fbpx

Prediksi Perkembangan Data Science di Indonesia Tahun 2019

By Prahariezka Arfienda   |   January 18, 2019

Pada tahun 2018 kemarin, kata-kata seperti AI, Machine Learning, Data Science, IoT, dan lain sebagainya, mulai marak terdengar di telinga masyarakat Indonesia. Tidak sedikit juga perusahaan yang mulai menyadari pentingnya menerapkan Data Science untuk menjawab berbagai tantangan di Industri 4.0.

Dalam acara Algoritma Data Career Day 3.0 yang berlangsung pada tanggal 15 Januari 2019 di BLOCK71 Jakarta, kami memiliki sebuah sesi diskusi panel yang mengangkat topik Data Science Trends in 2019.

Sesi yang dipandu oleh Larissa Sidarto (Head of Business Development HARA) ini membahas tentang berbagai tantangan dan tren yang akan kita temui sepanjang 2019 ini di Indonesia. Pembicara dalam diskusi ini adalah Anthony Mockler (Data Analyst United Nations – Global Pulse), Rizki Mardian (Head of Data Science Qlue), dan Felius Yuseli (Business Development Manager AUK Industries).

Perkembangan Data Science di Indonesia

Sebagai penyedia layanan IoT (Internet of Things) untuk industri manufaktur, Felius memberikan pendapatnya tentang adopsi Data Science dalam ranah tersebut. Ia menjelaskan, Indonesia adalah negara industri dengan pertumbuhan yang sangat cepat. Bahkan, Indonesia menduduki peringkat kelima untuk negara dengan pertumbuhan manufacturing tercepat di asia tenggara. Namun menurutnya, pertumbuhan industri yang pesat tersebut belum diimbangi dengan adaptasi teknologi yang cukup modern.

“Di Indonesia, aplikasi Data Science yang paling matang adalah di sektor e-commerce, layanan finansial, dan sektor publik lainnya. Kematangan adaptasi Data Science yang paling rendah justru di Industri Manufaktur”, ujarnya.

Menurut Felius, di Industri manufaktur, mereka tidak hanya perlu mengedukasi tentang pentingnya pemanfaatan Data Science. Tapi, bagaimana caranya untuk meyakinkan klien bahwa cloud computing dan edge computing yang merupakan bagian dari data science itu aman bagi perusahaan.

Selain itu, salah satu tantangan besar yang harus segera dicari solusinya pada tahun ini adalah data readiness. Data readiness adalah istilah yang digunakan untuk menjelaskan kesiapan data untuk deployment.

“Kita perlu meyakinkan perusahaan manufaktur raksasa untuk setidaknya mulai membangun tim Data Science internal dan mulai mengumpulkan data. Lalu, mulai menciptakan algoritma dan melatih algoritma. Karena kalau tidak sekarang, kapan kita akan mulai?”, ujar Felius.

Tren dalam solusi Data Science

Menurut Anthony, 2019 akan menjadi tahun bersinarnya tool yang dapat meningkatkan efisiensi Data Science. Misalnya, automated feature engineering, automated model selection, dan tool untuk membuat data analysis yang lebih pintar di tahun 2019.

Ia juga berharap, “Tahun ini semoga semakin banyak Data Scientist yang mampu menjelaskan mengapa dan bagaimana model yang mereka ciptakan dapat bekerja. Hal ini bisa membantu orang lain untuk lebih memahami seperti apa sesungguhnya pekerjaan seorang Data Scientist”, ujar Anthony.

Sementara itu, Rizki melihat bahwa di tahun ini adalah waktunya untuk mematangkan pengetahuan dasar pelaku industri yang memanfaatkan Data Science, tentang ilmu tersebut. Menurutnya, harus seimbang antara pengetahuan dasar tentang Machine Learning dan Data Science, serta bagaimana aplikasinya dalam industri yang dikuasai. Dengan memiliki pemahaman yang cukup, maka akan sangat membantu seseorang dalam mengaplikasikan Data Science dengan layak sesuai kebutuhan industri. Selain itu, mereka juga akan lebih memahami bagaimana caranya untuk menangani suatu data dengan approach yang tepat.

“Tahun ini juga kita perlu meningkatkan pemahaman akan pentingnya data cleansing. Perlu sekali untuk memiliki data yang bersih sebelum melanjutkan ke model yang lebih kompleks. Mulailah denga model yang sederhana, kamu mungkin akan terbantu dengan data yang bersih,” tambah Rizki.

