Tugas Kel 4 Jurnal Big Data.pdf

JURNAL NASIONAL DAN INTERNASIONAL
BIG DATA
KELOMPOK 4 :
1. Andri Sugianto (19071072)
2. Eli Safitri (19071078)
3. Justi Fartesa (21071133P)
4. Lisa Aprila (19071084)
5. Novi Kanuri (19071025P)
6. Teguh Priyono (19071095)
7. Wawan Taufik Hidayat (19071097)
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
DIAN CIPTA CENDIKIA KOTABUMI
2021/2022

Jurnal Sistem Informasi (JSI), VOL. 3, NO. 2, Oktober 2011, Halaman 359-370
ISSN Print : 2085-1588
ISSN Online : 2355-4614
http://ejournal.unsri.ac.id/index.php/jsi/index
Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya
Jl. Raya Palembang-Prabumulih Km.32 Indralaya Ogan Ilir 30662
Telp. (0711) 7072729; jsi.fasilkom.unsri@gmail.com 359
SISTEM INFORMASI BERBASIS WEB JURUSAN SISTEM INFORMASI
FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA
Yadi Utama
Jurusan Sistem Informasi Fakultas Ilmu Komputer
Universitas Sriwijaya
Email: yadiutama@unsri.ac.id
ABSTRAK
Sistem Informasi Akademik Berbasis Web pada Jurusan Sistem Informasi Fakultas Ilmu Komputer
Universitas Sriwijaya merupakan suatu sistem yang memudahkan mahasiswa dalam melakukan kegiatan
pengisian Kartu Rencana Studi, dan mendapatkan informasi laporan nilai, selain itu dengan berbasiskan
web maka informasi data dapat diakses dengan waktu dan tempat yang tidak ditentukan. Pada sistem ini,
menu hanya dapat diakses oleh user tertentu yaitu siswa, dan administrator. Pada hasil penelitian ini telah
dikembangkan sebuah Sistem Informasi Berbasis Web dengan studi kasus pada Jurusan Sistem Informasi
Fakultas Ilmu Komputer. Dimana dalam membangun sistem ini digunakan alat bantu pengembangan sistem
yaitu Data Flow Diagram (DFD), Context Diagram, Entity Relationship Diagram (ERD) dan Flowchart
serta dengan menggunakan bahasa pemrograman PHP dan HTML dan MySQL sebagai databasenya.
Kata Kunci: Informasi, Akademik
1. PENDAHULUAN
Informasi adalah salah satu kata kunci salah satu kunci pada zaman ini. Untuk
mendapatkan dan menghasilkan informasi, komputer dan teknologinya adalah salah satu
alat bantu yang paling tepat[1]. Penggunaan komputer dalam bidang pendidikan antara lain
untuk media pembelajaran berbantuan komputer termasuk e-learning, alat bantu
pengolahan data akademik, dan media penyampaian informasi[2].
Tuntunan kebutuhan akan informasi dan penggunaan komputer yang semakin
banyak mendorong terbentuknya sebuah jaringan komputer yang mampu melayani
berbagai kebutuhan tertentu. Dengan adanya jaringan komputer, pengelolaan informasi
dapat berlangsung lebih baik lagi. Berkembangnya teknologi dan kebutuhan akan
informasi menyebabkan bertambah kompleksnya informasi yang harus dan yang bisa
diolah, sehingga kebutuhan penggunaan jaringan komputer semakin diperlukan.
Penggunaan jaringan secara bersama sama ini tumbuh membentuk jaringan komputer yang
amat besar yang tersebar diseluruh bagian di muka bumi ini.
Perkembangan internet telah pula mendukung penggunaan komputer dalam bidang
pendidikan. Internet bisa diakses dan dimanfaatkan untuk berbagai keperluan, oleh siapa
saja, dimana saja, kapan pun akan penggunaannya. Berbagai macam teknologi internet
bisa digunakan, salah satunya adalah World Wide Web (atau selanjutnya disebut “web”

saja) yang mampu menyediakan informasi dalam bentuk teks, gambar, suara, maupun
gambar bergerak. Dengan kemampuan seperti ini, web menjadi sangat terkenal dan
perkembangannya sangatlah pesat, tetapi umumnya web seperti ini masih bersifat statis
dan tidak dapat mengelola data. Untuk dapat mengelola data dalam bentuk database, maka
perlu dikembangkan sistem infromasi berbasis web.
Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya adalah
salah satu jurusan yang ada di Universitas Sriwijaya. Dalam penyampaian informasi
kepada mahasiswa, dosen, dan masyarakat umum, jurusan telah menggunakan berbagai
cara antara lain memalui media elektronik dan media cetak, brosur, dan website, akan
tetapi website yang saat ini digunakan masih belum mendukung sebagai sebuat sistem
informasi yang berbasis web serta belum dapat memenuhi akan informasi bagi seluruh
civitas akademika ataupun masyarakat umum, akibat dari masalah ini, sering terhambatnya
kelancaran tugas tugas yang harus diselesaikan di tingkat jurusan. Oleh karena itu, sangat
perlu untuk dibuat sistem informasi berbasis web yang dapat membantu mengatasi
masalah tersebut.
2. TINJAUAN PUSTAKA
A. Pengertian Web atau Situs
“Website atau situs dapat diartikan sebagai kumpulan halaman halaman yang
digunakan untuk menampilkan informasi, teks, gambar diam atau bergerak, animasi,
suara, dan atau gabungan dari semuanya itu, baik yang bersifat statis maupun dinamis
yang membentuk satu rangkaian bangunan yang saling berkait dimana masing masing
dihubungkan dengan jaringan jaringan halaman (hyperlink) [3]”
B. Unsur Unsur Website atau Situs
Untuk menyediakan keberadaan sebuat website, maka harus tersedia unsur-unsur
penunjangnya, adalah sebagai berikut :
1. Nama domain (domain name/URL – Uniform Resource Locator)
Pengertian nama domain atau biasa disebut dengan Domain Name atau URL
adalah alamat unik di dunia internet yang digunakan untuk mengidentifikasikan
sebuah website, atau dengan kata lain domain name adalah alamat yang digunakan
untuk menemukan sebuah wesite pada dunia internet. Contoh http://www.
unsri.ac.id/ dan http://www. detik.com/. Nama domain diperjualbelikan secara
bebas di internet dengan status sewa tahunan. Nama domain sendiri mempunyai

