Mahadata: Perbedaan revisi

63 bita ditambahkan ,  1 bulan yang lalu
tidak ada ringkasan suntingan
k (v2.04b - Fixed using Wikipedia:ProyekWiki Cek Wikipedia (Tanda baca setelah kode "<nowiki></ref></nowiki>"))
Tag: Suntingan perangkat seluler Suntingan peramban seluler
 
[[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''', lebih'''data dikenalraya''', denganatau istilah [[bahasa Inggris]]'''data bandang''' ({{lang-en|big data'',}}) adalah istilah umum untuk segala [[himpunan]] [[data]] (''data set'') dalam jumlah yang sangat besar, rumit, dan tak terstruktur sehingga menjadikannya sukar ditangani apabila hanya menggunakan perkakas manajemen [[basispangkalan data]] biasa atau [[aplikasi]] pemrosespengolah data tradisional belaka. Mahadata juga dapat diartikan sebagai pertumbuhan data dan informasi yang eksponensial dengan kecepatan dalam pertambahannya dan memiliki data yang bervariasiberagam 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>
 
''Big data''Mahadata dapat diterapkan di semua aspek yang ada misalnya pada bidang bisnis, kesehatan, pariwisata, pemerintahan, kejahatan, dan lainnya. Dengan menggunakan toolsalat untuk pengambilan ataupun pengolahan datanya misalnya dengan ''menggunakan softwareperangkat lunak Gephi, [[Python (bahasa pemrograman)|Python]], Netlytics, NiFi,'' dan ''Tableau.'' Dengan memahami bahwa ''big data''mahadata itu penting, maka suatu organisasi akan dengan mudah mengolah dan menganalisis sekumpulan data atau suatu permasalahan yang sedang dihadapi baik dari internal maupun eskternal organisasinya. Organisasi tersebut dapat menghemat biaya, mengehamat 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>
 
== KarakteristikCiri khas ==
PadaMahadata pada dasarnya ''big data'' memiliki beberapa karakteristikciri khas sebagai diantaranyaberikut:<ref>{{Cite journal|last=Blasiak|first=Kevin|date=2014|title=Big Data; A Management Revolution|url=|journal=|volume=|issue=|doi=|pmid=|access-date=}}</ref>
 
* '''[[Volume]]'''
* ''[[Volume]], big data''Mahadata memiliki jumlah data yang sangat besar sehingga dalam proses pengolahan data dibutuhkan suatu penyimpanan yang besar dan dibutuhkan analisis yang lebih spesifik.
* ''Velocity, big data'' memiliki aliran data yang cepat dan ''real time''.
* '''Kecepatan''' (''Velocity'')
* ''Variety, big data'' memiliki bentuk format data yang beragam baik terstruktur ataupun tidak terstruktur dan bergantung pada banyaknya sumber data.
* ''Velocity, big data''Mahadata memiliki aliran data yang cepat dan ''real time''.
* ''Veracity, big data'' memiliki tentang ke-valid-an sebuah data apakah bisa dipercaya atau tidak. Sangat penting bahwa ke-valid-an sebuah data bisa dipercaya dan dipertahankan.
* '''Keberagaman''' (''Variety'')
* ''Value'', Nilai sebuah data menentukan keputusan yang diambil setelah memproses seluruh data.
* ''Variety, big data''Mahadata memiliki bentuk format data yang beragam baik terstruktur ataupun tidak terstruktur dan bergantung pada banyaknya sumber data.
* '''Keabsahan''' (''Veracity'')
* ''Veracity, big data''Mahadata memiliki tentang ke-valid-ankeabsahan sebuah data apakah bisa dipercaya atau tidak. Sangat penting bahwa ke-valid-ankeabsahan sebuah data bisa dipercaya dan dipertahankan.
* '''Nilai''' (''Value'')
* ''Value'', Nilai sebuah data menentukan keputusan yang diambil setelah memproses seluruh data.
 