Pembicara di acara Algoritma Data Career Day: Nayoko Wicaksono (Co-Founder, CEO Algoritma), Larissa Sidarto, Anthony Mockler, Rizki Mardian, Felius Yuseli

Menurut Felius, Predictive Maintenance akan menjadi sebuah tren baru di 2019. Ia menjelaskan, ada empat jenis maintenance yang selama ini kita kenal di ranah manufaktur, yaitu:

  • Breakdown Maintenance: Contohnya, saat smartphone kita rusak, lalu kita bawa ke tempat service untuk diperbaiki.
  • Time based: Misalnya, perawatan AC yang harus kita lakukan secara berkala setiap 6 bulan sekali.
  • Usage based: Berdasarkan batas penggunaan, misalnya mobil harus sudah masuk bengkel saat sudah dikendarai sampai sekian ribu kilometer.
  • Condition based: misalnya, ketika sensor sudah mulai mendeteksi adanya anomali, atau kondisi yang tidak seperti biasanya, berarti hal tersebut menandakan kalau sudah waktunya dilakukan maintenance. Seperti halnya manusia, saat suhu tubuh kita mulai terasa tinggi, itu artinya mungkin kita perlu memeriksakannya ke dokter.

“Dengan Predictive Maintenance, kita bisa mengetahui kapan dan berapa lama sebuah mesin akan mulai mengalami kerusakan. Hal ini banyak bergantung pada Machine Learning, karena Machine Learning itu perlu dilatih, maka kemampuan kita dalam mengumpulkan data perlu ditingkatkan terlebih dahulu agak bisa melatih algoritmanya dengan baik,” jelas Felius.

Angin segar dari Industri 4.0

Anthony yang banyak bekerja dengan lembaga pemerintahan dan organisasi kemanusiaan, melihat bahwa di sektor-sektor tersebut sudah ada ketertarikan yang cukup tinggi untuk menyelesaikan permasalahan dengan Machine Learning.

“Hanya saja, saya agak kewalahan untuk memberikan pengertian kepada lembaga-lembaga tersebut, terutama lembaga pemerintahan, tentang apa saja data yang perlu mereka kumpulkan, bagaimana cara mengumpulkan data tersebut, dan seperti apa tingkat ketelitian yang dibutuhkan dalam memproses data yang mereka dapatkan”, ujarnya.

Di sisi lain, berdasarkan pengamatan Anthony, ada juga perusahaan yang memiliki data dalam jumlah yang sangat besar dan memiliki potensi untuk menciptakan analisis prediksi yang kuat. Namun, mereka tidak menyadari seberapa berharganya data yang mereka miliki tersebut untuk kelangsungan bisnis mereka.

Menurut Felius, perusahaan di Indonesia perlu memiliki pengelolan data yang lebih baik lagi. “Banyak data yang masih belum dimanfaatkan dengan optimal, bahkan jika kita bicara tentang sensor, tidak sedikit data yang terbuang setiap detiknya. Hal ini tentunya sangat disayangkan.”

Namun ia menambahkan, Roadmap Industri 4.0 yang baru-baru ini dicanangkan oleh pemerintah, cukup memberikan angin segar yang menjanjikan bagi masa depan Data Science di Indonesia.

Pernyataan serupa juga diucapkan oleh Rizki. Menurutnya, istilah Machine Learning, Data Science, dan Artificial Inteliigence telah menjadi buzzword yang akrab di telinga masyarakat. Tapi, kita perlu lebih memahami bagaimana caranya untuk mendapatkan lebih banyak insight yang berguna dari ilmu-ilmu tersebut.

“Pemahaman orang terhadap Data Science, AI, Machine Learning, apalagi didukung dengan gembar-gembor Industry 4.0, sebetulnya sudah cukup baik. Tapi masalahnya, klien kadang belum sepenuhnya memahami kalau bagaimana caranya mendapatkan jawaban yang tepat, dengan memberikan pertanyaan yang tepat.”

“Banyak klien yang menemui kami dengan setumpuk data, lalu berkata ‘ini data kami, apa yang bisa kalian lakukan dengan data-data ini?’. Padahal, akan lebih membantu jika pertanyaan tersebut diubah menjadi ‘ini permasalahan yang ingin kami pecahkan, data yang kami miliki seperti ini, apa yang bisa kami lakukan dengan data ini?”, tambah Rizki.

“Karena pada akhirnya, Data Science bukanlah sebuah magic yang bisa menjawab semua pertanyaan di dunia ini. Kita harus memiliki data yang tepat dan merumuskan pertanyaan yang tepat jika ingin mendapatkan jawaban tepat yang kita harapkan”.

Prahariezka Arfienda Satrianti
Content Chieftain

A (startup, tech, and digital media) geek. Kalau tidak sedang menulis artikel tentang data science, biasanya menulis review film atau menekuni fotografi.
Bisa disapa di arfie@algorit.ma.

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

Daftar Data Science Academy di Sini!

1 reply
  1. farid nugroho
    farid nugroho says:

    UMKM harus ikut terlibat dalam industri 4.0
    Mereka hampir tidak mungkin bermain-main dengan robotik karena UMKM kita identik dengan hand made. Salah satu yang bisa dimainkan oleh UMKM di industri 4.0 adalah dalam hal data. Sayangnya kebanyakan UMKM belum sadar akan pentingnya data.

Comments are closed.