Pengantar Data dan Basis Data

• Materi 1 membahas tentang data, basis data, dan data-driven.
• Materi disusun oleh Dr. Anindya Apriliyanti Pravitasari, M.Si. dan Sinta Septi Pangastuti, S.Si., M.Si.
• Materi ini diajarkan pada Semester Genap 2024/2025 bagi prodi Sarjana Statistika dengan bobot 3 SKS.

Data

• Data adalah keterangan yang benar dan nyata.
• Data bisa berupa keterangan atau bahan nyata yang dapat dijadikan dasar kajian (analisis atau kesimpulan).
• Data digital berhubungan dengan angka untuk sistem perhitungan tertentu.
• Data kualitatif tidak berbentuk angka dan diperoleh dari rekaman, pengamatan, wawancara, atau bahan tertulis.
• Data kuantitatif berbentuk angka dan diperoleh dari perhitungan data kualitatif.
• Data lapangan adalah kumpulan data yang diperoleh dengan cara pengukuran langsung.
• Data lisan diperoleh dari informan.
• Data pribadi adalah data tentang ciri seseorang (nama, umur, jenis kelamin, pendidikan, pekerjaan, alamat, dll.).
• Data primer diperoleh langsung dari objeknya oleh peneliti.
• Data relevan memiliki hubungan langsung dengan persoalan yang sedang diteliti.
• Data sekunder diperoleh tidak langsung dari objeknya, melalui sumber lain.
• Data tertulis diperoleh dari sumber tertulis.
• Mendata berarti melakukan pendataan.
• Mendatakan berarti mengambil sebagai data atau memasukkan data.
• Pendataan adalah proses, cara, atau perbuatan mendata, yaitu pengumpulan atau pencarian data.
• Data adalah representasi dari fakta yang direkam atau dicatat dalam bentuk angka, huruf, simbol, teks, gambar, bunyi, atau kombinasi.

Big Data vs Small Data

• Big Data biasanya dirancang dengan tujuan dalam pikiran, tetapi tujuannya fleksibel.
• Big Data tersebar melalui ruang elektronik, multiple server internet di seluruh dunia.
• Big Data menyerap data terstruktur hingga tidak terstruktur, yang mungkin melintasi berbagai disiplin ilmu.
• Proyek Big Data biasanya berisi data yang harus disimpan selamanya.
• Small Data dirancang untuk menjawab pertanyaan spesifik atau melayani tujuan tertentu.
• Small Data terkandung dalam satu institusi dan di satu komputer.
• Small Data biasanya berisi data yang sangat terstruktur.
• Ketika proyek data Small Data berakhir, data disimpan dalam waktu terbatas.
• Semua data dalam proyek Small Data dapat dianalisis bersamaan.

The "V"s of Big Data

• Volume: Jumlah data yang besar.
• Variety: Data terstruktur, semi-terstruktur, dan tidak terstruktur.
• Velocity: Konten data berubah secara konstan dengan cepat.
• Value: Nilai bisnis dari data yang dikumpulkan.
• Veracity: Tingkat kepercayaan terhadap data.
• Variability: Cara data dapat digunakan dan diformat.
• Virality: Seberapa viral data tersebut.

Sumber Data: Internet of Things (IoT)

• IoT memperluas manfaat konektivitas internet yang tersambung secara menerus.
• IoT memungkinkan kemampuan seperti berbagi data, remote control, dan lain-lain, termasuk pada benda di dunia nyata.
• Adanya IoT menyebabkan segala aktivitas manusia tercatat dan menjadi miliaran gigabyte data setiap harinya.

Database

• Database = Basis + Data.
• Data direpresentasikan dari fakta yang direkam/dicatat dalam bentuk angka, huruf, simbol, teks, gambar, bunyi atau kombinasinya.
• Basis adalah markas/tempat berkumpul/tempat bersarang/gudang.
• Basis data adalah himpunan kelompok data (arsip) yang saling berhubungan yang diorganisasi agar dapat dimanfaatkan kembali dengan cepat dan mudah.
• Basis data adalah kumpulan data yang saling berhubungan yang disimpan bersama dan tanpa pengulangan (redundancy) yang tidak perlu, untuk memenuhi berbagai kebutuhan.
• Basis data adalah kumpulan file/tabel/arsip yang saling berhubungan yang disimpan dalam media penyimpanan tertentu.
• Untuk Big Data, database disimpan dalam Cloud System.

Perubahan Paradigma

• Revolusi pengukuran dan penanganan data.
• Revolusi Analisis Data.
• Pergeseran Paradigma Penelitian.
• Bentuk data bervariasi (angka, teks, citra, suara, video, dan kombinasinya).
• Data ditangani dengan penyimpanan (data besar dan multistruktur sehingga bergerak sistem awan) dan pengolahan serta pemanfaatan data.

Perbandingan Metode Klasik dan Big Data Analytics

• Metode Klasik: Confirmative, small data set, small number of variable, Deductive (no prediction), Numerical data, Clean data.
• Big Data Analytics: Explorative, large data set, large number of Variable, Inductive, Numerical & non-numerical data, Data cleaning.

Pergeseran Penelitian

• Penelitian tidak berawal dari hipotesis yang dikonfirmasi dengan data, tetapi bergerak dari EKSPLORASI data guna memperoleh informasi yang maksimal.
• Penelitian bergeser dari "SEARCH" (pencarian terarah) menjadi "DISCOVERY" (lebih bersifat oportunis).
• Model adalah raja menjadi Data adalah raja.
• Teori-driven menjadi Data-driven.

Data-Driven

• Data-driven adalah pendekatan yang melibatkan pengumpulan dan analisis data untuk membuat keputusan yang terinformasi.
• Pertanyaan penting terkait data dalam pendekatan data-driven:
  • Jenis keputusan apa yang perlu dibuat?
  • Seberapa banyak data yang diperlukan untuk mengambil keputusan?
  • Jenis data apa yang dibutuhkan?
  • Di mana data tersebut berada?
  • Berapa lama data perlu dikumpulkan dan seberapa sering?
  • Bagaimana cara memahami data yang dikumpulkan?

Penerapan Database dan Data Science di Berbagai Ukuran Perusahaan

• Startups: Fokus pada A.I. dan Deep Learning, dengan Data Scientist yang mengerjakan berbagai aspek data.
• Medium-size Companies: Memiliki Software Engineer, Data Engineer, dan Data Scientist yang bekerja secara terpisah.
• Large-size Companies: Memiliki Software Engineer, Data Engineer, Data Scientist, dan ML Engineer dengan spesialisasi masing-masing.