LAPORAN KERJA PRAKTIK

DI PT INTELEGENSI
ARTIFISIAL INDONESIA

Orlin Monica Kencana

NPM: 6161801045

PROGRAM STUDI MATEMATIKA

FAKULTAS TEKNOLOGI INFORMASI DAN SAINS
UNIVERSITAS KATOLIK PARAHYANGAN
2022
 Lembar Pengesahan

LAPORAN KERJA PRAKTIK

DI PT INTELEGENSI ARTIFISIAL INDONESIA

Orlin Monica Kencana

NPM: 6161801045

Jakarta, 20 Januari 2022

Menyetujui,

Pembimbing Kerja Praktik 1, Pembimbing Kerja Praktik 2,

David Joko Pawitro

Koordinator Kerja Praktik,

Dr.Ferry Jaya Permana

iii
 Rangkuman Eksekutif

Kerja praktik bertempat di PT Intelegensi Artifisial Indonesia, dengan kantor utama be-
rada di Jakarta. PT Intelegensi Artifisial Indonesia atau yang biasa disingkat IA Indone-
sia adalah perusahaan yang memberikan jasa kepada perusahaan di Indonesia dalam hal
menggunakan bantuan kecerdasan buatan (AI). Pekerjaan penulis selama kerja praktik
adalah sebagai data engineer. Pada umumnya, data engineer bertugas untuk mempersi-
apkan data agar siap dipakai dan dilanjutkan untuk analisa.

Kegiatan kerja praktik dimulai tepatnya pada tanggal 3 September 2021. Unit penem-
patan yang ditempati yaitu di bawah bimbingan Joko Pawitro selaku CTO IA Indonesia
dan dibimbing juga oleh David selaku CEO IA Indonesia. Para pembimbing kerja prak-
tik banyak memberi pelajaran baik dari segi pemahaman bisnis, pemahaman dan analisa
data, pembuatan visualisasi yang sesuai dan sederhana, dan hal-hal lainnya. Masa peri-
ode kerja praktik berlangsung selama enam bulan.

Selama kegiatan kerja praktik, penulis banyak melakukan analisis data dan penelitian ten-
tang deep learning untuk kasus-kasus bisnis klien IA Indonesia. Walaupun kegiatan kerja
praktik dilakukan secara online, penulis dan rekan kerja lainnya tetap dapat berhubun-
gan melalui Slack (sebuah aplikasi untuk berkomunikasi di lingkungan kerja) dan melalui
pertemuan-pertemuan secara online (Zoom, Google Meet).

v
 Kata Pengantar

Segala puji dan syukur, saya panjatkan kepada Tuhan Yesus, atas berkat dan tuntunan-
Nya sehingga penulis dapat menyelesaikan kegiatan kerja praktik dan laporan kerja prak-
tik di PT Intelegensi Artifisial Indonesia. Adapun tujuan penulisan laporan ini adalah
untuk memenuhi salah satu tugas mata kuliah Kerja Praktik. Selama kegiatan kerja
praktik, penulis mendapat dukungan dari berbagai pihak, oleh karena itu penulis ingin
menyampaikan ucapan terima kasih kepada:

1. Kedua orang tua dan adik penulis yang selalu mendukung, mendoakan, dan memberi
nasihat kepada penulis.

2. Bapak Dr. Ferry Jaya Permana selaku koordinator kegiatan kerja praktik yang telah
membimbing penulis selama kegiatan.

3. Seluruh rekan kerja di PT Intelegensi Artifisial Indonesia yang telah banyak mem-
bantu penulis selama kegiatan kerja praktik.

4. Teman-teman dan saudara-saudara lain yang selalu mendukung penulis yang tidak
dapat disebutkan satu persatu oleh penulis.

Saya menyadari bahwa laporan ini masih jauh dari kata sempurna baik dari segi
penyusunan, bahasa, maupun penulisannya. Oleh karena itu, kritik dan saran yang mem-
bangun akan saya nantikan demi kesempurnaan laporan ini.

Jakarta, 20 Januari 2022

Penulis

vii
 Daftar Isi

Lembar Pengesahan iii

Rangkuman Eksekutif v

Kata Pengantar vii

Daftar Gambar xi

Daftar Tabel xiii

1 Pendahuluan 1
1.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Rencana Kegiatan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Sistematika Penulisan Laporan . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Profil Perusahaan dan Deskripsi Pekerjaan 3

2.1 Deskripsi Perusahaan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Deskripsi Unit Penempatan . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Deskripsi Pekerjaan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Kegiatan Kerja Praktik 7

3.1 Persiapan Kegiatan Kerja Praktik . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Rapat Internal & Eksternal . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Analisa Meter Listrik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.4 Membuat Visualisasi Buzzer . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.5 Penelitian untuk Kasus Bisnis IA Indonesia . . . . . . . . . . . . . . . . . 10

