INSIGHT PERKULIAHAN BIG DATA
Disusun Oleh MMPJJ 48-01
Yuda Pramana (2403221086)
Insight Perkuliahan
Keterampilan Intuitif dan Kolaboratif Praktek
Keahlian Menemukan
Pola /Trend Pemahaman
Mendalam
Terkait Data
1. Pemahaman Mendalam terkait Data
Data Driven Decision Making
Big Data menghasilkan Pemahaman mendalam
terkait bagaimana pentingnya sebuah data sehingga dapat menghasilkan Analisa berupa predictive Analyis
dengan menggunakan Modelling , Data Mining dan Machine Learning dengan menganalisa Data Historis untuk mendapatkan Hasil Prediksi sekaligus mengantisipasi kejadian yang akan
Muncul dimasa yang akan datang.
Adapun Konsep yang membentuk Pemahaman tersebut harus mencakup terkait:
1. Volume (Jumlah Data yang besar yang diolah setiap Detik) 2. Kecepatan (Kecepatan pengolahan data)
3. Keragaman (Mencakup Data Terstruktur dan Tidak Terstruktur) 4. Variabilitas (Fluktuasi Pola yang beragam dan tidak konsisten) 5. Validitas (Keakuratan data yang digunakan dalam Analisa) 6. Veracity (Kehandalan data yang dihasilkan)
7. Value (Data memiliki nilai tambah yang berguna)
Melalui Perkuliahan Big Data kita mendapatkan Insight bahwa cakupan Big Data Analytics sangat Luas yang melibatkan data Science untuk menghasilkan data Analytics berupa Predictive Analytics, Graph Data Analytics, Text Data Mining, Data Mining, Machine Learning, Statistical
Methode sampai ke
Computational Modeling, Simulation & Operations
2. Menemukan Pola /Trend
Mengumpulkan Data
Memahami Data
Membersihkan Data
Visualisasi Data Statistik Deskripif
Analisa Regresi dan Korelasi
Machine
Learning Deep Learning Text Mining
Clustering Time Series Interprestasi Hasil
1. Klasifikasi (Classification): Model klasifikasi digunakan untuk memprediksi kategori atau kelas dari suatu data berdasarkan variabel-variabel prediktif. Contohnya adalah pengklasifikasian Order pekerjaan dalam pekerjaan saya saat ini berdasarkan tingkat urgency nya.
2. Clustering: Model clustering digunakan untuk mengelompokkan data ke dalam kelompok-kelompok yang serupa atau kluster berdasarkan kesamaan karakteristik. Tujuannya adalah menemukan struktur
tersembunyi dalam data, contohnya adalah saya dapat menemukan pola kecenderungan yang potential yang dapat dioptimalkan dari bisnis bank atas data clustering yang ada (Nilai Agunan Vs Limit Kredit)
2. Menemukan Pola /Trend
3. Asosiasi (Association): Model asosiasi digunakan untuk menemukan hubungan antara variabel-variabel dalam data yang sering muncul bersamaan. Contohnya adalah menemukan pola pengajuan kredit Debitur , seperti orang yang mengajukan kredit untuk pembiayaan A juga cenderung mengajukan kredit untuk
pembiayaan
4. Anomaly Detection: Model ini digunakan untuk mengidentifikasi anomali atau pola yang tidak biasa
dalam data. Anomali adalah data yang signifikan atau mencolok berbeda dengan pola umum dalam dataset dan hal ini sangat bermanfaat bagi bank sebagai tools preventive dalam mencegah timbulnya fraud.
5. Rekomendasi (Recommendation): Model rekomendasi digunakan untuk memberikan rekomendasi kepada pengguna berdasarkan preferensi dan perilaku mereka. Contohnya adalah rekomendasi produk yang cocok untuk jenis usaha nasabah
6. Text Mining: Model ini digunakan khusus untuk menggali wawasan dari data teks. Ini mencakup pengenalan entitas, analisis sentimen, klasifikasi dokumen, dan topik modeling, di antara lain.
7. Time Series Analysis: Model ini digunakan untuk menganalisis data yang terorganisir dalam urutan waktu. Tujuannya adalah memahami pola, tren, dan siklus dalam data waktu nyata
3. Praktek Keahlian
Data Terstruktur Data Tidak Terstruktur
Penilaian Agunan dan Limit Kredit Data Nama Debitur dan Relationship Manager
4. Keterampilan Intuitif dan Kolaboratif
• Kemampuan untuk mengkomunikasikan ide dan temuan secara efektif yang memiliki latar
belakang yang berbeda.
• Keterampilan untuk berbagi pengetahuan dan pengalaman dengan anggota tim lainnya,
termasuk pemahaman tentang teknologi, algoritma, atau metodologi analisis data yang digunakan.
• Kemampuan untuk bekerja sama dalam mengatasi masalah kompleks yang mungkin timbul selama proses analisis data
• Kemampuan Analitical Thinking yang semakin Kuat berdasarkan data yang valid
