Mata Kuliah: E-Learning dan Big Data dalam Pendidikan Olahraga

(1)

M a t a K u l i a h :

E - L e a r n i n g d a n B i g D a t a d a l a m P e n d i d i k a n O l a h r a g a

R a b u , 2 7 - 0 9 - 2 0 2 3

Dosen Pengampu:

Dr. Hernawan, S.E., M.Pd.

Dr. Albert Tangkudung, M.Si.

Kelas B

2022 Prog ram S . 3 Pendidikan

Jasmani

Universitas Negeri Jakarta

(2)

Deden Akbar Izzuddin 9904922022 Lesmana 9904922026

Arrahman 9904922015

E-COMMERCE

(3)

Latar

Belakang

E-commerce atau toko online merupakan salah satu konsep yang cukup berkembang dalam dunia internet. Penggunaan sistem ini dapat menguntungkan banyak pihak, baik pihak konsumen, produsen maupun penjual. Konsep online shopping menyediakan banyak kemudahan dan kelebihan jika dibandingkan dengan konsep belanja yang konvensional. Selain proses transaksi bisa menjadi lebih cepat, konsep toko online atau e- commerce dapat memangkas banyak biaya operasional karena penjual tidak diharuskan punya toko fisik.

(4)

PENGERTIAN E- COMMERCE

E-commerce adalah kumpulan teknologi, aplikasi dan bisnis

yang menghubungkan

perusahaanatau perseorangan konsumen untuk

sebagai m elakukan transaksi elektronik, pertukaran barang dan pertukaran informasi melalui internet, televisi, website atau jaringan komputer lainnya.

(5)

MANFAAT E- COMMERCE

BAGI PELAKU BISNIS

Ada beberapa manfaat E-Commerce bagipelaku bisnis dan konsumen,

yaitu sebagai

berikut: 1.Kemudahan dalam aktivitas jual beli 2.Memangkas biaya pemasaran

3.Kemudahan dalam berkomunikasi dengan konsumen dan produsen

4.Dapat menjangkau target market yang lebih luas

5.Penyebaran informasi lebih mudah dan cepat 6.Proses pembayaran menjadi lebih mudah dan

cepat

(6)

MANFAAT E- COMMERCE

BAGI KONSUMEN

^lebih

1. Konsumen dapat berbelanja

denganmudah selama 24 jam sehari sepanjang tahun.

2.Konsumen dapat melihat berbagai pilihan produk yang dianggap terbaik dengan harga yang paling sesuai.

3.Konsumen dapat membeli produk dan jasa dengan biaya yang lebih mudah setelah melakukan perbandingan dengan berbagai e- commerce.

(7)

Dampak Positif E- Commerce

1.Munculnya aliran penghasilan baru yang mungkin lebih menjanjikan yang tidak ada pada sistem jual-beli dengan cara tradisional

2.Berpotensi untuk memperluas jangkauan secara global (global reach) 3.Kesempatan untuk mengurangi biaya operasional (operating cost) 4.Kemudahan dalam membangun dan meningkatkan customer loyality

5.Meningkatkan mata rantai pendapatan (value chain) 6.Membantu mempersingkat waktu produksi

7.Dapat meningkatkan supplier management

(8)

Dampak Negatif E-

Commerce

1.Potensi terjadinya penipuan dan pencurian data/informasi rahasia.

2.Potensi terjadinya kehilangan kesempatan bisnis atau kerugian pelanggan yang diakibatkan oleh gangguan sistem, misalnya human error dan gangguan listrik tiba-tiba.

3.Kemungkinan terjadinya akses yang dilakukan orang lain tanpa autorisasi, misalnya hacker yang membobol sistem perbankan.

4.Kampanye negatif via internet yang dilakukan kompetitor yang dapat berakibat buruk bagi sebuah bisnis

5.Potensi kerugian yang bisa terjadi akibat kesalahan manusia baik itu sengaja atau tidak sengaja dan juga kerusakan sistem elektronik

(9)

Menu Pilihan di Beladjar Yuk...

E-Commerce

BELAJAR YUK...

