big_data.pdf

Research analisys big data by www.labkom99.com

Transcript

1. Era digitalisasi memudahkan manusia hidup dalam kemudahan di berbagai bidang. Salah satu kemudahan yang sangat revolusioner adalah kemudahan dalam mengakses informasi. Kemudahan tersebut terjadi karena berkembangnya teknologi mulai dari smartphone, tablet dan piranti-piranti lain yang saling terhubung telah menciptakan gelombang deras data baru untuk bisnis yang perlu disimpan dan diproses. Berbagai sumber dan jenis data turut meledak seiring dengan meledaknya penggunana mobile, “Internet of things” dan media sosial yang menghasilkan trilyunan byte data baik yang terstruktur maupun tidak terstruktur. Data terstruktur mendefinisikan tipe data atribut, yang ada pada rekord maupun tuple. Setiap rekord memiliki field yang sama. Data ada dalam entitas dan entitas yang sama dikelompokkan menjadi satu menggunakan relasi atau kelas. Entitas dalam kelompok yang sama memiliki atribut yang sama. Deskripsi untuk semua entitas dalam skema memiliki kesamaan format. Penggunaan data terstruktur dilakukan sejak basisdata relasional ada untuk mengatur data dengan ukuran sangat besar. Sistem yang ada saat ini, seperti CRM (Customer Relationship Management), ERP (Enterprise Resource Planning) dan CMS (Content Managemnt System) merupakan data terstruktur untuk pemodelan data. Data tidak terstruktur biasanya ada pada teks, file, video, email, laporan, presentasi power point, pesan suara, memo, dan citra. Data dapat berbentuk dalam tipe apapun tanpa perlu mengikuti format, aturan atau alur tertentu. Sebagai contoh data yang ditampilkan pada halaman web termasuk data tidak testruktur dan tidak beraturan. Teknologi yang dapat menangani data yang besar dan bervariasi seperti ini disebut teknologi big data. Big data merupakan istilah yang mengandung 3V (volume, velocity dan variety) yang tinggi. Volume, kecepatan dan tingginya variasi sumber informasi inilah yang menjadi kendala penanganan manajemen data tradisional yang menggunakan hanya data terstruktur yang tidak memerlukan jumlah byte yang besar. Pemodelan big data dapat mengolah data terstruktur atau data yang tidak terstruktur dan mampu mengelola pertumbuhan data yang sudah menjadi berlipat-lipat jumlah, frekuensi dan ragamnya. Big data akan mengkoleksi semua seperti subyek yang sedang dibaca, posisi keberadaan seseorang, kalangan pertemanan di media sosial yang kesemua dapat ditangkap dan dipelajari oleh big data sehingga menghasilkan sumber informasi yang dapat dijadikan acuan pengambilan keputusan. Sebagaian besar rumah sakit sekerang ini belum menerapkan smart system dalam proses pengambilan keputusan di bidang pelayanan kesehatan. Data primer pada rumah sakit hanya disimpan pada basis data operasional dan belum terkonsolidasi dalam data warehouse. Data operasional untuk pelayanan langsung kepada pasien biasanya sudah diproses secara otomatis menggunakan sistem informasi, seperti sistem informasi pelayanan rawat inap, sistem informasi pelayanan rawat jalan dan sistem informasi keuangan, tetapi untuk kegiatan tertentu yang membutuhkan keputusan strategis seperti yang menyangkut persediaan obat masih membutuhkan keterlibatan kebijakan dari kepala instalasi farmasi atau pimpinan rumah sakit secara manual. Inilah bentuk keterbatasan penggunaan samart sistem dalam bidang pelayanan farmasi di rumah sakit yang dimaksud. Kebanyakan informasi yang dibutuhkan para kepala unit atau pimpinan rumah sakit masih diproses secara manual, sehingga penggunaan sistem informasi dalam bidang ini bisa dikatakan masih terbatas untuk menangani kegiatan operasional yang sebelumnya
