Hasil Pencarian  ::  Simpan CSV :: Kembali

"This book provides users with cutting edge methods and technologies in the area of big data and visual analytics, as well as an insight to the big data and data analytics research conducted by world-renowned researchers in this field. The authors present comprehensive educational resources on big data and visual analytics covering state-of-the art techniques on data analytics, data and information visualization, and visual analytics. Each chapter covers specific topics related to big data and data analytics as virtual data machine, security of big data, big data applications, high performance computing cluster, and big data implementation techniques. Every chapter includes a description of an unique contribution to the area of big data and visual analytics. This book is a valuable resource for researchers and professionals working in the area of big data, data analytics, and information visualization. Advanced-level students studying computer science will also find this book helpful as a secondary textbook or reference."

"Perkembangan teknologi informasi dan internet dalam berbagai sektor kehidupan menyebabkan terjadinya peningkatan pertumbuhan data di dunia. Pertumbuhan data yang berjumlah besar ini memunculkan istilah baru yaitu Big Data. Karakteristik yang membedakan Big Data dengan data konvensional biasa adalah bahwa Big Data memiliki karakteristik volume, velocity, variety, value, dan veracity. Kehadiran Big Data dimanfaatkan oleh berbagai pihak melalui Big Data Analytics, contohnya Pelaku Usaha untuk meningkatkan kegiatan usahanya dalam hal memberikan insight yang lebih luas dan dalam. Namun potensi yang diberikan oleh Big Data ini juga memiliki risiko penggunaan yaitu pelanggaran privasi dan data pribadi seseorang. Risiko ini tercermin dari kasus penyalahgunaan data pribadi Pengguna Facebook oleh Cambridge Analytica yang berkaitan dengan 87 juta data Pengguna. Oleh karena itu perlu diketahui ketentuan perlindungan privasi dan data pribadi di Indonesia dan yang diatur dalam General Data Protection Regulation (GDPR) dan diaplikasikan dalam Big Data Analytics, serta penyelesaian kasus Cambridge Analytica-Facebook. Penelitian ini menggunakan metode yuridis normatif yang bersumber dari studi kepustakaan. Dalam Penelitian ini ditemukan bahwa perlindungan privasi dan data pribadi di Indonesia masih bersifat parsial dan sektoral berbeda dengan GDPR yang telah mengatur secara khusus dalam satu ketentuan. Big Data Analytics juga memiliki beberapa implikasi dengan prinsip perlindungan privasi dan data pribadi yang berlaku. Indonesia disarankan untuk segera mengesahkan ketentuan perlindungan privasi dan data pribadi khusus yang sampai saat ini masih berupa rancangan undang-undang.

---

The development of information technology and the internet in various sectors of life has led to an increase in data growth in the world. This huge amount of data growth gave rise to a new term, Big Data. The characteristic that distinguishes Big Data from conventional data is that Big Data has the characteristic of volume, velocity, variety, value, and veracity. The presence of Big Data is utilized by various parties through Big Data Analytics, for example for Corporation to incurease their business activities in terms of providing broader and deeper insight. But this potential provided by Big Data also comes with risks, which is violation of one's privacy and personal data. One of the most scandalous case of abuse of personal data is Cambridge Analytica-Facebook relating to 87 millions user data. Therefor it is necessary to know the provisions of privacy and personal data protection in Indonesia and which are regulated in the General Data Protection (GDPR) and how it applied in Big Data Analytics, as well as the settlement of the Cambridge Analytica-Facebook case. This study uses normative juridical methods sourced from library studies. In this study, it was found that the protection of privacy and personal data in Indonesia is still partial and sectoral which is different from GDPR that has specifically regulated in one bill. Big Data Analytics also has several implications with applicable privacy and personal data protection principles. Indonesia is advised to immediately ratify the provisions on protection of privacy and personal data which is now is still in the form of a RUU."

"Data are the prominent elements in scientific researches and approaches. Data Science methodology is used to select and to prepare enormous numbers of data for further processing and analysing. Big Data technology collects vast amount of data from many sources in order to exploit the information and to visualise trend or to discover a certain phenomenon in the past, present, or in the future at high speed processing capability. Predictive analytics provides in-depth analytical insights and the emerging of machine learning brings the data analytics to a higher level by processing raw data with artificial intelligence technology. Predictive analytics and machine learning produce visual reports for decision makers and stake-holders. Regarding cyberspace security, big data promises the opportunities in order to prevent and to detect any advanced cyber-attacks by using internal and external security data."

