<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Muhammad Haikal on Medium]]></title>
        <description><![CDATA[Stories by Muhammad Haikal on Medium]]></description>
        <link>https://medium.com/@halohaikal?source=rss-c793341e087e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*srr7ABLZlNUJfqorNT9ZYg.jpeg</url>
            <title>Stories by Muhammad Haikal on Medium</title>
            <link>https://medium.com/@halohaikal?source=rss-c793341e087e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 15:00:04 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@halohaikal/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Track Log Express Node JS menggunakan Elastic Stack]]></title>
            <link>https://halohaikal.medium.com/track-log-express-node-js-menggunakan-elastic-stack-8eec7265f720?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/8eec7265f720</guid>
            <category><![CDATA[elasticsearch]]></category>
            <category><![CDATA[expressjs]]></category>
            <category><![CDATA[nodejs]]></category>
            <category><![CDATA[logging]]></category>
            <category><![CDATA[apm]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Thu, 07 Jul 2022 11:42:15 GMT</pubDate>
            <atom:updated>2022-07-07T11:42:15.283Z</atom:updated>
            <content:encoded><![CDATA[<p>Bila anda seorang web developer yang menggunakan aplikasi Node JS dengan Express sebagai frameworknya jelas setuju bahwa teknologi ini merupakan teknologi yang stabil dengan dari satu kesatuan MERN (Mongo Express React Node) Stack yang biasa digunakan dalam sebuah aplikasi professional.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*UD5k4R7tQc5hORv2.jpeg" /><figcaption>MERN Stack Component</figcaption></figure><p>Tapi masalah yang muncul adalah, bagaimana bila kita ingin melihat log yang komprehensif dari Aplikasi MERN yang kita jalankan?</p><p>Tentu banyak jawabannya seperti: Winston, Bunyan, Node-Loggly bahkan Elastic Stack.</p><p>Namun dalam tulisan ini, saya ingin menggunakan dan membuat sebuah logging aplikasi node dengan menggunakan Elastic Cloud, sebuah SaaS yang disediakan oleh Elastic company untuk logging aplikasi atau situs yang berjalan untuk publik.</p><p>Dalam pengaplikasiannya Elastic Cloud yang digunakan untuk menangkap dan melakukan manipulasi data seperti analisis, presenting dan agregasi log untuk mendapatkan hasil dari log yang dihasilkan oleh <em>Elastic Agent </em>(sebuah agent/ekstensi yang merekam kegiatan di situs kita.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/893/0*LyxyK4S3_b3yPs4x.jpeg" /><figcaption>contoh diagram architecture logging fullstack app menggunakan ELK</figcaption></figure><p>Deskripsi sederhana, Elastic Logstash dan Kibana merupakan unsur terpisah dalam logging yang akan kita pakai dalam aplikasi, dengan komposisi sebagai berikut:</p><ul><li>Logstash: untuk menangkap data dari backend maupun frontend ataupun middleware, biasanya data dicapture secara acak dan akan dikirimkan ke dalam elasticsearch</li><li>Elasticsearch: sebuah server module yang menampung data log yang berbentuk berupa JSON dan dapat dilakukan metode PGPD yang biasa dilakukan pada middleware</li><li>Kibana: Business Intelligence tools yang berfungsi untuk menampilkan hasil log seperti tableau</li></ul><p>Untuk memulai kita hanya memakai Elasticsearch dan Kibana Module yang disediakan oleh Elastic Cloud</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CoSvzRO8xhjGUHsfZ_R_TA.png" /><figcaption>elastic cloud</figcaption></figure><p>Pertama kali kita akan mendaftar ke cloud elastic terlebih dahulu dan membuat sebuah index yang akan menjadi base index untuk menangkap log.