== Virtualisasi data ==
Virtualisasi data adalah pendekatan untuk menyatukan data dari berbagai sumber dalam satu lapisan sehingga aplikasi, alat pelaporan, dan pengguna akhir dapat mengakses data tanpa memerlukan detailperincian tentang sumber asli, lokasi, dan struktur data.<ref>{{Cite web|url=https://www.datawerks.com/data-virtualization/|title=Data Virtualization – dataWerks|website=www.datawerks.com|language=en-US|access-date=2018-04-10|archive-date=2018-04-10|archive-url=https://web.archive.org/web/20180410201808/https://www.datawerks.com/data-virtualization/|dead-url=yes}}</ref>
 
== ToolsPeralatan Big Datamahadata ==
 
=== Gephi ===
'''Gephi''' merupakan perangkat lunak ''open-source''sumber terbuka yang dapat digunakan untuk visualisasi dan analisis jaringan. Gephi dapat digunakan untuk membantu analis data untuk mengungkapkan pola dan tren, menyoroti secara spesifik mengenai ''outliers'' (orang ataupun suatu hal yang terpisah dari badan atau sistem utama) dan menceritakan mengenai data mereka.<ref>{{Cite web|url=https://gephi.org/about/|title=About|website=gephi.org|access-date=2018-06-26}}</ref> Gephi dapat menggunakan ''render engine'' 3D untuk menampilkan grafik waktu nyata (''real-time''l skala besar dan dapat digunakan untuk memperluas eksplorasi visualisasi dan analisis data. Gephi memiliki kapabilitaskemampuan karena terdiri dari gabungan arsitektur yang fungsional dan fkleksibelfleksibel yang dapat di kustomisasidikustomisasi dan disesuaikan sesuai kebutuhan dengan segala tipejenis jaringan yang ada untuk:
 
* Eksplor
* ''Export''
 
Gephi adalah hasil visualisasi dan manipulasi paradigma yang memperbolehkan ''user''pengguna untuk menemukan jaringan dan properti-properti data. Terlebih lagi, Gephi memang didesain untuk mengikuti dan menyesuaikan rantai dan alur dari sebuah datasethimpunan data studi kasus yang memang memiliki banyak atribut. Gephi merupakan perangkat lunak yang dapat diakses bebas yang dapat didistribusikan dibawah GPL 3 (“GNU ''General Public License''”). Paket atribut yang tersedia di Gephi dijalankan menggunakan Java pada ''NetBeans platform. NetBeans''.
 
=== Python ===
[[Python (bahasa pemrograman)|'''Python''']] merupakan bahasa pemrograman multigunaserbaguna yang bersifat interpretermenerjemahkan (''interpret''), berorientasi pada objek dan dapat dioperasikan pada semua sistem operasi seperti Linux, Windows, Mac, dan lainnya.<ref>{{Cite journal|last=Rosmala|first=Dewi|last2=L.|first2=Gadya Dwipa|date=2012|title=Pembangunan Website Content Monitoring System Menggunakan Difflib Python|url=|journal=Jurnal Informatika|volume=Vol. 2 No. 3|issue=|doi=|pmid=|access-date=}}</ref> Python dibuat oleh seorang keturunan Belanda yang bernama Guido van Rossum. Tujuan utama python adalah lebih memusatkan pada keterbacaan kode dalam memahami sintaks,. dimana sintaksSintaks tersebut berfungsi untuk mempermudah dan mempercepat pemrogram dalam proses pengkodeannyapengodeannya dibandingkan Java atau C++.<ref name=":0">{{Cite web|url=https://medium.com/@mindfiresolutions.usa/advantages-and-disadvantages-of-python-programming-language-fd0b394f2121|title=Advantages and Disadvantages of Python Programming Language|last=Solutions|first=Mindfire|date=2017-04-24|website=Medium|access-date=2018-06-26}}</ref>
 