4 Kesimpulan dan Saran 13

Ucapan Terima Kasih 15

Daftar Pustaka 17

Lampiran 19

ix
 Daftar Gambar

2.1 Diagram Organisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3.1 Visualisasi Buzzer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.2 Estimasi Volume Truk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Gambaran Dashboard untuk Inspeksi Katup . . . . . . . . . . . . . . . . . 11
3.4 Gambaran Dashboard untuk Pemetaan Inspeksi Katup . . . . . . . . . . . 11
3.5 Gambaran Dashboard untuk Pembelajaran Analitik . . . . . . . . . . . . . 12

xi
 Daftar Tabel

3.1 Status Meter Listrik Offline dan Durasinya . . . . . . . . . . . . . . . . . . 8

3.2 Status Meter Listrik berdasarkan buzzer . . . . . . . . . . . . . . . . . . . 8
3.3 KWh Meter Konsumen yang Bernilai Negatif . . . . . . . . . . . . . . . . 9

xiii
 BAB 1

Pendahuluan

1.1 Latar Belakang

Motivasi awal penulis melakukan kerja praktik adalah untuk mendapatkan pengalaman
di dunia kerja yang tidak bisa diperoleh di perkuliahan. Selain mendapat pengalaman,
penulis juga mengetahui bagaimana kondisi kerja yang sesungguhnya, bagaimana berin-
teraksi dengan klien, memenuhi permintaan klien, dan sebagainya. Penulis juga berkeing-
inan untuk menerapkan ilmu-ilmu yang sudah dipelajari dalam masalah-masalah di dunia
kerja. Dengan pembelajaran daring akibat pandemi Covid-19, penulis merasa banyaknya
waktu luang yang dapat dipakai untuk suatu kegiatan yang produktif dan bermanfaat,
salah satunya dengan mengambil kerja praktik ini. Penulis melakukan kegiatan kerja
praktik di PT Intelegensi Artifisial Indonesia.
PT Intelegensi Artifisial Indonesia adalah suatu perusahaan yang bergerak di bidang
IoT (Internet of Things). IoT adalah teknologi yang memungkinkan sebuah objek memi-
liki kemampuan untuk mengirim data melalui jaringan, tanpa bantuan dari perangkat
komputer dan manusia. Ketertarikan penulis pada perusahaan adalah bagaimana penulis
dapat belajar memahami solusi suatu masalah dan menyelesaikannya dengan bantuan
teknologi. Teknologi membantu kehidupan manusia sehari-hari dengan meringankan atau
memudahkan pekerjaan manusia. Akhir-akhir ini, banyak perusahaan membutuhkan
orang-orang yang bekerja sebagai data analyst, data scientist, dan juga data engineer,
masing-masing mempunyai tugas dan keahlian yang berbeda. Penulis pun merasa cocok
dan sangat tertarik untuk mengambil bidang data ini, karena lingkup kerja yang luas dan
manfaat yang diberikan untuk masyarakat. Dari analisis data, banyak sekali informasi
ataupun jawaban-jawaban yang dapat membantu permasalahan yang ada di masyarakat.
Beberapa saat ketika penulis sedang mencari lowongan magang, penulis mendapat
informasi tentang lowongan magang sebagai data engineer yang disebarluaskan di grup
Matematika Universitas Katolik Parahyangan oleh salah satu dosen. Penulis pun mendaf-
tarkan diri karena merasa sesuai dengan bidang pekerjaan yang ditawarkan. Tak lama
setelah beberapa tes dan wawancara yang ditempuh, penulis berhasil masuk sebagai salah
satu karyawan magang di PT Intelegensi Artifisial Indonesia dengan masa kegiatan selama
6 bulan.

1
1.2 Tujuan
Tujuan dari kegiatan kerja praktik adalah:

1. Mempelajari cara berpikir sebagai data analyst.

2. Memperoleh pengetahuan tentang pemecahan masalah, metode-metode yang biasa

dipakai untuk menganalisis data, dan bahkan pengetahuan dari segi bisnis.

3. Mendapat relasi kerja dengan para direktur dan klien di PT Intelegensi Artifisial
Indonesia.

1.3 Rencana Kegiatan

Rencana kegiatan dari kerja praktek ini adalah:

1. Mempelajari pemograman atau package yang dipakai di PT Intelegensi Artifisial

Indonesia.

2. Mendukung tim PT Intelegensi Artifisial Indonesia dalam menganalisis perilaku

konsumen.

3. Menangani masalah yang berkaitan dengan data dalam berbagai proyek IA Indone-
sia.

4. Mengolah dan menganalisa data menggunakan SQL dan Phyton.

5. Merancang dashboard untuk klien IA Indonesia.

6. Mengomunikasikan informasi yang didapat dari data kepada tim untuk dijadikan
acuan dalam proses analisis.

1.4 Sistematika Penulisan Laporan

Sistematika penulisan laporan ini terdiri dari 4 bab, yaitu:
BAB 1: Pendahuluan
Bab 1 membahas tentang latar belakang, tujuan, rencana kegiatan, dan sistematika
penulisan laporan.
BAB 2: Profil Perusahaan dan Deskripsi Pekerjaan
Bab 2 membahas tentang deskripsi perusahaanm deskripsi unit penempatan, dan deskripsi
pekerjaan.
BAB 3: Kegiatan Kerja Praktik
Bab 3 membahas tentang kegiatan kerja praktik yang dilakukan.
BAB 4: Kesimpulan dan Saran
Bab 4 membahas tentang kesimpulan dan saran dalam penulisan laporan ini.

