6 KAMPUS DI INDONESIA DENGAN JURUSAN KULIAH ‘DATA SCIENCE’

Tantangan Menulis Hari ke-169

Oleh: Bernardus Ari Kuncoro

Ilustrasi belajar data – Foto dokumentasi dari IYKRA

Tidak dapat dipungkiri bahwa data merupakan salah satu aset yang sangat vital pada zaman now. Setiap insan, kelompok, dan organisasi dari kecil sampai besar mulai menyadari bahwa data mampu mengefisienkan kendali mereka dalam mencapai tujuan.

Oleh sebab itu, mereka mulai rajin mengumpulkan data. Mencari tool yang tepat guna. Dan, pada akhirnya, mereka butuh orang kepercayaan yang paham tentang data.

Namun, tantangan untuk mengkristalkan data itu besar dan beragam.

Apa saja? Ada yang datanya kotor alias amburadul. Kurang lengkap. Beragamnya tools yang ada untuk mengolahnya, sehingga bingung pilih yang mana. Sampai pada masalah sumber daya manusia yang belum memiliki kompetensi data science yang mumpuni.

Well, kita pahami pelan-pelan yuk, mengenai apa itu data science, dan mengapa mesti belajar bidang yang lagi naik daun ini.

Apa itu Data Science?

Data science merupakan bidang ilmu gabungan yang meliputi statistika, ilmu komputer, dan bisnis. Buat yang pengin tahu lebih dalam, monggo cek video berikut ini, atau tengok kursus daring Udemy bertajuk Data Science Foundation di sini.

Mengapa Mesti belajar data science?

Seperti yang tertulis di buku Lima Dasar Data Science untuk pemula, ada tiga hal utama yang mendasari mengapa setiap pekerja di era digital ini minimal memiliki kemampuan dasar data science.

Pertama, data yang tersedia di dunia ini makin besar, kecepatan produksinya tinggi dan bahkan cenderung eksplosif. Kedua, orang yang mengerti cara pengolahan data banyak dicari perusahaan-perusahaan. Ketiga, komputer dan server semakin terjangkau, sehingga penelitian maupun pekerjaan terkait data yang memerlukan komputasi yang besar dapat cepat tertangani.

Alasan Belajar Data Science – Sumber dari sini.

Bagaimana cara menjadi data scientist?

Ada dua jalur. Jalur formal dan informal. Jalur formal bisa lewat univeristas. Sedangkan jalur non formal bisa mengikuti bootcamp atau pelatihan non formal, seperti kelas-kelas data yang sering diadakan di IYKRA.

Khusus untuk artikel ini kita akan bahas yang jalur formal, ya!

Universitas mana saja yang saat ini membuka jurusan Data Science (S1)?

Seolah gayung bersambut, beberapa kampus di Indonesia baik negeri maupun swasta sudah mulai membuka jurusan Data Science alias Ilmu data atau Sains Data. Universitas mana saja yang sudah membuka jurusan ini?

Pertama, Universitas Airlangga, Surabaya.

Gedung Kampus C Unair – Sumber Foto dari sini.

Program S1 ini dinamakan Teknologi Sains Data. Memiliki durasi belajar 4 tahun atau 8 semester. Adapun yang menjadi syarat adalah lulusan SMA IPA dan SMK yang relevan. Tempat belajar kalian akan berlokasi di Kampus C Unair, Mulyorejo, Surabaya. Program ini di bawah Fakultas Sekolah Teknologi Maju dan Multidisiplin. Untuk lebih jelasnya, kalian bisa kunjungi laman berikut.

Kedua, Institut Pertanian Bogor

Image
Gedung Kampus FMIPA – IPB. Sumber Foto dari sini.

Program S1 Statistika dan Sains Data di IPB ini di bawah Fakultas Matematika dan Ilmu Pengetahuan Alam. Menurut laman berikut, program ini sudah dibuka sejak tahun 2020.

Ketiga, Institut Teknologi Sumatera

Kampus Insitut Teknologi Sumatera – Provinsi Lampung – Sumber foto pribadi penulis.