Pada pengaplikasian python, terdapat banyak fungsi ''built-in'' (bawaan). Misalnya pada python 3.6 yang memiliki 68 fungsi ''built-in'' seperti abs(), all(), any(), ascii(), bin(), dan lainnya yang dapat memudahkan penggunanya dalam menyelesaikan suatu pekerjaan.<ref>{{Cite web|url=https://www.pythonindo.com/fungsi-built-in-python/|title=Fungsi Built-in Python – Pythonindo|website=www.pythonindo.com|language=en-US|access-date=2018-06-26}}</ref>
 
Dengan menggunakan python, para pengguna dapat melakukan pemuatan kembali secara dinamis seperti mengubah, mengkontruksimengontruksi, dan memodifikasi tanpa menghentikan modul python, dapat melakukan kompilasi untuk portable kode bytebita portabel yang berdampak pada peningkatan kecepatan eksekusi dan menjaga kode sumber, dan juga dapat mengatur memori otomatis, yaitu kumpulan memori yang kotor sehingga dapat mencegah pencacatan kode.<ref name=":0" />
 
=== Netlytic ===
'''Netlytic''' adalah sebuah aplikasi berbasis web penganalisis teks berbasis ''cloud'' dan visualisasi jaringan sosial. Netlytic secara otomatis dapat meringkas volume teks yang besar dan menemukan serta memvisualisasikan jaringan sosial dari percakapan pada situs media sosial seperti [[Twitter]], [[YouTube|Youtube]], komentar blog, forum onlinedaring, dan obrolan. Netlytic dirancang untuk membantu peneliti dan yang lainnya memahami operasi grup online, dan menemukan bagaimana informasi mengalir dalam jaringan.<ref>{{Cite web|url=https://netlytic.org/|title=Netlytic - social media text and social networks analyzer|website=netlytic.org|access-date=2018-06-26}}</ref>
 
=== NiFi ===
'''Apache NiFi''' yang merupakan kepanjangan dari NiagaraFiles adalah sebuah proyek perangkat lunak dari Apache Software Foundation. Program ini di rancangdirancang untuk mengotomatisasi aliran data antara sistem perangkat lunak. Aliran data yang dimaksud disini yaitu aliran informasi otomatis yang terkelola antar sistemantarsistem. Pola masalah ini sudah ada sejak perusahaan memiliki beberapa sistem, dimana adayaitu sistem yang mengambil data dan ada sistem yang menggunakan data. Masalah dan pola solusi ini telah di diskusikandidiskusikan dan diartikulasikan menjadi sebuah bentuk yang komprehensifmenyeluruh dan mudah dikonsumsi dalam Pola Integrasi Perusahaan (Enterprise Integration Patterns).<ref>{{Cite web|url=https://nifi.apache.org/|title=Apache NiFi|website=nifi.apache.org|language=en|access-date=2018-06-26}}</ref>
 
=== Tableau ===
Software '''Tableau''' merupakan alat yang mendukung ''Business Intelligent'' yang dapat digunakan untuk membantu mengumpulkan, menyimpan, mengatur dan menganalisis data mentah sehingga menjadi sebuah informasi yang bernilai. ''Software''Perangkat lunak Tableau terdiri dari beberapa versi, yaitu ''Tableau Desktop, Tableau Server, Tableau Online, Tableau Reader, dan Tableau Public''.<ref>{{Cite news|url=https://www.tableau.com/products|title=Products|newspaper=Tableau Software|language=en|access-date=2018-06-26}}</ref> Secara umum, tableu digunakan untuk menganalisis data secara visual.
 
Tableu merupakan sebuah solusi untuk menangani semua kebutuhan bisnis, seperti:
 
* Tampilan (''Dashboard'')
* Penemuan Data
* Laporan Hasil Analisis (''Analyst Level Reporting'')
* Laporan dengan (''“Pixel Perfect”'') untuk percetakan
* Laporan Operasional
* Kemampuan menangani ''Big Data''mahadata
* Pelayanan sendiri (''Self Service'')
* Analisis tersemat (''Embedded Analytics'')
* Pengolahan dan pelaporan OLAP ''(Online Analytical Analysis)''
* Peramalan dan prediksi analisis
 