</p><p>Selanjutnya buka dahulu menu Application Performance Monitoring, APM adalah penyambung dari aplikasi kita menuju ke elastic cloud</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y8CpoqHDtMnZto5EuSwr9w.png" /><figcaption>elastic cloud dashboard</figcaption></figure><p>Untuk memulai connecting ke logging aplikasi Elastic mulai ketikan dalam terminal npm:</p><pre>npm install elastic-apm-node</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zALrGc_mrqn4z-mX2ZJ8Og.png" /><figcaption>installed elastic-apm-node</figcaption></figure><p>setelah diinstall maka lakukan penambahan code dalam aplikasi yang telah dibuat, untuk NodeJS dan Express lakukan penambahan dalam app.js/index.js (tergantung file induk mana yang ditujukan untuk merunning app</p><pre>var apm = require(&#39;elastic-apm-node&#39;).start({</pre><pre>// Override the service name from package.json</pre><pre>// Allowed characters: a-z, A-Z, 0-9, -, _, and space</pre><pre>serviceName: &#39;namaservice&#39;,</pre><pre>// Use if APM Server requires a secret token</pre><pre>secretToken: &#39;namatoken&#39;,</pre><pre>// Set the custom APM Server URL (default: http://localhost:8200)</pre><pre>serverUrl: &#39;serverurl&#39;,</pre><pre>// Set the service environment</pre><pre>environment: &#39;production&#39;</pre><pre>})</pre><p>setelah ditambahkan maka lakukan running aplikasi menggunakan npm.</p><p>Bila aplikasi dijalankan maka otomatis aplikasi akan connect ke SaaS Elastic Cloud. Selanjutnya track logging aplikasi dalam list service yang digunakan:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-xKEoVrsHW3324ZRc2Pkgg.png" /><figcaption>list service</figcaption></figure><p>Klik nama service yang tercantum dalam grid, maka analisis selanjutnya akan diperlihatkan sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ueG6nE9A629hWV1eBQ4iUQ.png" /><figcaption>contoh dumping dan analisis Express Stackmenggunakan Elastic Cloud</figcaption></figure><p>Untuk selanjutnya kita akan melakukan manipulasi data index dan agregasi menggunakan kibana dan dev tools, tunggu di part selanjutnya.</p><p>—</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8eec7265f720" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kuda Pacu Liga Satu: Persib dan Bali United. Manakah Yang Lebih Layak Disebut Juara?]]></title>
            <link>https://halohaikal.medium.com/kuda-pacu-liga-satu-persib-dan-bali-united-manakah-yang-lebih-layak-disebut-juara-8ba22c3a06bb?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/8ba22c3a06bb</guid>
            <category><![CDATA[football]]></category>
            <category><![CDATA[liga-1-indonesia]]></category>
            <category><![CDATA[persib-bandung]]></category>
            <category><![CDATA[bali-united]]></category>
            <category><![CDATA[data-analysis]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Sun, 22 May 2022 18:20:40 GMT</pubDate>
            <atom:updated>2022-05-23T13:55:11.155Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/700/0*bNBPOTILC7bmhSh8" /><figcaption>2021 Liga 1 Title Race — detikcom</figcaption></figure><p>Banyak asumsi yang dilontarkan seperti, apakah Bali United bisa disebut sebagai tim ‘panitia liga’, ‘anak papah’, ‘tim siluman’ dan hinaan lain yang tertuju kepada tim yang dulunya bernama Persisam Putra Samarinda sebelum dibeli oleh Peter Tanuri dan diubah namanya menjadi Bali United.</p><p>Tetapi di sisi lain, Persib sebagai kontestan terkuat di Liga 1 memperlihatkan bahwa performanya tidak bisa dianggap remeh. Di musim kali ini terhitung Persib Bandung belum pernah bermain di rumahnya sendiri: Std. Si Jalak Harupat dan GBLA Bandung. Bahkan mencatatkan win streak sebelum kekalahan memalukan yang diberikan rival abadi mereka: Persija Jakarta.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/659/1*jbxGf_6fePMDn_ewydl0nA.png" /><figcaption>Liga 1 Standings 2021 — Google</figcaption></figure><p>Poin beda terpaut tipis memang menjadi indikasi Liga 1 kali ini memang sangat seru dan menyajikan kompetisi menarik, bahkan ditentukan hingga pekan ke 30.