Big Data : 3D Data Management

Posted on by

Big data adalah istilah yang mengacu pada kumpulan data yang sangat besar dan kompleks yang sulit untuk diproses menggunakan metode tradisional. Data dalam big data biasanya memiliki volume yang sangat besar, kecepatan pengumpulan yang tinggi, dan beragam jenis/format data.

Kegunaan utama dari big data adalah untuk menganalisis dan mendapatkan wawasan yang berharga dari data yang diperoleh. Dengan menggunakan teknik analisis data canggih, seperti analisis statistik, data mining, dan machine learning, big data dapat memberikan informasi yang bermanfaat untuk pengambilan keputusan, pemodelan prediktif, pengembangan produk, peningkatan efisiensi operasional, dan banyak lagi. Dalam berbagai bidang seperti bisnis, ilmu pengetahuan, kesehatan, pemerintahan, dan lain-lain, big data dapat memberikan wawasan yang mendalam dan mendukung pengambilan keputusan yang lebih baik.

Latar belakang big data dapat ditelusuri kembali ke pertengahan hingga akhir tahun 1990-an. Pada saat itu, organisasi mulai menghadapi masalah dalam mengelola dan menganalisis jumlah data yang semakin besar dan beragam. Seiring perkembangan teknologi komputer dan internet, serta peningkatan kapasitas penyimpanan dan kemampuan pemrosesan data, data yang dihasilkan mulai tumbuh secara eksponensial. Doug Laney, seorang analis industri, dianggap sebagai orang yang mempopulerkan istilah “big data” pada tahun 2001 melalui sebuah artikel yang berjudul “3D Data Management: Controlling Data Volume, Velocity, and Variety”. Artikel tersebut memperkenalkan konsep “3V” yang merujuk pada volume, kecepatan, dan variasi data dalam big data. Namun, penting untuk dicatat bahwa konsep dan praktik yang terkait dengan big data telah ada sebelum istilah itu digunakan. Sebagai contoh, dalam ilmu pengetahuan dan industri, masalah terkait dengan data besar sudah lama dihadapi sebelum istilah “big data” dikenal secara luas.

Konsep 3V dalam big data merujuk pada tiga karakteristik utama dari data yang meliputi volume, kecepatan, dan variasi. Berikut adalah penjelasan lebih rinci tentang setiap V:

  1. Volume (Volume):  mengacu pada jumlah data yang dihasilkan atau dikumpulkan. Dalam big data, volume data dapat sangat besar, bahkan mencapai terabyte atau petabyte. Data tersebut dapat berasal dari berbagai sumber, seperti sensor, media sosial, transaksi bisnis, log perangkat lunak, dan lain sebagainya. Volume yang besar ini menantang kemampuan tradisional untuk menyimpan, mengelola, dan menganalisis data dengan cara yang efisien.
  2. Kecepatan (Velocity):  mengacu pada tingkat pertumbuhan data yang cepat dan kecepatan di mana data tersebut dibuat, dikumpulkan, atau diakses. Dalam beberapa kasus, data yang dihasilkan dalam waktu nyata memerlukan analisis dan tanggapan instan untuk mengambil keuntungan penuh dari informasi yang tersedia. Contoh kecepatan tinggi ini dapat ditemukan dalam sistem pembayaran, pemantauan jaringan, dan media sosial, di mana data terus-menerus dihasilkan dan harus ditangani dalam waktu nyata.
  3. Variasi (Variety):  mengacu pada beragamnya jenis data yang dihadapi dalam big data. Data dapat hadir dalam berbagai bentuk dan format, seperti teks, gambar, audio, video, struktur terstruktur, tidak terstruktur, atau semi-terstruktur. Selain itu, data bisa berasal dari berbagai sumber dan sifatnya dapat berubah-ubah. Variasi ini menantang dalam hal penyimpanan dan analisis, karena teknik tradisional mungkin tidak cocok untuk memproses dan menggabungkan data dengan format yang berbeda-beda.

