Seiring berkembangnya teknologi dunia digital, berbagai macam keilmuan baru mulai lahir dan membawa kebaruan dalam cabang-cabang ilmu. Salah satunya adalah Data Science atau dalam bahasa Indonesia disebut dengan Ilmu Data. Tidak hanya memunculkan keilmuan baru, berkembangnya dunia digital juga memunculkan pekerjaan-pekerjaan baru. Dalam Data Science, pekerjaan baru yang saat ini sedang berkembang adalah Data Scientist.
Lantas apa itu Data Science? Bagaimana keilmuan baru ini mempengaruhi kehidupan manusia? Berikut akan kami coba jelaskan terkait pengertian, cara kerja, dan contoh implementasi data science dalam dunia digital. Selain itu, dalam artikel dibawah ini juga akan dijelaskan secara singkat tentang apa itu Data Scientist.
Apa itu Data Science?
Dalam rangka memahami hal ini, mari kita pahami terlebih dahulu apa itu Data Science. Data Science adalah ilmu interdisipliner yang mengkombinasi statistik, metode ilmiah, Artificial Intelligence (AI), dan analisis data untuk tujuan mengekstrak atau merumuskan nilai dari sebuah data.
Data science mencakup proses penyiapan data untuk dianalisis, termasuk penggabungan dan manipulasi data untuk melakukan analisis data tingkat lanjut. Dengan Data Science, kita bisa mengaplikasikan hasil dari riset data untuk melakukan peninjauan dan mengungkap pola konsumen yang memungkinkan para pebisnis dalam dunia digital untuk memperluas wawasan target pasar produk mereka.
“Commonly referred to as the “oil of the 21st century,” our digital data carries the most importance in the field. It has incalculable benefits in business, research and our everyday lives. Your route to work, your most recent Google search for the nearest coffee shop, your Instagram post about what you ate, and even the health data from your fitness tracker are all important to different data scientists in different ways.”
Apa Perbedaan Data Science, AI dan Machine Learning?
Setelah memahami apa itu Data Science, telah disebutkan bahwa hal ini merupakan kombinasi interdisipliner dalam dunia digital, termasuk AI. Lantas apa saja perbedaan dari hal-hal ini? Berikut penjelasan sederhananya:
- AI adalah kemampuan teknologi untuk memiliki kecerdasaan setara dengan akal manusia
- Data Science adalah turunan atau bagian dari AI, yang memiliki ruang lingkup pada statistik dan metode ilmiah dalam analisa data internet.
- Machine Learning adalah turunan atau bagian lain dari himpunan AI. Machine Learnings memiliki ruang lingkup untuk mempelajari berbagai informasi teknis yang didapat dari Data dan menjembatani pengaplikasian AI. Di dalam Machine Learning, terdapat lagi bagian kecilnya, yakni kemampuan Deep Learning.
- Deep Learning adalah kemampuan komputer untuk memecahkan masalah yang lebih kompleks.
Cara Kerja Data Science
Secara umum, Data Science memiliki 5 siklus tahap pengerjaan yang terdiri dari:
1. Capturing
Proses Capturing adalah dimana, seorang data scientist memulai untuk mengumpulkan data-data RAW yang ada di internet. Terdapat 3 cara utama dalam melakukan proses capturing, yaitu: Data Acquisition, Data Entry, Signal Reception, Data Extraction
2. Maintaining
Dalam proses ini, setelah data dikumpulkan maka proses selanjutnya adalah memulai untuk memilah-milah data yang diperlukan, menyesuaikan dengan data yang dibutuhkan, serta membangun kerangka pengelompokan data. Pada proses maintaining terdapat beberapa tahapan yang perlu dilakukan seperti Data Warehousing, Data Cleansing, Data Staging, Data Processing, & Data Architecture.
3. Processing
Setelah data dicapture dan dimaintain, maka langkah selanjutnya adalah melakukan pemrosesan data, yakni dengan cara mengelompokkan data kedalam cluster-cluster tertentu sesuai kebutuhan. Hal penting dalam langkah ini adalah melakukan perhitungan sistematis berdasarkan statistika yang dibuat dan menyesuaikan dengan kebutuhan atau tujuan dari pencarian data tersebut. Data Mining, Clustering/Classification, Data Modeling, Data Summarization.