2
 BAB 2

Profil Perusahaan dan Deskripsi Pekerjaan

2.1 Deskripsi Perusahaan

PT Intelegensi Artifisial Indonesia atau yang sering disingkat dengan IA Indonesia, se-
cara resmi dibentuk pada tanggal 2 Februari 2021. IA Indonesia bertempat di Sampoerna
Strategic Square, South Tower Level 30, Jalan Jenderal Sudirman Kav. 45-46, Jakarta. IA
Indonesia dipimpin oleh David selaku CEO, Joko Pawitro selaku CTO, Neilshan Loedy
sebagai direktur pengembangan, dan Lim Celvin sebagai direktur komersial. Masing-
masing divisi mempunyai tugas yang berbeda, divisi yang dibawahi direktur komersial
bertugas untuk menangani desain yang dibutuhkan, seperti mendesain template PPT,
website, pembuatan logo untuk IA Indonesia. Divisi yang dibawahi CTO bertugas untuk
menangani semua masalah terkait teknologi, bagaimana memenuhi permintaan klien de-
ngan menggunakan kecerdasan buatan, dan sebagainya. Berikut diagram organisasi inti
dalam IA Indonesia.

Gambar 2.1: Diagram Organisasi

IA Indonesia bergerak di industri Internet of Things (IoT) yang berhubungan dengan

3
intelegensi artifisial atau kecerdasan buatan (AI). Kecerdasan buatan (AI) memungkinkan
suatu mesin untuk dapat belajar, menyesuaikan input-input baru, dan melaksanakan tu-
gas seperti manusia. Sebagai contoh, komputer dapat melakukan analisa penalaran untuk
membantu pengambilan keputusan. Terdapat sub industri IA Indonesia yang menangani
rantai pasokan atau logistik dan pengelolaan aset. IA Indonesia memberi jasa kepada
perusahaan di Indonesia, sebagai contoh jasa yang diberikan yaitu:

• Membuat data mart,

• Menyiapkan data yang dibutuhkan,

• Membuat dashboard,

• Memodelkan data sesuai kebutuhan,

• Melakukan optimasi dengan bantuan teknologi.

IA Indonesia menjaga hubungan dengan klien melalui rapat baik virtual maupun tatap
muka, memberi update tentang kemajuan yang telah dibuat, dan sebagainya. Saluran
yang digunakan IA Indonesia untuk menyampaikan jasanya bisa secara online maupun
offline, contohnya dari website, media sosial (instagram, linkedin, dan sebagainya), semi-
nar, maupun dari mulut ke mulut. Sumber daya yang dimiliki IA Indonesia yaitu data
scientist, data engineer, IT Engineer, dan Marketing.

2.2 Deskripsi Unit Penempatan

Penulis ditempatkan bekerja bersama direktur teknologi (CTO) sebagai data engineer dan
bekerjasama dengan karyawan magang lainnya. Tepatnya terdapat tiga orang dalam tim
yang bekerja bersama direktur teknologi (CTO). Unit penempatan penulis banyak bekerja
di bidang data, bagaimana memanipulasi data, memproses data, membersihkan data,
dan sebagainya. Unit penempatan penulis ditugaskan untuk analisa kebutuhan klien,
bagaimana menggunakan bantuan teknologi atau kecerdasan buatan untuk memudahkan
pekerjaan manusia. Selain itu, terdapat beberapa kasus bisnis yang didiskusikan untuk
memperoleh solusi yang paling tepat dan sesuai kebutuhan klien.

2.3 Deskripsi Pekerjaan

Pekerjaan yang dilakukan penulis adalah sebagai data engineer. Pekerjaan utama seorang
data engineer adalah menyiapkan data dari data mentah untuk kegunaan analitis ataupun
operasional. Beberapa pekerjaan lain sebagai data engineer adalah:

1. Mengekstrak, membersihkan, dan mengintegrasi data.

2. Sebagai jembatan antara model data science dengan sistem produksi.

3. Menerapkan pembelajaran mesin dan algoritma komputasi dalam skala besar.

4. Menyiapkan sistem data yang tepat untuk setiap masalah.

5. Menunjukkan pemahaman mendalam tentang sebuah database untuk konsistensi,

skalabilitas, dan keamanan.

4
 6. Melindungi privasi klien.

Data engineer sering juga bekerjasama dengan data analyst dan data scientist. Akhir-
akhir ini, ketiga pekerjaan tersebut sangat banyak diminati dan dibutuhkan, karena masih
kurangnya tenaga kerja di Indonesia. Ketiga pekerjaan tersebut dapat menjadi peluang
besar bagi para pelajar di Indonesia untuk mencari pekerjaan.

