Analisis Kompleksitas Algoritma Big Data Processing dalam Mendukung Transformasi Digital Berbasis Data
Keywords:
Big Data, Kompleksitas Algoritma, Notasi Big-O, Transformasi Digital, Strategi Berbasis Data.Abstract
Di era Revolusi Industri 4.0, volume data global yang tumbuh pesat menuntut organisasi untuk melakukan transformasi digital guna mempertahankan daya saing di tengah lingkungan VUCA (Volatility, Uncertainty, Complexity, Ambiguity). Penelitian ini bertujuan untuk menganalisis peran krusial analisis kompleksitas algoritma, khususnya penggunaan notasi matematika asimptotik seperti Big-O, dalam mengoptimalkan pemrosesan big data untuk mendukung pengambilan keputusan strategis yang berbasis data. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pendekatan kualitatif-deskriptif untuk mengumpulkan, menganalisis, dan menyintesis literatur ilmiah mengenai notasi matematika dalam analisis algoritma serta dampaknya pada performa sistem. Hasil analisis menunjukkan bahwa pemilihan algoritma yang efisien dengan kompleksitas rendah, seperti O(1) atau O(n), sangat menentukan skalabilitas dan efisiensi sumber daya dalam pengolahan data berskala besar. Penggunaan strategi berbasis data yang didukung algoritma optimal terbukti mampu meningkatkan efisiensi operasional organisasi hingga 22% dan hasil personalisasi pelanggan sebesar 33%. Kesimpulannya, pemahaman mendalam terhadap kompleksitas algoritma merupakan landasan utama dalam membangun infrastruktur teknologi yang adaptif. Transformasi digital yang sukses bergantung pada optimalisasi algoritma untuk memastikan pemrosesan data masif tetap efisien, sehingga mampu mengubah tantangan kompleksitas menjadi peluang strategis yang nyata bagi perusahaan.
Downloads
References
Ansori, A., Tarihoran, N., Mujib, A., Syarifudin, E., & Firdaos, R. (2024). Systematic mapping in the topic of Islamic education management and education management based on bibliometric analysis. AIP Conference Proceedings, 3098(1).
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2022). Introduction to algorithms (4th ed.). MIT Press
Dekkers, R., Carey, L., & Langhorne, P. (2022). Making literature reviews work: A multidisciplinary guide to systematic approaches. Springer
Hartono. (n.d.). Exploring algorithmic complexity and selection strategies: From analysis to implementation. Universitas Muhammadiyah Kotabumi
Itransition. (2026, April 14). Future of big data: Forecasts, statistics & trends for 2026. Itransition. https://www.itransition.com
Khan, A. (2025). Big data in tourism: Enhancing customer experience and operational efficiency. Journal of Big Data Privacy Management, 3(1), 60-67
Nengsih, W., Ratnawita, & Jusdienar, A. L. (2024). Peran data-driven strategy dalam memperkuat daya saing UMKM di era VUCA. Jurnal Ekonomi dan Bisnis, 1(1)
Rokhmah, S., Permana, D., Elmi, F., & Ansori, A. (2025). AI Implementation as Support for Successful Green Campus Implementation. Educational Process: International Journal, 19, e2025569.
Setiawan, D., & Septiarini, T. W. (2025). Systematic literature review: Notasi matematika dalam analisis kompleksitas algoritma. Prosiding Seminar Nasional Sains dan Teknologi Seri III, 2(1), 1292-1309. Universitas Terbuka
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333-339. https://doi.org/10.1016/j.jbusres.2019.07.039
Vaghasia, P., & Patel, D. (2023). The role of complex big data in shaping the future of enterprise decision-making. International Journal for Multidisciplinary Research (IJFMR), 5(2023)