Belanja dan Belajar

(10)

BELAJAR YUK... VS E-COMMERCE LAIN:

Menyediakan jasa sewa sarpras olahraga

Menyediakan tiket event-event olahraga nasional dan internasional

Menyediakan jasa

massage, pelatih/guru cabor

Menyediakan jasa pelatihan pelatih dan wasit cabor

Menyediakan jasa konsultasi makanan sehat dan program latihan

Menyediakan buku dan seragam olahraga dari dalam dan luar

negeri

(11)

BELADJAR YUK... VS E-COMMERCE LAIN:

Bekerjasama dengan Kemenpora, KONI, DISPORA dan Pengelola stadion, kolam renang dan sarpras

olahraga di seluruh Indonesia

Bekerjasama dengan gym fitnes di seluruh Indonesia

Bekerjasama dengan produsen seragam olahraga, kaos, jaket, celana dan sepatu yang ada di

seluruh Indonesia

(12)

Job Type for Big Data

Job Type Job functions Skill

Hadoop Developer develops MapReduce jobs,

designs data warehouses Java, Scripting, Linux Hadoop Admin manages Hadoop cluster,

designs data pipelines Linux administration, Network Management, Experience in

managing large cluster of machines Data Scientist Data mining and figuring

out hidden knowledge in data

Math, data mining algorithms

Business Analyst Analyzed data! Pig, Hive, SQL, familiarity with BI tools

12

(13)

Potensi Big Data

• Jumlah data yang telah dibuat dan disimpan pada tingkat global hari ini hampir tak terbayangkan jumlahnya. Data tersebut terus tumbuh tanpa henti. Sayangnya

sampai saat ini, baru sebagian kecil data yang telah dianalisis.

• Pentingnya Big Data, tidak hanya seputar pada jumlah data yang di miliki, tetapi hal yang penting adalah bagaimana mengolah data data tersebut untuk

pengambilan keputusan. Misalnya menganalisa data untuk menemukan jawaban yang diinginkan dalam kegiatan bisnis seperti:

• pengurangan biaya;

• pengurangan waktu;

• pengembangan produk baru dan optimalisasi penawaran produk; dan

• pengambilan keputusan yang cerdas.

13

(14)

Informasi

Pengetahua n

Kebijakan Aksi

Data

Siklus Data, Informasi, Pengetahuan dan Kebijakan

SIM BI - DM

DSS

SOP

14

(15)

Apa itu Data Mining?

• Disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data yang besar

• Ekstraksi dari data ke pengetahuan:

1. Data: fakta yang terekam dan tidak membawa arti

2. Pengetahuan: pola, rumus, aturan atau model yang muncul dari data

• Nama lain data mining:

• Knowledge Discovery in Database (KDD)

• Knowledge extraction

• Pattern analysis

• Information harvesting

• Business intelligence 15

(16)

Definisi Data Mining

• Melakukan ekstraksi untuk mendapatkan informasi penting yang sifatnya implisit dan sebelumnya tidak diketahui, dari suatu data

(Witten et al., 2011)

• Kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan dalam set data berukuran besar (Santosa, 2007)

• Extraction of interesting (non-trivial, implicit, previously

unknown and potentially useful) patterns or knowledge from

huge amount of data (Han et al., 2011) ¹⁶

(17)

Proses Data Mining

Pembersihan Data

Data Integration Databases

Data

Warehouse

Knowledge

Task-relevant Data Selection

Data Mining

Pattern Evaluation

Diambil dari www.cs.uiuc.edu/~hanj

17

(18)

Metode Data Mining

1. Estimation (Estimasi):

• Linear Regression, Neural Network, Support Vector Machine, etc 2. Prediction/Forecasting (Prediksi/Peramalan):

• Linear Regression, Neural Network, Support Vector Machine, etc 3. Classification (Klasifikasi):

• Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant Analysis, Logistic Regression, etc

4. Clustering (Klastering):

• K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc 5. Association (Asosiasi):

• FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc

18

(19)

Pengetahuan (Pola/Model)

1. Formula/Function (Rumus atau Fungsi Regresi)

• WAKTU TEMPUH = 0.48 + 0.6 JARAK + 0.34 LAMPU + 0.2 PESANAN

2. Decision Tree (Pohon Keputusan)

3. Rule (Aturan)

3. IF ips3=2.8 THEN lulustepatwaktu

4. Cluster (Klaster)

19

(20)

Top Data Mining Software Used

http://www.kdnuggets.com/polls/2015/analytics-data-mining-data-science-software-used.html

20

(21)

RapidMiner

• RapidMiner saat ini sudah digunakan dalam berbagai industri termasuk otomotif, perbankan, asuransi, Ilmu kehidupan, manufaktur, minyak dan gas, retail,

telekomunikasi dan utilitas.

• RapidMiner v6.0 tetap open source. RapidMiner versi terbaru sekarang hanya tersedia sebagai versi trial atau di bawah lisensi komersial.