</p><p>Kali ini dengan analsis sederhana menggunakan data Liga 1 Indonesia yang tersedia di api-football.com, untuk mengolah dan mengekstrak datanya saya menggunakan bahasa Python dan data viz Tableau untuk menampilkan hasil dari analisisnya.</p><pre>import requests</pre><pre>url = &quot;<a href="https://api-football-v1.p.rapidapi.com/v3/fixtures">https://api-football-v1.p.rapidapi.com/v3/fixtures</a>&quot;</pre><pre>querystring = {&quot;league&quot;:&quot;274&quot;, &quot;season&quot;:&quot;2021&quot;}</pre><pre>headers = {<br> &quot;X-RapidAPI-Host&quot;: &quot;api-football-v1.p.rapidapi.com&quot;,<br> &quot;X-RapidAPI-Key&quot;: &quot;*isi menggunakan dengan api key*&quot;<br>}</pre><pre>response = requests.request(&quot;GET&quot;, url, headers=headers, params=querystring)</pre><pre>print(response.text)</pre><p>Berikut adalah snippet kode untuk mengambil data rest api yang diprovide oleh api-football.com menggunakan Python. Data yang dihasilkan adalah berbentuk JSON yang akan dikonversikan menjadi CSV.</p><p><strong>Performansi Kumulatif</strong></p><p>Sebenarnya, siapakah yang bisa disebut tim yang lebih konsisten? Dalam analsis yang dilakukan menggunakan penjumlahan running total memperlihatkan bagaimana kekonsistenan permainan mana yang lebih baik setiap gameweeknya di Liga 1. Analisis disajikan di bawah menggunakan data viz <a href="https://public.tableau.com/views/analysisracetitle-liga1/CummulativePerf?:language=en-US&amp;publish=yes&amp;:display_count=n&amp;:origin=viz_share_link"><em>Tableau</em></a>:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*E2AHogwgS3f_QMbfCJa9QA.png" /><figcaption>hasil analsis performa per gameweek dari Liga 1 2021</figcaption></figure><p>Terlihat bagaimana Persib cenderung sulit mempertahankan performa di pertengahan musim. Pada awal musim Persib cenderung tancap gas namun kehabisan bensin pada akhir musim. Bali United cenderung konsisten pada akhir musim dan kuat dengan adanya keuntungan bermain pada series akhir di Bali.</p><p><strong>Performa berdasarkan Home dan Away</strong></p><p>Dalam 1 kalender kompetisi tahun 2021 kali ini tidak berpengaruh dikarenakan adanya faktor bermain secara Series dan tidak benar — benar dilaksanakan di kandang masing — masing tim. Contohnya seperti Bali United di bawah ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*S4wyWUIv7ERRtsp7AxUZaw.png" /><figcaption>Hasil Pertandingan Bali United di Liga 1 2021</figcaption></figure><p>Secara teknis home dan away berlaku bagaimana tim yang bermain di kandang pasti sering meraup banyak kemenangan, tapi untuk kompetisi dengan faktor series sekarang sulit terjadi karena permainan, setali tiga uang dengan Persib Bandung</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/620/1*Dkf1INi4T2ghVvQc5tcndQ.png" /><figcaption>Hasil Pertandingan Persib Bandung di Liga 1 2021</figcaption></figure><p>Bermain jauh dari Kota Bandung menjadikan mereka sulit untuk menyetel performa mereka dan cenderung mengalami penurunan pada laga ‘kandang’. Bagi Persib laga kemenangan mereka itu sangat berpengaruh sekali karena sering terbiasa bermain di hadapan bobotoh.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*Ls0hkqkq1ye7AZgq.jpg" /><figcaption>Skuad Persib Bandung 2021</figcaption></figure><p><strong>Apakah Benar Bali United Diuntungkan Oleh Bermain di Series Rumahnya sendiri?</strong></p><p>Pernyataan yang bisa juga benar, namun pula bisa salah. Namun hanya data yang bisa menjawabnya, apakah Bali United layak menyandang apa yang disebut dengan Panitia FC? Statistik menjawabnya di bawah berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/649/1*GtrODem5vQw-3Plbl4sKtg.png" /><figcaption>Hasil Prosentase Kemenangan Bali United di Series Bali 2021</figcaption></figure><p>Menelan dua kali kekalahan. Baik laga ‘home’ maupun laga ‘away’. Catatan yang cukup baik dan konsisten bila ingin dikatakan sebagai calon juara. Lantas bagaimana dengan Persib?