5
 BAB 3

Kegiatan Kerja Praktik

3.1 Persiapan Kegiatan Kerja Praktik

Pemakaian platform komputasi dan library pada tiap perusahaan bisa berbeda-beda,
maka sebelum memulai kerja praktik, penulis dipandu untuk mempersiapkan aplikasi
maupun library yang dibutuhkan selama kerja praktik. Aplikasi untuk komputasi pe-
mograman yang utama digunakan adalah Visual Studio Code, dengan bahasa pemogra-
man yang dipakai adalah Python. Digunakan juga bahasa kueri yaitu bahasa SQL, se-
buah alat untuk mengatur, mengelola, dan mengambil data yang disimpan pada database.
Salah satu library utama yang digunakan untuk visualisasi adalah menggunakan Plotly.
Library ini awalnya masih terasa asing bagi penulis yang hanya menggunakan Matplotlib
untuk membuat visualisasi sederhana. Penggunaan Plotly menjadi suatu tantangan dan
pelajaran baru bagi penulis, karena berkesempatan untuk membuat visualisasi yang lebih
rumit namun lebih informatif.

3.2 Rapat Internal & Eksternal

Rapat internal dilakukan tiga kali seminggu secara rutin. Rapat internal banyak mem-
bahas update atau progress yang sudah dikerjakan, dan juga membahas masalah atau
kendala yang dihadapi selama progress. Dalam rapat internal, seringkali mendiskusikan
tentang kasus-kasus bisnis dan metode-metode yang dapat digunakan menggunakan ke-
cerdasan buatan atau pembelajaran mesin. Rapat eksternal adalah rapat yang dilakukan
antara IA Indonesia dengan klien. Rapat eksternal dilakukan jika terdapat kebutuhan
klien atau hal yang ingin didiskusikan dengan klien. Penulis berkesempatan mempela-
jari bagaimana hubungan interaksi kedua belah pihak dengan mengikuti rapat eksternal
dengan beberapa klien IA Indonesia. Klien IA Indonesia seperti dari perusahaan listrik,
minyak, material, dan bahkan dari bidang pendidikan (kampus). Rapat internal maupun
eksternal dilakukan secara online dengan menggunakan Zoom atau Google Meet.

7
3.3 Analisa Meter Listrik
Diawal memulai kegiatan kerja praktik, penulis ditugaskan untuk menganalisis meter
listrik atau KWh meter. Data meter listrik diperoleh dengan cara membuat koneksi
ke database klien, dipandu oleh pembimbing kerja praktik. Penulis membuat koneksi
baik dari development environment maupun production environment. Perbedaan kedua-
nya, jika development environment artinya masih dalam perbaikan (masih terdapat error,
dsb.), sedangkan production environment artinya sudah tidak ada lagi error dan sudah
melalui proses pemeriksaan yang lebih intensif. Setelah penulis berhasil membuat koneksi
ke database, maka penulis dapat mempelajari data yang kemudian akan dianalisa, sebagai
berikut:

1. Analisa meter offline movement secara harian dan bulanan.

Meter listrik dikatakan offline jika dalam satu hari, terdapat kurang dari delapan
kali update. Update tiap meter listrik terjadi tiap tiga jam sekali. Artinya, jika
kurang satu update, maka meter listrik tersebut offline selama 3 jam, dan seterus-
nya. Penulis menganalisa tentang jumlah meter listrik yang berstatus offline, serta
durasinya secara harian maupun bulanan. Dari analisa, dapat dilihat presentase
meter listrik yang offline, baik secara harian maupun bulanan, sehingga dapat ditin-
daklanjuti. Salah satu contoh hasil analisa yang diperoleh:

Tabel 3.1: Status Meter Listrik Offline dan Durasinya

Tahun Bulan Hari meter id total update Status Durasi
2021 1 1 512 20 ON ON
2021 1 1 513 3 OFF OFF (15 jam)
2021 1 1 514 9 ON ON
2021 1 1 515 6 OFF OFF (6 jam)
2021 1 1 516 9 ON ON
.. .. .. .. .. .. ..
. . . . . . .

2. Analisa meter listrik yang bermasalah pada buzzer.

Pada meter listrik, terdapat buzzer sebagai perangkat sinyal audio untuk menan-
dakan status pada meter listrik tersebut. Buzzer pada meter listrik yang normal
akan menyala jika berada di bawah 5 KWh, dan akan mati jika berada di atas 5
KWh. Tidak sedikit meter listrik yang masih terdapat error pada buzzer -nya, maka
perlu dilakukan analisis. Salah satu contoh hasil analisa yang diperoleh:

Tabel 3.2: Status Meter Listrik berdasarkan buzzer

Tahun Bulan Hari Status total id
2021 1 1 Error buzzer ON 275
2021 1 1 Error buzzer OFF 281
2021 1 1 Error buzzer ON & OFF 291
2021 1 1 Normal 251
2021 1 2 Error buzzer ON 237
.. .. .. .. ..
. . . . .