Konsep 3V ini membantu memahami tantangan yang dihadapi dalam mengelola, menyimpan, memproses, dan menganalisis big data. Selain 3V ini, dalam beberapa sumber juga disebutkan beberapa V tambahan, seperti nilai (value), veritas (veracity), visualisasi (visualization), dan lain-lain, yang menyoroti aspek penting lainnya dalam konteks big data.

Gambar : Penulis sedang mempelajari Big Data

Banyak perusahaan dari berbagai sektor yang memanfaatkan big data dalam operasional mereka. Berikut ini adalah beberapa contoh perusahaan dan bisnisnya tersebut:

  1. E-commerce: Perusahaan seperti Amazon, Alibaba, dan eBay mengumpulkan dan menganalisis data pembelian, riwayat pencarian, dan perilaku pengguna untuk memberikan rekomendasi produk yang relevan, personalisasi pengalaman belanja, mengoptimalkan rantai pasokan, dan merencanakan strategi pemasaran.
  2. Layanan Kesehatan: Perusahaan seperti Philips, GE Healthcare, dan Optum menggunakan big data untuk menganalisis rekam medis elektronik, data genetik, data sensor medis, dan data lainnya. Hal ini membantu dalam diagnosis penyakit, prediksi risiko kesehatan, pengelolaan inventaris obat, dan peningkatan efisiensi rumah sakit.
  3. Transportasi dan Logistik: Perusahaan seperti Uber, DHL, dan FedEx menggunakan big data untuk mengoptimalkan rute pengiriman, mengatur armada kendaraan, memperkirakan waktu pengiriman, dan mengelola inventaris. Data lalu lintas, cuaca, data sensor kendaraan, dan data pelanggan digunakan untuk meningkatkan efisiensi dan memberikan pengalaman pengguna yang lebih baik.
  4. Keuangan dan Perbankan: Perusahaan seperti JPMorgan Chase, Goldman Sachs, dan PayPal menggunakan big data untuk analisis risiko kredit, deteksi penipuan, pengelolaan portofolio, dan rekomendasi investasi. Data transaksi keuangan, data pasar, perilaku pelanggan, dan data eksternal lainnya digunakan untuk membuat keputusan bisnis yang lebih cerdas.
  5. Periklanan dan Pemasaran: Perusahaan seperti Google, Facebook, dan Procter & Gamble menggunakan big data untuk segmentasi pasar, penargetan iklan, pengukuran kinerja kampanye, dan analisis perilaku konsumen. Data demografi, data sosial media, data penelusuran, dan data perilaku online digunakan untuk mengoptimalkan strategi pemasaran dan meningkatkan efektivitas iklan.
  6. Manufaktur dan Supply Chain: Perusahaan seperti Toyota, General Electric, dan Intel menggunakan big data untuk mengoptimalkan proses produksi, pemeliharaan mesin, dan rantai pasokan. Data sensor industri, data produksi, data inventaris, dan data pemasok digunakan untuk meningkatkan efisiensi operasional, mengurangi downtime, dan mengoptimalkan kualitas produk.
  7. Teknologi dan Media Sosial: Perusahaan seperti Google, Facebook, dan Twitter mengumpulkan dan menganalisis big data untuk mengoptimalkan pengalaman pengguna, menyediakan konten yang disesuaikan, dan menargetkan iklan. Data pencarian, data pengguna, data sosial media, dan data interaksi digunakan untuk meningkatkan relevansi dan personalisasi.
  8. Perusahaan Ritel: Perusahaan ritel seperti Walmart, Target, dan Sephora menggunakan big data untuk analisis perilaku pembeli, manajemen stok, dan pengelolaan rantai pasokan. Data penjualan, data loyalitas pelanggan, data inventaris, dan data eksternal digunakan untuk memahami tren belanja, memprediksi permintaan, dan meningkatkan kepuasan pelanggan.
  9. Telekomunikasi: Perusahaan telekomunikasi seperti AT&T, Verizon, dan Vodafone menggunakan big data untuk analisis pola panggilan, analisis data jaringan, dan manajemen layanan pelanggan. Data panggilan, data penggunaan jaringan, data geografis, dan data pelanggan digunakan untuk mengoptimalkan infrastruktur, meningkatkan kualitas layanan, dan personalisasi tawaran.
  10. Pemerintahan: di berbagai negara menggunakan big data untuk analisis kebijakan publik, keamanan, dan pengelolaan kota. Data demografi, data transaksi, data geografis, dan data sosial digunakan untuk membuat keputusan yang lebih efektif dalam bidang seperti transportasi, kesehatan masyarakat, penegakan hukum, dan kebijakan sosial.
  11. Perusahaan Energi: Perusahaan energi seperti Shell, BP, dan General Electric menggunakan big data untuk analisis produksi energi, pemeliharaan infrastruktur, dan manajemen aset. Data sensor industri, data produksi, data geografis, dan data lingkungan digunakan untuk meningkatkan efisiensi operasional, mengoptimalkan pemeliharaan, dan mengurangi dampak lingkungan.
  12. Perusahaan Asuransi: Perusahaan asuransi seperti Allianz, AIG, dan Prudential menggunakan big data untuk analisis risiko, penilaian klaim, dan penetapan harga premi. Data klaim, data profil pelanggan, data medis, dan data eksternal digunakan untuk mengoptimalkan manajemen risiko, memberikan penilaian yang lebih akurat, dan meningkatkan kepuasan pelanggan.

