Mahadata: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k →Bidang bisnis: terjemahan Tag: Dikembalikan VisualEditor |
kTidak ada ringkasan suntingan |
||
| (2 revisi perantara oleh 2 pengguna tidak ditampilkan) | |||
Baris 1:
[[Berkas:Viegas-UserActivityonWikipedia.gif|jmpl|Visualisasi suntingan harian di [[Wikipedia]] yang dibuat oleh [[IBM]]. Teks dan gambar yang ada di Wikipedia hingga beberapa [[terabita]] adalah contoh sederhana mahadata.]]
'''Mahadata''', '''data raya''', '''data raksasa''', atau '''data bandang''' ({{lang-en|big data}}) adalah istilah umum untuk segala [[himpunan]] [[data]] dalam jumlah yang sangat besar, rumit, dan tak terstruktur sehingga menjadikannya sukar ditangani apabila hanya menggunakan perkakas manajemen [[pangkalan data]] biasa atau [[aplikasi]] pengolah [[data]] [[Tradisi|tradisional]] belaka. Mahadata juga dapat diartikan sebagai pertumbuhan data dan [[informasi]] yang [[eksponensial]] dengan kecepatan dalam pertambahannya dan memiliki data yang beragam sehingga menyebabkan tantangan baru dalam pengolahan sejumlah data besar yang heterogen dan mengetahui bagaimana cara memahami semua data tersebut.<ref>{{Cite journal|last=Narendra|first=Albertus Pramukti|date=2015|title=Data Besar, Data Analisis, dan Pengembangan Kompetensi Pustakawan|url=|journal=Record and Library Journal|volume=Vol. 1 No. 2|issue=|doi=|pmid=|access-date=}}</ref>
Mahadata dapat diterapkan di semua aspek yang ada misalnya pada bidang bisnis, [[kesehatan]], [[pariwisata]], [[Pemerintah|pemerintahan]], [[kejahatan]], dan lainnya. Dengan menggunakan alat untuk pengambilan ataupun pengolahan datanya misalnya dengan menggunakan perangkat lunak Gephi, [[Python (bahasa pemrograman)|Python]], Netlytics, NiFi, dan Tableau. Dengan memahami bahwa mahadata itu penting, maka suatu organisasi akan dengan mudah mengolah dan menganalisis sekumpulan data atau suatu permasalahan yang sedang dihadapi baik dari internal maupun eksternal organisasinya. Organisasi tersebut dapat menghemat biaya, menghemat waktu, dan menciptakan sebuah keputusan yang tepat.<ref>{{Cite web|url=https://www.codepolitan.com/mengenal-big-data|title=Mengenal Big Data - CodePolitan.com|last=Permana|first=Yana|website=www.codepolitan.com|language=en|access-date=2018-06-26}}</ref>
== Ciri khas ==
Baris 10:
* '''[[Volume]]'''
Mahadata memiliki jumlah data yang sangat besar sehingga dalam proses pengolahan data dibutuhkan suatu penyimpanan yang besar dan dibutuhkan analisis yang lebih spesifik.
* '''[[Kecepatan]]''' (''Velocity'')
Mahadata memiliki aliran data yang cepat dan ''real time''.
* '''[[Keberagaman]]''' (''Variety'')
Mahadata memiliki bentuk format data yang beragam baik terstruktur ataupun tidak terstruktur dan bergantung pada banyaknya sumber data.
* '''Keabsahan''' (''Veracity'')
Mahadata memiliki tentang keabsahan sebuah data apakah bisa dipercaya atau tidak. Sangat penting bahwa keabsahan sebuah data bisa dipercaya dan dipertahankan.
* '''[[Nilai]]''' (''Value'')
Nilai sebuah data menentukan keputusan yang diambil setelah memproses seluruh data.
Baris 71:
== Penerapan mahadata ==
=== Bidang bisnis ===
▲* [[Token yang tidak dapat ditukar|Salah]] satu kelebihan dari Gephi sebagai penganalisis jaringan sosial adalah kemudahan dalam penggunaannya. Tidak perlu kemampuan khusus untuk mengoperasikannya. Anda hanya perlu memasukkan data jaringan sosial ke Gephi dan menggunakan beberapa algoritme yang telah disediakan dalam Gephi. Anda dapat melihat jaringan yang terhubung dengan pengelompokkannya dalam bentuk visual untuk kemudian dianalisis agar mendapatkan beberapa implikasi bisnis penting.
Pada saat ini, media sosual merupakan sebuah tempat yang sangat kuat untuk mempromosikan sebuah merek atau produk. Hampir setiap merek hadir dalam media sosial terutama pada [[Facebook]], [[Twitter]], dan [[Instagram]] karena situs media sosial tersebut memiliki sangat banyak pengguna yang akan menganalisis performa merek yang hadir pada media sosial. Melalui Gephi, seseorang dapat menganalisis koneksinya di media sosial dan dapat dengan mudah menemukan implikasi bisnis seperti ''penyasaran'' (targeting), ''pemosisian'' (posisitioning), dan lain-lain berdasarkan klaster yang terbentuk pada Gephi.<ref>{{Cite web|url=http://shubhamrawat14.blogspot.com/2013/11/gephi-and-its-implication-in-marketing.html|title=ANALYTICS BLOG: GEPHI and its implication in MARKETING|last=Rawat|first=Shubham|date=2013-11-07|website=ANALYTICS BLOG|access-date=2018-06-26}}</ref>
| |||