8
 3. Analisa KWh meter yang negatif (berada di bawah 0 KWh).
Meter listrik pada umumnya tidak boleh berada di bawah 0 KWh, maka untuk
memastikan hal tersebut, perlu dilakukan analisis dari data yang ada. Analisis
perlu dilakukan untuk mengindentifikasi meter listrik yang masih bermasalah agar
segera diperbaiki. Salah satu contoh hasil analisa yang diperoleh:

Tabel 3.3: KWh Meter Konsumen yang Bernilai Negatif

Tahun Bulan Tanggal Nama Konsumen Nama Desa KWh Meter
2021 1 12 Adi Berlian Makmur -990.60
2021 1 26 Beni Nusa Serasan -989.91
2021 2 2 Charlie Nusa Serasan -865.90
2021 2 15 Danny Bukit Jaya -700.90
2021 4 19 Edward Berlian Makmur -127.10
.. .. .. .. .. ..
. . . . . .

Beberapa kendala dan pengalaman selama analisa meter, yaitu:

• Memahami variasi data yang sangat banyak untuk dianalisa.
• Pemilihan data yang sesuai dan tepat untuk proses analisa meter listrik.
• Waktu yang dibutuhkan untuk menjalankan kueri cukup lama, karena data yang
sangat banyak.

3.4 Membuat Visualisasi Buzzer

Setelah penulis menganalisa error atau masalah pada buzzer meter listrik, penulis diminta
untuk menyediakan visualisasi terkait masalah pada buzzer. Visualisasi yang dibuat meng-
gunakan salah satu library di Python, yaitu Plotly. Visualisasi yang dihasilkan akan mirip
seperti pada Tableau, dengan kelebihan Plotly yang lebih lengkap dengan berbagai jenis
grafik dan juga lebih canggih. Penulis diharapkan untuk membuat visualisasi yang seder-
hana namun informatif untuk dibaca klien. Dengan beberapa revisi yang diajukan dari
pembimbing kerja praktik, penulis dapat menyelesaikan visualisasi buzzer yang diminta.
Salah satu contoh visualisasi yang dihasilkan, yaitu:

Gambar 3.1: Visualisasi Buzzer (dalam persen)

9
 Visualisasi di atas menggambarkan jumlah meter listrik dalam persentase berdasarkan
pada status buzzer -nya. Terdapat empat kategori status buzzer yang ditampilkan pada
visualisasi, yaitu kategori Error buzzer ON, Error buzzer OFF, Error buzzer ON & OFF,
dan normal. Beberapa kendala dan pengalaman selama membuat visualisasi buzzer :
• Menentukan visualisasi yang paling tepat dan sederhana untuk mempermudah klien
memperoleh informasi.
• Pemilihan data yang sesuai dan tepat untuk proses analisa buzzer meter listrik.
• Mengelompokkan atau mengklasifikasikan data sesuai dengan keempat kategori yang
ada.

3.5 Penelitian untuk Kasus Bisnis IA Indonesia

IA Indonesia mempunyai beberapa klien dari berbagai perusahaan di Indonesia. Penulis
berkesempatan untuk mengikuti sekaligus mendiskusikan beberapa kasus bisnis, seperti
kasus bisnis untuk perusahaan material supply Indonesia, perusahaan minyak di Indone-
sia, dan lain sebagainya. Kasus-kasus bisnis tersebut belum berjalan prosesnya untuk
sekarang, maka masih berupa rencana pengerjaan. Diskusi yang dibahas untuk tiap ka-
sus bisnis diuraikan sebagai berikut:
• Perusahaan material supply Indonesia.
IA Indonesia diminta untuk membantu klien dalam hal mengestimasi volume truk
yang akan dipakai untuk mengangkut pasir. Dalam hal mengestimasi volume truk,
perlu dipakai suatu metode yang disebut computer vision. Computer vision adalah
salah satu metode, dimana komputer dapat memperoleh pemahaman tinggi dari su-
atu gambar atau video digital. Tujuan dari penggunaan computer vision ini adalah
bagaimana keberhasilan mengestimasi volume truk agar tidak jauh berbeda dari
ukuran aslinya. Sebagai contoh, pengaplikasian computer vision untuk mengesti-
masi volume truk ditampilkan sebagai berikut:

Gambar 3.2: Estimasi Volume Truk Menggunakan Computer Vision

Gambar 3.2 menunjukkan beberapa foto yang dimasukkan sebagai bahan pembela-
jaran mesin. Foto-foto tersebut dikelompokkan menjadi bagian training dan bagian

10
 test, bagian training berperan sebagai bahan pembelajaran mesin, sedangkan bagian
test berperan sebagai pengujian dari pembelajaran yang sudah diterima mesin. Dari
bagian training, dapat dilihat terdapat lima kategori kemungkinan volume truk,
yaitu 0%, 25%, 50%, 75%, dan 100%.

• Perusahaan Minyak Indonesia.