4. Communicating
Setelah data tersebut di proses, langkah selanjutnya adalah mengkomunikasikan hasil kesimpulan dari data processing. Yakni dengan cara membuat report (data reporting) atau membuat visualisasi/gambaran (data visualization) terkait hasil pemrosesan data yang telah dibuat. Setelah data tersebut dipresentasikan, maka langkah selanjutnya adalah mengambil keputusan (decision making) terkait hal apa yang akan dilakukan dengan kesimpulan data yang sudah dihasilkan.
5. Analyzing
Setelah mengambil tindakan sesuai dengan hasil pemrosesan dan kesimpulan data yang didapat, maka proses selanjutnya adalah melakukan analisa terkait seberapa berhasil tindakan tersebut diimplementasikan dalam hasil data yang sudah di dapat. Selain melakukan analisa, hal yang biasa dilakukan sebelumnya adalah membuat prediksi analisa terkait ekspektasi dari tindakan yang telah dilakukan dengan hasil data tersebut seperti Exploratory/Confirmatory, Predictive Analysis, Regression, Text Mining, Qualitative Analysis.
Inovasi Penggunaan Data Science
Adanya Data Science memungkinkan kita untuk melakukan inovasi dalam bidang teknologi dengan lebih luas dan bahkan tidak pernah kita pikirkan sebelumnya untuk bisa kita lakukan. Contohnya adalah:
- Anomaly Detection (Identifikasi pencegahan terhadap fraud, virus, kejahatan, dll)
- Automation and decision-making (kemudi otomatis, robot)
- Classification (Dalam email sebagai pengklasifikasi otomatis sebuah pesan)
- Forecasting (pembuat laporan penjualan, pendapatan, dan retensi pelanggan)
- Pattern detection (penganalisa pola cuaca, pola pasar finansial)
- Recognition (mampu mendeteksi wajah, suara, kode sandi, text, dll)
- Recommendations (dengan menggunakan data yang berbasis learned preferences, dengan data science pengguna internet bisa diarahkan sesuai dengan minat mereka)
Lebih lanjut dalam dunia keilmuan yang lain, Data Science juga dapat membantu efektivitas kerja dalam beberapa bidang lain, seperti contohnya:
1. Healthcare
Dalam dunia kesehatan, Data Science telah menghasilkan banyak terobosan. Jaringan data yang luas bisa menyediakan berbagai macam ragam data mulai dari EMR (Electronic Medical Record) sampai pada data-data klinis.
Saat ini, inovasi penggunaan Data Science dalam dunia medis telah mencapai pemenuhan kebutuhan profesional medis, diantaranya seperti menemukan cara baru untuk memahami penyakit, mempraktikkan pengobatan, mendiagnosis penyakit lebih cepat, dan mengeksplorasi cara perawatan baru.
2. Teknologi Otomotif
Perusahaan-perusahaan besar yang bergerak dalam bidang otomotif, seperti Tesla, Ford, dan Volkswagen saat ini tengah dalam proses eksperimen dalam mengembangkan gelombang baru mobil canggih. Gelombang baru ini merupakan inovasi dalam menciptakan mobil dengan teknologi kemudi otomatis.
Mobil dengan teknologi ini, dilengkapi oleh kamera kecil dan sistem sensor pada setiap sisinya yang bekerja sesuai real-time. Dengan menggunakan Machine Learning, Predictive Analytic, dan Data Science, mobil dengan teknologi kemudi otomatis akan mungkin untuk mempunyai kemampuan mengatur kecepatan, menghindari kecelakaan, dan bahkan memilih jalur tercepat untuk sampai pada tujuan penumpang.
3. Entertainment
Apakah anda pernah memiliki rasa penasaran bagaimana Spotify dapat memberikan rekomendasi musik sesuai mood anda atau melaporkan report history musik yang anda dengar dalam satu tahun? Tidak hanya Spotify, bagaimana menurut anda kira-kira Netflix bisa merekomendasikan film-film yang mungkin anda sukai?
