- Definisi Big Data
Big
Data, banyak orang kini membicarakan tentang “Big Data”. “Revolusi Industri 4.0
sudah menggunakan Big Data”. “Semua kebutuhan masyarakat mulai dari
kependudukan hingga kesehatan akan teratasi dengan hadirnya Big Data”. Meskipun
kini Big Data sudah mulai ada dimana-mana hampir semua lini memakai Big Data,
tetapi sebenarnya Big Data muncul sebagai sebuah konsep yang baru dikenal oleh publik dengan segala manfaatnya ternyata memiliki asal muasal yang tidak pasti atau tidak
jelas sama sekali. Siapa pencetusnya, siapa penciptanya, siapa yang pertama
kali menggunakan dan banyak sekali pertanyaan yang muncul ketika mendengar “BIG
DATA”.
Diebold (2012) berpendapat bahwa
istilah dari “Big Data” pertama kali tercetuskan dari sebuah percakapan meja
makan siang di Silicon Graphics Inc. (SGI) di pertengahan tahun 1990-an, dimana
ada seorang tokoh yang terlihat cukup menonjol pada saat itu, adalah John
Mashey. Terlepas dari pencetusan pertama pada pertengahan 1990-an, Big Data
sudah sangat menyebar mulai tahun 2011 dengan hype yang begitu besar. Hype yang
begitu besar ini tentu saja diikuti dengan campur tangan IBM yang merupakan
perusahaan teknologi terbesar di dunia yang menginisiatifkan sebuah promosi dan
Big Data menjadi atributnya.
Lalu, apakah Big data itu
sebenarnya?
“Big Data adalah asset informasi
bervolume tinggi, berkecepatan tinggi dan variasi yang tinggi yang selalu
menuntut akan bentuk-bentuk inovatif dari proses informasi yang inovatif untuk
peningkatan wawasan dan pengambilan keputusan” (Gartner IT Glossary, n.d.).
Hampir sama dengan yang dijabarkan oleh
TechAmerica Foundation yang menjelaskan Big Data sebagai berikut:
“Big
data adalah sebuah istilah yang menggambarkan volume yang besar, data
berkecepatan tinggi, kompleksitas dan variabel yang membutuhkan teknik dan
teknologi canggih untuk memungkinkan penangkapan, penyimpanan, distribusi,
manajemen, dan analisis informasi.” (TechAmerica Foundation’s Federal Big Data
Commission, 2012).
Dari apa yang sudah dijelaskan
oleh kedua sumber diatas, dapat saya simpulkan bahwa Big Data merupakan sekumpulan asset-asset
informasi yang bervolume tinggi, berkecepatan tinggi dan memiliki kompleksitas
serta variasi yang sangat tinggi untuk memungkinkan penggunanya melakukan penyimpanan,
distribusi dan manajemen data dengan teknologi yang canggih yang akan
mempermudah dalam pemrosesan informasi sehingga memberikan sebuah pengambilan
keputusan yang tepat guna.
- Metode atau Teknik dalam Big Data
Seperti
yang sudah dijelaskan diatas, kita tahu bahwa Big Data ternyata telah tercetus
pada pertengahan tahun 1990-an dan tidak terdengar kurang lebih 20 tahun yang
kini membuat banyak orang terkejut dengan konsep Big Data. Ibarat kata, Big
Data ini seperti sebuah harta teknologi yang terkubur mirip dengan kecerdasan
Dr. Zola pada film Captain America: Civil War. Lalu, ternyata ada beberapa
metode yang dapat digunakan pada konsep Big Data. Diantaranya ada Text
Analytics, Audio Analytics, Video Analytics, Social Media Analytics dan Predictive
Analytics.
1. Text Analytics
Text Analytics atau Text Mining
adalah sebuah metode atau teknik untuk mengekstrak informasi dari data tekstual,
semisal dari email, blog, online forum dan lain sebagainya. Text Analytics
memungkinkan sebuah perusahan mengkonversi ringkasan bervolume besar yang
ditulis oleh manusia kedalam bentuk ringkasan yang lebih bermanfaat dan
mendukung perusahaan dalam pengambilan keputusan berbasis bukti, misalnya Text
Analytics dapat digunakan untuk memprediksi harga saham di bursa saham
berdasarkan informasi yang di ekstrak dari berita keuangan (Chung, 2014).
Information Extraction Technique
adalah sebuah teknik yang akan mengekstrak data terstruktur dari data yang
tidak terstructure. Misalnya, algoritma ini dapat digunakan untuk mengekstrak
informasi yang tersturktur seperti nama obat-obatan, jumlah dosis dan jumlah
pemakaian dari sebuah Resep Dokter.