Program studi Sains Data di Itera ini memiliki visi menjadi program studi yang unggul, bermartabat, dan diakui dunia untuk mendukung visi ITERA mengembangkan potensi Sumater di era industri 4.0. Kalian bisa lihat kurikulumnya di laman berikut.

Wah, saya jadi nostalgia masa kuliah di ITB dengan adanya TPB (Tahun Pertama Bersama). Kepanjangannnya agak berbeda sedikit dengan TPB versi ITB: Tahap Persiapan Bersama.

Keempat, Universitas Nusa Mandiri

program studi sains data universitas nusa mandiri
Logo Universitas Nusa Mandiri – Program Studi Sains Data – Sumber foto dari sini.

Lain halnya dengan tiga universitas sebelumnya, universitas ini merupakan universitas swasta. UNM yang sebelumnya berstatus STMIK ini memiliki jurusan Sains Data langsung di bawah nanungan Fakultas Teknologi Informasi. Cocok untuk kalian yang berdomisili di Jakarta dan sekitarnya. Selengkapnya, silakan kunjungi laman ini.

Kelima, Universitas Teknologi Yogyakarta

Biaya Kuliah Universitas Teknologi Yogyakarta Tahun 2021-2022 - Kuliah  Kelas Karyawan S1 S2
Gedung Kampus Universitas Teknologi Yogyakarta (UTY) – Sumber foto dari sini.

Universitas swasta lainnya di Indonesia yang membuka program sarjana Data Science adalah UTY. Program studi ini memiliki visi menjadi program studi yang terkemuka di bidang analisis data untuk industri 4.0, berkarakter serta berwawasan global pada tahun 2024 di Indonesia. Silakan kunjungi laman ini untuk informasi lebih lanjut.

Keenam, Bina Nusantara University

Kampus Anggrek – Binus University – Sumber foto dari sini.

Di bawah naungan School of Computer Science Bina Nusantara University, Binus menghadirkan program yang dapat diselesaikan dalam rentang 3,5 hingga 4 tahun. Adapun visi jurusan ini adalah sebagai program studi S1 Data science kelas dunia, sebagai bentuk pendekatan interdisiplin agar dapat menciptakan solusi berbasis kemasyaratan. Lebih lanjut, Anda bisa mengunjungi laman berikut.


Sejauh ini, baru enam universitas tersebut yang membuka jurusan Data Science. Saya yakin akan ada banyak lagi universitas yang membuka jurusan serupa. Dalam tahun-tahun mendatang.

Ada update atau masukan? Silakan tulis di kolom komentar, ya!

Kalideres, 19 September 2021

Masak Puding dan Brownies Keju Bareng Kirana

Tantangan Menulis Hari ke-168

Oleh Bernardus Ari Kuncoro

Puding Cokelat

Sehabis bersepeda keliling perumahan. Mencuci kendaraan. Sampai-sampai keringetan, saya dan Kirana memiliki proyek membuat makanan kecil. Apa itu? Puding dan Brownies Keju.

Brownies Keju

Kiran bertugas mengaduk-aduk. Saya yang siapkan bahannya.

Ini dia foto-foto kegiatannya.

Silakan dinikmati.

Kalideres, 18 September 2021

6 KOSAKATA DATA SCIENCE DASAR UNTUK PEMULA

Tantangan Menulis Hari ke-168

Oleh: Bernardus Ari Kuncoro

Tangkapan layar akun TikTOk Jagobahasacom

Terinspirasi dari akun tiktok JagoBahasa, saya membuat video berikut untuk menerjemahkan istilah-istilah data science dari bahasa Indonesia ke bahasa Inggris.

Di dalamnya saya menyebutkan enam istilah berikut.

  • artificial intelligence
  • artificial neural network
  • decision tree
  • standard deviation
  • range
  • maximum value

Yuk disimak.

Kalideres, 17 September 2021

Ikuti 8 Akun IG Ini untuk Inspirasi Visualisasi Data Anda

Tantangan Menulis Hari ke-167

Oleh: Bernardus Ari Kuncoro

Datavizsociety Instagram Account

Anda butuh referensi ketika membuat Visualisasi Data?
Ini dia rekomendasi 8 Akun Instagram yang membahas #DataViz!