Dalam fenomena ''Big Data''Mahadata, ''software''perangkat lunak ini membantu dalam menerjemahkan data dengan skala besar ke dalam bentuk yang lebih mudah dipahami seperti grafik dan bagan yang unik. Mengingat pertumbuhan berbagai bentuk data yang terlalu banyak untuk ditangani dengan cara konvensional,<ref>{{Cite news|url=https://www.tableau.com/solutions/big-data|title=Big Data|newspaper=Tableau Software|language=en|access-date=2018-06-26}}</ref> sehingga memerlukan sebuah cara agar dapat mengolah data yang banyak tadi menjadi sebuah informasi dengan cepat dan mudah dipahami. Selain itu, Tableu juga dapat menyederhanakan data yang kompleks dan berantakan sehingga data tersebut dapat menghasilkan pola – polapola–pola yang mengandung wawasan yang mendukung analisis pada data. Dengan data yang dimiliki, dapat dilihat pola dari suatu ''trendtren''. dimana halHal tersebut sangat membantu para analis khususnya dalam bidang bisnis.<ref name=":1">{{Cite news|url=https://www.tableau.com/10-5-features|title=Tableau 10.5 Features|newspaper=Tableau Software|language=en|access-date=2018-06-26}}</ref> Selain grafik dan bagan, Tableau juga dapat menghasilkan bentuk visualisasi berupa ''geocoding'' atau peta.<ref name=":1" />
 
== ImplementasiPenerapan Big Datamahadata ==
=== Bidang Bisnisbisnis ===
Salah satu kelebihan dari Gephi sebagai pengananalisispenganalisis jaringan sosial adalah kemudahan dalam penggunaannya. Tidak perlu kemampuan khusus untuk mengoperasikannya. Anda hanya perlu memasukkan data jaringan sosial ke Gephi dan menggunakan beberapa algoritmaalgoritme 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.
 
SaatPada saat ini sosial, media sosual merupakan sebuah tempat yang sangat ''powerful''kuat untuk mempromosikan sebuah ''brand''merek atau produk. Hampir setiap ''brand''merek hadir dalam media sosial terutama pada [[Facebook]], [[Twitter]], dan [[Instagram]]. Karenakarena situs media sosial tersebut memiliki sangat banyak pengguna yang akan menganalisis performa ''brand''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), posisitioning''pemosisian'' (posisitioning), dan lain-lain berdasarkan klusterklaster 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>
=== Bidang Bisnis ===
Salah satu kelebihan dari Gephi sebagai pengananalisis jaringan sosial adalah kemudahan dalam penggunaannya. Tidak perlu kemampuan khusus untuk mengoperasikannya. Anda hanya perlu memasukkan data jaringan sosial ke Gephi dan menggunakan beberapa algoritma 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.
 
Salah satu impikasi pemasaran yang paling penting dari visualisasi jaringan Gephi adalah ''targeting.penyasaran'' (targeting). Anda akan dengat sangat mudah menemukan demografi masyarakat atau kelompok dan kemudian mengambil keputusan ''targeting''penyasaran dan ''positioning''pemosisian dari sebuah ''brand''merek<ref>{{Cite news|url=http://www.aimarketinglab.com/visualize-a-network-data-in-gephi-step-by-step/|title=Visualize a network data in Gephi step by step - Artificial Intelligence Marketing Lab|date=2017-08-27|newspaper=Artificial Intelligence Marketing Lab|language=en-US|access-date=2018-06-26}}</ref>''.''
Saat ini sosial media merupakan sebuah tempat yang sangat ''powerful'' untuk mempromosikan sebuah ''brand'' atau produk. Hampir setiap ''brand'' hadir dalam media sosial terutama pada [[Facebook]], [[Twitter]], dan [[Instagram]]. Karena situs media sosial tersebut memiliki sangat banyak pengguna yang akan menganalisis performa ''brand'' yang hadir pada media sosial. Melalui Gephi, seseorang dapat menganalisis koneksinya di media sosial dan dapat dengan mudah menemukan implikasi bisnis seperti ''targeting, posisitioning'', dan lain-lain berdasarkan kluster 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>
 