identifikasi ekstensi/akhiran sesuai dengan kepentingan dan lokasi keberadaan
website tersebut, contoh nama domain berekstensi lokasi negara Indonesia adalah
co.id (untuk nama domain website perusahaan), ac.id (nama domain website
pendidikan), go.id (nama domain website instansi pemerintahan), or.id (nama
domain website organisasi).
2. Rumah Tempat Website (Web Hosting)
Pengertian Web Hosting dapat diartikan sebagai ruangan yang terdapat dalam
harddisk tempat menyimpan berbagai data, file, gambar dan lain sebagainya yang
akan ditampilkan di website. Besarnya data yang bisa dimasukkan tergantung dari
besarnya web hosting semakin besar pula data yang dapat dimasukkan dan
ditampilkan dalam website. Web Hosting juga juga diperoleh dengan menyewa
besarnya hosting ditentukan ruangan harddisk dengan ukuran MB (Mega Byte)
atau GB (Giga Byte). Lama penyewaan web hosting rata rata dihitung per tahun.
Penyewaan hosting dilakukan dari perusahaan perusahaan penyewa web hosting
yang banyak dijumpai baik di Indonesia maupun luar negeri.
3. Bahasa Program (Script Program)
Bahasa program adalah bahasa yang digunakan unuk menerjemahkan setiap
perintah dalam website pada saat diakses. Jenis bahasa program sangat menentukan
statis, dinamis, atau interaktifnya sebuah website. Semakin banyak ragam bahasa
program yang digunakan maka akan terlihat website semakin dinamis dan
interaktif serta terlihat bagus. Beragam bahasa program saat ini telah hadir untuk
mendukung kualitas website. Jenis jenis bahasa program yang banyak dipakai para
desainer website antara lain HTML, ASP, PHP, JSP, Java Scripts, Java Applets,
dan sebagainya. Bahasa dasar yang yang dipakai setiap situs adalah HTML,
sedangkan PHP, ASP, JSP dan lainnya merupakan bahasa pendukung yang
bertindak sebagai pengatur dinamis, dan interaktifnya situs[4]. Bahasa program
ASP, PHP, JSP atau lainnya bisa dibuat sendiri. Bahasa program ini biasanya
digunakan untuk membangun portal berita, artikel, forum diskusi, buku tamu,
anggota organisasi, email, mailing list, dan lain sebagainya yang memerlukan
update setiap saat.
4. Desain Website

Setelah melakukan penyewaan domain name dan web hosting serta penguasaan
bahasa program, unsur website yang penting adalah dan utama adalah desain.
Desain website menentukan kualitas dan keindahan sebuah website.
Untuk membuat website biasanya dapat dilakukan sendiri atau menyewa jasa
website designer. Perlu diketahui bahwa kualitas situs sangat ditentukan oleh
kualitas designer.
5. Publikasi website
Keberadaan situs tidak ada gunanya dibangun tanpa dikunjungi atau dikenal oleh
pengunjung internet.Untuk mengenalkan situs kepada masyarakat memerlukan apa
yang disebut publikasi atau promosi.
Publikasi situs di masyarakat dapat dilakukan dengan berbagai cara seperti dengan
pamflet, selebaran, baliho dan lain sebagainya, tapi cara ini bias dikatakan masih
kurang efektif dan sangat terbatas. Cara yang biasanya dilakukan dan paling efektif
dengan tak terbatas ruang atau waktu adalah publikasi langsung di internet melalui
search engine seperti yahoo, google, dan sebagainya.
Cara publikasi di search engine ada yang gratis dan ada pula yang membayar, yang
gratis biasanya terbatas dan cukup lama untuk bias masuk dan dikenali di search
engine terkenal seperti yahoo dan google. Cara efektif publikasi adalah dengan
membayar walaupun harus sedikit mengeluarkan buaya, akan tetapi situs dapat
cepat masuk ke search engine dan dikenal oleh pengunjung.
6. Pemeliharaan website
Untuk mendukung kelanjutan dari situs diperlukan pemeliharaan setiap waktu
sesuai yang diinginkan seperti penambahan informasi, berita, artikel, link, gambar
dan lain sebagainya, tanpa pemeliharaan yang baik situs akan terkesan
membosankan atau monoton juga akan segera ditinggalkan pengunjung.
Pemeliharaan situs dapat dilakukan per periode tertentu seperti tiap hari, tiap
minggu, atau sebulan sekali secara rutin atau secara periodic tergantung kebutuhan.
Pemeliharaan rutin biasanya dipakai oleh situs situs berita, penyedia artikel,
organisasi atau lembaga pemerintah, sedangkan pemeliharaan periodic biasanya
untuk situs situs penjualan, dan sebagainya.

C. Sistem Informasi Berbasis Web
Sistem informasi berbasis web adalah aplikasi yang dibuat berbasis web. Aplikasi ini
juga di dalamnya sudah terdapat basisdata untuk mengelola suatu data tertentu[7].
D. Metodologi Penelitian
1) Waktu dan Tempat Penelitian
Lamanya oelaksanaan penelitian adalah selama 6 bulan yaitu pada bulan Mei 2011
sampai Nopember 2011, dilaksanakan pada laboratorium Komputer Fakultas Ilmu
Komputer Unsri Bukit Besar Palembang.
2) Teknik Pengumpulan Data
Untuk memperoleh data yang diperlukan guna mendukung pelaksanaan penelitian
ini digunakan beberapa teknik pengumpulan data antara lain sebagai berikut,
a) Observasi
Suatu teknik pengumpulan data dengan cara pengamatan langsung terhadap
objek yang ada di lapangan.
b) Dokumentasi
Penulis mengamati dokumen yang berhubungan dengan informasi informasi
mengenai jurusan
c) Wawancara
Wawancara dilakukan di lokasi penelitian dengan pihak yang berhubungan
dengan topik penelitian yang diangkat, yaitu ketua jurusan, sekretaris jurusan,
administrasi dan mahasiswa.
3) Metode Pengembangan
Metode pengembangan yang digunakan untuk pengembangan oerangkat lunak
adalah model atau paradigma klasik yang sering disebut waterfall[8][9]. Model ini
sangat terstruktur dan bersifat linier.
Metode ini memerlukan pendekatan yang sistematis dan sekuensiel di dalam
system perangkat lunaknya. Pengembangan dimulai dari tingkat system, analisis,
perancangan, implementasi (pemrograman), pengujian, pengoperasian, dan
pemeliharaan (implementasi). Dengan demikian terdapat aktivitas aktivitas sebagai
berikut.

