PENDAHULUAN
Pengertian dan Konsep Data
Data Abad 21
Mengapa Data itu Penting ?
Basis Data (Database)
Gudang Data (Data Warehouse)
BIG DATA
Pengertian dan Konsep Big Data
Data besar adalah proses mengumpulkan, mengelola, dan menganalisis data untuk menghasilkan pengetahuan dan mengungkap pola tersembunyi. Data besar adalah bidang yang berurusan dengan cara menganalisis, memperoleh informasi secara sistematis, atau berurusan dengan kumpulan data yang terlalu besar atau kompleks untuk diproses dengan perangkat pemrosesan data tradisional.
Big Data vs Business Intelligence
Karakteristik Big Data
Data besar tidak hanya harus besar, tetapi juga dapat diandalkan untuk mencapai nilai dalam analisisnya. Skalabilitas dimaksudkan ketika ukuran sistem penyimpanan data besar dapat tumbuh dengan cepat.
Arsitektur Big Data
MIKE2.0 adalah pendekatan terbuka untuk manajemen informasi yang mengakui perlunya revisi karena implikasi data besar yang diidentifikasi dalam artikel berjudul "Penawaran Solusi Data Besar". Studi pada tahun 2012 menunjukkan bahwa arsitektur berlapis-lapis merupakan pilihan untuk mengatasi permasalahan big data.
Teknologi Big Data
Aplikasi dari Big Data
Pemanfaatan big data untuk memecahkan masalah teknologi informasi dan pendataan pada suatu perusahaan disebut IT Operation Analytics (TIOA) (Solnik, 2016). Aplikasi penting dari big data termasuk mengurangi penyebaran virus, mengidentifikasi kasus, dan mengembangkan pengobatan (Haleem et al. 2020).
Konsep Big Data Analytics
Analitik data besar juga merupakan teknik analitik tingkat lanjut untuk mengerjakan kumpulan data dalam jumlah besar. Berikut ini adalah sebagian daftar masalah yang dapat diatasi dengan menggunakan analitik data besar: (a) Efisiensi proses dan pengurangan biaya, (b) Manajemen merek, (c) Pemaksimalan pendapatan, penjualan silang dan penjualan atas, (d) Peningkatan pengalaman pelanggan, (e) Identifikasi pesaing untuk mendapatkan pelanggan, (f) Peningkatan layanan pelanggan, (g) Identifikasi produk baru dan peluang pasar, (h) Manajemen risiko, (i) Kepatuhan regulasi, (J) Peningkatan kemampuan keamanan.
Descriptive Analytics
- Predictive Analytics
Banyak perusahaan perangkat lunak statistik seperti SAS dan SPSS sejak awal menggunakan analitik prediktif dan mengembangkan kemampuan perangkat lunak dan praktik industri untuk digunakan. Tiga platform sumber terbuka (R, RapidMiner, dan KNIME) juga telah muncul sebagai alat perangkat lunak industri yang populer untuk analitik prediktif dan memiliki perusahaan yang mendukung pelatihan dan penerapan alat sumber terbuka ini.
Prescriptive Analytics
Rulequest, yang menjual varian berpemilik dari perangkat lunak Decision Tree, dan NeuroDimensions, sebuah perusahaan perangkat lunak Neural Network, adalah contoh perusahaan yang telah mengembangkan perangkat lunak khusus seputar teknik penambangan data tertentu. Misalnya, Teradata Aster menyertakan kemampuan analitik prediktif dan preskriptifnya sendiri untuk memproses aliran data besar.
DATA SCIENCE
- Pengertian dan Konsep Data Science
- Hubungan Data Science dengan Statistik
- Sejarah Data Science
- Teknologi dan Teknik Data Science
Coding adalah proses transformasi data yang telah dipilih sehingga data tersebut cocok untuk proses data mining. Proses teknik pengolahan menggunakan data mining diawali dengan pengumpulan data (data collection) dari Dinas Koperasi dan UMKM Kota Medan.