@datavizsociety
Akun IG ini bertujuan untuk membantu anggota datasisualizationsociety.org mengenal dan menyebarkan visualisasi data dengan hashtag #DataVizSociety
https://www.instagram.com/datavizsociety/

@mapmart
Akun ini menyajikan infografik peta berbagai negara di dunia.
https://www.instagram.com/mapmart/

@beautifulnews.daily
Berita dan insight baik yang disajikan melalui visualisasi data ciamik bisa dinikmati di akun ini.
https://www.instagram.com/beautifulnews.daily/

@tableausoftware
Ini adalah akun IG resmi tools visualisasi Tableau. Di dalamnya Anda bisa melihat kurasi dashboard dan informasi dari mereka.
https://www.instagram.com/tableausoftware/

@chartrdaily
Akun IG ini memberikan insight seputar bisnis, tekonologi, entertainment hingga politik yang dikemas dalam sebuah grafik visualisasi data.
https://www.instagram.com/chartrdaily/

@statista
Lewat konten visualisasi data, akun IG ini memberikan informasi terupdate seputar keterkaitan hot news dengan perkembangan bisnis yang terjadi lewat fakta-fakta dari 170 industri di lebih dari 150 negara.
https://www.instagram.com/statista/

@voxdotcom
Menampilkan berita terkini lewat visualisasi data, video dan gambar. Jadi, informasi yang didapatkan lebih interaktif dan lebih menarik untuk dilihat.
https://www.instagram.com/voxdotcom/

@datatovisual
Akun ini memberikan topik-topik menarik yang terjadi di Asia Tenggara, khususnya Indonesia dengan membuat content storytelling lewat visualisasi data.
https://www.instagram.com/datatovisual/

Wah menarik banget yah, jadi mana nih akun IG #DataViz andalan Anda?

Tulisan ini pernah tayang di akun @iykra_id pada 12 September 2021.

Kalideres, 16 September 2021

Tips Bikin IG Story dan Reels Pakai PowerPoint

Tantangan Menulis Hari ke-166

Oleh Bernardus Ari Kuncoro

Apakah Anda sudah tahu bahwa Anda bisa membuat video dalam bentuk mp4, mov, dll dari Power Point?

Yes, bisa! Caranya mudah. Anda tinggal buat slide, gerak-gerakkan dengan animasinya. Atur waktunya. Lalu File > Export sebagai Video (mp4 atau mov).

Format file yang dapat dipilih ketika melakukan File > Export Microsoft Power Point.

Mau coba tapi bingung desain nya akan seperti apa?

Bisa Anda telisik pada video singkat berikut.

Anda pun dapat unduh file ppt-nya melalui tautan berikut.

Kalideres, 15 September 2021

Perbedaan Normalisasi, Standardisasi, dan Scaling

Tantangan Menulis Hari ke-165

Oleh: Bernardus Ari Kuncoro

Beberapa bulan yang lalu saya mendapat pertanyaan dari seorang mentee. Lewat WA.

Percakapannya begini. A adalah mentee. B adalah saya.

A : Mas, mau tanya

A : Ttg normalisasi data dan standarisasi data

A : Normalisasi data kpn digunakan, Mas ari?

A : Standarisasi data juga

A : Scaling data kpn digunakan?

A : Makasih mas ari

B : OK, saya jawab ya.

Istilah standardizationnormalization, dan scaling sering dipertukarkan di dunia NON akademis. Ketiga hal tersebut intinya bertujuan untuk menghasilkan variabel-variabel ‘rasa’ baru agar cocok dan berguna dengan algoritma yang nanti akan Anda aplikasikan dalam analisis prediktif. Entah itu supervised atau unsupervised learning.