2. dikerjakan secara manual dan belum begitu mendukung proses pengambilan keputusan yang bersifat strategis. 2. Teori big data Istilah Big Data masih terbilang baru dan sering disebut sebagai tindakan pengumpulan dan penyimpanan informasi yang besar untuk analisis. Fenomena Big Data, dimulai pada tahun 2000-an ketika seorang analis industri Doug Laney menyampaikan konsep Big Data yang terdiri dari tiga bagian penting, diantaranya: • Volume Perusahaan tertimbun dengan data yang terus tumbuh dari semua jenis sektor, dengan mudah mengumpulkan terabyte bahkan petabyte-informasi. Ø Mengubah 12 terabyte Tweet dibuat setiap hari ke dalam peningkatan sentimen analisis produk. Ø Mengkonvert 350 milliar pembacaan tahunan untuk lebih baik dalam memprediksi kemampuan beli pasar. Mungkin karakteristik ini yang paling mudah dimengerti karena besarnya data. Volume juga mengacu pada jumlah massa data, bahwa organisasi berusaha untuk memanfaatkan data untuk meningkatkan pengambilan keputusan yang banyak perusahaan di banyak negara. Volume data juga terus meningkat dan belum pernah terjadi sampai sethinggi ini sehingga tidak dapat diprediksi jumlah pasti dan juga ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte. Dataset big data sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika big data digabungkan dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa sampai zetabyte dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih tinggi dari 1000 zetabyte. • Variety Volume data yang banyak tersebut bertambah dengan kecepatan yang begitu cepat sehingga sulit bagi kita untuk mengelola hal tersebut. Kadang-kadang 2 menit sudah menjadi terlambat. Untuk proses dalam waktu sensitif seperti penangkapan penipuan, data yang besar harus digunakan sebagai aliran ke dalam perusahaan Anda untuk memaksimalkan nilainya. Ø Meneliti 5 juta transaksi yang dibuat setiap hari untuk mengidentifikasi potensi penipuan Ø Menganalisis 500 juta detail catatan panggilan setiap hari secara real-time untuk memprediksi gejolak pelanggan lebih cepat. Berbagai jenis data dan sumber data. Variasi adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk structured data, unstructured data dan semi-structured data.
3. Organisasi perlu mengintegrasikan dan menganalisis data dari array yang kompleks dari kedua sumber informasi Traditional dan non traditional informasi, dari dalam dan luar perusahaan. Dengan begitu banyaknya sensor, perangkat pintar (smart device) dan teknologi kolaborasi sosial, data yang dihasilkan dalam bentuk yang tak terhitung jumlahnya, termasuk text, web data, tweet, sensor data, audio, video, click stream, log file dan banyak lagi. • Velocity : Big Data adalah setiap jenis data - data baik yang terstruktur maupun tidak terstruktur seperti teks, data sensor, audio, video, klik stream, file log dan banyak lagi. Wawasan baru ditemukan ketika menganalisis kedua jenis data ini bersama-sama. • Memantau 100 video masukan langsung dari kamera pengintai untuk menargetkan tempat tujuan. • Mengeksploitasi 80% perkembangan data dalam gambar, video, dan dokumen untuk meningkatkan kepuasan pelanggan. Data dalam gerak. Kecepatan di mana data dibuat, diolah dan dianalisis terus menerus. Berkontribusi untuk kecepatan yang lebih tinggi adalah sifat penciptaan data secara real- time, serta kebutuhan untuk memasukkan streaming data ke dalam proses bisnis dan dalam pengambilan keputusan. Dampak Velocity latency, jeda waktu antara saat data dibuat atau data yang ditangkap, dan ketika itu juga dapat diakses. Hari ini, data terus- menerus dihasilkan pada kecepatan yang mustahil untuk sistem tradisional untuk menangkap, menyimpan dan menganalisis. Jenis tertentu dari data harus dianalisis secara real time untuk menjadi nilai bagi bisnis. Jumlah data yang telah dibuat dan disimpan pada tingkat global sampai hari ini sudah semakin banyak. Data tersebut terus tumbuh tanpa henti. Artinya, Big Data memiliki potensi tinggi untuk mengumpulkan wawasan kunci dari informasi bisnis. Sayangnya sampai saat ini, baru sebagian kecil data yang telah dianalisis. Big Data dalam bisnis menjadi strategi yang baik dalam mengolah informasi mentah menjadi keuntungan yang terus mengalir ke organisasi bisnis setiap hari. Di sektor bisnis Big Data, Google bisa dikatakan sebagai pelopor yang sempat memperkenalkan Google Bigtable di tahun 2006. Bigtable merupakan sistem database berskala besar dan cepat yang digunakan Google untuk mengolah berbagai jenis data dari berbagai layanan, termasuk data dari layanan mesin pencari berbasis internet. Setelah Google, Facebook pun menerapkan sistem database sejenis untuk menangani melonjaknya pengguna layanan mereka. Dengan teknologi Big Data, Facebook ta pernah kesulitan untuk menangani peredaran data yang melonjak drastis dalam enam tahun terakhir yang berasal dari 1 miliar pengguna jejaring sosial mereka. Contoh lainnya, saat ini perusahaan asuransi di Jepang mengumpulkan informasi tentang perilaku mengemudi kliennya dengan memonitor gps pada carnavi milik setiap klien. Dari pengumpulan informasi ini tidak hanya data tentang umur, jarak tempuh, jenis perizinan saja yang didapat, namun dengan mengetahui keadaan mengemudi setiap kliennya, perusahaan asuransi tersebut mampu menganalisis resiko setiap kliennya dan memastikan margin harga yang sesuai. Hal ini sama
