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

1.1 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.

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut maka ruusan masalah pada makalah ini adalah
1. Bagaimana sejarah daripada Big Data?
2. Bagaimana pemahaman mengenai Big Data?
3. Bagaimana karakteristik Big Data?
 4. Bagaimana kemampuan untuk memproses Big Data?
5. Bagaimana tantangan dalam pengelolaan Big Data?
6. Bagaimana masalah yang ada mengenai Big Data?
7. Bagaiamana mengaplikasikan Big Data?
8. Bagaimana pemanfaatan Big Data secara nyata?

1.3 Tujuan Penulisan Makalah

1. Mengetahu sejarah Big Data
2. Memahami tentang Big Data
3. Memahami karekteristik daripada Big Data
4. Mengetahui kemampuan utnuk memproses Big Data
5. Memahami tantangan dalam pengelolaan Big Data
6. Memahami masalah terkait Big Data
7. Mengetahui penggunaan Big Data
8. 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 OReilly 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?
2. 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.
3. 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 HadoopThe 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:
1. 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.
2. 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.
3. 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/