a) Analisis
Pada tahap ini dilakukan pengumpulan kebutuhan elemen elemen di tingkat
perangkat lunak, tahap ini juga biasanya disebut dengan software requirement
analysis, dengan analisis ini dapat ditentukan domain domain data atau
informasi, fungsi, proses, atau prosedur yang diperlukan beserta unjuk kerjanya
dan interface[10] [11]. Hasil akhir dari tahap ini adalah spesifikasi kebutuhan
perangkat lunak.
b) Perancangan (Desain)
Pada tahap perancangan kebutuhan kebutuhan atau spesifikasi perangkat lunak,
yang dihasilkan pada tahap analisis ditransformasikan ke dalam bentuk
arsitektur perangkat lunak yang memiliki karakteristik mudah dimengerti dan
tidak sulit untuk mengimplementasikannya.
c) Pemrograman (coding)
Tahap ini sering disebut juga sebagai tahap implementasi perangkat lunak atau
coding.
d) Pengujian (Testing)
Setelah perangkat lunak (komponen komponennya yang berpa kelas kelas atau
modul modul) selesai diimplementasikan, pengujian dapat segera dimulai.
Keluaran dari penelitian ini adalah system informasi berbasis web jurusan Sistem
informasi yang nantinya akan digunakan oleh civitas akademika di jurusan.
3. HASIL DAN PEMBAHASAN
A. Hasil Perancangan Sistem
Perancangan sistem dibedakan menjadi beberapa bagian yang sesuai dengan tahapan-
tahapan yang diterapkan pada metode perancangan yaitu:
1. Diagram Konteks

SISTEM
INFORMASI
BERBASIS
WEB
ADMINISTRATOR
Data Mahasiswa
Data Dosen
Data Alumni
Data Mata Kuliah
Data Kelas dan Perkuliahan
Data Jurnal Sistem Informasi
Data Kurikulum, Silabus, dan SAP
Laporan Nilai
Laporan Absensi
Data Nilai
MAHASISWA
Data KRS
Laporan Nilai
Gambar 1. Diagram Konteks Sistem Informasi Berbasis Web
Berikut penjelasan context diagram di atas :
1) Administrator, seorang administrator melakukan input data ke dalam sistem serta
melakukan update jika terdapat penambahan data baru. Seorang admin memiliki
hak akses yang luas sehingga juga diberikan laporan data nilai serta data absensi
siswa untuk dapat dicetak oleh admin sebagai arsip manual.
2) Siswa, seorang siswa diberi hak akses untuk Mengisi Kartu Rencana Studi (KRS),
melihat laporan data nilai per semester ataupun kumpulan nilai (transkrip)
2. Data Flow Diagram Level 1
ADMINISTRATOR
1.0
Data
Mahasiswa
2.0
Data Dosen
3.0
Data Alumni
4.0
Data Mata
Kuliah
5.0
Data Kelas
dan
Perkuliahan
6.0
Data Nilai
7.0
Data Jurnal
Sistem
Informasi
8.0
Data Kurikulum,
Silabus dan
SAP
Input Data
Mahasiswa
Input Data Dosen
Input Data Mata Kuliah
D2 Dosen D4 Mata_Kuliah
D1 Mahasiswa
D5 Kelas_Perkuliahan
Input Data Kelas dan Perkuliahan
D6 Nilai
D3 Alumni
Input Data Alumni
Input Data Jurnal SI
Input Data Kurikulum
D7 Data_Jurnal D8 Data_Kurikulum
MAHASISWA
Input Data KRS
9.0
Laporan
Laporan Data
Kurikulum,
Silabus, dan
SAP
Laporan Data
Perkuliahan
Laporan Data Nilai Akademik
Laporan Data Alumni dan Yudisium
Gambar 2. Data Flow Diagram Level 1 Sistem Informasi Berbasis Web

Administrator memegang peranan yang penting dalam menjalankan sistem informasi ini.
Seorang administrator bertanggung jawab terhadap sembilan proses dari sistem informasi
ini. Berikut penjelasan dari proses-proses yang terjadi :
a.) Proses 1 (Data Mahasiswa)
Administrator melakukan input data mahasiswa, kemudian tersimpan ke dalam
tabel mahasiswa serta melakukan update jika terdapat penambahan mahasiswa
pada tahun ajaran baru. Data mahasiswa ini akan terus diolah menjadi data
alumni apabila mahasiswa tersebut menyelesaikan studinya.
b.) Proses 2 (Data Dosen)
Administrator melakukan input data dosen yang kemudian tersimpan ke dalam
tabel dosen serta melakukan update data bila terjadi perubahan data.
c.) Proses 3 (Data Alumni)
Administrator mengolah data mahasiswa, menyimpan data mahasiswa tersebut
menjadi alumni apabila telah menyelesaikan studinya.
d.) Proses 4 (Data Mata Kuliah)
Administrator melakukan proses input data mata Kuliah yang nantinya akan
tersimpan ke dalam tabel mata kuliah. Data mata kuliah tersebut akan dipakai
dalam proses untuk menginput data kelas.
e.) Proses 5 (Data Kelas dan Perkuliahan)
Proses ini merupakan proses untuk menginput data-data kelas aktif dalam satu
semester yang akan disimpan ke dalam tabel kelas. Tabel ini befungsi sebagai
Kelas Perkuliahan yang dapat dipilih oleh mahasiswa dalam Kartu Rencana
Studi.
f.) Proses 6 (Data Nilai)
Administrator melakukan proses input data nilai dari mata kuliah. Data ini akan
tersimpan ke dalam tabel nilai.
g.) Proses 7 (Data Jurnal Sistem Informasi)
Administrator melakukan proses input data Jurnal yang nantinya akan
tersimpan ke dalam tabel Jurnal.
h.) Proses 8 (Data Kurikulum, SAP, dan SIlabus)
Administrator melakukan proses input data Kurikulum, SAP, dan Silabus yang
nantinya akan tersimpan ke dalam tabel Kurikulum.
i.) Proses 8 (Data Kurikulum, SAP, dan SIlabus)