Dari berbagai sumber yang aku baca, dapat dipahami bahwa scaling itu kata umum dari standardization dan normalization. Beberapa sumber menyebutkan standardization berbeda dengan normalization, dan bisa dipahami dari kata dasarnya, ya Mbak. Bahwa standard ini men-standard-kan mean dan varians. Sedangkan untuk normalisasi, yang dinormalkan adalah rentangan.

Kapan digunakan? Standardization cocok ketika data Anda mau menggunakan algoritma yang butuh asumsi datanya terdistribusi normal. Contohnya adalah regresi linear, regresi logistik, dan analisis diskriminan linear. Sedangkan normalisasi cocok digunakan untuk algoritma yang memanfaatkan fungsi jarak seperti K-Means, KNN, PCA, dan Gradient Descent.

Semoga menjawab, ya.

Berikut ini kutipan dari sumber yang bisa Anda baca lebih lanjut. Di bawahnya juga ada tautan yang bisa Anda copas.

1. Standardization

Standardization (or Z-score normalization) means centering the variable at zero and standardizing the variance at 1. The procedure involves subtracting the mean of each observation and then dividing by the standard deviation.

Standardization assumes that your data has a Gaussian (bell curve) distribution. This does not strictly have to be true, but the technique is more effective if your attribute distribution is Gaussian. Standardization is useful when your data has varying scales and the algorithm you are using does make assumptions about your data having a Gaussian distribution, such as linear regression, logistic regression, and linear discriminant analysis.

2. Normalization

The data is scaled to a fixed range — usually 0 to 1.

Characteristic of Normalization: In contrast to standardization, the cost of having this bounded range is that we will end up with smaller standard deviations, which can suppress the effect of outliers. Thus MinMax Scalar is sensitive to outliers.

Normalization is a good technique to use when you do not know the distribution of your data or when you know the distribution is not Gaussian (a bell curve). Normalization is useful when your data has varying scales and the algorithm you are using does not make assumptions about the distribution of your data, such as k-nearest neighbors and artificial neural networks.

Examples of Algorithms where Feature Scaling matters

1. K-Means uses the Euclidean distance measure here feature scaling matters.

2. K-Nearest-Neighbours also require feature scaling.

3. Principal Component Analysis (PCA): Tries to get the feature with maximum variance, here too feature scaling is required.

4. Gradient Descent: Calculation speed increase as Theta calculation becomes faster after feature scaling.

Note: Naive Bayes, Linear Discriminant Analysis, and Tree-Based models are not affected by feature scaling. In Short, any Algorithm which is Not Distance based is Not affected by Feature Scaling.

Sumber:

1. https://towardsai.net/p/data-science/how-when-and-why-should-you-normalize-standardize-rescale-your-data

2. https://developers.google.com/machine-learning/clustering/prepare-data

3. https://www.geeksforgeeks.org/python-how-and-where-to-apply-feature-scaling/

Postingan ini pernah terbit di sini.

Kalideres, 14 September 2021

TANAMKAN ENAM LITERASI DASAR INI AGAR KEHIDUPAN ANAK ANDA BERKUALITAS

Tantangan Menulis Hari ke-164

Oleh: Bernardus Ari Kuncoro

girl sitting while reading book
Membaca sebagai salah satu literasi yang paling umum (Sumber foto dari sini)

Agar anak Anda memiliki hidup yang bermutu, sebagai orang tua mesti membekali anak-anak dengan enam literasi berikut.

Apa saja?

Pertama adalah literasi membaca dan menulis. Jika sang anak memiliki kemudahan dalam mengolah dan menyajikan informasi berupa teks, maka dia akan dengan sigap memahami dan menyikapi perubahan dalam tatanan kehidupan yang sekarang ini banyak disajikan dalam bentuk tertulis.

Kedua adalah literasi numerasi. Anak dapat mengenali dan mampu memahami informasi berupa angka-angka dalam kehidupan sehari-hari.

Ketiga adalah literasi sains. Mengapa hal ini perlu? Karena dengan kemampuan ini, anak-anak bisa memiliki pemahaman dan kemampuan menjelaskan tentang fenomena-fenomena ilmiah baik alam maupun sosial.

