Jenis Data & Sumber Data Bisnis

Pertemuan 2 — Data Science untuk Bisnis Digital

Data Science Pertemuan 2 CPMK-1 & CPMK-2 150 menit

Agenda Pertemuan

Sesi 1 — Teori (75 menit)

Tipologi data bisnis: structured, unstructured, semi-structured
Sumber data internal vs eksternal
Open data & API publik Indonesia
Studi kasus perusahaan digital Indonesia

Sesi 2 — Praktik (75 menit)

Eksplorasi portal BPS, OJK, IDX
Latihan identifikasi jenis data
Diskusi kelompok: pemetaan sumber data
Presentasi singkat & refleksi

Tujuan Pembelajaran

Membedakan data terstruktur, tidak terstruktur, dan semi-terstruktur dengan contoh nyata bisnis

Mengidentifikasi sumber data internal dan eksternal yang relevan untuk keputusan bisnis

Mengakses dan menggunakan open data Indonesia (BPS, OJK, IDX) sebagai sumber data eksternal

Sub-CPMK: Mahasiswa mampu mengklasifikasikan jenis data (structured/unstructured/semi) dan mengidentifikasi sumber data internal & eksternal bisnis.

Topik 1

Tipologi Data Bisnis

Structured · Unstructured · Semi-structured

Tiga Jenis Data Bisnis

Jenis Data	Ciri Utama	Format Umum	Contoh Bisnis
Structured	Terorganisir dalam baris & kolom; mudah dicari & difilter	Database SQL, CSV, Excel	Tabel transaksi Tokopedia, daftar nasabah BCA, data penjualan harian
Unstructured	Tidak ada format baku; butuh preprocessing sebelum analisis	Teks bebas, gambar, audio, video	Ulasan produk Shopee, foto KTP, rekaman call center, video TikTok
Semi-structured	Ada penanda/tag tapi tidak kaku seperti tabel relasional	JSON, XML, HTML, NoSQL	Response API Gojek, log transaksi GoPay, data sensor IoT Telkom

Volume Data: Mana yang Paling Banyak?

Fakta Kunci
Sebagian besar data yang dihasilkan bisnis digital setiap hari — komentar media sosial, foto produk, rekaman suara, log server — adalah data tidak terstruktur. Data science modern berfokus pada kemampuan mengolah ketiganya.

Volume data global diperkirakan terus bertumbuh pesat seiring adopsi smartphone dan IoT di Indonesia.

Karakteristik Data: Contoh Nyata Indonesia

Structured

Tabel harga saham IDX (IHSG harian)
Data inflasi BPS per bulan
Mutasi rekening BCA Mobile
Log penjualan merchant Tokopedia

Unstructured

Ulasan bintang di Google Maps restoran
Foto KTP untuk e-KYC BRImo
Rekaman suara IVR Telkomsel
Video iklan TikTok for Business

Semi-structured

JSON response API GoPay
XML laporan keuangan XBRL OJK
Log aktivitas aplikasi Gojek
Data sensor armada Pertamina

Topik 2

Sumber Data Internal vs Eksternal

Dari mana data bisnis berasal?

Sumber Data Internal

Data yang dihasilkan dan dimiliki oleh bisnis sendiri melalui operasi sehari-hari.

Sistem	Data yang Dihasilkan
ERP / Akuntansi	Laporan keuangan, biaya, inventori
CRM	Profil pelanggan, riwayat interaksi
POS / Kasir	Transaksi penjualan, produk terlaris
Aplikasi Mobile	Log penggunaan, klik, navigasi
HR System	Data karyawan, absensi, performa
Website/E-commerce	Traffic, konversi, keranjang belanja

Keunggulan data internal:

Relevan langsung dengan operasi bisnis
Kontrol penuh atas kualitas & privasi
Tidak ada biaya akuisisi tambahan
Dapat dikustomisasi sesuai kebutuhan

Tantangan:

Data silo antar departemen
Kualitas bervariasi (data entry manual)
Volume mungkin terbatas untuk ML

Sumber Data Eksternal

Data yang berasal dari luar organisasi, baik gratis maupun berbayar.