Proses dimana menampilkan laporan berupa informasi baik untuk keperluan
administrasi dan informasi untuk mahasiswa. mengenai daftar mahasiswa,
daftar alumni, daftar dosen, daftar kelas, daftar nilai persemester, daftar nilai
transkrip, daftar kurikulum dan jurnal. Data-data tersebut diambil dari data
yang telah masuk dalam database pada tiap-tiap tabel.
3. Flowchart
1.) Flowchart Administrator
Start
Input
Username
dan password
Halaman Login
Periksa Login
Halaman Menu
Input Data
Dosen,
Mahasiswa,
Mata Kuliah
Simpan data
Ya
Logout
Dosen,
Mahasiswa,
Mata_Kuliah
End
Ya
tidak
Input Data
Master
Input Data Kelas
dan Perkuliahan
Input Data
Kelas dan
Perkuliahan
Simpan data
Kelas
Ya
tidak
Cetak Laporan
Memilih
laporan yang
akan dicetak
Proses Cetak
Laporan
Gambar 3. Flowchart Administrator

Administrator melakukan login dahulu untuk masuk ke dalam sistem. Apabila user
ID dan password sesuai maka sistem akan mengarahkan pada halaman menu
administrator. Di halaman menu terdapat beberapa link yang berfungsi untuk
menginput data dosen, data mahasiswa, data mata Kuliah, data kelas perkuliahan,
data nilai, data Jurnal, serta data Kurikulum, SAP, dan Silabus. Data tersebut
kemudian dapat ditampilkan dalam bentuk tampilan cetak yang sebagai arsip
manual.
2.) Flowchart Mahasiswa
Start
Input
Username
dan password
Halaman Login
Periksa Login
gagal
Input KRS
Simpan data
Berhasil
Ya
Halaman Menu
Logout
End
tidak KRS
Ya
Cetak KHS &
Trasnkrip
Proses Cetak
Laporan
Gambar 4. Flowchart mahasiswa

Seorang mahasiswa memiliki hak akses untuk mengisi Kartu Rencana Studi.
mahasiswa harus melakukan login melalui formulir login terlebih dahulu. Apabila
data password yang dimasukkan sesuai dengan database maka halaman menu
dibuka. Pada halaman tersebut terdapat beberapa link yang mengarah pada menu
untuk Mengisi Kartu Rencana Studi dan Laporan, yaitu Kartu Rencana Studi, Kartu
Hasil Studi, dan transkrip nilai. Setelah siswa selesai mahasiswa dapat melakukan
logout untuk keluar dari halaman tersebut.
4. KESIMPULAN
Dari hasil penelitian, perancangan dan implementasi yang telah dilakukan ada
beberapa kesimpulan yang dapat dikemukakan sebagai berikut:
1. Sistem informasi berbasis web ini dirancang sebagai solusi bagi Jurusan Sistem
Informasi Fakultas Ilmu Komputer untuk mengelola bagian akademik dalam
penyajian laporan nilai serta keaktifan siswa secara cepat dan tepat dibandingkan
secara manual sehingga kinerja dalam mencapai pekerjaan dapat diwujudkan
secara lebih maksimal.
2. Sistem informasi berbasis web dibuat bersifat intern, artinya pengguna program ini
3. hanya kalangan tertentu yang memiliki hak akses terhadap sistem ini yaitu
dministrator dan mahasiswa.
4. Sistem ini dibuat sebagai sarana informasi dalam menyajikan informasi laporan
nilai pada semester yang sedang berjalan dan menjadi tempat penyimpanan arsip
Jurnal, Kurikulum, SAP dan Silabus.
5. REFERENSI
[1] Ardian, Niko, 2008, Pengembangan Website FKIP Unsri sebagai Media
Penyampaian Informasi, Tugas Akhir PDK Unsri : Tidak diterbitkan
{2] Jauhari, Jaidan, 2008, Implementasi E-Learning dalam pengembangan lingkungan
belajar yang iteraktif di Perguruan Tinggi, Laporan Penelitian Hibah Bersaing
Dikti.
[3] Surajino, S.H.R. 2004, Pembelajaran Berbasis Web: Suatu Tujuan dari aspek
Kognitif, Makalah Lokakarya metode Pembelajaran Berbasis Web-Departemen
Teknik Penerbangan ITB, Bandung 1 Oktober 2004.
{4] Oetomo, B. S. D. 2002. E-Education : Konsep, Teknologi dan Aplikasi Internal
Pendidikan. Yogyakarta : Andi Offset.

[5] Tung, K.Y. 2000. Pendidikan dan Riset di Internet : Strategi Meningkatkan Kualitas
SDM dengan Riset dan Pendidikan Global Melalui Teknologi Informasi. Jakarta :
Dinastindo.
[6] Pujadi, T.2008.Blog Dan Rss sebagai SArana Kaloborasi Untuk Meningkatkan
Pemerataan Akses Belajar. Makalah disampaikan pada International CInference
ICT Education UNY Yogyakarta.
[7] Raharjo, Budi.2002. Implikasi Teknologi Informasi dan Internet Terhadap
Pendidikan, Bisnis dan Pemerintahan : Siapkah Indonesia? [Online] Tersedia :
www.budi.insan.co.id/articles/riau-it.doc
[8] Pressman, R.S. 2002. Rekayasa Perangkat Lunak, Yogyakarta : Andi Offset
[9] Mahyuzir, T.D.1998. Rekayasa Perangkat Lunak, Yogyakarta : Andi Offset
[10] Indrajit, R.E.2001. Manajemen SIstem Informasi dan Teknologi Informasi. Elex
Media Komputendo : Jakarta
[11] Nugroho, Adi. 2002. Analisis dan Perancangan Sistem Informasi Dengan Metodologi
Beriorientasi Objek. Bandung : Informatika
[12] Kristanto, Andri.2003. Algoritma dan Pemrograman Dengan C++. Yogyakarta :
Penerbit Graha Ilmu