4. dengan ketika perusahaan kartu kredit menganalisis tempat pelanggan menggunakan kartu kredit dan penggunaan dengan smartphone sehingga dapat dideteksi apakah terjadi penyalahgunaan atau tidak. Pentingnya Big Data, tidak hanya berputar pada jumlah data yang organisasi miliki, tetapi hal yang penting adalah bagaimana mengolah data internal dan eksternal. Kita dapat mengambil data dari sumber manapun dan menganalisanya untuk menemukan jawaban yang diinginkan dalam bisnis seperti: 1) pengurangan biaya; 2) pengurangan waktu; 3) pengembangan produk baru dan optimalisasi penawaran produk; 4) pengambilan keputusan yang cerdas. Ketika organisasi mampu menggabungkan jumlah data besar yang dimilikinya dengan analisis bertenaga tinggi, organisasi dapat menyelesaikan tugas-tugas yang berhubungan dengan bisnis seperti: • Menentukan akar penyebab kegagalan untuk setiap masalah bisnis. • Menghasilkan informasi mengenai titik penting penjualan berdasarkan kebiasaan pelanggan dalam membeli. • Menghitung kembali seluruh risiko yang ada dalam waktu yang singkat. • Mendeteksi perilaku penipuan yang dapat mempengaruhi organisasi. 3. Analisis Big Data dan Manajemen Data Pada Rumah Sakit Rumah Sakit diimplementasikan mengha para tenaga kesehatan untuk mengakses catatan kesehatan di masa lalu maupun catatan kesehatan terbaru milik pasien melalui Kartu Pintar, tanpa keduanya harus secara fisik bertatap muka. Kartu ini juga berisi informasi penting tentang tempat tinggal seseorang, termasuk e-KTP, Pajak Bumi dan Bangunan (PBB), Nomor Pokok Wajib Pajak (NPWP), serta informasi asuransi nasional (BPJS Kesehatan). Kartu Pintar ini dikeluarkan oleh pemerintah Makassar yang bekerjasama dengan Bank Rakyat Indonesia (BRI) untuk semua penduduk Makassar. “Home Care” memungkinkan warga untuk mendapatkan perawatan kesehatan tanpa harus mendatangi klinik atau rumah sakit. Cukup dengan menelepon call center Home Care, dokter dapat dengan mudah serta efisien mengakses data pasien via Kartu Pintar.
5. Ini kemudian diikuti dengan kunjungan langsung kepada pasien menggunakan kendaraan Home Care, Dottoro’ta, yang dilengkapi dengan fasilitas ultrasound (USG) dan electrocardiogram (EKG). Data medis yang dibuat peralatan ini lalu dikirimkan ke server yang aman agar bisa diakses dokter spesialis sebagai dasar dari diagnosa dan rekomendasinya dari jarak jauh. Melalui inovasi teknologi yang sederhana tetapi efektif ini, Kartu Pintar memungkinkan para pekerja kesehatan di rumah sakit manapun di Makassar mengakses catatan medis pasien dari jarak jauh dengan mudah dalam situasi apapun, terutama dalam keadaan darurat dimana setiap detiknya menjadi sangat penting. Dengan menggunakan pendekatan manajemen big data, ada beberapa manfaat yang bisa diambil, salah satunya adalah menghilangkan silo sehingga berbagai pemangku kepentingan tidak lagi bekerja sendiri-sendiri. Pada akhirnya, kinerja manajemen meningkat dan strategi yang dihasilkan pun menjadi lebih baik. Berkat sistem pengelolaan data yang komprehensif ini, data yang ada dapat dimanfaatkan sebagai basis pengambilan keputusan yang lebih baik Toko online Taobao memunculkan fasilitas rekomendasi produk yang banyak dicari dari data tersembunyi hasil penelusuran informasi. Fasilitas ini sangat membantu calon pembeli. Halaman rekomendasi ini menjadi acuan bagi pengguna lain untuk akhirnya membeli produk. Contoh lain dapat dilihat pada layanan toko online taobao yang menggunakan data hasil dari penelusuran informasi untuk mengetahui perilaku pengguna tokonya. Melalui manajemen data hasil kegiatan maya pengguna, toko online dapat mengembangkan strategi penjualannya pada hari atau jam tertentu, dan jenis yang memungkinkan ketertarikan penggunanya. Dari contoh tersebut Rumah Sakit juga dapat menginformasikan