Kategori	Contoh Sumber Indonesia
Open Data Pemerintah	BPS, OJK, IDX, BI, Kemenkeu
Media Sosial	Twitter/X API, Instagram Insights
Riset Pasar	Nielsen, IPSOS, Kantar Indonesia
Berita & Sentimen	Detik.com, Kompas, Google Trends
Geospasial	BIG (Badan Informasi Geospasial), OpenStreetMap
Data Cuaca	BMKG API

Keunggulan data eksternal:

Memperkaya konteks makro & industri
Memungkinkan benchmarking kompetitif
Open data pemerintah tersedia gratis
Volume besar untuk pelatihan model ML

Tantangan:

Kualitas & kelengkapan tidak terjamin
Format beragam, butuh harmonisasi
Isu lisensi & hak penggunaan

Matriks Keputusan: Internal vs Eksternal

Dimensi	Data Internal	Data Eksternal
Kepemilikan	Milik perusahaan sendiri	Milik pihak ketiga / publik
Relevansi	Sangat spesifik ke bisnis	Kontekstual & komparatif
Biaya	Sudah tersedia (infrastruktur)	Gratis hingga berbayar mahal
Kualitas	Terkontrol; bisa diperbaiki	Bervariasi; perlu validasi
Privasi	Harus patuh UU PDP No. 27/2022	Hati-hati lisensi & PII
Strategi terbaik	Analisis operasional, prediksi churn	Analisis pasar, tren makro

Best practice: Bisnis data-driven terbaik menggabungkan keduanya — data internal untuk kedalaman, data eksternal untuk konteks.

Topik 3

API & Open Data Indonesia

BPS · OJK · IDX & ekosistem data publik nasional

BPS: Badan Pusat Statistik

Portal & API

Website: bps.go.id / web-api.bps.go.id
Format: JSON, CSV, Excel, XML
Akses: Sebagian gratis; API key tersedia
Frekuensi update: Bulanan hingga tahunan

Data Tersedia

Inflasi, CPI per kota & komoditas
PDB nasional & regional (PDRB)
Demografi & sensus penduduk
Produksi pertanian & industri
Ekspor-impor & neraca perdagangan

Contoh use case bisnis:
Perusahaan ritel ingin ekspansi ke kota tier-2. Mereka menggunakan data BPS untuk memetakan daya beli (pengeluaran per kapita) dan jumlah penduduk usia produktif di tiap kota target.

GET https://webapi.bps.go.id/v1/api/list/model/data/domain/0000/var/2/key/{api_key}

Contoh endpoint API BPS untuk data inflasi nasional.

OJK & IDX: Data Keuangan & Pasar Modal

OJK — Otoritas Jasa Keuangan

Portal: ojk.go.id & datakeuangan.ojk.go.id
Statistik perbankan bulanan
Data asuransi & multifinance
Laporan keuangan perusahaan publik (XBRL)
Indikator stabilitas keuangan

IDX — Bursa Efek Indonesia

Portal: idx.co.id / idxstats.idx.co.id
Harga saham historis (OHLCV)
Laporan keuangan emiten (PDF, XBRL)
Data indeks (IHSG, LQ45, IDX30)
Aksi korporasi & dividen

Library Python untuk IDX: yfinance (kode saham + ".JK", mis. "BBCA.JK"), pandas-datareader, atau API resmi IDX untuk data lebih lengkap.