Majalah Ilmiah BIJAK P-ISSN 1411-0830 | E-ISSN 2621-749X
Vol. 15, No. 2, September 2018, pp. 106 - 114 106
http://ojs.stiami.ac.id journalbijak@gmail.com/journalbijak@stiami.ac.id
POTENTIAL BENEFITS AND BUSINESS VALUE OF BIG
DATA ANALYTICS
Dewi Sri Woelandari P.G
Ph.D Student of Economics and Business Universitas Diponegoro Semarang dan
Department of Management Universitas Bhayangkara Jaya
Email: wulanekodjoyo@gmail.com
ARTICLE INFO ABSTRACT
Keywords:
Big Data Analytic, Business
Value,
Business Organization
Perkembangan teknologi informasi semakin memudahkan organisasi bisnis untuk
dapat mengakses teknologi informasi secara cepat dan real time, sehingga organisasi
bisnis dapat melakukan feedback atau respon yang lebih cepat mencari solusi terhadap
keluhan pelanggan. Hal ini dapat dilakukan dengan menggunakan big data analytics
(BDA). Big data merupakan sebuah kombinasi teknologi yang dapat mengelola data
yang beragam dalam jumlah besar dengan kecepatan yang tepat dan pada saat yang
tepat untuk keperluan analisis dan reaksi. Tujuan dari penelitian ini adalah menggali
lebih jauh potensi manfaat dan nilai bisnis dari big data analytics (BDA) dalam
organisasi bisnis dengan berbasis pada kajian literatur. Hasil kajian literatur dari studi
ini merupakan kerangka konseptual (kontribusi teoritis) yang akan dikembangkan
untuk penelitian lebih lanjut.
I. INTRODUCTION
Data memiliki peran penting dalam pengambilan keputusan strategi terutama ketika memasuki era
ledakan data/data besar (big data), dimana perusahaan-perusahaan dalam berbagai sektor diharuskan
menangani sejumlah data besar (big data), hal ini dikarenakan data yang besar (big data) dapat menawarkan
wawasan yang sangat berharga selain itu juga menawarkan keunggulan kompetitif jika sumber daya
teknologi dan organisasi mendukung mereka (Morabito, 2015). Oleh karena itu pihak-pihak yang mampu
mengolah dan memanfaatkan data-data yang tersedia dalam volume besar, cepat berubah, keragaman
variatif, dan komplekstas yang tinggi serta kecepatan penambahan data yang tinggi dapat mengambil
keuntungan yang besar dengan mengacu pada manfaat besar yang ditawarkan oleh teknologi big data.
Namun sayangnya penerapan big data analytics masih belum begitu populer di Indonesia.
Big data adalah data yang melebihi proses kapasitas dari sistem database yang ada. Data terlalu besar
dan terlalu cepat atau tidak sesuai dengan struktur arsitektur database yang ada, sehingga untuk mendapatkan
nilai dari data, maka harus memilih jalan alternatif untuk memprosesnya.

107 Majalah Ilmiah BIJAK P-ISSN 1411-0830
Vol. 15, No. 2, September 2018, pp. 106 - 114 E-ISSN 2621-749X
Dewi Sri Woelandari P.G (Potential Benefits And Business Value Of Big Data Analytics)
Melalui teknologi informasi, triliunan byte data diciptakan setiap hari dari berbagai sumber, seperti dari
media sosial, video surveillance, dan smart grids. Lautan data ini mengarah pada satu terminologi yaitu big
data. Sejauh ini hanya ada tiga bidang usaha yang merupakan pengguna utama big data di Indonesia yaitu
perusahaan telekomunikasi, perbankan, dan produsen barang-barang konsumsi ringan dan murah, seperti
minuman dan makanan kemasan (consumer goods)
Para praktisi yang melakukan studi tentang big data analytics menekankan perlunya memahami
bagaimana, mengapa dan kapan aplikasi big data analytics (BDA) dapat menjadi sumber yang sangat
berharga bagi perusahaan untuk mendapatkan keunggulan kompetitif (Abbasi, Sarker, & Chiang, 2016;
Agarwal & Dhar, 2014; dan Corte Real, Oliveira & Ruivo, 2014).
Meskipun teknologi big data analytics telah diakui sebagai hal besar setelah inovasi (yaitu merupakan
sumber potensial nilai bisnis dan keunggulan kompetitif), namun rantai nilai big data analytics relatif belum
terjamah dan perlu diselidiki lebih lanjut. Menurut Abbasi et al (2016), masih belum ada penelitian empiris
yang menilai bagaimana big data analytics dapat membawa nilai bisnis (business value) bagi perusahaan.
Selain itu menurut Corte Real et al (2014), belum ditemukan penelitian tentang bagaimana big data analytics
dapat membangun hubungan antara aset pengetahuan, kelincahan organisasi dan kinerja (tingkat proses dan
keunggulan kompetitif).
Meskipun literature potensi bisnis big data analytics berkembang pesat, namun dalam studi empiris
teori big data terbatas hanya digunakan dalam domain nilai bisis IT (Gupta & George, 2016). Menurut
Constantiou & Kallinikos (2015), untuk memperoleh implikasi teoritis dan praktek serta untuk memahami
area penelitian dimasa depan, kiranya penting untuk menempatkan studi saat ini dalam kerangka kerja
penelitian dan memahami bagaimana artefak inti dibentuk serta bagaimana mengarahkanhya ke business
value.
Teknologi big data tidak hanya dapat dimanfaatkan oleh perusahaan-perusahaan besar, namun juga oleh
usaha-usaha kecil dan menengah (UMKM) maupun organisasi publik. Meskipun teknologi big data terbilang
rumit dan mahan, namun perusahaan kecil dapat juga memanfaatkan big data asalkan tahu persis apa tujuan
bisnisnya, sehingga memudahkan proses identifikasi data yang dibutuhkan serta mendapatkan manfaat yang
lebih besar dari investasi yang dikeluarkan.
Chrisvania (2017), menyatakan bahwa big data yang diimplementasikan oleh perusahaan besar
umumnya digunakan secara multi fungsi, dengan implementasi ini analisa baru digunakan untuk suatu
kepentingan tanpa mengubah infrastruktur yang sudah mereka bentuk secara signifikan. Namun bagi
perusahaan menengah atau SME (small medium entreprise) mereka mengimplementasi big data untuk
menganalisis suatu keperluan tertentu secara spesifik atau terperinci.
Tulisan ini mencoba untuk menawarkan solusi pemanfaatan big data analytics yang dapat digunakan
untuk membawa nilai bisnis bagi usaha-usaha kecil menengah di Indonesia, sehingga kinerja bisnis UMKM
semakin meningkat.