"The definitive guide to successfully integrating social, mobile, Big-Data analytics, cloud and IoT principles and technologies The main goal of this book is to spur the development of effective big-data computing operations on smart clouds that are fully supported by IoT sensing, machine learning and analytics systems"

"This book highlights the state of the art and recent advances in Big Data clustering methods and their innovative applications in contemporary AI-driven systems. The book chapters discuss Deep Learning for Clustering, Blockchain data clustering, Cybersecurity applications such as insider threat detection, scalable distributed clustering methods for massive volumes of data; clustering Big Data Streams such as streams generated by the confluence of Internet of Things, digital and mobile health, human-robot interaction, and social networks; Spark-based Big Data clustering using Particle Swarm Optimization; and Tensor-based clustering for Web graphs, sensor streams, and social networks. The chapters in the book include a balanced coverage of big data clustering theory, methods, tools, frameworks, applications, representation, visualization, and clustering validation. "

"ABSTRAKPencucian uang merupakan fenomena umum yang terjadi di seluruh dunia. Sektor keuangan seperti lembaga perbankan merupakan titik kontak tingkat pertama dalam pencucian uang. Untuk itu, setiap bank perlu melakukan pemantauan terhadap kegiatan transaksi nasabahnya melalui penyimpanan data arus transaksi. Penerapan teknik lanjutan dari big data analytics sepeti data mining dapat digunakan sebagai teknik untuk mendeteksi indikasi pencucian uang, Pada penelitian ini, penulis menganalisis data transaksi pada sebuah rekening nasabah di Bank menggunakan teknik statistik deskriptif, regresi, dan visualisasi untuk mengetahui pola yang terjadi pada data histori dan mengidentifikasi transaksi anomali. Hasil interpretasi analisis regresi menunjukkan pada saat tertentu, waktu berpengaruh secara signifikan terhadap jumlah transaksi. Hasil penelitian akhirnya menunjukkan adanya penyimpangan pola transaksi yang mengarah pada adanya indikasi pencucian uang dalam rekening nasabah tersebut.

---

ABSTRACT Money laundering is a common phenomenon that occurs all over the world. The financial sector such as banking institutions is the first point of contact in money laundering. Therefore, every bank needs to monitor its customers 39 transaction activities through storage of transaction flow data. Application of advanced techniques of big data analytics such as data mining can be used as a technique to detect money laundering indications. In this study, a set of a customer rsquo s transaction data in a bank is being analysed using descriptive statistics, regression, and visualization techniques to observe the patterns that occur in historical data and to identify anomalous transactions. Regression analysis interpretation showed that time had significant impact on transaction amount. The result of the research finally showed an existence of unusual transaction pattern which led to an indication of money laundering in the customer 39 s account. "

"Penelitian ini bertujuan untuk mengidentifikasi segmentasi RFM pada toko kosmetik online di Indonesia. Penelitian ini menggunakan analisis RFM (Recency, Frequency, dan Monetary) yang dilanjutkan dengan K-Means Clustering dengan menggunakan Hiearchical Clustering untuk mencari nilai k. Penelitian ini menggunakan data transaksi penjualan Makeupuccino sepanjang tahun 2017 untuk segmentasi RFM. Hasilnya menunjukkan bahwa jumlah segmentasi yang paling tepat untuk toko kosmetik online adalah 4, yang dibagi menjadi Platinum, Gold, Iron, dan Lead. Keempat segmentasi tersebut memiliki marketing objective dan program marketing yang berbeda.

---

This research aims to identify RFM segmentation on makeup online store in Indonesia. This research uses RFM (Recency, Frequency, and Monetary) analysis and then uses K-Means Clustering with Hierarchical Clustering as the way to finds k values. This study uses transaction on Makeupuccino (one of makeup online store in Indonesia) during 2017 to get RFM segmentation. The result shows that the best RFM segmentation for makeup online store in Indonesia is 4, that divided into Platinum, Gold, Iron, and Lead. Each of segmentation has different marketing objective and marketing program."

"ABSTRAKPenelitian ini menjelaskan mengenai penerapan segmentasi konsumen berdasarkan CLV agar dapat menghasilkan profil konsumen bagi perusahan untuk memberikan perlakuan yang tepat bagi masing ndash; masing konsumen. Dalam memproses data yang akan digunakan, penelitian ini mengunakan segmentasi RFM sebagai langkah awal untuk mengidentifiksi data dan dilanjutkan dengan klasterisasi menggunakan K-Means agar mendapatkan gambaran data konsumen yang lebih jelas. Hasil dari penelitian ini menunjukan adanya lima jenis profile konsumen yang berbeda berdasarkan perhitungan RFM dan K-Means. Setiap kelompok memiliki karakteristik yang berbeda yang dapat digunakan oleh perusahaan untuk membentuk strategi dalam memberikan pendekatan kepada konsumen. Terdapat juga perbandingan antara kelompok konsumen yang akan dihasilkan apabila perusahaan menggunakan segmentasi konsumen menggunakan CLV dengan saat tidak menggunakan CLV. Dengan memberikan perlakuan yang tepat bagi konsumen yang dapat memberikan keuntungan bagi perusahaan dimasa yang akan datang, maka perusahaan dapat membentuk strategi yang lebih efektif dan tepat sasaran.