Ini hanya contoh beberapa perusahaan yang memanfaatkan big data dalam operasional mereka. Penerapan big data dapat ditemukan di berbagai sektor industri, termasuk telekomunikasi, energi, pendidikan, pemerintahan, dan lain-lain, karena hampir semua organisasi menghasilkan dan menghadapi volume data yang besar dan kompleks dalam berbagai bentuk.

Data dapat dikumpulkan melalui beberapa cara yang melibatkan pengumpulan, penyimpanan, dan pengolahan data dalam skala yang besar. Berikut ini adalah beberapa cara umum untuk mengumpulkan data menjadi big data:

  1. Sumber Data Internal: Data dapat dikumpulkan dari sumber internal organisasi, seperti basis data internal, sistem manajemen pelanggan, sistem manajemen rantai pasokan, dan sistem lainnya. Data ini mencakup informasi tentang transaksi, pelanggan, inventaris, dan proses bisnis internal.
  2. Sumber Data Eksternal: Data juga dapat dikumpulkan dari sumber eksternal seperti media sosial, situs web eksternal, data sensor, data publik, data pemerintah, dan banyak lagi. Data eksternal ini mencakup informasi tentang perilaku konsumen, tren pasar, data cuaca, data demografis, dan lain-lain.
  3. Internet of Things (IoT): IoT memungkinkan pengumpulan data dari berbagai sensor yang terhubung, seperti sensor lingkungan, sensor perangkat cerdas, kendaraan terhubung, dan lainnya. Data dari IoT dapat mencakup informasi tentang kondisi lingkungan, penggunaan energi, perilaku pengguna, dan lain-lain.
  4. Data Streaming: Data dapat dikumpulkan melalui aliran data yang kontinu dan real-time, seperti data dari platform media sosial, sensor, perangkat Internet of Things, dan sebagainya. Streaming data ini bisa sangat cepat dan berlimpah, dan memerlukan teknologi yang canggih untuk memprosesnya secara real-time.
  5. Kolaborasi dan Kemitraan: Data juga dapat dikumpulkan melalui kolaborasi dan kemitraan dengan organisasi lain atau entitas eksternal. Misalnya, organisasi dapat menggabungkan data dengan mitra bisnis, mengakses data dari pihak ketiga melalui API, atau melakukan pertukaran data dengan organisasi lain.
  6. Data Publik dan Data Pemerintah: Data publik dan data yang diterbitkan oleh pemerintah dapat digunakan sebagai sumber big data. Pemerintah seringkali menyediakan data terbuka yang dapat diakses oleh publik, seperti data demografis, data cuaca, data ekonomi, dan data lainnya yang dapat dikumpulkan dan digunakan untuk analisis.
  7. Data Survei dan Penelitian: Data juga dapat dikumpulkan melalui survei, wawancara, atau penelitian yang dilakukan oleh organisasi atau lembaga. Data ini biasanya melibatkan pengumpulan informasi langsung dari responden dan dapat digunakan untuk analisis dan penelitian lebih lanjut.