P-ISSN 1411-0830 Majalah Ilmiah BIJAK 108
E-ISSN 2621-749X Vol. 15, No. 2, September 2018, pp. 106 - 114
Dewi Sri Woelandari P.G (Potential Benefits And Business Value Of Big Data Analytics...)
II. LITERATUR REVIEW
Diskusi tentang big data telah menjadi isu yang menrik dalam beberapa tahun terakhir. Masalah ini
menjadi sorotan karena munculnya perdebatan diantara para ahli. Sampai saat ini, banyak yang berspekulasi
kalau Big Data ini bukan hanya sebuah trend sesaat melainkan akan terus hits atau update dalam kurun
waktu yang cenderung lama sama halnya dengan teknologi mobile (Chrisvania, 2017).
Big data diperkenalkan pertama kali oleh O’Reilly Media pada tahun 2015. Sebagian besar definisi big
data fokus pada ukuran data dalam penyimpanan. Atribut penting dari big data selain ukuran adalah sebagai
berikut:
1. Volume data
2. Variasi data
3. Kecepatan
3V big data merupakan definisi yang komprehensif dan mereka menggagalkan mitos bahwa data besar
hanya tentang volume data, selain itu masing-masing dari 3V memiliki konsekuensi tersendiri untuk analitik
(Russom, 2011).
Big data adalah data berukuran besar yang volumenya akan terus bertambah dan terdiri dari berbagai
jenis atau varietas data, terbentuk secara terus menerus dengan kecepatan tertentu dan harus diproses dengan
kecepatan tertentu pula. Big data dapat juga didefinisikan sebagai data yang sangat sulit untuk dikoleksi,
disimpan dan dikelola maupun dianalisa dengan menggunakan system database yang biasa karena
volumenya akan terus berlipat. Dari segi teknologi, akan bermunculan pentingnya kemampuan untuk
memproses big data.
Sedangkan menurut data Chandarana, Parth, & Vijayakakshmi (2014), big mengacu pada 3V yaitu
volume, variety, velocity dan ada yang menambahkan unsur V lainnya seperti veracity dan value. Volume
(kapasitas data) berkaitan dengan ukuran media penyimpanan data yang sangat besar atau mungkin tidak
terbatas hingga satuan petabytes atau zettabytes. Variety (keragaman data) terkait tipe atau jenis data yang

dapat dioleh mulai dari data terstruktur hingga data tidak terstruktur, sedangkan velocity (kecepatan) terkait
dengan kecepatan memproses data yang dihasilkan dari berbagai sumber, mulai dari data batch hingga real
time, sementara itu karakteristik veracity (kebenaran)
Dalam mengimplementasikan teknologi Big Data di suatu organisasi, ada 4 elemen penting yang
menjadi tantangan, yaitu data, teknologi, proses, dan SDM (Aryasa, 2015).
1. Data
Deskripsi dasar dari data menunjuk pada benda, event, aktivitas, dan transaksi yang terdokumentasi,
terklasifikasi, dan tersimpan tetapi tidak terorganisasi untuk dapat memberikan suatu arti yang spesifik.
Data yang telah terorganisir sehingga dapat memberikan arti dan nilai kepada penerima, disebut
informasi. (Rainer, Kelly, & Cegielski., 2009). Ketersediaan data menjadi kunci awal bagi teknologi Big
Data. Ada beberapa organisasi yang memiliki banyak data dari proses bisnisnya yang dilakukan, baik
data terstruktur maupun tidak terstruktur, seperti industri telekomunikasi maupun perbankan. Namun,
ada pula organisasi yang perlu membeli atau bekerjasama dengan pihak lain untuk mendapatkan data.
2. Teknologi
Terkait degan infrastruktur dan tools dalam pengoperasian big data, biasanya organisasi atau perusahaan
tidak akan mengalami kendala yang berarti dalam hal teknologi karena teknologi bisa didapatkan dengan
membeli dan bekerja sama dengan pihak ketiga
3. Proses
Dalam proses mengadopsi teknologi big data dibutuhkan budaya organisasi. Misal: sebelum adanya big
data, seorang pemimpin dalam menjalankan organisasi melakukan pengambilan keputusan hanya
berdasarkan intuisi, nilai, keyakinan atau asumsi namun setelah adanya teknologi big data pemimpin
mampu mengambil keputusan berdasarkan data yang akurat dan informasi yang relevan. Big Data dapat
membantu melakukan analisis dan prediksi terhadap pelanggan yang akan menghentikan layanannya
sehingga dapat ditindaklanjuti dengan mendengarkan kebutuhan pelanggan serta melakukan pencegahan
di awal.
4. SDM
Dalam mengaplikasikan teknologi Big Data dibutuhkan SDM dengan keahlian analitik dan kreativitas
yaitu kemampuan/keterampilan untuk menentukan metode baru yang dapat dilakukan untuk
mengumpulkan, menginterpretasi dan menganalisis data, keahlian pemrograman komputer, dan
ketrampilan bisnis yaitu pemahaman tentang tujuan bisnis.

III. BIG DATA ANALYTICS
3.1 Big Data Analytics: Past and Present
Chen, Chiang, & Storey (2012) menciptakan istilah Big Data Analytics (BDA), yaitu terkait bisnis &
analitik (BI & A), dimana sebagian besar teknologinya menyangkut data mining dan analisis statistik.
Literatur terbaru menunjukkan bahwa ada banyak ruang untuk penelitian BDA lebih lanjut (Abbasi et al.,
2016; Agarwal & Dhar, 2014; Erevelles, Fukawa, & Swayne, 2016).
Lebih jauh Abbasi et al., 2016; Agarwal & Dhar, 2014; Erevelles, Fukuwa, & Swayne (2016)
mengindikasikan bahwa masih banyak celah untuk penelitian-penelitian big data analytics lebih lanjut.
Terkait nilai (value) sebagian besar studi akademis big data analytics fokus pada analisis nilai bisnis dari
perspektif data atau sistem (LaValle et al., 2011; Kwon et al., 2014)
Istilah "big data" digunakan untuk pertama kalinya pada tahun 1997 oleh Michael Cox dan David
Ellsworth dalam makalah yang dipresentasikan pada konferensi IEEE yaitu memaparkan tentang visualisasi
data dan tantangan yang diajukan untuk sistem komputer.
Pada akhir 1990-an, inovasi teknologi informasi dan teknologi yang cepat memungkinkan
pembangkitan data dalam jumlah besar tetapi sedikit informasi yang dapat digunakan untuk perbandingan.
Periode 2001 hingga 2008 merupakan tahap evolusi untuk pengembangan data besar. Data besar pertama
kali didefinisikan dalam hal volume, kecepatan, dan variasi (3V), setelah itu mulai dikembangkan perangkat
lunak yang lebih canggih untuk memenuhi kebutuhan penanganan ledakan informasi.
Pada awal tahun 2009, big data analytics memasuki tahap revolusioner (Bryant et al., 2008). Big data
tidak hanya menjadi terobosan inovasi komputasi, tetapi peneliti juga dapat memprediksi manajemen data
terstruktur menjadi data tidak terstruktur dari lingkungan terminal statis beralih ke lingkungan berbasis cloud
Tidak hanya memiliki komputasi data besar menjadi terobosan inovasi untuk intelijen bisnis, tetapi juga
peneliti memprediksi bahwa manajemen data dan tekniknya adalah tentang untuk beralih dari data terstruktur
menjadi data tidak terstruktur, dan dari lingkungan terminal statis ke lingkungan berbasis cloud di mana-
mana.
Mengacu pada Gartner’s (2013), trend IT solution di tahun 2016 memanfaatkan layanan komputasi
dengan menggunakan big data analytics yang mendukung kemampuan analitic real time dan penyimpanan
yang hemat biaya
3.2 Tools of Big Data
Menurut Alamsyah (2015), tools yang tersedia untuk penerapan big data dapat dikategorikan menjadi 2
yaitu: berbayar (personalized software) dan tidak berbayar (berbasis open source software). Tools tersebut
berkaitan dengan 4 (empat) tahapan aktivitas dan dukungan teknologi pada Big Data yang mencakup
(Alamsyah, 2015):
1. Acquired, berhubungan dengan sumber dan cara mendapatkan data.