=== Bidang Kesehatankesehatan ===
Salah satu impikasi pemasaran yang paling penting dari visualisasi jaringan Gephi adalah ''targeting.'' Anda akan dengat sangat mudah menemukan demografi masyarakat atau kelompok dan kemudian mengambil keputusan ''targeting'' dan ''positioning'' dari sebuah ''brand''<ref>{{Cite news|url=http://www.aimarketinglab.com/visualize-a-network-data-in-gephi-step-by-step/|title=Visualize a network data in Gephi step by step - Artificial Intelligence Marketing Lab|date=2017-08-27|newspaper=Artificial Intelligence Marketing Lab|language=en-US|access-date=2018-06-26}}</ref>''.''
Mengetahui bahwa perkembangan penggunaan ''[[Big data|Big Datamahadata]]'' sudah sangat pesat dan kesadaran masyarakat dunia terhadap efektivitaskeefektifan penggunakanpenggunaan ''big data''mahadata dalam aktivitasnya sehari -hari juga merambah pada dunia kesehatan, yaitu dunia kedokteran. Dalam industri kesehatan digital, ''big data''mahadata menggunakan teknik ''ilmu data science'' untuk menangkap dan menganalisis data yang sangat besar dan kompleks untuk memberikan dampak positif bagi hasil perawatan pasien dan mengoptimalkan proses bisnis.
 
Meskipun istilah ''big data''mahadata merujuk pada volume data, itu bukanlah permasalahan utama karena ''big data''mahadata juga dapat merujuk pada tingkat teknologi yang dibutuhkan organisasi untuk menangani dan fasilitas yang dibutuhkan untuk menyimpannya. Industri kesehatan menghasilkan data klinis, finansial,keuangan administratif, dan genom yang sangat besar sehingga memerlukan teknik ''big data''mahadata untuk membantu mengorganisirnyamengaturnya.
=== Bidang Kesehatan ===
Mengetahui bahwa perkembangan penggunaan ''[[Big data|Big Data]]'' sudah sangat pesat dan kesadaran masyarakat dunia terhadap efektivitas penggunakan ''big data'' dalam aktivitasnya sehari hari juga merambah pada dunia kesehatan, yaitu dunia kedokteran. Dalam industri kesehatan digital, ''big data'' menggunakan teknik ''data science'' untuk menangkap dan menganalisis data yang sangat besar dan kompleks untuk memberikan dampak positif bagi hasil perawatan pasien dan mengoptimalkan proses bisnis.
 
Pada tahun 2009, terdapat sebuah penelitian ''big data''mahadata pada bidang kesehatan, yaitu mengenai interaksi jaringan protein dalam melakukan prediksi kanker payudara menggunakan metode ''DynamicAnalisis NetworkJaringan AnalysisDinamis''.<ref>{{Cite news|url=https://idbigdata.com/official/5-contoh-penerapan-big-data-dalam-bidang-kesehatan/|title=5 Contoh Penerapan Big Data dalam Bidang Kesehatan - idBigData|date=2017-08-28|newspaper=idBigData|language=en-US|access-date=2018-06-26}}</ref> Pada penelitian dijelaskan bagaimana evolusi kelas-kelas yang terbentuk dari interaksi antar cellantarsel dalam tubuh sehingga bisa mendapatkan polarisasipengutuban pembentukan sel kanker payudara. Perangkat lunak Gephi dapat dimanfaatkan untuk menganalisis hal yang serupa dengan visualisasi yang bisa ditampilkan menggunakan perangkat lunak tersebut.
Meskipun istilah ''big data'' merujuk pada volume data, itu bukanlah permasalahan utama karena ''big data'' juga dapat merujuk pada tingkat teknologi yang dibutuhkan organisasi untuk menangani dan fasilitas yang dibutuhkan untuk menyimpannya. Industri kesehatan menghasilkan data klinis, finansial, administratif dan genom yang sangat besar sehingga memerlukan teknik ''big data'' untuk membantu mengorganisirnya.
 
