RESUME MATA KULIAH KOMPUTER DAN BIG DATA

PERTEMUAN KE-2 MENGENAI DATA SCIENCE (DS) DAN

ARTIFICIAL INTELLIGENCE (AI)
Disusun oleh :
Raysha Ramadhanti Putri Adam 230210200057
Ilmu Kelautan B
1. Definisi Data Science dan Artificial Intelligence
Dalam resume ini, akan dibahas mengenai DS (data science) dan AI
(artificial intelligence) serta kaitannya dengan big data. DS adalah bidang
interdisipliner yang menggunakan metode ilmiah, proses, algoritma dan sistem
untuk mengekstrak pengetahuan dan wawasan dari banyak data terstuktur dan
tidak terstruktur. DS berhubungan dengan penambangan data, machine learning,
dan big data. Selain itu, DS merupakan bidang multidisipliner sehingga dapat
diaplikasikan ke semua disiplin ilmu termasuk sosial politik, lingkungan,
kesehatan, dll. DS mencakup segalanya mengenai cleansing, preparation dan
final analysis of data. Selain itu, DS juga menggali dan mengekstrak knowledge
dan insight dari data.
Sedangkan, AI adalah cabang dari computer science yang menekankan
perkembangan kecerdasan mesin, berpikir dan bekerja seperti manusia. Teori dan
perkembangan sistem komputer dapat melakukan tugas yang biasanya
membutuhkan kecerdasan manusia, seperti visual perception, speech-recognation,
dll. AI juga disebut kemampuan program komputer atau mesin untuk berpikir dan
belajar. AI termasuk kedalamnya juga speech-to-text, image recognition, text
generation, machine vision, dll.
2. Hubungan antara Big Data, DS dan AI

1
 Penggunaan DS, big data, dan AI mendapatkan momentum yang baik
kerena hadirnya teknologi 4.0 (IoT, Blockchain, dll). Ketiganya sangat berkaitan
karena DS memerlukan data terstruktur dan tidak terstruktur untuk mendapatkan
knowledge dan insight. Sedangkan, AI memerlukan hasil komputasi dari DS untuk
dikomputasi lebih lanjut agar dapat meniru cara manusia berpikir dan belajar. AI
memerlukan knowledge dan insight untuk berpikir dan belajar. Cara berpikir AI
dapat ditingkatkan dengan mengajarinya dengan data masa lalu. Semakin banyak
data, semakin baik juga kinerja AI. Data yang jumlahnya besar disebut big data.
Big data dengan 5-V nya bersifat heterogen, berasal dari banyak sumber, berbagai
jenis, multi-temporal, dan multi-spatial.
Pergeseran paradigma dalam melihat data :

Big data memberi kita gambaran yang sangat jelas mengenai granular:
subcategories dan submarkets yang tidak dapat dinilai sampel. Dengan menaiknya
skala, nomor ketidakakuratan juga meningkat. Big data mengubah sifat alami
bisnis, pasar, dan masyarakat. Saat individu bergeser dari privasi ke probibilitas,
banyak kemungkinan yang dapat terjadi, seperti mendapatkan serangan jantung,
melakukan kejahatan, perubahan iklim, dll. Big data memperkuat hubungan DS
dan AI. Semakin banyak data yang dimiliki, semakin akurat prediksi, deskripsi,
dan preskripsinya.
DS, BD, dan AI memainkan peran tertentu untuk menyajikan solusi. Dapat
dikatakan bahwa big data adalah bahan bakar di era ekonomi digital dan DS & AI
merupakan engine dari automation system yang menggunakan big data tersebut.
Machine learning yang dapat dilakukan AI menggunakan DS dan big data untuk
belajar dan re-learn. Selain itu, hasil analisis data science dan big data menjadi

2
input bagi AI untuk dijadikan bahan untuk melatih sistem agar dapat belajar dan
membantu pekerjaan manusia.
3. Konsep, Teori, Teknik, dan Tools DS
Di era digital ini, hampir semua kegiatan manusia dapat didigitalisasikan
sehingga menjadi data. Secara inherence, data memiliki struktur (inherence
structure, atau hidden structure).