2. Accessed, berhubungan dengan daya akses data. Data yang sudah dikumpulkan memerlukan tata
kelola, integrasi, storage dan computing agar dapat dikelola.
3. Analytic, berhubungan dengan informasi yang akan didapatkan, atau hasil pengelolaan data yang
telah diproses. Analitik yang dilakukan dapat berupa descriptive (penggambaran data), diagnostic
(mencari sebab akibat berdasar data), predictive (memprediksi kejadian dimasa depan) maupun
prescriptive analytics (merekomendasikan pilihan dan implikasi dari setiap opsi).
4. Application terkait visualisasi dan reporting hasil dari analitik. Contoh application tool yang
digunakan pada tahap ini yaitu R.Studio
Untuk perangkat lunak berbayar (proprietary software) yang mendukung big data analytics, hal ini menjadi
model bisnis baru bagi beberapa vendor/perusahaan dengan menawarkan Big Data untuk menunjang
pertumbuhan di industri lain. Seperti pada sebuah perusahaan telekomunikasi, yang menjadi penyedia jasa
data analitik bagi beberapa instansi/lembaga pemerintah pusat dan daerah, industri penerbangan, dan
kesehatan.
Penelitian ini memperluas penelitian nilai bisnis dari perspektif strategi manajemen.melalui penelitian
empiris dengan menilai big data analytics.
3.3 Big Data Analytics and Business Value
Menurut Davenport (2006), dalam konteks big data, sangatlah penting untuk mengidentifikasi
berbagai jenis sumber daya, karena keberagaman bisnis dapat menjadi sumber diferensiasi kompetitif
(source of competitive differentiation). Beberapa penelitian mendefinisikan building blocks perusahaan
terkait big data analytics capability adalah membangun sumber daya yang diperlukan ((McAfee et al., 2012;
Kamioka & Tapanainen, 2014; Gupta & George, 2016; Wamba et el., 2017), namun demikian mayorita studi
masih mengadopsi konsep dari literatur IT dan masih sedikit studi yang mengkhususkan pada konteks big
data.
Sebagian besar penelitian saat ini masih terfragmentasi, sehingga sulit mengevaluasi nilai bisnis
(business value), misal Kaisler et al (2013) melakukan identifikasi penyimpangan data dan transportasi data
sebagai aspek penting berkaitan dengan nilai big data. Dalam penelitian ini peneliti berusaha untuk
mengintegrasikan dari perspektif teoritis dan dikombinasikan dengan literature yang ada terkait big data
analytics dan mengkaji lebih dalam pentingnya perusahaan mendorong kapabilitas organisasi.
3.4 Potential Benefits of Big Data Analytics
Saat ini organisasi yang mengadopsi big data analytics sudah dalam jumlah yang besar. Faktor penentu
dari manfaat-manfaat potensial dari big data analytics adalah mendorong organisasi atau perusahaan
mengadopsi big data analytics. Russom (2011) menyatakan bahwa segala bentuk keterlibatan dengan
konsumen big data analytics dapat memberikan manfaat. Bisnis intelegen secara umum dapat memberi
manfaat dengan menggunakan big data analytics.

Tiga alasan Shang and Seddon (2002) mengklasifikasikan potensi manfaat dari big data analytics,
antara lain adalah sebagai berikut: (1) memberikan seperangkat manfaat spesifik dari sub dimensi big data
analytics, yang dapat membantu mengidentifikasi manfaat perkategori, (2) kerangka kerja didesain untuk
para manajer dalam menilai manfaat dari sistem enterprise perusahaan, (3) memberikan klasifikasi dan
panduan yang jelas manfaat-manfaat dari sistem enterprise perusahaan.
Menurut Chrisvania (2017), manfaat-manfaat yang bisa digunakan oleh perusahaan dengan
mengimplementasikan big data adalah sebagai berikut, (1) analisis data sosial (social data analysis), (2)
Analisis data riwayat (historical data analysis), dan (3) analisis prediksi (predictive analysis).
Beberapa manfaat big data yang sudah dirasakan khususnya bagi dunia usaha diantaranya untuk
mengetahui respons masyarakat terhadap produk-produk yang dikeluarkan melalui analisis sentimen di
media sosial; membantu perusahaan mengambil keputusan secara lebih tepat dan akurat berdasarkan data;
membantu meningkatkan citra perusahaan di mata pelanggan; untuk perencanaan usaha dengan mengetahui
perilaku pelanggan, seperti pada perusahaan telekomunikasi dan perbankan; serta mengetahui tren pasar dan
keinginan konsumen.
Selain bermanfat untuk analisis bisnis, teknologi Big Data juga dapat dimanfaatkan secara luas di
pemerintahan. Beberapa peluang pemanfaatan Big Data di sektor publik antara lain untuk mendapatkan
feedback dan respon masyarakat dari sistem informasi layanan pemerintah maupun dari media sosial,
sebagai dasar penyusunan kebijakan dan perbaikan pelayanan publik; menemukan solusi atas permasalahan
yang ada berdasarkan data, contohnya dengan menganalisa informasi cuaca dan tingkat kesuburan tanah,
pemerintah dapat menetapkan atau menghimbau jenis varietas tanaman yang ditanam oleh petani pada
daerah dan waktu tertentu; serta membantu dalam manajemen dan pengawasan keuangan negara.
Mengacu pada besarnya manfaat yang dapat ditawarkan oleh tren teknologi big data, dan tantangan apa
saja yang muncul dalam penerapannya. Penerapan teknologi big data pada suatu organisasi atau perusahaan
dapat dilihat dari fungsi-fungsi yang sudah tersedia pada IT infrastrukturnya, sehingga dapat menjalankan
kerja yang berhubungan dengan aplikasi mobile, social, dan big data analytics. Diharapkan hasil kajian dapat
memberikan informasi dan inspirasi sehingga implementasi teknologi big data di Indonesia dapat semakin
luas.
IV. CONCLUSIONS
Big data analytica (BDA) memberikan nilai bisnis pada perusahaan dalam berbagai cara dan banyak
ahli mulai menyoroti perlunya memahami keunggulan kompetitif, dalam hal ini berkaitan dengan bagaimana
memahami rantai nilai dari big data analytics.
Ketersediaan data skala besar dan murah dewasa ini mendorong berbagai pihak untuk
memanfaatkannnya melalui implementasi big data analytics. Peluang dan manfaat penerapan big data sangat
potensial baik di organisasi bisnis maupun organisasi publik. Dengan menggunakan data, strategi bisnis
maupun kebijakan publik bisa didesain dan diimplentasikan lebih efektif dan tepat untuk mencapai sasaran.