Keempat adalah literasi digital. Dengan adanya berbagai macam media digital dan alat komunikasi, tentunya setiap pribadi disadarkan agar mampu menggunakannya dengan bijak. Kemampuan tersebut menjadi salah satu tolak ukur agar tidak ketinggalan informasi.

Kelima, literasi budaya. Identitas seorang anak sebagai orang Indonesia mesti ditanamkan agar mampu memahami dan sekaligus memiliki kebanggaan akan identitas budaya Indonesia.

Keenam, literasi keuangan. Seorang anak yang memiliki literasi ini akan bisa mampu mengelola keuangan untuk dirinya sendiri. Di saat dewasa kelak, diharapkan dia bukan menjadi pribadi yang terlalu boros, maupun terlalu pelit. Hihi.

Apa saja literasi yang sudah Anda ajarkan kepada anak Anda?

Inspirasi dari sini.

Kalideres, 2021

JAWABAN HUMOR TEBAK-TEBAKAN TENTANG ALKITAB

Tantangan Menulis Hari ke-164

Oleh: Bernardus Ari Kuncoro

open book
Alkitab

Kemarin saya membuat tulisan tentang

INSPIRASI HUMOR TEBAK-TEBAKAN TENTANG ALKITAB

Pertanyaannya adalah:

Delapan Huruf, huruf kedua A, huruf keempat T.

Semua akan indah pada …

_ A _ T _ _ _ _

Jawaban yang paling umum adalah WAKTUNYA.

Ternyata bukan, saudara-saudara. Jawaban yang benar adalah: HAL TIDAK.

Semua akan indah padahal tidak.

Hmmm, betul kan?

Kalau semua indah-indah, nggak akan berwarna hidup Anda 🙂

Kalideres, 12 September 2021.

INSPIRASI HUMOR TEBAK-TEBAKAN TENTANG ALKITAB

Tantangan Menulis Hari ke-163

Oleh: Bernardus Ari Kuncoro

Sabtu, 11 September 2021. Saya ikut pembekalan pengurus lingkungan via Zoom dari Gereja SMI Kalideres. Dari sana saya mendapatkan suatu selingan humor yang menarik. Bikin saya ketawa seharian. Istri saya pun juga ikut gembira.

Sayang, saya hanya ingat satu pertanyaan. Apa itu?

Delapan Huruf, huruf kedua A, huruf keempat T.

Semua akan indah pada …

_ A _ T _ _ _ _

Jawabannya adalah … (Silakan cek jawaban di postingan selanjutnya).

Kalideres, 12 September 2021

TIGA TIPS MENULIS RADITYA DIKA YANG PATUT DICOBA

Tantangan Menulis Hari ke-162

Oleh: Bernardus Ari Kuncoro

Ilustrasi: Menulis

Seiring waktu saya makin disadarkan. Bahwa skill menulis, membaca, berbicara, dan ngoding, intinya yang repetitif-repetitif, akan hilang kalau jarang digunakan.

Khusus untuk keahlian menulis, saya berpegang pada prinsip sebagai berikut. Pokoke menulis, menulis, dan, menulis.

Namun, ternyata hal itu tidak cukup. Harus ada editornya. Harus ada reviewer-nya. Mesti ada yang kasih umpan balik.

Nah, saya merasa senang kalau ada yang mengedit tulisan saya. Banget! Maka dari itu kalau ada kesempatan untuk bekerja sama dengan editor kawakan. Yang memang mau memperindah tulisan saya. Dengan senang hati.

Untuk karya di bawah ini, bukan saya yang menulis. Saya jadi reviewer dan editornya. Saya revisi tulisan ini 3x. Sampai ujungnya jadi begini.

Tulisan di atas formulanya terinspirasi dari tips dari Bang Raditya Dika. Di mana formula sebuah cerita fiksi sebaiknya meliputi tiga kerangka.

  • Pertama, pengenalan karakter.
  • Kedua, Usaha yang dilakukan oleh karakter tersebut.
  • Ketiga, Hasil akhir.

Yuk, cobain!

Kalideres, 10 September 2021