buku apa saja yang banyak dicari melalui fasilitas katalog online. Kecenderungan pemustaka tidak mendapatkan hasil dari pencariannya dikatalog dapat dicari penyebabnya melalui hasil analisa prosentase buku yang dicari yang tidak didapatkan ketika menelusur melalui katalog online. Manajemen big data memungkinkan mengambil data penelusuran dan menganalisanya sehingga pembelian koleksi berdasar hasil pencarian tersebut dapat digunakan sebagai acuan kebijakan pengembangan koleksi. Kebijakannya dilakukan melalui data yang riil hasil kegiatan yang dilakukan oleh pemustaka. Hasil informasi ini membantu pengadaan koleksi justru dengan informasi koleksi yang tidak didapatkan di Rumah Sakit. Kegiatan ini masih jarang dilakukan oleh Rumah Sakit karena kendala teknologi. Rumah Sakit sebagai tempat periset mencari rujukan juga memiliki data tersembunyi yang selama ini tidak diolah oleh Rumah Sakit. Menggunakan manajemen big data, Rumah Sakit dapat mengamati perilaku periset yang menggunakan fasilitas koleksi Rumah Sakit. Koleksi yang dibaca menunjukkan subyek tertentu yang akan dikaji dalam risetnya. Perilaku ini dapat diamati melalui kamera CCTV dan data yang diolah mampu menggambarkan buku yang dibaca selama memanfaatkan fasilitas Rumah Sakit. Subyek subyek ini akan menjadi data yang dapat dianalisa dan dijadikan informasi rujukan subyek apabila ada periset lain yang akan memanfaatkan koleksi Rumah Sakit dengan subyek yang dilakukan oleh periset sebelumnya. Tidak tertutup kemungkinan bahwa informasi itu akan menjadi perpindahan
6. knowledge management dari eksplisit ke eksplisit melalui fasilitas manajemen big data yang memadai di Rumah Sakit. Rumah Sakit dapat mengambil kebijakan pengembangan koleksi melalui rekomendasi ini dengan pengadaan buku dengan subyek yang mendekati. Contoh praktik manajemen data tersebut menunjukkan bahwa sudah saatnya Rumah Sakit berubah melayani pemustakanya melalui cara-cara yang memudahkan dengan teknologi yang memadai. Bekerjasama dengan tim teknologi informasi di institusi akan sangat membantu Rumah Sakit menyelaraskan pengetahuan pendokumentasian dan diseminasi informasi dengan pengetahuan teknologi informasi sebagai dasar pengetahuan baru bagi perkembangan Rumah Sakit. Konsekuensi dari perkembangan layanan tersebut mau tidak mau berimbas kepada pustakawan yang mengelola data Rumah Sakit. Manajemen data yang sedemikian komplek membutuhkan sumber daya pustakawan yang memadai untuk dapat mengolah data dan menghasilkan informasi yang diperlukan. Manajemen big data dengan menggunakan program- program yang tersedia akan memudahkan pustakawan untuk mengolah data yang tersedia menjadi informasi. Hal ini memberikan peluang kepada pustakawan untuk mengembangkan diri menajamkan skill di bidang pendokumentasian dan informasi melalui manajemen big data. Peluang Rumah Sakit perguruan tinggi. Sebagai sumber informasi, Rumah Sakit menyediakan informasi bagi pemustaka yang disesuaikan dengan jenis Rumah Sakit. Informasi juga disediakan untuk menjawab pertanyaan yang diajukan oleh pemustaka. Lebih lanjut, kriteria fungsi informasi dijabarkan sebagai berikut (Syihabuddin Qalyubi, 2007): 1. Menghimpun berbagai macam (sumber) informasi 2. Mengolah bermacam-macam (sumber) informasi berdasarkan sistem tertentu 3. Menyebarluaskan bermacam-macam (sumber) informasi kepada pengguna Rumah Sakit 4. Melestarikan berbagai macam (sumber) informasi 5. Memberikan informasi bagi masyarakat sekarang dan masyarakat yang akan datang, dan 6. Dalam hal tertentu, Rumah Sakit berfungsi sebagai tempat lahirnya informasi Dari sini kita bisa melihat bahwa sebagai fungsu informasi, Rumah Sakit juga merupakan tempat lahirnya informasi itu sendiri. Hal inilah yang di era mendatang tugas Rumah Sakit tidak hanya mengelola informasi, tetapi juga menghasilkan informasi itu sendiri. Rumah Sakit sebagai pusat sumber daya informasi menjadi tulang punggung gerak majunya suatu institusi, terutama institusi pendidikan, tempat tuntutan untuk adaptasi terhadap perkembangan informasi sangat tinggi. Konsekuensi perkembangan ilmu pengetahuan itu adalah tuntutan bagi Rumah Sakit untuk selalu berkembang pula mengikutinya dengan berupaya memberikan layanan terbaik bagi pengguna (Suwarno, 2010).