Studi Kasus: Gojek & BRImo — Pengelolaan Data Skala Besar

Gojek: Ekosistem Data Multi-Layer

Internal structured: Data order, lokasi driver, waktu tempuh, harga
Internal unstructured: Rating & komentar pengguna, foto makanan GoFood
Internal semi-structured: Log event aplikasi (JSON), data sensor GPS
Eksternal: Data cuaca BMKG (pengaruh demand), peta jalan Google/HERE
Output: Surge pricing, rekomendasi restoran, deteksi fraud GoPay

BRImo: Data untuk Inklusi Keuangan

Internal structured: Rekening, mutasi, data debitur
Internal unstructured: Foto KTP (e-KYC), tanda tangan digital
Eksternal: Data BI Checking (SLIK OJK), BPS (data wilayah)
Output: Credit scoring alternatif, personalisasi produk
Skala: >35 juta pengguna aktif (~2024, sumber: laporan BRI)

Ekosistem Open Data Indonesia

Makroekonomi

BPS — bps.go.id
Bank Indonesia — bi.go.id
Kemenkeu — kemenkeu.go.id
Bappenas — bappenas.go.id

Keuangan & Investasi

OJK — ojk.go.id
IDX — idx.co.id
KSEI — ksei.co.id
Kemenkop — kemenkopukm.go.id

Sektoral & Geospasial

BMKG — bmkg.go.id (cuaca)
BIG — big.go.id (peta)
Kemendag — kemendag.go.id
data.go.id (portal nasional)

Portal terpadu: data.go.id adalah one-stop portal open data pemerintah Indonesia dengan ribuan dataset dari berbagai kementerian dan lembaga dalam berbagai format (CSV, JSON, XLS).

Diagram: Alur Data dalam Bisnis Digital

Rangkuman Pertemuan 2

Key Takeaway 1: Data bisnis terbagi dalam tiga jenis — structured (tabel/database), unstructured (teks/gambar/audio), dan semi-structured (JSON/XML) — masing-masing membutuhkan teknik penanganan berbeda.

Key Takeaway 2: Sumber data bisnis dibedakan menjadi internal (dihasilkan operasi sendiri: ERP, CRM, POS) dan eksternal (dari pihak ketiga: open data pemerintah, media sosial, riset pasar).

Key Takeaway 3: Indonesia memiliki ekosistem open data yang kuat — BPS untuk data makroekonomi & demografi, OJK untuk data keuangan, IDX untuk data pasar modal — semuanya dapat diakses via API atau unduhan langsung.

Key Takeaway 4: Bisnis data-driven terbaik (Gojek, BRImo, Tokopedia) menggabungkan data internal dan eksternal dari berbagai jenis untuk menghasilkan produk, layanan, dan keputusan yang lebih baik.

Key Takeaway 5: Aspek legal (UU PDP No. 27/2022) dan etika penggunaan data wajib dipertimbangkan sejak tahap perencanaan — bukan setelah data dikumpulkan.

Tugas & Diskusi

Tugas Individu (dikumpulkan P3)

Pilih satu perusahaan Indonesia (bukan Gojek/Tokopedia — pilih yang lain)
Identifikasi minimal 3 jenis data yang digunakan (sertakan jenis: structured/unstructured/semi)
Identifikasi minimal 2 sumber data eksternal yang relevan untuk perusahaan tersebut
Format: 1 halaman A4, bebas (narasi, tabel, atau diagram)

Diskusi Kelompok (sesi ini)

Bagi dalam kelompok 3-4 orang
Eksplorasi portal BPS dan IDX selama 20 menit
Temukan 1 dataset yang bisa digunakan untuk analisis bisnis ritel di Indonesia
Presentasikan temuan (2 menit per kelompok): dataset apa, dari mana, jenis data apa, dan potensi penggunaannya

Pertanyaan & Diskusi

Ada hal yang ingin Anda tanyakan atau klarifikasi?

Preview Pertemuan 3: Pengumpulan & Validasi Data

Teknik scraping data web (etis & legal)
Penggunaan API (autentikasi, rate limiting, pagination)
Validasi dan pembersihan data (missing values, outlier, duplikat)
Tools: Python requests, BeautifulSoup, pandas

Silakan akses materi di portal LMS. Sampai jumpa di Pertemuan 3!