Secara umum, penggunaan ''[[big datamahadata]]'' dalam bidang kesehatan akan mengarah kepada 6 kategori informasi, yaitu:
Pada tahun 2009, terdapat sebuah penelitian ''big data'' pada bidang kesehatan yaitu mengenai interaksi jaringan protein dalam melakukan prediksi kanker payudara menggunakan metode ''Dynamic Network Analysis''.<ref>{{Cite news|url=https://idbigdata.com/official/5-contoh-penerapan-big-data-dalam-bidang-kesehatan/|title=5 Contoh Penerapan Big Data dalam Bidang Kesehatan - idBigData|date=2017-08-28|newspaper=idBigData|language=en-US|access-date=2018-06-26}}</ref> Pada penelitian dijelaskan bagaimana evolusi kelas-kelas yang terbentuk dari interaksi antar cell dalam tubuh sehingga bisa mendapatkan polarisasi pembentukan sel kanker payudara. Perangkat lunak Gephi dapat dimanfaatkan untuk menganalisis hal yang serupa dengan visualisasi yang bisa ditampilkan menggunakan perangkat lunak tersebut.
 
Secara umum, penggunaan ''[[big data]]'' dalam bidang kesehatan akan mengarah kepada 6 kategori informasi, yaitu:
 
# Data ''web'' dan media sosial: seperti data interaksi yang didapatkan dari Facebook, Twitter, LinkedIn, blogs, ''health plan websites'' dan aplikasi dari ''smartphone.''
# ''Machine-to-machine data:'' Seperti informasi dalam sensor, meter dan perangkat lain.
# Data Transaksi: seperti klaim layanan kesehatan dan catatan penagihan dalam format semi-terstruktur dan tidak terstruktur
# Data Biometrik: seperti data sidik jari, genetika, tulis tangan, pemindaian retina, sinar -X dan gambar medis lainnya.
# ''Data yang dihasilkan manusia''' (Human-generated data:''datal seperti data rekam medis elektronik (Electronic Medical Records/EMRs), catatan dokter, ''email,'' dan dokumen kertas lain.
# Data Litbang Farmasi: terkait dengan mekanisme tindakan obat, perilaku target ditubuhdit ubuh manusia dan efek samping dari segala tindak farmasi.
 
=== Bidang Pariwisatapariwisata ===
''Big data''Mahadata saat ini merupakan alat perang terbaik untuk terus menjadi nomor satu di podium industri pariwisata baik secara lokal maupun internasional, dengan peningkatan layanan dan ditunjang dengan kemampuan beradaptasi secara maksimum untuk kebutuhan para pengunjung tempat pariwisata yang ada. Jejaring sosial dan portal pariwisata baru yang mengandalkan kolaborasi pengguna telah menjadi salah satu referensi utama ketika mengavaluasi atau merencanakan perjalanan. ''Big Data''Mahadata dapat menjadi sumber inovasi bagi organisasi pariwisata dan industri pada umumnya. Potensi yang dimiliki dalam industri pariwisata sangat besar dan perusahaan tidak boleh meremehkan pentingnya ''big datamahadata.''
 
Dengan pendekatan yang tepat, industri pariwisata dapat belajar banyak tentang preferensipilihan konsumen dan menggunakan informasi dan wawasan ini untuk membangun hubungan dengan pelancong pada waktu yang tepat sangatlah penting. Tanpa informasi yang tepat dan pendekatan penargetan yang sangat baik, iklan tidakakantidak akan menghasilkan konversi apapun dan tidak akan ada ROI. Perjalanan adalah industri yang serba cepatserbacepat, yang benar benar mendorong kebutuhan untuk analisis data yang cepat dan keputusan cepat. Di bidang pariwisata, tuntutan apapun perlu ditangani secara instan agar tetap relevan bagi wisatawan, yang membuat ''big data''mahadata menjadi sangat penting.
 