7. Pesatnya laju teknologi dan informasi memungkinkan seseorang untuk lebih dekat dengan beragam sumber informasi. Dengan akses internet, informasi sudah dapat diperoleh dengan hitungan detik. Hanya saja, semua informasi tersebut tidak semuanya valid dan sesuai dengan kebutuhan seseorang. Proses informasi diawali dengan munculnya data. Dari data tersebut kemudian diolah menjadi sebuah informasi yang berguna. Berikut ini hirarki data dan informasi di Rumah Sakit: Dari bagan di atas dapat diketahui bahwa Rumah Sakit memiliki tugas untu mencari dan mengumpulkand data. Data tersebut dikoleksi dan dikelola sedemikian rupa sehingga menjadi suatu informasi yang layak saji untuk kepentingan pemustakanya. Lebih lanjut, informasi yang diakses oleh pemustaka menjadi suatu pengetahuan yang berguna bagi pemustaka. Harapannya, ketika pemustaka sudah memiliki ilmu pengetahuan, ia diharapkan menjadi bijaksana, baik dalam memilih atau memilah informasi, dalam menentukan sikap, maupun dalam mengambil suatu keputusan. Jika hidup sudah bertumpu pada kebijaksanaan ini, dapat dikatakan ia sudah menjadi orang-orang yang terdidik, yang memiliki ilmu pengetahuan dan wawasan luas (Suwarno, 2010). Setiap Rumah Sakit perguruan tinggi sudah mempunyai sistem informasi yang handal menggunakan DataBase Manajemen Sistem (DBMS) namun harus melengkapi sistemnya dengan model manajemen big data. Hal ini dikarenakan metode yang digunakan tersebut saat ini tidak cukup untuk menjembatani tumbuhnya data karena kecepatan akses, struktur yang fleksibel, kebutuhan pengelolaan data yang berbeda dan kebutuhan lain seperti skala yang besar. Kekurangan itu dapat diatasi menggunakan manajemen big data yang menggunakan sistem NoSQL ( Not SQL, Not Only SQL) database yaitu database non relasional, skema yang dibutuhkan longgar dan memudahkan ketika replikasi dilakukan. Dengan demikian pengetahuan yang berpadu antara model manajemen pendokumentasian dan teknologi baru akan memberikan kesempatan kepada Rumah Sakit perguruan tinggi untuk INFORMATION
8. memanfaatkan dalam pengembangan layanannya. Layanan sumber informasi yang dapat dilakukan Rumah Sakit perguruan tinggi menggunakan manajemen big data diantaranya adalah: 1. Smart library space: Fasilitas ini digunakan pemustaka untuk mengetahui pemakaian tempat di Rumah Sakit yang diinginkan melalui perangkat mobile pemustaka, misalnya ingin menggunakan fasilitas ruang diskusi, cartel room, ruang audiovisual atau ruang baca. Rumah Sakit memasang sensor berbasi IoT pada ruang-ruang yang diperlukan pemustaka untuk mengakses. 2. Smart OPAC: Fasilitas penelusuran informasi yang bisa memberikan rekomendasi kepada pemustaka, apabila informasi yang dicari habis atau tidak ditemukan. Rekomendasi berdasarkan subyek yang mirip akan memudahkan pemustaka mendapatkan koleksi pengganti yang bersubyek sama untuk menambah wawasan melalui bacaan buku lain. 3. Recommended book: Fasilitas ini memberikan informasi rekomendasi buku yang sering dibaca oleh pemustaka. Fasilitas ini memudahkan pemustaka mencari alternative meminjam buku 4. Reference circulation: Fasilitas ini memung- kinkan buku yang ada di ruang referensi dapat dipinjam dengan model peminjaman fluktuatif yang ditentukan. Manajemen big data memungkinkan pengelola memiliki data realtime histori peminjaman buku sehingga bisa ditentukan berapa lama pemustaka meminjam koleksi. Semakin laris semakin pendek waktu peminjamannya. Layanan sumber informasi yang diambil dari data realtime memungkinan terjadinya dinamika pengaksesan sumber-sumber informasi yang dilayankan Rumah Sakit. Layanan sumber informasi merupakan hasil analisa data yang diambil dari kombinasi