Pengumpulan data menjadi big data melibatkan pengumpulan data dalam jumlah besar, baik dari berbagai sumber internal maupun eksternal. Penting untuk memastikan bahwa proses pengumpulan data dilakukan secara etis dan mematuhi peraturan perlindungan data yang berlaku.

Berikut adalah beberapa langkah umum yang dilakukan setelah mendapatkan big data:

  1. Penyaringan dan Pembersihan Data: Data yang diperoleh mungkin mengandung noise, kesalahan, atau data yang tidak relevan. Oleh karena itu, langkah pertama adalah menyaring dan membersihkan data untuk memastikan kualitasnya. Ini melibatkan menghapus entri duplikat, menangani nilai yang hilang, memperbaiki kesalahan, dan memvalidasi keakuratan data.
  2. Penyimpanan dan Manajemen Data: Big data memerlukan infrastruktur yang sesuai untuk penyimpanan dan manajemen data yang efisien. Hal ini melibatkan penggunaan sistem penyimpanan yang skalabel dan didukung oleh teknologi seperti sistem basis data terdistribusi atau sistem penyimpanan terdistribusi seperti Hadoop dan Apache Spark.
  3. Pemrosesan Data: Setelah data disaring dan disimpan, langkah berikutnya adalah memprosesnya. Ini melibatkan penggunaan teknik pemrosesan data yang canggih, seperti data mining, analisis statistik, machine learning, atau analisis grafik. Tujuannya adalah untuk mengidentifikasi pola, tren, dan hubungan dalam data yang dapat memberikan wawasan penting.
  4. Visualisasi Data: Visualisasi data merupakan cara untuk menyajikan informasi dan wawasan yang dihasilkan dari analisis data dengan menggunakan grafik, diagram, peta, atau tampilan visual lainnya. Visualisasi data membantu dalam pemahaman yang lebih baik terhadap pola dan tren yang ada dalam big data dan memungkinkan pengambilan keputusan yang lebih baik.
  5. Interpretasi dan Pengambilan Keputusan: Setelah menganalisis dan memvisualisasikan data, langkah terakhir adalah menginterpretasikan hasilnya dan menggunakan wawasan yang diperoleh untuk pengambilan keputusan. Hasil analisis dapat memberikan pemahaman yang lebih baik tentang peluang bisnis, perubahan tren pasar, identifikasi pola ancaman keamanan, atau rekomendasi untuk meningkatkan efisiensi operasional.

Proses ini dapat menjadi iteratif, di mana analisis data awal dapat memunculkan pertanyaan baru atau memerlukan pengumpulan data tambahan. Selain itu, dalam konteks big data, penggunaan teknologi dan alat analisis data canggih seperti kecerdasan buatan (AI) dan pembelajaran mesin (machine learning) dapat membantu dalam memperoleh wawasan yang lebih dalam dan akurat dari data yang kompleks dan besar.

Penggunaan big data memiliki sejumlah kelebihan dan kekurangan. Berikut adalah gambaran umum tentang kelebihan dan kekurangan dalam menggunakan big data:

Kelebihan Big Data:

