Big Data: Definisi, Metode dan Tekniknya

- 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.

2. Audio Analytics

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)