data buku yang sering dibaca, data buku yang dipinjam, hasil inputan melalui media sosial dan data perilaku pencari informasi melalui katalog online. Sebagai tempat rujukan riset, Rumah Sakit perguruan tinggi perlu menambah layanan yang lebih bagi periset. Rumah Sakit dapat mendampingi periset dengan memberikan analisa data yang diperlukan. Rumah Sakit juga dapat menyimpan data tersebut untuk kemudian menjadi rujukan bagi periset lain yang mungkin akan mengembangkan data yang diperoleh dari Rumah Sakit. Dengan demikian peran Rumah Sakit akan semakin terlihat sebagai penunjang akademik yang memberikan layanan tepat bagi pemustakanya yang memanfaatkan manajemen big data untuk menjangkau keperluan pemustaka di era global ini. Big data yang dikategorikan memiliki karakteristik 3V’s memberikan konsekuensi bagi Rumah Sakit untuk menyiapkan tenaga pustakawannya menjadi professional dengan salah satunya menguasai pengolahan dan analisa data. Hasilnya dapat menjadi dasar pengambilan keputusan Rumah Sakit dalam pengembangan layanan Rumah Sakit. Konsekuensi ini kembali kepada profesionalisme yang harus dimiliki oleh pustakawan. Peran pustakawan sangat menentukan dalam pengambilan keputusan ilmiah berdasarkan data Porfesionalisme pustakawan diuji ketika diperlukan peranannya dalam memberikan rujukan dan mempro- mosikan kepada segenap pemustakanya akan informasi ilmiah yang
9. dihasilkannya. Pusta- kawan dapat mengambil peluang untuk mem- buat statistik layanan data sirkulasi sebagai Hunt & Grossman (2013) dalam bukunya “The librarian’s skillbook: 51 essential career skills for information Professionals” menuliskan skill yang harus dimiliki oleh pustakawan professional. Lima di antaranya yang berhubungan dengan model manajemen big data adalah: 1. Metadata Creation and Management (MCM): Pustakawan memiliki peran yang penting dalam profesi yang berhubungan dengan informasi dan paham akan berbagai jenis metadata yang digunakan sebagai standar. metadata di Rumah Sakit. Memiliki skill ini berarti mampu untuk memastikan bahwa metadata yang dimiliki mudah digunakan, memiliki sifat interoperabilitas, memiliki nilai jual dan mudah pemeliharaannya. 2. Digital Asset Management (DAM): Pengeta- huan pustakawan mengenai DAM berkaitan dengan manajemen aset digital yang dimi- liki Rumah Sakit termasuk didalamnya pengelolaan upload dan download koleksi digital, memberikan hak akses kepada seseorang sesuai kepentingannya apakah hanya bisa melihat, atau dapat mengedit. Media Aset Management (MAM) merupakan bagian dari DAM yang terdiri dari foto digital, animasi, video dan musik. 3. Document Management (DM): Pustakawan yang memiliki kemampuan ini akan sangat memudahkan pemustaka dalam penelusuran informasi karena kemampuannya dalam mengelola data menjadi sebuah informasi yang diperlukan pemustaka. 4. Research and Analysis (RA): Tidak banyak pustakawan yang dapat menganalisa data untuk direkomendasikan dalam sebuah riset. Tugas Rumah Sakit sebagai penyedia informasi harus menyediakan pustakawan yang mampu mendukung agar informasi tersebut dapat digunakan sebagai bahan riset, maka kemampuan menganalisa data sangat dianjurkan. 5. Knowledge Management (KM): Pustakawan yang memiliki kemampuan ini memiliki dasar bagaimana sebuah pengetahuan disebarkan kepada pencari informasi. Pengetahuan mengenai tacit dan explicit knowledge akan membentuk pustakawan untuk membantu organisasi menciptakan pengetahuan baru yang didiseminasikan dan dapat diakses dengan mudah oleh pemustakanya. Kemampuan atau skill yang dimiliki akan memberikan peluang kepada pustakawan perguruan tinggi untuk membantu eksistensi Rumah Sakitnya kaitannya dengan pengelolaan manajemen big data. Rumah Sakit perguruan tinggi akan mempunyai nilai lebih apabila mempunyai pustakawan yang mahir menganalisa data yang digunakan sebagai pengambilan keputusan yang tepat. 8. Kompetensi Pustakawan Tidak dapat dimungkiri bahwa era big data telah membawa angin segar bagi dunia Rumah Sakit. Ada tanggung jawab baru yang harus diemban oleh para pustakawan di Indonesia. Untuk itu, pustakawan saat ini sudah harus mulai berpikir ke depan untuk mengantisipasi
