UNPAR.AC.ID, Bandung – Disiapkan di tengah masa pandemi Covid-19 medio 2020 silam, para dosen pada Program Studi (Prodi) Teknik Informatika Universitas Katolik Parahyangan (UNPAR) berbagi tenaga dan pikiran yang dituangkan dalam bentuk buku. Buku jadi wujud nyata kontribusi bagi Tanah Air tercinta di saat seluruh dunia tengah menderita karena pandemi, tak terkecuali Indonesia.
Berjudul “Pengantar Data Science dan Aplikasinya bagi Pemula”, buku tersebut berisi paparan yang mudah dipahami oleh pemula untuk mendapatkan pengetahuan awal tentang teknik-teknik Data Science, Big Data, dan aplikasi-aplikasinya.
Tim dosen penulis sendiri terdiri dari Dr. Ir. Veronica Moertini, MT; Mariskha Tri Adithia, SSi, MSc, PDEng; Natalia, S.Si, M.Si; Vania Natali, S.Kom, M.T.; Kristopher David Harjono, S.Kom, M.T.; Chandra Wijaya, S.T., M.T.; Raymond Chandra Putra, S.T., M.T.; Husnul Hakim, S.Kom., M.T.; Pascal Alfadian Nugroho, S.Kom, M.Comp; dan Gede Karya, S.T., M.T., CISA, IPM. Kemudian Muhammad Ravi, Hereza Ardhtiya, dan Alvinus Sutendy (Pada saat menyiapkan bab buku ini, ketiganya berstatus sebagai mahasiswa Teknik Informatika UNPAR)
Diterbitkan oleh Unpar Press pada Desember 2020, buku setebal 289 halaman itu terdiri dari dua bagian yang mengupas tuntas Data Science bagi Indonesia. Terdiri dari 9 bab pada bagian pertama dan 5 bab lainnya di bagian kedua, buku ini menyajikan bahasan sederhana dan mudah dilahap pembaca.
Bagian pertama yaitu Data Science dan Data Scientist; Menjelang Ujian: Ngebut Belajar atau Tidur; Pengenalan Sistem Rekomendasi pada e-Commerce; Pencarian Keterkaitan Bahan Masakan dengan Teknik Clustering; Analisis Data Penginderaan Jauh Satelit, Kasus: Prediksi Panen Padi; Penggalian Insights dari Data Covid-19 dengan Visualisasi, Studi Kasus: Data Korea Selatan; Prediksi Kualitas Tidur dari Data Wearable Device; Rekomendasi Film dengan Fuzzy Collaborative Filtering; dan Urun Daya Data Kepadatan Lalu Lintas.
Sementara bagian kedua yang terdiri dari 5 bab, yaitu Teknologi Big Data, Pengumpulan Data Twitter dengan Teknologi Big Data, Algoritma Pengelompokan k-Means Paralel untuk Memproses Big Data, Estimasi Dimensi Tubuh Manusia dengan Kipect, dan Segmentasi Citra Menggunakan Algoritma Particle Swarm Optimization.
Bagian pertama buku secara ringkasnya berisi pemaparan perihal Data Science dan keterkaitannya akan kebutuhan Data Scientist dengan era industri 4.0. Dosen penulis pun mengenalkan sistem rekomendasi beserta studi kasus bagi pembaca serta beberapa contoh kasus variatif dengan mengaplikasikan Data Science. Sementara bagian kedua berisi ihwal teknologi Big Data dan bahasan lainnya terkait itu.
Salah satu bab yang menarik atensi yaitu Pengenalan Sistem Rekomendasi pada e-Commerce yang dijabarkan Mariskha Tri Adithia, SSi, MSc, PDEng. “Sadar atau tidak, saat berbelanja online, toko online atau platform e-commerce biasanya merekomendasikan beberapa barang-barang yang sesuai dengan ketertarikan konsumen. Barang yang direkomendasikan biasanya terkait dengan barang yang sedang dicari konsumen saat itu atau yang pernah dibeli pada masa sebelumnya. Bagaimana platform e-commerce dapat memberikan rekomendasi barang ini dan lebih lagi, bagaimana platform e-commerce dapat memberikan rekomendasi yang tepat? Jawabannya adalah sistem rekomendasi,” tutur Mariskha dalam Bab 3 halaman 41 buku tersebut.
Masih dari halaman yang sama, dijelaskan lebih lanjut bahwa sistem rekomendasi adalah sistem yang memfilter informasi untuk memprediksi preferensi konsumen terhadap suatu barang Di bidang e-commerce, sistem rekomendasi ini digunakan untuk mempersonalisasi platform e-commerce untuk setiap konsumen. Rekomendasi ini misalnya dilakukan berdasarkan barang yang pernah dibeli sebelumnya, barang yang pernah dilihat, dan informasi demografis konsumen.