DATA MINING
Pengertian dan Konsep Data Mining
Penambangan data adalah proses pencarian pola yang menarik dan tersembunyi dari kumpulan data yang sangat besar yang disimpan dalam database, gudang data, atau tempat penyimpanan data lainnya (Larose, 2005). Secara umum, penambangan data juga merupakan cara untuk mengembangkan kecerdasan (yaitu, informasi atau pengetahuan yang dapat ditindaklanjuti) dari data yang dikumpulkan, diatur, dan disimpan oleh organisasi. Secara teknis, penambangan data juga merupakan proses yang menggunakan teknik statistik, matematika, dan kecerdasan buatan untuk mengekstraksi dan mengidentifikasi informasi yang berguna dan dengan demikian pengetahuan (atau pola) dari kumpulan data besar.
Penambangan data adalah proses pencarian pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu.
Sejarah Data Mining
Di komunitas akademik, forum utama untuk penelitian dimulai pada tahun 1995 ketika Konferensi Internasional pertama tentang Penambangan Data dan Penemuan Pengetahuan (KDD-95) dimulai di Montreal di bawah sponsor AAAI, diketuai oleh Usama Fayyad dan Ramasamy Uthurusamy. Setahun kemudian, pada tahun 1996, Usama Fayyad meluncurkan jurnal Kluwer bernama Data mining and Knowledge Discovery. Konferensi Internasional KDD menjadi konferensi terkemuka dengan kualitas tertinggi dalam penambangan data dengan tingkat penerimaan pengiriman makalah penelitian di bawah 18%.
Latar Belakang Data Mining
Menggunakan data yang ada dan relevan, data mining membangun model untuk mengidentifikasi pola antara atribut yang disajikan dalam dataset. Langkah terakhir dalam menemukan pengetahuan dari data adalah memverifikasi bahwa pola yang dihasilkan oleh algoritma penambangan data ada di kumpulan data yang lebih luas. Model analisis ini dirancang menggunakan teknik data mining dengan metode clustering menggunakan algoritma K-Means.
Pada penelitian ini, teknik data mining berperan dalam proses pencarian pola tersembunyi dari dataset UKM di Kota Medan tahun 2021 yang berjumlah 1402 baris data.
Bagaimana Data Mining Bekerja
Proses Data Mining
Algoritma penambangan data biasanya menemukan pola dalam set pelatihan yang tidak ada dalam set data, ini disebut overfitting. Untuk mengatasinya, evaluasi menggunakan dataset uji yang belum dilatih dengan algoritma data mining. Misalnya, algoritme penambangan data yang mencoba membedakan email "spam" dari email "utama" dilatih pada kumpulan email sampel pelatihan.
Jika sampel yang dipelajari tidak memenuhi standar yang diinginkan, langkah-langkah pra-pemrosesan dan penambangan data harus dievaluasi kembali dan dimodifikasi.
Teknologi Software Data Mining
LIONsolver : aplikasi perangkat lunak data mining, business intelligence dan modeling yang menggunakan pendekatan Learning and Intelligent Optimization (LION). NetOwl: Pustaka teks multibahasa dan produk analisis entitas yang memungkinkan proses penambangan data. Pseven : Platform untuk simulasi teknik dan otomasi analisis, optimalisasi multidisiplin dan data mining SAS Institute.
Amazon SageMaker: Layanan dari Amazon yang membuat dan memproduksi model pembelajaran mesin kustom.
Cluster Analysis (Clustering)
Dalam semua kasus, Business Intelligence paling efektif menggabungkan data yang berasal dari pasar tempat perusahaan beroperasi (data eksternal) dengan data dari sumber internal bisnis perusahaan, seperti data keuangan dan data operasi (data internal). Kecerdasan bisnis mencakup manajemen informasi (integrasi data, kualitas data, gudang data, manajemen data master, analitik teks dan konten, dan lainnya). Kecerdasan bisnis melibatkan pengambilan data dan informasi dari berbagai sumber dan memprosesnya untuk membuat keputusan.