  1. Wawasan Mendalam: Big data memungkinkan organisasi untuk menghasilkan wawasan yang mendalam dan detail tentang pelanggan, pasar, tren, dan proses bisnis. Ini dapat membantu dalam pengambilan keputusan yang lebih baik, perencanaan strategis, dan identifikasi peluang bisnis.
  2. Pengambilan Keputusan yang Didasarkan pada Fakta: Big data menyediakan dasar fakta dan bukti yang kuat untuk pengambilan keputusan. Analisis data yang mendalam dan akurat dapat membantu mengurangi ketidakpastian dan meningkatkan keberhasilan pengambilan keputusan.
  3. Personalisasi dan Pengalaman Pengguna yang Lebih Baik: Dengan menggunakan big data, organisasi dapat menghasilkan pengalaman yang lebih personal dan relevan untuk pelanggan. Data yang dikumpulkan dan dianalisis dapat digunakan untuk menyediakan rekomendasi produk yang disesuaikan, layanan yang dipersonalisasi, dan pengalaman pengguna yang lebih baik secara keseluruhan.
  4. Penghematan Biaya dan Efisiensi: Big data dapat membantu mengidentifikasi peluang penghematan biaya dan peningkatan efisiensi operasional. Dengan menganalisis data secara cermat, organisasi dapat mengoptimalkan rantai pasokan, mengurangi biaya inventaris, meningkatkan produktivitas, dan mengidentifikasi proses yang tidak efisien.

Kekurangan Big Data:

  1. Kebutuhan akan Infrastruktur dan Teknologi yang Canggih: Pengolahan dan analisis big data memerlukan infrastruktur dan teknologi yang canggih. Ini melibatkan investasi dalam perangkat keras, perangkat lunak, dan sumber daya manusia yang terlatih. Hal ini dapat menjadi tantangan dan memerlukan biaya yang signifikan.
  2. Masalah Privasi dan Keamanan: Penggunaan big data melibatkan pengumpulan dan penggunaan data pribadi dan sensitif. Hal ini dapat menimbulkan kekhawatiran privasi dan memerlukan kepatuhan terhadap peraturan perlindungan data. Selain itu, data yang besar juga rentan terhadap risiko keamanan seperti ancaman peretasan atau penyalahgunaan data.
  3. Tantangan dalam Pengolahan dan Analisis Data: Big data seringkali rumit dan kompleks dalam hal volume, kecepatan, dan variasi. Pengolahan dan analisis data yang efektif memerlukan kemampuan dan keterampilan khusus dalam bidang analisis data, statistik, dan ilmu data. Menghadapi tantangan ini dapat memerlukan sumber daya manusia yang terampil dan berpengalaman.
  4. Kesalahan Interpretasi dan Bias: Analisis big data dapat menghadapi risiko kesalahan interpretasi atau bias jika tidak dikelola dengan baik. Terkadang, kesimpulan yang diambil dari analisis data besar dapat dipengaruhi oleh asumsi yang salah atau kekurangan representasi data tertentu.

Berikut adalah beberapa buku dan artikel yang menjelaskan tentang big data:

  1. Buku: “Big Data: A Revolution That Will Transform How We Live, Work, and Think” oleh Viktor Mayer-Schönberger dan Kenneth Cukier (2013, Houghton Mifflin Harcourt) Buku ini membahas tentang bagaimana big data mengubah cara kita hidup, bekerja, dan berpikir. Penulis menjelaskan konsep big data, potensinya, serta dampaknya terhadap berbagai aspek kehidupan.
  2. Buku: “Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking” oleh Foster Provost dan Tom Fawcett (2013, O’Reilly Media) Buku ini membahas pentingnya data mining dan pemikiran analitik dalam bisnis. Penulis menjelaskan konsep-konsep dasar dalam data science, termasuk big data, dan bagaimana menerapkannya dalam pengambilan keputusan bisnis.
  3. Artikel: “The Fourth Paradigm: Data-Intensive Scientific Discovery” oleh Tony Hey, Stewart Tansley, dan Kristin Tolle (2009, Microsoft Research) Artikel ini membahas tentang pergeseran paradigma dalam penemuan ilmiah yang dipicu oleh big data. Penulis menjelaskan bagaimana penggunaan big data dan teknologi terkait dapat mengubah cara penelitian dan penemuan ilmiah dilakukan.
  4. Buku: “Big Data at Work: Dispelling the Myths, Uncovering the Opportunities” oleh Thomas H. Davenport (2014, Harvard Business Review Press) Buku ini membantu membongkar mitos seputar big data dan mengungkapkan peluang bisnis yang ada di baliknya. Penulis memberikan contoh kasus nyata dan strategi praktis untuk mengimplementasikan big data dalam berbagai sektor bisnis.
  5. Artikel: “Big Data Analytics: A Literature Review Paper” oleh Afsaneh Doryab, Mahdi Mohammadi, dan Azizah Abdul Rahman (2015, Journal of Big Data) Artikel ini adalah tinjauan literatur yang membahas tentang perkembangan dan tren dalam big data analytics. Para penulis menyajikan penelitian dan metode yang telah dilakukan dalam analisis big data serta tantangan dan peluang yang ada.
  6. Buku: “Big Data: A Very Short Introduction” oleh Dawn E. Holmes (2017, Oxford University Press) Buku ini memberikan pengantar singkat tentang big data. Penulis menjelaskan definisi big data, teknik analisis data besar, dan implikasinya dalam berbagai bidang seperti bisnis, ilmu pengetahuan, dan kehidupan sehari-hari.