---

ABSTRACTThis research focus on how to make a consumer segmentation based on CLV in order to create a customer profile for the company to provide appropriate treatment for each consumer. In order to process the data, this research uses RFM segmentation as the first step to identify the data and continued with K Means clustering to get a better interpretation of consumer data. The results of this research show five different types of consumer profiles based on RFM and K Means calculations. Each cluster has a different characteristic that can be used for a company to define a better strategy in order to approach their customer. There is also a comparison between the consumer groups if the company uses consumer segmentation using CLV or when not using CLV. By providing the right treatment for profitable customer, the company can form an effective and targeted strategy in the future. "

"Ringkasan artikel ini didasarkan pada wawasan dari empat artikel terkait untuk melakukan penyelidikan mendalam terhadap jalur revolusioner analitika dalam dunia berbasis data modern. Artikel 1 memperkenalkan kerangka struktural untuk memanfaatkan data dan menekankan sifat revolusioner serta pentingnya analitika bisnis. Artikel 2 mengkaji nuansa analitika bisnis, termasuk definisi bidang ini, signifikansi yang meningkat, evolusi historis, dan hambatan pengadopsian. Kekuatan revolusioner analitika bisnis dalam pengambilan keputusan dan pergerakan akademis menuju program analitika ditekankan dalam Artikel 3, yang juga menyoroti signifikansi yang semakin meningkat dari analitika bisnis baik dalam sektor bisnis maupun akademis. Terakhir, Artikel 4 menjelajahi manfaat dan kerugian yang mungkin terjadi dalam analitika Big Data di industri minyak dan gas. Artikel-artikel ini memberikan pandangan 360 derajat tentang analitika, berfokus pada interdisiplineritas bidang ini dan peran sentralnya dalam menentukan lanskap komersial dan akademis kontemporer. Artikel ini merangkum temuan-temuan tersebut, menyoroti potensi permainan yang dapat mengubah analitika sambil juga mengakui banyaknya hambatan dan imbalan yang menanti bagi mereka yang memilih untuk menggunakan data dan analitika. Manfaat potensial dari penggunaan analitika bisnis dan Big Data termasuk peningkatan pengambilan keputusan, operasi yang lebih efisien, dan fokus yang lebih besar pada pelanggan. Mereka juga berfungsi sebagai dorongan kreativitas, memungkinkan perusahaan untuk mengantisipasi dan mempersiapkan diri terhadap bahaya dan peluang di masa depan. Dunia akademis juga berkembang, dengan kursus dan program baru yang diperkenalkan di universitas untuk membantu mahasiswa mengembangkan kemampuan analitis yang dicari oleh para pengusaha. Meskipun perkembangan dan penggunaan teknologi baru yang mengesankan, masalah seperti integritas dan privasi data tetap menjadi masalah di sektor ini. Meskipun demikian, analitika bisnis sangat penting di dunia akademis dan korporat karena sifatnya yang multiaspek, rentang aplikasinya yang luas, dan kemampuannya untuk merevolusi seluruh industri.

---

This article review draws on the insights of four related articles to undertake an in-depth investigation of the revolutionary path of analytics in the modern data-driven world. Article 1 introduces a structural framework for making use of data and stresses the revolutionary nature and critical importance of business analytics. Article 2 examines business analytics' nuances, including the field's definition, rising significance, historical evolution, and obstacles to adoption. The revolutionary power of business analytics in decision-making and the academic movement towards analytics programmes are emphasised in Article 3, which also highlights the increasing significance of business analytics in both the business sector and academia. Finally, Article 4 delves into Big Data analytics’ possible benefits and drawbacks in the oil and gas business. These articles provide a 360-degree view of analytics, focusing on the field's interdisciplinarity and its central role in defining contemporary commercial and academic landscapes. This article summarises these findings, highlighting the game-changing potential of analytics while also recognising the many obstacles and rewards that lie ahead for those who choose to use data and analytics. The potential benefits of using business analytics and Big Data include improved decision-making, more efficient operations, and a greater focus on customers. They also operate as impetuses for creativity, letting firms anticipate and prepare for future dangers and opportunities. The academic world is also evolving, with new courses and programmes introduced at universities to help students develop the analytical abilities employers seek. Despite the impressive development and use of new technologies, issues like data integrity and privacy remain a problem in the sector. Despite this, business analytics is of the utmost importance in academia and the corporate world because of its multifaceted character, wide range of applications, and ability to revolutionise entire industries."