Jejaring sosial dan portal pariwisata baru yang mengandalkan kolaborasi pengguna telah menjadi salah satu referensirujukan utama ketika mengevaluasi atau merencanakan perjalanan. Sangat penting untuk memantau semua pendapat dan pengalaman yang ditinggalkan wisatawan seperti sidik jari digital, dan karena itu, alat yang tepat diperlukan. Tidak ada keraguan tentang pentingnya menganalisis reputasi yang dibuat secara spontan di jejaring sosial atau di portal pariwisata tertentu. karenaDi disampingsamping itu, pendapat pengguna dikondisikan oleh orang lain dan pengguna terlebih lagi, pengguna memiliki pengaruh sosial atau bertindak dalam lingkungan yang dekat.
 
Teknik analisis sentiman adalah salah satu tugas khas pemrosesanpengolahan bahasa alami (''Natural Language Processing/''NLP), yang mengelola deteksi komentar positif, negatif dan netral yang ditulis dalam bahasa alami dengan tingkat keandalan yang tinggi. Emosi, opinipendapat, dan perasaan ini diekstraksidiambil dari konten yang dituangkan oleh pengunjung dan pengguna ke jaringan sosial dan platform analisis wisata. Prosedur ini dilakukan secara otomatis melalui mesin analisis sentimen. Pada dasarnya, ada dua model NLP: Linguistik, berdasarkan ''grammar,tata bahasa'' dan probabilitas, berdasarkan data. Dalam model linguistik, ada tingkat kedalaman yang berbeda. Dalam analisis leksikal, mesin mencapai tingkat yang lebih dangkal, mengklasifikasikan sebagai positif atau negatif sesuai dengan kata-kata umum seperti hebat, mengerikan, dll. Ada analisis yang lebih mendalam dalam memahami arti kata-kata menggunakan morfologi, sintaksis atau kontekstual informasi.
 
Dalam analisis yang lebih kompleks ini, dapat mengambil data melalui media sosial seperti instagramInstagram, twitterTwitter, dll dengan mengambil konten tulisan opini yang telah dibuat oleh pengguna, menggunakan analisis ini mesin akan mengolah model yang dapat mengenali struktur teks positif dengan kata-kata negatif atau mengenali penggunaan idiomatik dan kata-kata berbentuk sarkasme. Analisis lebih mendalam ini, tanpa diragukan lagi, merupakan revolusi bagi industri pariwisata, berkat ini diproses informasi, dapat memberdayakan dan meningkatkan layanannya secara maksimal karena mengetahui bagaimana persepsi dan opini masyarakat akan suatu hal, sudah sesuai ekspektasi dan perencanaan pemasaran atau masih dianggap belum memuaskan.
 
Pada tahun 2016, sudah tahun ketujuh berturut-turut hasil analisis data wisata di Amerika menunjukanmenunjuikan bahwa jumlah kedatangan wisatawan internasional (pengunjung satu malam) tumbuh sebesar 3,9% dan mencapai total 1.235 juta di seluruh dunia. Data ini menyoroti dampak industri pariwisata terhadap ekonomi global.<ref>{{Cite news|url=https://www.tourism-review.com/solo-traveling-means-paying-through-the-nose-or-not-news1049|title=SOLO TRAVELING MEANS PAYING THROUGH THE NOSE. OR NOT? {{!}} .TR|last=Larry.Brain@tourism-review.com|first=Larry Brain,|language=en|access-date=2018-06-26}}</ref>
 
Perusahaan di sektor pariwisata sudah banyak yang sadar akan peran ''big data''mahadata jika ingin menjadi pemimpin di pasar, banyak yang sudah menjadi perusahan dengan ideologi ''data-driven''. Itulah mengapa mereka mengakui ''Big Data'' sebagai senjata terbaik untuk terus berada di garis depan pariwisata internasional.
 
== ReferensiRujukan ==
{{reflist}}
 
1.652

suntingan