Pada tahun 2005, sistem Business Intelligence mulai menggabungkan kecerdasan buatan yang kuat dan kemampuan analitis.
Algoritma K-Means
- Klasifikasi (Classification)
BUSINESS INTELLIGENCE
Pengertian dan Konsep Business Intelligence
Teknologi intelijen bisnis dapat menangani sejumlah besar data terstruktur dan terkadang tidak terstruktur untuk membantu mengidentifikasi, mengembangkan, dan menciptakan peluang dan strategi bisnis baru. Intelijen bisnis juga menjelaskan konsep dan metode bagaimana meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem berbasis data. Kecerdasan bisnis sering disamakan dengan buku informasi, alat pelaporan dan kueri, dan sistem informasi eksekutif.
Peramalan bisnis secara alami sesuai dengan sistem intelijen bisnis karena pengguna bisnis berpikir tentang bisnis secara keseluruhan.
Sejarah Singkat Business Intelligence
Arsitektur Business Intelligence
Awalnya, gudang data hanya menyertakan data historis yang disusun dan dirangkum sehingga pengguna akhir dapat dengan mudah melihat dan memanipulasi data dan informasi. Saat ini, beberapa gudang data menyertakan data real-time untuk memudahkan pengambilan keputusan. Pengguna akhir dapat bekerja dengan data dan informasi di gudang data menggunakan berbagai alat dan teknik.
Aplikasi dari Business Intelligence
Manajemen pengetahuan berurusan dengan penciptaan, distribusi, penggunaan dan pengelolaan intelijen bisnis dan pengetahuan bisnis secara umum.
Sistem Pendukung Keputusan (DSS)
Penelitian ini dilakukan oleh (Kurniawan, 2021) berjudul “Desain Strategi Pemulihan UMKM Terdampak Pandemi COVID-19 Menggunakan Pendekatan Big Data Analytics”. Sehingga melalui pengolahan analisis big data akan terbentuk rancangan strategi UMKM dalam menghadapi pandemi COVID-19 dengan menerapkan digitalisasi dan sistem pemasaran online. Dalam penelitian ini, teknik analisis big data berperan sebagai alat untuk mendukung pengambilan keputusan dengan menggunakan algoritma analitik yang berjalan pada platform.
Proses pengolahan awal menggunakan big data analytics diawali dengan pengumpulan data (data collection).
USAHA MIKRO, KECIL, DAN MENENGAH
UMKM di Indonesia
Usaha mikro, kecil dan menengah (UMKM) memiliki peran yang sangat penting dan strategis dalam pembangunan ekonomi nasional. Dalam Undang-Undang Republik Indonesia Nomor 20 Tahun 2008 tentang Usaha Mikro, Kecil, dan Menengah pada Bab I Pasal I disebutkan bahwa. 20 Tahun 2008 tentang Usaha Mikro, Kecil, dan Menengah (UMKM) pada Bab 3 Bagian Kedua tentang Tujuan Pemberdayaan Pasal 5 disebutkan bahwa tujuan pemberdayaan Usaha Mikro, Kecil, dan Menengah adalah sebagai berikut.
Dalam kaitan ini, usaha mikro, kecil, dan menengah harus disahkan oleh (UU no. 20 tahun 2008).
Karakteristik UMKM
Sebagai upaya peningkatan kapasitas dan peran kelembagaan Usaha Mikro, Kecil, dan Menengah dalam perekonomian nasional, pemberdayaan tersebut harus dilakukan oleh Pemerintah, Pemerintah Daerah, Dunia Usaha, dan masyarakat secara menyeluruh, sinergis, dan berkelanjutan. . . Di Indonesia, undang-undang yang mengatur tentang Usaha Mikro Kecil dan Menengah (UMKM) adalah UU No. Memiliki manajemen dan organisasi yang lebih baik, dengan pembagian tugas yang jelas antara lain di bagian keuangan, pemasaran dan produksi.