Terdapat beberapa perusahaan di industri minyak yang sempat didiskusikan. Be-
berapa permasalahan seperti pemeliharaan aset, bagaimana memeriksa dan memeli-
hara katup, bagaimana mendeteksi bagian katup yang bermasalah, dan sebagainya.
Klien berharap agar IA Indonesia dapat membantu untuk mendeteksi katup yang
perlu diperbaiki, membuat otomasi untuk pengisian laporan servis katup, membuat
database untuk katup, dan lain sebagainya. Berikut ditampilkan salah satu dash-
board yang bisa disediakan oleh IA Indonesia untuk menyampaikan analisis data
yang diperoleh:

Gambar 3.3: Inspeksi Katup

Gambar 3.4: Pemetaan Inspeksi Katup

11
 Dashboard 3.3 menjelaskan tentang jumlah katup yang terdeteksi perlu perbaikan,
jumlah katup yang beroperasi normal, dan jumlah katup berdasarkan jenisnya.
Dashboard 3.4 masih berupa gambaran sederhana tentang pemetaan jumlah katup
yang rusak, namun pemetaan dapat dikembangkan dengan menambah pemetaan
jumlah katup yang beroperasi, dan banyak hal lainnya.

• Pembelajaran Analitik.
Penggunaan teknologi bisa dipakai secara luas, begitu juga dalam bidang pen-
didikan. Tujuan yang ingin dicapai yaitu bagaimana mendeteksi mahasiswa yang
berisiko gagal dan bagaimana solusi terbaik yang bisa ditawarkan untuk masing-
masing mahasiswa agar dapat belajar secara maksimal. Semua hal tersebut di-
harapkan dapat dibantu dengan pembelajaran mesin, melalui analisis yang akurat
dan cepat. Berikut ditampilkan salah satu dashboard yang bisa disediakan oleh IA
Indonesia untuk menyampaikan analisis data yang diperoleh:

Gambar 3.5: Pembelajaran Analitik

Beberapa kendala dan pengalaman selama melakukan penelitian untuk kasus bisnis IA
Indonesia:

• Memahami metode-metode yang ada di dalam deep learning.

• Membuat dashboard menggunakan Streamlit (salah satu library di Python untuk

membuat aplikasi web).

• Pemahaman bisnis untuk tiap kasus bisnis klien IA Indonesia.

12
 BAB 4

Kesimpulan dan Saran

Enam bulan menjalani kegiatan kerja praktik, banyak pengalaman dan pelajaran yang
diambil. Pengalaman yang diperoleh tentunya tidak bisa didapat dari dunia perkuliahan.
Selain pengalaman, penulis juga mendapat pengetahuan baru tentang beberapa bahasa
pemograman yang cukup rumit mengenai SQL maupun Python. Mengetahui bagaimana
komunikasi dengan klien dan ke sesama rekan kerja, mengetahui bagaimana memenuhi
permintaan klien merupakan suatu hal yang baru bagi penulis

Terlepas dari manfaat bagi penulis, manfaat yang bisa diberikan untuk perusahaan yaitu
pembuatan query untuk analisa meter, pembuatan visualisasi dan beberapa dashboard,
pengajuan beberapa usulan metode untuk kasus-kasus bisnis klien IA Indonesia, dan be-
berapa hal-hal lainnya. Penulis juga belajar tentang masalah-masalah yang biasa terjadi
pada dunia kerja, masalah teknis maupun analisis.

Saran penulis yaitu sebaiknya para mahasiswa memanfaatkan kegiatan kerja praktik ini
dengan mengambil pekerjaan yang sesuai dengan bidang yang diminati. Dengan bidang
yang sesuai, maka semangat kerja dan produktivitas juga akan maksimal dan meng-
hasilkan hasil yang memuaskan. Saran lain yaitu sebaiknya menyiapkan terlebih dahulu
kemampuan-kemampuan yang akan dibutuhkan oleh masing-masing bidang pekerjaan
yang dipilih, karena tidak semua perusahaan akan memberi pengajaran terlebih dahulu.

13
 Ucapan Terima Kasih

Kegiatan kerja praktik yang dilaksanakan mulai tanggal 3 September 2021 dapat terlak-
sana dengan baik berkat bantuan dari banyak pihak, terutama dari pihak PT Intelegensi
Artifisial Indonesia sebagai pelaksana. Berkat bantuan para pembimbing kerja prak-
tik dan beberapa rekan kerja yang membantu, penulis dapat dengan lancar menjalani
kegiatan kerja praktik ini. Untuk itu penulis ingin mengucapkan terima kasih kepada:

1. PT Intelegensi Artifisial Indonesia selaku perusahaan yang telah memberikan ke-

sempatan bagi penulis untuk melaksanakan kegiatan kerja praktik.

2. Bapak David dan Joko Pawitro yang telah membimbing penulis selama kegiatan
kerja praktik dari awal hingga akhir masa kerja praktik.

Penulis berharap semoga laporan kerja ini dapat bermanfaat. Mohon maaf atas segala
kekurangan dalam penyusunan laporan ini.

15
 Daftar Pustaka

[1] Madakam, S., Lake, V., Lake, V., & Lake, V. (2015). Internet of Things (IoT): A
literature review. Journal of Computer and Communications, 3(05), 164.