Audio Analytics akan menganalisa
dan mengekstrak informasi dari sumber data audio yang tidak terstruktur. Ketika
di aplikasikan kepada Bahasa manusia, audio analytics juga dapat dikatakan
sebagai “Speech Analytics”. Teknik ini sangat banyak digunakan secara
bergantian, entah itu audio analytics ataupun speech analytics. Pada saat ini,
Customer Call Centers dan layanan kesehatan adalah contoh utama dalam
pengaplikasian audio analytics.
3. Video Analytics
Video analytics atau Video
Content Analysis (VCA) melibatkan berbagai teknik untuk memantau, menganalisis,
dan mengekstrak informasi yang bermakna dari sebuah streaming video. Meskipun
video analytics masih dalam masa pertumbuhan dibandingkan dengan jenis data
mining lainnya. (Panigrahi, Abraham, & Das, 2010). Berbagai macam teknik
sudah dikembangkan pada Video Analytics untuk pemrosesan secara Real Time
sebaik Pre-Recorded video.
4. Social Media Analytics
Social Media Analytics mengarah
kepada analisis dari data terstruktur dan tidak terstruktur yang berasal dari social
media. Media sosial mencakup berbagai platform online yang memungkinkan
pengguna untuk membuat dan bertukar konten. Dalam Social Media Analytics
terdapat beberapa kategori, yaitu:
- - Content-Based Analytics, berfokus pada data yang
telah diposting oleh pengguna di seluruh platform media social, seperti pada
review produk, umpan balik pelanggan, dan lainnya.
- - Structure-Based Analytics sering disebut juga
dengan Social Network Analytics yang berfokus dengan mempersatukan atribut
struktural jaringan sosial dan mengekstraksi hubungan di antara entitas yang
berpartisipasi.
- - Community Detection atau disebut juuga Community
Discovery, menyajikan komunitas implisit dalam jaringan. Untuk jejaring sosial
online, komunitas merujuk pada sub jaringan pengguna yang berinteraksi lebih
luas satu sama lain dari pada dengan seluruh jaringan.
- - Social Influence Analysis merujuk pada teknik
yang mengarah pada dunia modelling dan mengevaluasi para influencer dari actor dan
koneksi di social media. Biasanya, tingkah laku dari seorang actor di social media
dipengaruhi oleh orang lain.
5. Predictive Analytics
Predictive Analytics meliputi
sebuah varietas dari teknik yang memprediksi masa depan yang akan dating berbasis
pada sejarah masa lalu dan data pada saat ini. Dalam prakteknya di dunia nyata,
Predictive Analytics dapat di aplikasikan ke hamper semua disiplin ilmu. Mulai dari
memprediksi kegagalan pada mesin jet yang berbasis pada pengumpulan data dari
ribuan sensor hingga memprediksi langkah selanjutnya dari seorang pelanggan
berbasis pada apa yang mereka beli, kapan mereka beli dan bahkan apa yang ia katakana
di social media.
- Studi Kasus
Kita sudah membahas banyak
mengenai Big Data, lalu bagaimana prakteknya di dunia nyata terutama di
Indonesia? Penggunaan Big Data sudah banyak digunakan di Indonesia terutama
pada perusahaan besar yang memiliki pelanggan dengan jumlah banyak. Pada
perusahaan Bank, Bank pasti memiliki jumlah nasabah yang begitu banyak dan
tersebar diseluruh Indonesia. Dengan jumlah sebanyak itu, tidak mungkin mereka
menggunakan database yang bersifat local pada setiap KCP (Kantor Cabang
Pembantu) karena akan sangat memakan biaya dan resiko jika server pada setiap
KCP mengalami kerusakan, maka nasabah tidak dapat melakukan transaksi di Bank.
Big Data yang digunakan pada Bank sudah sangat terstruktur dan memberikan
banyak keuntungan seperti penghematan biaya karena data yang ada bersifat
nasional dan dapat diakses dari mana saja, resiko yang kecil terhadap gangguan,
dan keterjaminan data yang Real Time. Jika tidak ada Big Data, dapat
dibayangkan dampak apa yang terjadi, Bank akan kembali seperti masa lalu dimana
semua data yang tersimpan hanya bersifat local dimiliki KCP yang bersangkutan
saja, data tidak berkembang dan akan menyebabkan kekacauan data.
Fredika Budi Romadhona
52415778
4IA03
Sumber:
(Beyond The Hype: Big Data Concepts, Methods, and Analytics. Journal by Amir Gandomi, Murtaza Haider)