“Spotify uses that data for promotional purposes and its popular yearend data extravaganza “Wrapped,” through which users can learn how many minutes they listened on the platform and how much they loved Post Malone that year — even if they can’t admit it to themselves.”
Dengan Data Science, para platform streaming bisa memanfaatkan segala history penggunanya, menyesuaikan dengan data pengguna, lalu mengkurasi apa saja kemungkinan rekomendasi film atau musik yang disukai oleh pengguna.
“When it comes to providing user recommendations, Netflix analyzes a variety of data points, including devices used, viewing duration, previous ratings, viewing history, habits of viewers with similar viewing histories and information about available titles.”
4. Finance & Bisnis
Dalam dunia keuangan, Data Science terbukti bisa mentransformasi bentuk uang yang semula uang kertas menjadi uang digital. Dalam dunia bisnis, keilmuan baru ini pun juga berdampak besar dalam menyempurnakan produk serta pelayanan.
“Machine learning and data science have saved the financial industry millions of dollars, and unquantifiable amounts of time. For example, JP Morgan’s Contract Intelligence (COiN) platform uses Natural Language Processing (NLP) to process and extract vital data from about 12,000 commercial credit agreements a year. Thanks to data science, what would take around 360,000 manual labor hours to complete is now finished in a few hours.”
5. Cybersecurity
Data Science memungkinkan kita kedepan untuk mendeteksi dan mempelajari berbagai macam ragam metode cybercrime.
“International cybersecurity firm Kaspersky is using data science and machine learning to detect over 360,000 new samples of malware on a daily basis.”
Apa itu Data Scienctist?
Sejak 2008, profesi Data Scientist mulai dikenal. Hal ini seiring dengan banyaknya Universitas Internasional yang mulai membuka pendidikan sarjana untuk Data Science. Data Scientist adalah sebuah pekerjaan yang memiliki utama dalam mengembangkan strategi analisa data, menyiapkan data untuk dianalisa, menjelajahi, sampai memvisualisasikan data.
Data science involves a plethora of disciplines and expertise areas to produce a holistic, thorough and refined look into raw data. Data scientists must be skilled in everything from data engineering, math, statistics, advanced computing and visualizations to be able to effectively sift through muddled masses of information and communicate only the most vital bits that will help drive innovation and efficiency.
Dalam kinerjanya, seorang Data Scientist tidak mungkin bekerja sendiri. Untuk mencapai tingkat efektivitas, Data Scientist harus bekerja dengan tim. Khususnya dengan mencakup, Business Analyst yang bertugas menentukan masalah, Data Engineer yang menyiapkan sumber data, IT Architect yang bertugas dalam mengejawantahkan proses dan infrastruktur analisa data, serta App developer yang bertugas membuat laporan visualisasi data dalam bentuk aplikasi atau produk.
Berapa Gaji Data Scientist?
Untuk menjawab hal ini, di Amerika pekerjaan Data Scientist termasuk dalam 100 pekerjaan dengan bayaran tertinggi. Dalam rata-rata nasional Amerika, Data Scientist tiap tahunnya dibayar dengan gaji kurang lebih $121,673 per tahun. Jika nominal ini dikonversi dalam bulanan, maka dapat disimpulkan bahwa gaji Data Scientist di Amerika bisa diperkirakan sekitara, $10,000 per bulan.
Lalu, bagaimana dengan gaji Data Scientist di Indonesia? Menurut sebuah laporan yang dibuat oleh Glints. Gaji Data Scientist di Indonesia memiliki rentang rata-rata Rp.8,000,000 per bulan. Dengan minimal angka Rp.5,000,000 sampai maksimal Rp.15,000,000 tergantung dengan tingkat profesionalitas seorang Data Scientist tersebut.
Kesimpulan
Data Science merupakan bidang ilmu baru dalam dunia teknologi yang memang tidak mudah untuk dipelajari. Namun, transformasi digital yang cepat mengharuskan kita untuk terus belajar dan melakukan eksplorasi terkait perkembangan teknologi digital yang ada.