• RapidMiner Studio : Sebuah perangkat lunak yang berdiri sendiri yang dapat digunakan untuk persiapan data, visualisasi dan pemodelan statistik

• RapidMiner Server : Ini adalah sebuah enterprise-grade dengan repositori sentral yang dapat meningkatkan bekerja secara team jauh lebih mudah, manajemen proyek dan deployment.

• RapidMiner Radoop : Mengimplementasikan kemampuan analisis Big Data yang berpusat pada Hadoop.

• RapidMiner Cloud : Sebuah repositori berbasis cloud yang memungkinkan dan memudahkan

berbagi informasi di antara dan berbagai perangkat. 21

(22)

Pengenalan Interface

• RapidMiner menyediakan tampilan yang user friendly untuk

memudahkan penggunanya ketika menjalankan aplikasi. Tampilan pada RapidMiner dikenal dengan istilah Perspective. Pada

RapidMiner terdapat 3 Perspective, yaitu; Welcome Perspective, Design Perspective dan Result Perspective.

(23)

Design Perspective

• Design Perspective merupakan lingkungan kerja RapidMiner. Dimana Design Perspective ini

merupakan perspective utama dari RapidMiner yang digunakan sebagai area kerja untuk membuat dan mengelola proses analisis.

(24)

Operator dan Proses

• Proses data mining pada dasarnya adalah proses analisa yang berisi alur kerja dari komponen data mining

• Komponen dari proses ini disebut operator, yang didefinisikan dengan:

1. Deskripsi input 2. Deskripsi output 3. Aksi yang dilakukan

4. Parameter yang diperlukan

₂₄

(25)

Implementasi DM dengan RapidMiner

• Penggunaan RapidMiner for Linear regression

• Penggunaan RapidMiner for Text Mining

• Penerapan Big Data for CAD

25

(26)

Business Intelligence Tools For Big Data

• Analytics dengan Hadoop dilakukan dengan:

• Menulis code using Java, Python, R ..dll

• Menggunakan high level Pig scripts

• Menguunakan SQL dengan Hive

• Melakukan analisis menggunakan tools tsb tidaklah mudah.

Business Intelligence tools (BI tools) dapat mengatasi masalah ini.

26

(27)

Business Intelligence

• BI merupakan sistem dan aplikasi yang berfungsi untuk

mengubah data-data dalam suatu perusahaan atau organisasi

(data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan.

• Aplikasi ini melakukan analisis data-data di masa lampau, menganalisisnya dan kemudian menggunakan pengetahuan tersebut untuk mendukung keputusan.

27

(28)

Metodologi Pembangunan BI

Untuk bisa mendapatkan manfaat BI, dibutuhkan tahapan proses sebagai dasar untuk implementasi business intelligence, yaitu:

• Business understanding (pemahaman kebutuhan pengguna), Mendefinisikan informasi apa saja yang dibutuhkan, data-data apa saja yang perlu dianalisis, dan dimana sajakah data-data tersebut dikelola. Siapa sajakah yang terkait dengan kebutuhan analisis tersebut dan bagaimana bentuk informasi yang diharapkan

• Data understanding (pemahaman kondisi data yang dimiliki), BI tidak akan dapat

digunakan dengan baik jika data yang akan dianalisis merupakan data yang tidak/kurang baik kualitasnya. Data yang tidak/kurang baik akan menghasilkan informasi yang kurang baik dalam pengambilan keputusan (garbage in = garbage out )

• Data preparation (melakukan penyesuaian data untuk memenuhi kebutuhan).

• Modeling assessment (memilih model yang akan digunakan).

• Review and evaluation (upaya meningkatkan value atas sistem) 28

(29)

BI Tools

29

(30)

Big Data Analytics dengan QlikView

• QlikView memainkan peran penting dalam implementasi Big Data, menyediakan kecepatan maupun analisis yang fleksibel bagi pengguna serta kemampuan untuk mengintegrasikan data dari berbagai sumber (misalnya, dari sumber Big Data, data warehouse, database departemen, dan spreadsheet), dan melakukan analisis

secara interaktif.

30

(31)

Membangun App dengan QV

• QlikView document terdiri dari dua elemen utama,:

• dataset yang akan dianalisa oleh user: Yang merupakan backend dari QlikView document dan berisi seluruh source tables yang diperlukan untuk membangun data model.

• user interface di mana pengguna bisa menganalisis data:

Merupakan frontend aplikasi analitik dan berisi objek-objek yang dikandung dalam dokumen (seperti listbox untuk membuat pilihan dan filter data), atau grafik dan tables yang digunakan untuk

menampilkan informasi.

31

(32)

Contoh Tampilan

(33)