Beberapa Tulisan dari Penulis :

Pratiwi, H., PRAYUDI, A., SINAGA, K., MAHYUDANIL, M., & ADITI, B. (2022). PENGARUH HARGA DAN KUALITAS PELAYANAN SUMBER DAYA MANUSIA TERHADAP KEPUASAN PELANGGAN PT. HERFINTA FARM AND PLANTATION. Journal Of Global Business And Management Review, 4(2), 72. doi: 10.37253/jgbmr.v4i2.7268

Pratiwi, H., Mendrofa, S., Zega, Y., Prayudi, A., & Sulaiman, F. (2022). Budaya Organisasi Dan Stress Kerja: Pengaruh Terhadap Kinerja Karyawan PT. Herfinta Farm And Plantation. Ekonomi, Keuangan, Investasi Dan Syariah (EKUITAS), 4(2), 505-511. doi: 10.47065/ekuitas.v4i2.2592

Amelia, W., Prayudi, A., Khairunnisak, K., Pratama, I., & Febrizaldy, F. (2022). Edukasi Warga Desa Sembahe Baru Dalam Rangka Peningkatan Penghasilan Melalui Ekonomi Kreatif Pengolahan Sampah Plastik. Pelita Masyarakat, 4(1), 92-100. doi: 10.31289/pelitamasyarakat.v4i1.7378

Sinaga, R., Sinaga, K., Prayudi, A., Pratiwi, H., & Sulaiman, F. (2022). Kepuasan Pelanggan sebagai Faktor Kualitas Pelayanan PT. Mada Graha Nagata dengan Multi Attribute Attitude Model. Ekonomi, Keuangan, Investasi Dan Syariah (EKUITAS), 4(1), 198-202. doi: 10.47065/ekuitas.v4i1.2086

Chairunnisa, S., & Prayudi, A. (2022). Pengaruh Fluktuasi Kurs Mata Uang terhadap Harga Saham Pt. Bank Central Asia, Tbk di Indonesia. Economics, Business And Management Science Journal, 2(2), 108-116. doi: 10.34007/ebmsj.v2i2.293

Prayudi, A. (2022). ANALISIS PENGARUH PENGGAJIAN, FASILITAS KERJA DAN GAYA KEPEMIMPINAN TERHADAP KINERJA KARYAWAN PD. PEMBANGUNAN KOTA BINJAI. JURNAL MANAJEMEN, 8(1), 17-30. Retrieved from http://www.ejournal.lmiimedan.net/index.php/jm/article/view/154

Gea, N., Effendi, I., & Prayudi, A. (2021). Pengaruh Manajemen Modal Kerja Terhadap Kinerja Keuangan Pada Perusahaan Sektor Transportasi Yang Terdaftar Di Bursa Efek Indonesia. Jurnal Ilmiah Manajemen Dan Bisnis (JIMBI), 2(2), 146-152. doi: 10.31289/jimbi.v2i1.456