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/650/1*uMMZ2B66LpoU2LgHkz6G6Q.png" /><figcaption>Hasil Prosentase Kemenangan Persib di Series Bali 2021</figcaption></figure><p>Statistik mencengangkan justru diraih oleh Persib Bandung. Mereka hanya sekali menelan kekalahan dari 13 pertandingan. Rekor yang cukup baik bagi bukan tim yang menyandang ‘panitia liga’.</p><p><strong>Kesimpulan</strong></p><p>Baik Bali United maupun Persib Bandung merupakan klub yang sama — sama besar. Satu klub yang mapan yang cukup memiliki sumber daya dan satunya lagi adalah sebuah klub yang mempunyai nama besar dan sejarah panjang di kancah liga Indonesia.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*ATiUb2DtmXcFiDV4.jpg" /><figcaption>Bali United Celebrate Win 2022 — Club Page</figcaption></figure><p>Bisa disimpulkan dari analisis di atas kedua klub adalah klub sangat mapan dan maju di Liga Indonesia, tapi apakah lantas tuduhan seperti ‘Panitia Liga’, ‘Anak Papah’, ‘Yang Punya Kawasan’ dan nyinyiran lainnya bisa disama-artikan dengan anggapan tersebut. Dan pada akhirnya…</p><p>Jawabannya: bisa jadi, bisa tidak.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8ba22c3a06bb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Machine Learning with OCI (Studi Kasus RedBull Racing Honda) Part 3 (FINAL)]]></title>
            <link>https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-3-final-7d98e56f0619?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/7d98e56f0619</guid>
            <category><![CDATA[max-verstappen]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[oracle-cloud]]></category>
            <category><![CDATA[f1]]></category>
            <category><![CDATA[red-bull-racing]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Sun, 06 Feb 2022 14:49:38 GMT</pubDate>
            <atom:updated>2022-02-06T14:49:38.436Z</atom:updated>
            <content:encoded><![CDATA[<p><em>its the ten last lap, Haikal going to pushing hard with the RB16B car….</em></p><p><em>the analysis has been done, now we proceed to the last step, predictions!</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*CvZ9Co9x_jBhpCx3.jpg" /><figcaption>the final showdown moment, Abu Dhabi GP 2021</figcaption></figure><p>Sebelum memulai proses prediksi dengan Machine Learning (ML), Autonomous Data Warehouse (ADW) yang telah kita buat dikonfigurasi dahulu user untuk penggunaannya</p><p>Caranya, masuk dahulu ke menu ADW — pilih database REDBULL — lalu pilih Service Console</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pdQiNrFjmh1cbrforTNPkw.png" /><figcaption>masuk ke service console</figcaption></figure><p>Pilih administration — Manage Oracle ML Users</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zekrAs_UM35CY0zvWMhCMQ.png" /><figcaption>klik oracle ML users</figcaption></figure><p>Setelah masuk ke menu maka akan diprompt login, untuk masuk gunakan akun ADMIN yang sudah dibuat di artikel sebelumnya</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oBjjvKveA6xNCiczmUm3Lg.png" /><figcaption>login prompt</figcaption></figure><p>Setelah login selesai langsung akan dihadapkan dengan list users, untuk membuka semua users centang pilihan all users</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*76S7t0rH0TlPP75TJS7Faw.png" /><figcaption>centang all users</figcaption></figure><p>Masukkan semua isian dan jangan lupa isikan email untuk setup ML users</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*81ejPNAaJoWeZfATvkvh2A.png" /><figcaption>save prompt</figcaption></figure><p>Setelah selesai maka kembali ke laman manage Oracle ML Users, untuk memulai development mengenai prediksi hasil balapan menggunakan ML, donwload <a href="https://objectstorage.eu-frankfurt-1.oraclecloud.com/p/PeMeH0b0dmnYER-OpqcMh_UWCUbBxhWQ27Sf0PcqEDs25kDKqx8aXHmp90Xbf2xw/n/fruktknlrefu/b/workshop-redbull-analytics/o/redbull-notebook.json">file berikut</a> sebelum mengklik tab development — Oracle Machine Learning User Interface.