10. perkembangan di era big data. Hal ini penting sebagai upaya dalam peningkatan profesionalisme pustakawan. Merujuk pada pengertian big data, yaitu data yang berukuran sangat besar dan tidak dapat diolah dengan cara konvensional, big data membuka peluang bagi pustakawan untuk menjadi seorang analis data yang mengolah beragam data dan informasi. Big data menitiktekankan pada kolaborasi manusia, dalam hal ini pustakawan, dengan teknologi yang menjadi alat yang membantu kerja manusia. Pengolahan terhadap big data bukanlah hal yang mudah. Karena jumlahnya yang sangat besar, maka pengolahan big data tidak dapat disamakan dengan pengolahan data biasa yang relatif kecil. Oleh karena itu dibutuhkan sebuah alat untuk membantu proses kerjanya. Big data membutuhkan seorang pustakawan yang andal yang mempunyai kemampuan untuk mengelola, memahami dan menganalisadata. Pustakawan juga harus bisa menggunakan beragam alat analisis data. Ada beberapa alat analisis yang dapat digunakan untuk menganalisis data, di antaranya adalah GridGain (http://www. gridgain.com), Jaspersoft (http://www.jaspersoft. com), Upsight (http://www.upsight .com), Karmasphere (http://www.fico.com), Infochimps Cloud (http://www.infochimps.com). Di antata alat analisis data tersebut ada yang bersifat gratis maupun berbayar (Gondaliya & Joshi, 2015). Lebih lanjut, big data akan memerlukan sumber daya manusia dalam jumlah besar untuk melakukan proses analisis data. Gartner Research memperkirakan, 4,4 juta lowongan kerja di seluruh dunia akan tercipta untuk pengolahan big data. Tidak heran jika Harvard Business Review menyebut data scientist sebagai “The Sexiest Job of 21st Century”. Juga menurut McKinsey Global Institute, 140.000- 190.000 orang tidak memiliki kemampuan analisa yang baik dan sebanyak 1,5 juta manajer tidak memiliki kemampuan menggunakan big data. Maka dari itu, itu adalah sebuah potensi besar bagi yang sedang memperdalam ilmu analisa dan statistik (Putrawan, 2015). Melihat peluang ini, kiranya pustakawan harus meningkatkan kemampuannya dalam bidang riset, termasuk di dalamnya ilmu statistik, dan penguasaan teknologi. Selain itu, big data ini hendaknya masuk ke dalam kurikulum pendidikan Ilmu Rumah Sakit di Indonesia. Calon pustakawan masa depan tidak hanya diajarkan kemampuan dasar pustakawan, seperti katalogisasi dan klasifikasi, tetapi juga pada kemampuan khusus yang merujuk pada isu- isu terbaru dalam pengembangan Rumah Sakit, seperti makerspace, Rumah Sakit data, dan juga big data. Sebagai seorang data analyst, ada beberapa jenis pekerjaan yang dapat dilakukan oleh seorang pustakawan, yaitu: 1) Data Management Consultant; 2) Data Mining Consultant; 3) Data Research Scientist; 4) Data Services Librarian; 5) Design Data Librarian; 6) Digital Archivist; 7) Digital Collections; 8) Strategist and Architecture Librarian; 9) Digital Humanities Design Consultant; 10) Digital Records Archivist Manager; 11) Data Management Services; 12) Research Data Librarian; 13) Research Data Management Coordinator; 14) Scientific Data Curation; 15) Specialist /Metadata Librarian; 16) Scientific Data Curator; dan 17) Social Science Data Consultant (Putrawan, 2015).