Ritonga, S., Effendi, I., & Prayudi, A. (2021). Pengaruh Struktur Modal Terhadap Kinerja Keuangan Perusahaan Consumer Goods di BEI. Jurnal Ilmiah Manajemen Dan Bisnis (JIMBI), 2(2), 86-95. doi: 10.31289/jimbi.v2i1.383

Prayudi, A. (2021). KEPUASAN KERJA DAN MOTIVASI KERJA PENGARUHNYA TERHADAP PRODUKTIVITAS KERJA KARYAWAN PD. PEMBANGUNAN KOTA MEDAN. Jurnal Ilmu Manajemen METHONOMIX, 4(2), 75-84. Retrieved from https://ejurnal.methodist.ac.id/index.php/methonomix/article/view/1109

Latief, A., Ramadansyah, J., Wijoyo, H., Prayudi, A., & Putra, R. (2021). The Influence of Work Motivation and Organizational Culture to Employee Performance. Retrieved 27 August 2023, from https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3926924

Sinaga, I., Lubis, A., & Prayudi, A. (2020). PENGARUH INTERNET FINANCIAL REPORTING (IFR) DAN TINGKAT PENGUNGKAPAN INFORMASI WEBSITE TERHADAP FREKUENSI PERDAGANGAN SAHAM PADA PERUSAHAAN PERTAMBANGAN YANG TERDAFTAR DI BEI. Jurnal Ilmiah Manajemen Dan Bisnis (JIMBI), 1(2). doi: 10.31289/jimbi.v1i2.394

Br Lubis, H., Effendi, I., & Prayudi, A. (2020). PENGARUH TINGKAT MODAL KERJA TERHADAP HARGA SAHAM PADA PERUSAHAAN OTOMOTIF & KOMPONEN YANG TERDAFTAR DI BEI PERIODE 2014 – 2018. Jurnal Ilmiah Manajemen Dan Bisnis (JIMBI), 1(2). doi: 10.31289/jimbi.v1i2.396

Brahamana, N., & Prayudi, A. (2020). Analisis Profitabilitas Dalam Pemberian Kredit Pada Koperasi Kredit Unam Berastagi. Jurnal Ilmiah Manajemen Dan Bisnis (JIMBI), 1(1), 131-140. Retrieved from https://mail.jurnalmahasiswa.uma.ac.id/index.php/jimbi/article/view/376

Prayudi, A. (2020). PENGARUH GAYA KEPEMIMPINAN TRANSFORMASIONAL TERHADAP KINERJA KARYAWAN DENGAN MOTIVASI KERJA SEBAGAI VARIABEL INTERVENING (STUDI PADA KARYAWAN PD. PEMBANGUNAN KOTA BINJAI). JURNAL MANAJEMEN, 1(2), 63-72. Retrieved from http://www.ejournal.lmiimedan.net/index.php/jm/article/view/128

Prayudi, A., & Tanjung, M. (2018). ANALISIS KINERJA PERUSAHAAN DENGAN METODE BALANCED SCORECARD PADA PT. RIA BUSANA MEDAN. JURNAL MANAJEMEN, 4(2), 126-130. Retrieved from http://www.ejournal.lmiimedan.net/index.php/jm/article/view/33

Prayudi, A. (2017). PENGARUH KEPEMIMPINAN DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PT. RAJAWALI NUSINDO CABANG MEDAN. JURNAL MANAJEMEN, 3(2), 20-27. Retrieved from http://ejournal.lmiimedan.net/index.php/jm/article/view/10

Prayudi, A., & Ilhammi, N. (2015). ANALISIS RASIO UTANG ATAS MODAL DAN UKURAN PERUSAHAAN TERHADAP PENGEMBALIAN SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA. JURNAL AKUNTANSI DAN BISNIS : Jurnal Program Studi Akuntansi, 1(2). Retrieved from https://www.ojs.uma.ac.id/index.php/jurnalakundanbisnis/article/view/1723

 

Leave a Reply

Your email address will not be published. Required fields are marked *