REFERENCES
Abbasi, A., Sarker, S., Chiang, R.H.L., 2016. Big data research in information systems: toward an inclusive
research agenda. J. Assoc. Inf. Syst. 17, 1–32.
Agarwal, R., Dhar, V., 2014. Editorial—big data, data science, and analytics: the opportunity and challenge
for IS research. Inf. Syst. Res. 25, 443–448.
Alamsyah, A. (2015). (Big) Data Analytics for Economics, Business and Management: A Social Network
Approach. In Workshop Big Data Puslitbang Aptika dan IKP,tanggal 19 Mei 2015. Puslitbang Aptika
dan IKP.
Aryasa, K. (2015). Big Data: Challenges and Opportunities. In Workshop Big Data Puslitbang Aptika dan
IKP, tanggal 19 Mei 2015. Puslitbang Aptika dan IKP.
Bryant, R.E., Katz, R.H., Lazowska, E.D., 2008. Big-data computing: creating revolutionary breakthroughs
in commerce, science, and society computing. Computing Research Initiatives for the 21st Century.
Computing Research Association (Available at http://www.cra.org/ccc/files/docs/init/Big_Data.pdf).
Chandarana, Parth, & Vijayalakshmi, M. (2014). Big Data analytics frameworks: Circuits, Systems,
Communication and Information Technology Applications (CSCITA). In International Conference on
IEEE 2014. IEEE.
Chen, H., Chiang, R., & Storey, V. (2012). Business intelligence and analytics: From Big Data to big impact.
MIS Quarterly, 36(4), 1165–1188.
Chrisvania, N. (2017). Social media and technology's impact on business, society, and culture.
https://socialmediaweek.org/jakarta/2017/01/06/strategi-dalam-implementasi-big-data/.
Constantiou, I.D. and Kallinikos, J., 2015. “New games, new rules: big data and the changing context of
strategy”, Journal of Information Technology (30:1), pp.44-57.
Corte Real,N., Oliveira, T., & Ruivo, P. (2014). Understanding the hidden value of business intelligence and
analytics (BI&A). Twentieth American Conference of Information Systems. Savannah, Georgia:
Association of Information Systems.
Davenport, T.H., 2006. “Competing on analytics”, Harvard Business Review (84:1), p.98.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of
marketing. Journal of Business Research, 69(2), 897–904.
Gartner, 2014. Gartner SaysWorldwide IT Spending on Pace to Grow 3.2 Percent in 2014.
Gupta, M. and George, J.F., 2016. “Toward the development of a big data analytics capability”, Information
& Management (53:8), pp.1049-1064. Janssen

Kaisler, S., Armour, F., Espinosa, J.A. and Money, W., 2013. “Big data: Issues and challenges moving
forward”, in System sciences (HICSS), 2013 46th Hawaii international conference on (pp. 9951004).
IEEE
Kamioka, T. and Tapanainen, T., 2014. “Organizational Use of Big Data and Competitive
AdvantageExploration of Antecedents”, in PACIS 2014: 18th Pacific Asia Conference on Information
Systems. Association for Information Systems. AIS Electronic Library (AISeL) (p. 372).
Kwon, O., Lee, N., & Shin, B. (2014). Data qualitymanagement, data usage experience and acquisition
intention of Big Data analytics. International Journal of Information Management, 34(3), 387–394.
Lavalle, S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschwitz, N., 2011. Big data,analytics and the path
from insights to value. Mit. Sloan Manag. Rev. 52, 21–32.
McAfee, A., Brynjolfsson, E., Davenport, T.H., Patil, D.J. and Barton, D., 2012. “Big data. The management
revolution”, Harvard Business Review (90:10), pp.61-67.
Morabito, V. (2015). Big Data and analytics: Strategic and organizational impacts. Springer.
Rainer, Kelly, R., & Cegielski., C. G. (2009). Introduction to Information Systems. John Wiley & Sons
(Asia) Pte Ltd.
Russom, P. (2011). The Three Vs of Big Data Analytics. TDWI
Shang, S., Seddon, P.B., 2002. Assessing and managing the benefits of enterprise system: The business
manager perspective. Inf. Syst., J. 12 (4), 271-299.
Wamba, S.F., Gunasekaran, A., Akter, S., Ren, S.J.F., Dubey, R. and Childe, S.J., 2017. “Big data analytics
and firm performance: Effects of dynamic capabilities”, Journal of Business Research (70), pp.356-365.

Tugas Kel 4 Jurnal Big Data.pdf

Recommended

Recommended

More Related Content

Similar to Tugas Kel 4 Jurnal Big Data.pdf

Similar to Tugas Kel 4 Jurnal Big Data.pdf (20)

Recently uploaded

Recently uploaded (20)

Tugas Kel 4 Jurnal Big Data.pdf