Selain itu, berdasarkan aspek barang yang dihasilkan, UMKM memiliki beberapa karakteristik yang berbeda antara lain sebagai berikut.
Profil Sektor Bisnis UMKM
Penelitian ini bertujuan untuk menggunakan data sentimen media sosial sebagai data pendukung dalam merancang strategi pemulihan UMKM dan merancang strategi pemulihan UMKM yang terkena dampak pandemi COVID-19 dengan menggunakan metode analisis data besar. Selain itu, sebelum memasuki tahap pengolahan dengan menggunakan big data analytics, data harus diolah terlebih dahulu, karena data awal yang diperoleh dari Dinas Koperasi dan UMKM Kota Medan terdiri dari 1402 baris data dengan 10 atribut dan rincian data usaha mikro tetapi sebagai sebanyak 1279 baris data. , usaha kecil sebanyak 112 baris data dan usaha menengah sebanyak 11 baris data. Big Data dan masa depan produksi pengetahuan dalam riset pemasaran: etika, jejak digital, dan penalaran abduktif.
Peluang Implementasi Teknologi Big Data dan Block Chain Untuk Meningkatkan Kinerja Perdagangan Sektor UMKM di Indonesia di Era Industri 4.0 Hermawati, Fajar A.
Peluang dan Tantangan UMKM
Permasalahan UMKM di Indonesia
Di Indonesia, terdapat permasalahan dalam pengembangan UMKM terutama dalam aspek kapasitas pengelolaan usaha dan keterbatasan akses sumber daya produktif. Rendahnya kemampuan pengelola usaha, terutama karena rendahnya kualitas sumber daya manusia dan terbatasnya akses MSMV terhadap sumber daya produktif, merupakan masalah yang dihadapi UMKM pada umumnya. Keterbatasan sumber data manusia menurunkan kualitas produk, sehingga menyebabkan rendahnya kemampuan menembus pasar baru untuk sektor usaha ini.
Pengetahuan dan keahlian yang lebih banyak diperlukan untuk meningkatkan kemampuan mengelola usaha, terutama di era globalisasi untuk mendorong daya saing produk UMKM yang lebih besar di pasar internasional.
PEMANFAATAN DATA DALAM
Studi Kasus 1 : Rancangan Model Penentuan Strategi
Penelitian ini dilatar belakangi oleh dinas koperasi dan UMKM di kota Medan yang berperan dalam pendataan UMKM serta mengembangkan dan meningkatkan pendapatan usaha UMKM di kota Medan dengan memberikan pelatihan pendidikan dan promosi permodalan. Namun berdasarkan studi pendahuluan yang dilakukan di Dinas Koperasi UMKM Kota Medan, ditemukan bahwa Dinas Koperasi dan UMKM Kota Medan belum memiliki model analisis desain dalam menentukan strategi pengembangan usaha yang tepat dalam pengembangan UMKM di Kota Medan. Obyek penelitian yang diamati adalah dataset UMKM Kota Medan yang diperoleh dari Dinas Koperasi dan Usaha Kecil dan Menengah Kota Medan.
Berikut adalah diagram model analisis desain penentuan strategi pengembangan UMKM Kota Medan yang dibangun dengan langkah-langkah rekomendasi pengembangan usaha berupa pendidikan, pelatihan dan permodalan bagi UMKM Kota Medan.
Studi Kasus 2 : Strategi Pemulihan UMKM Terdampak
Salah satu cara memanfaatkan big data adalah dengan big data analytics, sehingga diperoleh informasi (informasi) yang lebih dalam untuk mendorong pengambilan keputusan dan tindakan, tidak hanya berdasarkan insting. Pengumpulan data dilakukan dengan dua cara yaitu langsung dari Dinas Koperasi dan UMKM Kota Medan, dan secara online menggunakan metode data mining dari data media sosial Twitter dan saluran berita The Guardian. Data media sosial diperoleh dengan menggunakan data mining melalui metode data mining melalui software Orange yang diperoleh dari data media sosial Twitter terkait UMKM dan saluran berita The Guardian.