DS sendiri memiliki beberapa teori dasar, diantaranya adalah teori peluang

dan statistika, teori komputasi matriks, aljabar linear, kalkulus (limit, integral, dan
differential), fungsi, diskriminan analisis, serta data kategori dan distribusi.
Dengan tersedianya computing power yang besar, volume data yang besar dan
heterogen dapat terkumpul dengan cepat, serta bahasa pemrogaman yang canggih,
membuat DS semakin powerful. DS juga menggunakan beberapa diteknik,
diantaranya distribusi, analisis regresi, dan statistic non-parametik. Selain teori
dan teknik, DS juga memiliki beberapa tools yang mempermudah pengolahan
data, diantaranya adalah spark, PIG, dan HBASE.
4. Konsep, Teori, Teknik, dan Tools AI
Komputer bisa memiliki AI karena diajarkan oleh penciptanya. Pada
awalnya, semua kemungkinan yang akan terjadi ditanamkan AI-nya ke komputer
tersebut. Selanjutnya, AI dapat belajar sendiri setelah dilatih yang dinamakan
machine learning. Penerapannya sendiri ada dua, yaitu robotik dan automation
system. Robotic memiliki kegunaan untuk menggantikan pekerjaan manusia yang
sifatnya berulang-ulang atau berbahaya. Sedangkan, automation system dapat
berupa expert system, machine learning system, deep learning system, dll.

3
Kegunaannya diantaranya adalah untuk mengidentifikasi, mendiagnosa,
mengklasifikasi, dan memprediksi dari berbagai masalah yang dihadapi.
AI sendiri dibagi tiga, yaitu ANI, AGI, dan ASI. ANI berfokus pada satu
tugas saja. Contohnya adalah mesin penerjemah dan pembuat keputusan.
Sedangkan AGI dapat berpikir kurang lebih seperti manusia. Contohnya adalah
machine learning dan deep learning. Yang terakhir adalah ASI yang dapat
memiliki kemampuan melebihi manusia, dapat memiliki emosi dan hubungan.
Contohnya adalah human-to-machine and machine-to-human touch.
Sama seperti DS, AI juga memiliki beberapa teori dasar, diantaranya
adalah intelligent agents, problem-solving through search, dan knowledge
representation dan reasoning. Selain itu, AI juga memiliki beberapa teknik dasar,
diantaranya adalah heuristik, support vector machines, dan neural networks.
Namun, teknik AI yang berada di posisi empat teratas adalah machine learning,
NLP, machine vision, serta automation dan robotik. Tools AI yang dapat
digunakan diantaranya adalah ludwig (deep learning libraries), PyTorch (machine
learning libraries), open cv (AI untuk telepon seluler), Tensor Flow (AI
platforms), dan simple cv (NLP, audio, video, teks).
5. Aplikasi DS dan AI
Aplikasi DS maupun AI memiliki prinsip, prinsip aplikasi DS diantaranya
adalah bisnis berbasis data, pengambilan keputusan berdasarkan data, untuk
mengungkapkan inherent structure, untuk mendapatkan wawasan bisnis yang
baru. Aplikasi DS sendiri ada yang digunakan dibidang keuangan, permainan atau
gaming, energi, kesehatan, perjalanan, dan e-commerce. Dalam e-commerce DS
digunakan untuk mempengaruhi pelanggan dengan cara melakukan sentiment
analysis terhadap suatu produk komersial. Hal ini dilakukan dengan menggunakan
teknik k-mean untuk mengelompokkan pelanggan. Selain itu, DS juga digunakan
untuk mempengaruhi tren pasar dengan cara mengetahui perilaku pelanggan
terhadap berbagai produk komersial dengan menerapkan analisis regresi.
Setelah itu, dalam aplikasi di bidang kesehatan, DS digunakan untuk
memprediksi dampak dari obat terhadap suatu penyakit dengan cara menerapkan