[2] Tamir, M., Miller, S., & Gagliardi, A. (2015). The Data Engineer. Available at SSRN
2762013.

[3] Nilsson, N. J. (1982). Principles of artificial intelligence. Springer Science & Business
Media.

[4] Moody, D. L., dan Kortink, M. A. (2000, June). From enterprise models to dimensional
models: a methodology for data warehouse and data mart design. In DMDW (p. 5).

[5] Groff, James R., Paul N. Weinberg, and Andrew J. Oppel. SQL: the complete refer-
ence. Vol. 2. McGraw-Hill/Osborne, 2002.

[6] Sun, X., Li, X., Xiao, D., Chen, Y., & Wang, B. (2021). A Method of Mining Truck
Loading Volume Detection Based on Deep Learning and Image Recognition. Sensors,
21(2), 635.

17
 Lampiran

19
 CATATAN HARIAN KERJA PRAKTEK
Program Studi Matematika, Universitas Katolik Parahyangan

Nama Mahasiswa : Orlin Monica Kencana

NPM : 6161801045

Nama Perusahaan : IA Indonesia

Alamat Perusahaan : Sampoerna Strategic Square, South Tower Level 30, Jalan
Jenderal Sudirman Kav. 45-46, Jakarta.

Divisi : Data Engineer

Pembimbing Kerja : David

Praktek
: Joko Pawitro

Catatan Kegiatan:

No Hari/Tanggal Jam Masuk Jam Pulang Keterangan*)

1. Jumat, 3 Sept 2021 08.00 17.00 Perkenalan, penjelasan tentang
aplikasi, bahasa pemograman yang
dipakai, dsb.
2. Senin, 6 Sept 2021 08.00 17.00 Membuat query untuk analisa
meter.
3. Selasa, 7 Sept 2021 08.00 17.00 Membuat query untuk analisa
meter.
4. Rabu, 8 Sept 2021 08.00 17.00 Mendapat revisi untuk query
analisa meter yang sudah dibuat.
5. Kamis, 9 Sept 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik membahas hasil query
 yang sudah dibuat.
6. Jumat, 10 Sept 2021 08.00 17.00 Memberi hasil query yang sudah
di revisi untuk di periksa.
7. Senin, 13 Sept 2021 08.00 17.00 Mengulas query pada server
production phase 1.
8. Selasa, 14 Sept 08.00 17.00 Mengulas query pada server
2021 production phase 1.
9. Rabu, 15 Sept 2021 08.00 17.00 Meeting update dengan
pembimbing kerja praktik.
10. Kamis, 16 Sept 08.00 17.00 Membuat datamart untuk phase 2.
2021
11. Jumat, 17 Sept 2021 08.00 17.00 Membuat datamart untuk phase 2.

12. Senin, 20 Sept 2021 08.00 17.00 Merevisi datamart yang sudah
dibuat.
13. Selasa, 21 Sept 08.00 17.00 Meeting dengan pembimbing kerja
2021 praktik.
14. Rabu, 22 Sept 2021 08.00 17.00 Memeriksa data yang dibutuhkan,
menganalisa meter usage.
15. Kamis, 23 Sept 08.00 17.00 Meeting dengan pembimbing kerja
2021 praktik dan klien IA Indonesia.
16. Jumat, 24 Sept 2021 08.00 17.00 Memberi datamart yang sudah di
revisi untuk di cek.
17. Senin, 27 Sept 2021 08.00 17.00 Menganalisa algoritma clustering
untuk anomaly meter usage.
18. Selasa, 28 Sept 08.00 17.00 Meeting dengan pembimbing kerja
2021 praktik.
19. Rabu, 29 Sept 2021 08.00 17.00 Membantu melengkapi FSD
(Functional Specification
Document) phase 2, melanjutkan
analisa untuk anomali meter
usage.
20. Kamis, 30 Sept 08.00 17.00 Meeting dengan pembimbing kerja
2021 praktik.
21. Jumat, 1 Okt 2021 08.00 17.00 Analisa anomaly meter usage.
22. Senin, 4 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
23. Selasa, 5 Okt 2021 08.00 17.00 Menganalisa buzzer meter listrik
yang bermasalah.
24. Rabu, 6 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
25. Kamis, 7 Okt 2021 08.00 17.00 Membuat visualisasi untuk analisa
buzzer.
26. Jumat, 8 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
27. Senin, 11 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
28. Selasa, 12 Okt 2021 08.00 17.00 Merevisi visualisasi yang sudah
dibuat untuk analisa buzzer.
29. Rabu, 13 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
30. Kamis, 14 Okt 2021 08.00 17.00 Memberi update terbaru tentang
revisi visualisasi dan visualisasi
tambahan analisa buzzer.
31. Jumat, 15 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
32. Senin, 18 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
33. Selasa, 19 Okt 2021 08.00 17.00 Menganalisa anomali deteksi
dengan deep learning.
34. Rabu, 20 Okt 2021 08.00 17.00 Hari libur.