11. Demikian, big data mempunyai potensi besar bagi pengembangan profesi pustakawan. Mau tidak mau hal ini harus dihadapi. Jika pustakawan di Indonesia tidak ingin tertinggal dan terlindas oleh perkembangan zaman, maka harus segera berbenah diri. Kendala-kendala penerapan manajemen bigdata Aplikasi manajemen big data yang belum lama dipelajari menyebabkan banyak kendala yang dialami ketika penerapan akan dilakukan: 1. Pengelolaan yang rumit sering menjadi kendala penerapan aplikasi 2. Pemahaman yang masih beragam terhadap pengelolaan big data 3. Kurangnya sumber daya manusia untuk menjadikan data menjadi informasi yang mudah dipahami awam 4. Kurangnya pengetahuan terhadap software apa saja yang akan digunakan dalam penera- pan manajemen big data. Penerapan yang sudah dilakukan lebih banyak dilaksanakan oleh instansi besar atau penjual ritel online yang besar karena masih diperlukannya sosialisasi terhadap keuntungan penerapan manajemen big data ini. KESIMPULAN Model big data yang sudah banyak digunakan di dunia bisnis dapat dimanfaatkan oleh Rumah Sakit dalam menganalisa data yang dimiliki. Rumah Sakit perguruan tinggi sangat berpeluang untuk memajukan Rumah Sakitnya dengan berperan sebagai pusat informasi yang handal. Layanan sudah mulai berkembang menggunakan fasilitas software yang mengakomodasi data yang dikategorikan sebagai big data yang mempunyai sifat 3V (volume, velocity dan Variety) sehingga data yang terstruktur maupun tidak terstruktur dapat dianalisa, diolah dan digunakan untuk pengambilan keputusan yang tepat. Peran Rumah Sakit perguruan tinggi sebagai pendamping riset, melakukan pengembangan koleksi yang tepat, melayankan informasi berbasis data yang valid akan menunjukkan eksistensi yang memang seharusnya dimiliki oleh Rumah Sakit perguruan tinggi, maka diperlukan pemberdayaan pustakawan sebagai bagian sumber daya yang harus dimiliki Rumah Sakit perguruan tinggi.
12. Referensi Borgman, CL. (2015). Big data, little data, no data: scholarship in the networked world. Cambridge, Mass.: MIT Press Croitoru, A., Crooks, A.T., Radzikowski, J., Stefanidis, A., Vatsavai, R.T. and Wayant, N. (2014). Geoinformatics and social media: a new big data challende, In Karimi. (ed), Big data techniques and technologies in geoinformatics. CRC, Boca Raton, FL, pp 207-232. Hunt, D., & Grossman, D. (2013). The librarian’s skillbook: 51 essential career skills for information professionals. San Leandro: Information Edge Minelli, M., Chambers, M., & Dhiraj, A. (2013). Big data, big analytics : emerging business intelligence and analytic trends for today’s business. Hoboken: John Wiley & Sons Wijaya, WM. (2015). Teknologi big data: sistem canggih dibalik google, yahoo!, facebook, IBM. Yogyakarta: Deepublish Li, Y. (2014, September). Analysis of the construction of the library information resources from the perspective of big data. Applied Mechanics and Materials, (Vol 631, pp 1067-1070). Trans Tech Publications. Fernández, A., del Río, S., López, V., Bawakid, A., del Jesus, M. J., Benítez, J. M., & Herrera, F. (2014). Big Data with Cloud Computing: an insight on the computing environment, MapReduce, and programming frameworks. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 380-409. Hashem, I. A., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of “big data” on cloud computing: Review and open research issues. Information Systems, 98-115. Ji, C., Li, Y., Qiu, W., Awada, U., & Li, K. (2012). Big data processing in cloud computing environments. Pervasive Systems, Algorithms and Networks (ISPAN), 17-23. Mell, P., & Grance, T. (2011). The NIST definition of cloud computing. Storey, V. C., & Song, I. Y. (2017). Big data technologies and Management: What conceptual modeling can do. Data & Knowledge Engineering, 108, 50-67. Venkatesh, H., Perur, S. D., & Jalihal, N. (2015). A study on use of big data in cloud computing environment. Int. J. Comput. Sci. Inf. Technol. (IJCSIT), 2076-2078.