Lembar kerja

Modul 2. AI Project Cycle dalam Data Science

Nama Peserta : Eka Saputra Hinta
NoReg Peserta : 19468701130-53

1. Pembatasan masalah (Problem Scoping)

⮚ Masalah apa yang sedang Anda hadapi?

Kepadatan Penduduk yang Tinggi: Provinsi Jakarta memiliki kepadatan penduduk yang
sangat tinggi dibandingkan dengan provinsi lain di Indonesia. Wilayah yang relatif kecil
dengan jumlah penduduk yang besar menyebabkan tekanan yang signifikan pada
infrastruktur dan layanan publik.

Pembatasan Ruang Fisik: Provinsi Jakarta memiliki batasan fisik dalam hal ruang yang
tersedia untuk pengembangan dan pertumbuhan penduduk. Terletak di pesisir laut, wilayah
Jakarta memiliki keterbatasan lahan yang dapat digunakan untuk pemukiman, infrastruktur,
dan perkembangan kota.

Masalah Banjir: Pertumbuhan penduduk yang cepat di Jakarta juga berdampak pada
masalah banjir yang sering terjadi. Penurunan lahan terbuka dan kehilangan lahan resapan
air akibat pembangunan menyebabkan kesulitan dalam menampung air hujan yang
berlimpah, terutama saat musim hujan.

⮚ Solusi yang ingin Anda hasilkan?

Pembangunan Vertikal: Salah satu solusi yang umum digunakan adalah pembangunan
vertikal, seperti gedung bertingkat tinggi. Dengan memanfaatkan lahan yang tersedia secara
vertikal, dapat meningkatkan kapasitas hunian dan pemanfaatan ruang tanpa harus
memperluas wilayah secara horizontal. Pembangunan vertikal juga dapat mengurangi
tekanan terhadap lahan terbuka.

Pemukiman Terpadu: Mengembangkan pemukiman terpadu yang mengintegrasikan

perumahan, perkantoran, dan fasilitas umum dalam satu kawasan dapat memaksimalkan
pemanfaatan lahan yang terbatas. Pendekatan ini memungkinkan pembangunan yang
terencana dan efisien dalam penggunaan ruang.

Peningkatan Transportasi Massal: Meningkatkan aksesibilitas dan efisiensi sistem

transportasi massal seperti kereta api, bus rapid transit, dan MRT dapat mengurangi tekanan
lalu lintas dan mengurangi kebutuhan akan mobilitas individu dengan kendaraan pribadi. Ini
akan membantu mengurangi kepadatan di jalan-jalan dan memberikan alternatif yang lebih
efisien dan ramah lingkungan bagi penduduk Jakarta.

4W CANVAS
Para Dinas Kependudukan, Pemerintah Provinsi DKI Jakarta, dan
WHO
[stakeholders] Masyarakat secara umum

Masalah yang dihadapi Masalah banjir, terbatasnya ruang fisik, kepadatan penduduk
[isu, masalah, yang tinggi WHAT
kebutuhan]

Ketika Ketika BPS merilis populasi data kependudukan DKI Jakarta

WHERE
[konteks dan situasi] tiap tahunnya

Melakukan sosialisasi untuk menurunkan populasi penduduk

Solusi yang diharapkan WHY
disetiap kabupaten & kecamatan
2. Akuisisi data (Data Acquisition)

⮚ Apakah Anda memiiki data untuk dianalisis? Ya

⮚ Apakah Anda memiliki data primer atau sekunder atau keduanya?
Primer / sekunder / keduanya (Primer dan Sekunder)
⮚ Apakah Anda memiliki literatur yang mendukung solusi Anda? Ya
⮚ Apakah Anda coba melengkapi data sekunder anda dari sumber data lain? Ya

(Note: coret yang tidak perlu)

Tuliskan sumber data sekunder lainnya yang telah anda dapatkan (sebanyak-banyaknya)!

Data Sekunder bersumber dari beberapa lembaga seperti Data.go.id, Statistik Data Kemdikbud,
Satudata.go.id dan BPS

Tuliskan sumber literatur yang Anda dapatkan (sebanyak-banyaknya)!

Tindak lanjut:
⮚ Jika ada data primer, buatlah dalam format csv atau format xlsx (excel)! CSV Terlampir
⮚ Jika terdapat sumber data sekunder, downloadlah dan satukan dengan data primer Anda! tidak
ada
⮚ Jika anda memiliki literatur, bacalah dan pilihlah parameter (fitur) dan class (target) yang Anda
inginkan! TARGET (NAMA KABUPATEN/KOTA) dan FEATURE (DATA KEPNDUDUKAN TIAP KEC)
3. Eksplorasi data (Data Exploration)

⮚ Apakah Anda tahu tentang tipe data Nominal/Numerik? Ya

⮚ Apakah tipe data input untuk setiap parameter yang Anda gunakan?
Nominal / Numerik
⮚ Apakah Anda tahu tentang luaran data dari solusi Anda, memiliki tipe data tertentu? Tahu
(Note: coret yang tidak perlu)

Jika Anda sudah punya data untuk dianalisis, buat dalam table, parameter tersebut memiliki tipe
data apa!

Tabel Tipe data dari parameter input dan output

Data Terlampir
4. Pemodelan (Modelling) dan Evaluasi (Evaluation)

⮚ Apakah Anda sudah tahu metode apa yang akan anda gunakan dalam pemodelan?
Sudah

⮚ Jika sudah tahu metodenya, sebutkan metode yang akan Anda gunakan?

Melakukan Clustering & Klasifikasi menggunakan beberapa metode seperti k-Means dan
Silhouette Plot

⮚ Jika sudah tahu metodenya, apakah Anda sudah tahu evaluasi yang akan digunakan?

Akan menggunakan Evaluasi “Test Score, Confussion Matrix, dan Roc Analysis”

(Note: coret yang tidak perlu)

Sebutkan metode yang akan gunakan dalam pemodelan yang akan Anda gunakan dan jelaskan
secara singkat!

Analisis Data kependudukan DKI jakarta berdasarkan umur, di klasifikasikan dan di clustering
menggunakan metode k-Means untuk menentukkan jumlah cluster dengan 10 sampel data,
selanjutnya data tersebut di extract dalam bentuk data table, selanjutnya dianalisis menggunakan
Tree & Random Forest dan di lakukan evaluasi menggunakan Test Core dan ditampilkan
menggunakan Confussion Matrix dan ROC Analysis