.
Dengan peran teknologi Big Data, semua informasi kesehatan penduduk Indonesia akan menjadi terpusat. Sehingga data tersebut bisa diolah dan dianalisa untuk meningkatkan sektor kesehatan di Indonesia seperti melakukan prediksi penyakit dan mengetahui tingkat kesehatan penduduk di tanah air.
BAB III
SIMPULAN
3.1 Simpulan
Big Data adalah kemampuan utuk mengelola data dengan volume besar yang berbeda dengan kecepetan yang tepat dan dalam kerangka waktu yang tepat memungkinkan penggunanya untuk dapat memperoleh nilai daripada tiap informasi yang terkandung dalam Big Data. Big data juga dapat didefinisikan sebagai data yang berkuran raksasas yang mana volumenya terus bertambah, terdiri dari varietas data, terbentuk secara terus menerus dengan kecepatan tertentu dan harus diproses dengan kecepatan tertentu.
Sebuah informasi atau data dapat disebut Big Data apanila memiliki 1 dari tiga karakteristik yang terdiri dari Volume, Variety dan Velocity. Banyak sekali pengguna big data baik itu individu maupun organiasional (perusahaaa, Bisnis, Pemerintah, Pasara dan lainnya) yang memiliki kumpulan dari banyak data yang terus menerus menumpuk. Karena terlalu banyaknya data tersebut terkadang tidak dapat mengetahui tindakan apa yang harus diambil terhadap kumpulan data tersebut agar nantinya data tersebut berguna dan mempunyai nilai bagi pihak yang berkepentingan. Perlu adanya analisis terhadap data tersebut beberapa vendor di pasar saaat ini sudah banyak yang menawarkan solusi terkait dengan pengambilan nilai terhadap Big Data. Sepertinya misalnya IBM dengan mengintegrasikan seluruh platform termasuk embedding analisi. Produknya termasuk warehouse infoSphere yang memiliki built data mining sendiri.
Penggunaan Big Data yang telah di proses secara analisis sehingga menciptakan nilai informasi yang berguna bagi penggunanya akan dapat memecahkan masalah dan menemukan solusi solusi. Perlu diingat bahwa Big Data bukan hanya sekedar ukuran, namun juga terdapat keragaman di dalamnya. Hal ini lah yang membedakan Big Data dengan system manajemen data lainnya.
3.2 Kritik
Big Data yang merupakan gabungan dari berbagai jenis data baik secara volume, variatas, dan velocity. Perusahaan perusahaan yang memang tidak bergerak di bidang IT atau tidak bersinggungan langsung ke bidang ini harus menggunakan jasa dari pihak ketiga. Penggunaan jasa pihak ketiga mengingat bahwa pengelolaan data yang besar agar dapat tercipta infomrasi data yang valuable bagi perusahaan adalah hal yang rumit. Penggunaan infrastruktur yang cukup banyak dan sumber daya manusia yang ahli adalah mahal apabila dimiliki perusahaan yang bukan bergerak di bidang IT.
Pengelolaan oleh ihak ketiga ini juga harus memperhatikan bahwa pengeloaan Big Data harus benar benar bisa memberikan solusi atas maslaah organisasi. Perlu adanya Big Data yang bisa dikelola secara murah oleh perusahan yang tidak terlalu besar atau Small Medium Enterprise agar nantinya informasi tidak hanya dikuasi oleh perusahaan perusahaan besar.
3.3 Saran
Perusahaan yang menggunakan data yang sangat banyak dan terus memperbaharui informasinya setiap waktu disarankan untuk menerapkan Big Data dan bukan hanya sekedar system manajamen data yang biasa saja seperti data base. Kumpulan data tersebut harus diolah dan dianalisis menjadi sebuah data dan informasi yang berguna pemecahan masalah. Seperti misalnya Big data yang dilakukan oleh Google dalam mesin pencarinya. Begitupula Amazon dan eBay yang menganalisa kebiasaan belanja dari konsumennya. Kecepaan dan ketepatan dalan penggunaan informasi Big Data sangat krusial bagi perusahaan.
Beberapa solusi yang biasanya ditawarkan dengan menggunakan Big Data adalah:
Social data analysis. Solusi ini sepertinya idola buat startup dikarenakan akses data dari social media, seperti facebook dan twitter, yang relatif mudah didapat. Dengan social data analysis bisa dikembangkan kemungkinan lain seperti untuk sentiment analysis, customer segementation, mengukur efektifitas marketing, dsbnya.
Historical data analysis. Solusi ini menganalisis data masa lalu yang dimiliki suatu perusahaan. Misalnya data penjualan. Solusi ini berfungsi untuk mencari trend atau kecenderungan data sehingga bisa memberikan gambaran apa yang terjadi dimasa lalu.
Predicitive analysis. Solusi ini pada umumnya digabungkan dengan solusi historical data analysis. Dari data masa lalu maka dikembangkan kecerdasarn buatan yang bisa memprediksi kejadian dan trend di masa yang akan datang. dengan demikian tindakan antisipasi bisa dilakukan mulai dari sekarang.
Daftar Pustaka
http://komangaryasa.com/2014/12/sejarah-singkat-big-data/
https://www.linkedin.com/pulse/20140727111659-27264088-apa-itu-bigdata
http://adhityaibarda.blogspot.co.id/2014/03/big-data.html
https://id.techinasia.com/pemanfaatan-teknologi-big-data-di-indonesia/
http://komangaryasa.com/2015/02/bagaimana-perusahaan-digital-memanfaatkan-big-data/
http://www.marsindonesia.com/about-us/founder/selamat-datang-era-big-data
https://openbigdata.wordpress.com/2014/09/