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jA1R5XmFSjWRw2qcyLZFgw.png" /><figcaption>klik Oracle ML Learning UI</figcaption></figure><p>setelah klik maka akan dihadapkan kembali dengan login prompt, untuk kali ini memakai user F1</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/901/1*G50KPoEaGG_xxjC-8bmE2Q.png" /><figcaption>login prompt</figcaption></figure><p>untuk memulai, pastikan file .json diatas sudah didownload, dikarenakan kita menggunakan file tersebut untuk membuat notebook seperti yang dilakukan pada Python untuk menganalisis data, hanya saja sudah disiapkan oleh Oracle untuk analisisnya secara langsung. Ikuti navigasinya di bawah</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/757/0*D2O2VGU9Ldw2HueF.png" /><figcaption>klik notebooks</figcaption></figure><p>Import notebook untuk memulai analisis, pada tahap ini kita akan menjalankan script yang telah dibuat untuk memulai model predictornya secara langsung pada OCI</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9gBMZEd54AqgNr_e2KMQXw.png" /><figcaption>import notebooks</figcaption></figure><p>Setelah import selesai, lalu klik notebook tersebut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*D3kRoiXRnTYE2oFs.png" /></figure><p>Sebelum memulai, dalam notebook ini terdapat script SQL dengan penjelasan fungsi masing — masing sebagai berikut:</p><ul><li>Menghitung jumlah lap yang memiliki pergantian pembalap di posisi terdepan.</li><li>Menghitung jumlah lap yang mengalami pergantian pembalap di 5 posisi teratas.</li><li>Menghitung jumlah total overtake (salip — menyalip) dengan dua cara: semi-overtake karena pit stop dan overtake aktual di lintasan.</li><li>Hitung “comeback”, yang didefinisikan sebagai jumlah posisi maksimum yang dapat dipulihkan oleh seorang pembalap dari posisi di belakang lapangan.</li><li>Pengambilan jumlah <strong>safety car</strong> dalam perlombaan.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ckidFURzBiUi9qXi.jpg" /><figcaption>F1 Safety Car</figcaption></figure><p>Selanjutnya, untuk memulai melatih model data balapan yang telah dimasukkan ke dalam Autonomous Data Warehouse kita navigasi ke menu berikut untuk memulai dengan cara klik run all paragraphs</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/981/0*JoE7E0uXJIor7vzi.png" /><figcaption>run notebook all paragraphs</figcaption></figure><p>untuk proses running memakan waktu beberapa menit bahkan terhitung lebih lama daripada yang diperkirakan, tetapi untuk hasil maksimal pada machine learning hal tersebut adalah hal yang lumrah dilakukan.</p><p>Bila telah selesai harusnya notebook menunjukkan tanggal per hari ini untuk menyatakan untuk menjalankan notebook tersebut telah selesai</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*u6ejNUXFHAoM4BpXxCecaQ.png" /><figcaption>notebook done process</figcaption></figure><p>Selanjutnya adalah proses melatih model ML. Untuk memulai kita masuk dahulu ke menu AutoML</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*StG1fi4sWnyKHFeDAn_-Hg.png" /><figcaption>arahkan ke menu AutoML</figcaption></figure><p>Setelah selesai maka kita akan membuat data latih Machine Learningnya, klik create untuk memulai:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U7ooZh6FnubS5h1Um4hIGA.png" /><figcaption>klik create untuk memulai</figcaption></figure><p>ini merupakan bagian paling menarik, karena kita akan melatih data yang telah kita buat modelnya untuk menghasilkan hasil prediksi. Untuk pembuatan model ikutilah langkah konfigurasi sebagai berikut:</p><p>Name: Memprediksi Poin Balapan</p><p>Data Source: F1.RACES_TRAIN (pilih F1 schema dan table RACES_TRAIN dari pop up window). Table hanya bisa menampung balapan hingga tahun 2019.