“Dia melihat data kita dan kasih rekomendasi, itu salah satu contoh Data Science. Misalnya, saya suka warna pink dan saya lagi hobi cari kaus, maka dia akan rekomendasikan berbagai kaus warna pink. Jadi melihat konten dari yang kita cari. Sistem rekomendasi tidak hanya dipakai di e-commerce,” tutur Mariskha, dalam wawancara via daring, Rabu (9/6/2021) lalu.
Lebih lanjut, sub-bab 3 yang memuat Data e-Commerce (hal 46) dijelaskan bahwa platform e-commerce merekam berbagai data terkait perilaku konsumen saat browsing di platform tersebut. Perilaku konsumen dapat dilihat misalnya dari durasi browsing, berapa lama suatu produk dilihat, produk yang dilihat, dan pada jam berapa saja seorang konsumen aktif.
Data transaksi pada platform e-commerce juga direkam. Data ini meliputi identitas konsumen, produk yang dibeli, kuantitas, sampai rating konsumen terhadap produk terhadap produk tersebut. Semua perekaman ini dilakukan untuk menentukan strategi bisnis di masa mendatang maupun penentuan strategi perbaikan layanan platform sendiri.
Studi kasus lain yang menarik perhatian dipaparkan dalam Bab 6 yang memuat Penggalian Insight dari Data Covid-19 dengan Visualisasi, Studi Kasus: Data Korea Selatan (hal 87). Ditulis oleh Veronica S. Moertini dan Kristopher D. Harjono, keduanya memaparkan salah satu pekerjaan penting seorang Data Scientist adalah membuat visualisasi dari data yang efektif dalam menjawab tujuan yang disasar.
Dosen penulis lain, Husnul Hakim dalam Bab 8 menjelaskan secara ringan bagaimana layanan pemutar fim daring memberikan rekomendasi film yang cocok untuk pengguna tertentu. Mengangkat topik bahasan Rekomendasi Film dengan Fuzzy Collaborative Filtering (hal 133), Husnul dalam buku tersebut menyebut bahwa rekomendasi yang diberikan kepada seseorang dapat didasari oleh kemiripan dengan para pengguna lainnya.
Sistem seperti ini dikenal dengan user-based collaborative filtering recommendation system atau sistem rekomendasi yang memanfaatkan algoritma user-based collaborative filtering.
Dalam sub-bab berikutnya, Husnul menjelaskan Hasil Penelitian Rekomendasi Film dengan Fuzzy Collaborative Filtering (hal 145). Pada sub-bab itu dibahas sebuah hasil penelitian (Koohi & Kiani, 2016) yang membuktikan bahwa kedua algoritma, yaitu Collaborative Filtering dan Fuzzy c-Means dapat digabungkan agar dapat menghasilkan model pemberi rekomendasi yang tepat. Fuzzy c-Means digunakan untuk mengelompokkan para pengguna (dalam konteks ini penonton film-film), sedangkan Collaborative Filtering berfungsi untuk menghitung dan memberikan rekomendasi film kepada pengguna (calon penonton film).
Demikian sedikit gambaran dari sekian banyaknya bab yang tersaji. Sebagaimana disebut dalam buku, tim dosen penulis memiliki kegelisahan akan kebutuhan sumber daya manusia (SDM) untuk mengejar ketertinggalan di bidang Data Science. Pada laporan Global Skills Index 2020 yang diterbitkan oleh Coursera (penyelenggara kursus daring global), untuk bidang Data Science Indonesia ditempatkan pada posisi lagging atau tertinggal. Dari 60 negara di benua Amerika, Eropa, Asia, Afrika, dan Australia yang ditelaah, Indonesia berada di posisi 56. Hal itulah yang melatarbelakangi para dosen mengisi tiap halaman buku. Mengejar ketertinggalan.
Belum memadainya informasi seputar Data Science pun jadi soal lain dibalik isi buku yang diharapkan dapat memberikan gambaran “indahnya” mengenal lebih dekat Data Science. Berpijak pada asa, kebutuhan ahli di bidang Data Science di Indonesia bisa terpenuhi.
Para dosen penulis juga tak memungkiri bahwa tidak mudah menarik atensi masyarakat terhadap Data Science. Namun begitu, dosen penulis optimistis, melalui dua bagian yang terdiri atas 14 bab itu dapat memberikan gambaran dan pemahaman bagi pembaca tentang Data Science.
“Disiapkan di tengah masa pandemi, namun kami berupaya untuk tetap optimis, bersemangat, dan produktif. Gotong royong sudah menjadi budaya bangsa Indonesia. Karena itu, melalui hasil karya WFH (Work From Home) ini, kami berharap dapat memberikan kontribusi bagi kemajuan Indonesia, tanah air tercinta,” demikian tertulis dalam sekapur sirih buku tersebut.
Menghilangkan penasaran akan Data Science UNPAR, sila membaca lebih lanjut Buku Pengantar Data Science dan Aplikasinya bagi Pemula yang bisa diakses secara gratis di http://tinyurl.com/bukuDSIFUNPAR. Berisi berbagai contoh kasus dan tentunya tak sulit dipahami. (Ira Veratika SN-Humkoler UNPAR)