4
uji hipotesis statistik. DS juga berguna dalam melakukan analisis genomik sebagai
bagian dari upaya preventive penyakit menggunakan neural networks.
Untuk aplikasi AI atau artificial intelligence, digunakan dibidang
kesehatan, keuangan, robotik, agrikultur, ekplorasi ruang angkasa, sosial media,
pengawasan, dll. Seperti yang kita ketahui, AI dapat melakukan machine learning
dengan cara memakai data dan aturan pada classical programming yang akan
menghasilkan jawaban. Jawaban yang didapat dari classical programming
tersebut akan diolah lagi bersama data saat terjadi machine learning yang akan
menghasilkan aturan. Tiga algoritma yang paling banyak digunakan untuk
machine learning oleh pemula adalah linear regression, logistic regression, linear
discriminant analysis.
6. Peluang Pengembangan IPTEK-bis Berbasis DS dan AI
Banyak peluang IPTEK-Bis bisa dikembangkan di Indonesia, mengingat
secara etnis Indonesia ini sangat beragam, secara geografis sangat luas, dengan
syarat data yang besar sudah harus dikumpulkan secara teratur. Dalam era digital
ini, dibutuhkan juga kemampuan atau bakat digital setiap orang agar iptek dapat
berkembang lebih jauh lagi. Dengan adanya bakat digital seperti berpikir kritis,
kreatifitas, dan dapat memecahkan masalah kompleks, kita dapat memiliki profesi
yang berada di ranah digital juga seperti system analyst dan programmer. Kita
juga dapat mengintegrasikan manajemen rantai pasokan menggunakan
blockchain, data science, dan AI.
Hal ini dengan membangun SCM (Supply Chain Management) dengan
memanfaatkan AI sebagai pengindentifikasi, pendeteksi, pengklasifikasi, dan
prediksi dari suppliers dampai pelanggan untuk berbagai produk pertanian,
Kesehatan, dll., sehingga terjamin supply dan demand secara optimal. Aplikasi
blockchain, DS dan AI dalam systems thinking ekonomi melingkar adalah system
thinking, inovasi, stewardship, kolaborasi, transparansi, dan pengoptimalan nilai
melingkari prinsip ekonomi melingkar. DS dan AI juga dapat membantu
masyarakat dalam UMKM. Design aplikasi UMKM dirancang sebuah conceptual
framework untuk mengidentifikasi dan mendefinisikan variabel dan
mendefinisikan variabel-variabel penting yang diangkat dalam penelitian ini dan

5
hubungan antar variabel satu sama lainnya. Variabel yang dibahas dalam
penelitian ini terdiri dari keberagaman UMKM, plug and play services, dan
service push.
Sebagai contoh, software yang dapat digunakan dalam kegiatan UMKM
adalah ERP dan CRM. Kita dapat membangun intelligent system on top dari ERP
untuk mendapatkan kinerja yang optimal kerjasama dan integrasi antar bagian
dalam suatu organisasi dengan menerapkan DS, big data, dan AI. Selain itu, kita
dapat membangun CRM mengenai perilaku setiap individu pelanggan dengan
menggunakan face recognition yang diinteragasi dengan perilaku belanja
seseorang, sehingga bisa dilakukan pendekatan personalisasi.
Semua yang kita lakukan sehari-hari menghasilkan data dari mulai hewan
pemeliharaan, olahraga, sampai pendidikan. Data tersebut akan masuk ke
organisasi data dan terbagi menjadi dua struktur, jenis, sifat, dan dll. Dan data
akan dikomputasi menjadi patterns dan insight (AI). Automation system yang
merupakan penerapan AI memiliki metodologi end-to-end cycle of pattern &
meaningful insights yang berawal dari menangkap perilaku manusia dan
mesin/interaksi, dan hal itu menjadi data. Setelah itu, perilaku pengguna
menampilkan pemilihan dan kerangka kerja formulasi, platform design, portofolio
aplikasi, manajerial organisasi, dan terakhir visualisasi data berbentuk grafik,
table, dll.