35. Kamis, 21 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
36. Jumat, 22 Okt 2021 08.00 17.00 Memperbaiki visualisasi buzzer
agar lebih sederhana.
37. Senin, 25 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
38. Selasa, 26 Okt 2021 08.00 17.00 Melakukan normalisasi data untuk
persiapan deteksi anomali.
39. Rabu, 27 Okt 2021 08.00 17.00 Update progress yang sudah
dibuat.
40. Kamis, 28 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik dan klien IA Indonesia.
41. Jumat, 29 Okt 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
42. Senin, 1 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
43. Selasa, 2 Nov 2021 08.00 17.00 Mengkonversi koding python
menjadi SQL.
44. Rabu, 3 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
45. Kamis, 4 Nov 2021 08.00 17.00 Memeriksa waktu lamanya tiap
query berjalan.
46. Jumat, 5 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
47. Senin, 8 Nov 2021 08.00 17.00 Memeriksa query yang terlalu
lama untuk dijalankan.
48. Selasa, 9 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
49. Rabu, 10 Nov 2021 08.00 17.00 Melanjutkan konversi koding
python menjadi SQL.
50. Kamis, 11 Nov 08.00 17.00 Memperbaiki query hasil konversi
2021 yang masih terdapat error.
51. Jumat, 12 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
52. Senin, 15 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
53. Selasa, 16 Nov 2021 08.00 17.00 Membuat README penjelasan
kode SQL yang dibutuhkan.
54. Rabu, 17 Nov 2021 08.00 17.00 Melakukan penelitian untuk
peluang kasus bisnis klien IA
Indonesia.
55. Kamis, 18 Nov 08.00 17.00 Meeting dengan pembimbing kerja
2021 praktik.
56. Jumat, 19 Nov 2021 08.00 17.00 Membantu membuat PPT untuk
persiapan presentasi kepada klien
bisnis.
 57. Senin, 22 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
58. Selasa, 23 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
59. Rabu, 24 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
60. Kamis, 25 Nov 08.00 17.00 Studi literatur untuk optimisasi
2021 penjadwalan.
61. Jumat, 26 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik dan klien IA Indonesia.
62. Senin, 29 Nov 2021 08.00 17.00 Meeting dengan pembimbing kerja
praktik.
63. Selasa, 30 Nov 2021 08.00 17.00 Studi literatur untuk kasus bisnis
klien IA Indonesia.
*)
diisi dengan deskripsi/penjelasan
Jakarta
……………………………………….., 21 - ……….
……… 01 – 2022 Sidoarjo , 21 - 01 – 2022
Pembimbing Kerja Praktek 1, Pembimbing Kerja Praktek 2,

(David) (Joko Pawitro)

 HASIL EVALUASI KERJA PRAKTEK
Nama Mahasiswa : Orlin Monica Kencana
NPM : 6161801045
Program Studi : Matematika
Universitas : Universitas Katolik Parahyangan
Periode Kerja Praktek : 3 September 2021 s/d 31 Maret 2022
Nama Perusahaan : PT Intelegensi Artifisial Indonesia
Unit Penempatan : Data engineer
Pembimbing Kerja Praktek 1 : David
Pembimbing Kerja Praktek 2 : Joko Pawitro

No Komponen Penilaian Nilai*) Nilai*)

1 Tanggung jawab 90 90
2 Inisiatif untuk 95
90
menyelesaikan masalah
3 Kompetensi 85 78
4 Kerjasama 90 90
5 Disiplin 90 90
6 Sikap 95 90
7 Kerajinan 90 90
Pedoman penilaian:
 Nilai diisi dengan bilangan bulat (0 sampai dengan 100).
 80 - 100: Sangat baik ; 70 - 79: baik; 60 - 69: cukup ; 0-60: kurang baik.

Catatan Penilaian Pembimbing 1:

Dalam kegiatan magang di PT Intelegensi Artifisial Indonesia, mahasiswi mampu beradaptasi dengan
cepat dan bekerja secara tim dengan baik. Mampu menjawab permasalahan yang diberikan oleh
pembimbing baik business case yang ada maupun opportunities business yang dilakukan oleh
perusahaan. Sikap seperti ini harus bisa dipertahankan didalam pekerjaan kedepannya.
Catatan Penilaian Pembimbing 2:

Selama bekerja dengan mahasiswi bersangkutan, saya pribadi menilai yang bersangkutan memiliki
etos kerja serta tanggung jawab yang baik, kemampuan berkomunikasi dalam tim yang juga baik,
logika problem solving yang cukup baik, dan mampu menerima tantangan yang baru. Alasan mengapa
saya memberikan nilai 78 pada komponen kompetensi, bukan karena kurangnya kompetensi teknis
pada diri mahasiswi bersangkutan, tapi untuk memacu belajar lebih banyak lagi terutama terkait
bisnis proses dan improvement, sehingga dapat memberikan bekal lebih dalam pengembangan karir
kedepan.

Jakarta
……………………………………….., 20 - ……….
……… 01 – 2022 Sidoarjo, 20 - 01 – 2022
Pembimbing Kerja Praktek 1, Pembimbing Kerja Praktek 2,

(David) (Joko Pawitro)