</p><p>Predict: SCORE</p><p>Case ID: RACEID</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gQnA6y_IQFbDVWH8cFLWEg.png" /><figcaption>Konfigurasi data training</figcaption></figure><p>selanjutnya buka adittional settings dahulu dan ikuti konfigurasi sebagai berikut untuk menghasilkan predictor yang akurat</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/793/0*Ncsatj2lIp7NCKJT.png" /><figcaption>untuk additional settings</figcaption></figure><p>untuk input variables perhatikan untuk centang konfigurasi sebagai berikut:</p><p>CIRCUITREF: checked</p><p>DNF_COUNT: checked</p><p>DNF_DUE_TO_ACCIDENT_COUNT: checked</p><p>LAPS_WITH_CHANGE_POS_1: checked</p><p>LAPS_WITH_CHANGE_POS_1_5: checked</p><p>MAX_COMEBACKSCORE: checked</p><p>OVERTAKEN_POSITION_DUE_TO_PITSTOP: checked</p><p>OVERTAKEN_POSITION_REAL_TOTAL: checked</p><p>RANK_VERSUS_POSITION: checked</p><p>SAFETY_CAR: checked</p><p>WEATHER_WET: checked</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*4Q1IP5rr_hBdegNc.png" /><figcaption>konfigurasi untuk data training</figcaption></figure><p><strong>Harap berhati-hati dalam memilih kolom ini (dan tidak ada yang lain), karena ini akan mempengaruhi hasil dari proses pelatihan.</strong></p><p>save konfigurasi untuk memulai menjalankan model data training</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/395/0*jkuFin1g9cW5tUe2.png" /><figcaption>save model machine learning</figcaption></figure><p>mulai untuk melatih model, caranya pilih faster results untuk memulai menjalankan data training</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1wp41EssJwdN2FXg8Sm8nw.png" /><figcaption>jalankan model data training</figcaption></figure><p>setelah klik faster results maka akan tampil tampilan sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JIYr1zB0KoNCAEKeisGAcw.png" /><figcaption>menjalankan data training</figcaption></figure><p>bila setelah selesai maka data yang akan kita gunakan adalah Generalized Data Model, untuk komparasi real musim sebelumnya yang akan digunakan pada data analytics pada data visualization</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y98dzU2vtEddnjSOmYRE4A.png" /><figcaption>data yang dihasilkan</figcaption></figure><p>untuk sekarang kita akan memulai untuk menganalisis balapan, untuk pertama kita masuk dahulu ke menu Analytics Cloud kembali dan masuk ke analytics home page.</p><p>Buka data races untuk memulai proses analitik</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Kqwn3XEB2noaTRTN.png" /><figcaption>buka data races</figcaption></figure><p>setelah dibuka, klik edit definition untuk mencocokkan dengan data training yang akan dibandingkan</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/696/0*MNq6qu2TiCjFTbyo.png" /><figcaption>edit definition</figcaption></figure><p>klik add all untuk menambahkan data</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NRFjzKmjSz0o6PyXIM5RCQ.png" /><figcaption>adding to tables</figcaption></figure><p>klik ok untuk menambahkan</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/648/0*uwfugKuRvM9Lq2JA.png" /><figcaption>klik ok</figcaption></figure><p>lalu save dataset tersebut untuk mulai menampilkannya dalam analytics, setelah save kita akan membuat model yang dilatih untuk selanjutnya diregister ke dalam model, klik register data model</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/538/0*13jufEnyAHabXeg9.png" /><figcaption>meregister data model</figcaption></figure><p>klik database yang dikoneksikan</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/892/1*Mt7ZB-FC_38laoUOlLAQbw.png" /><figcaption>model db</figcaption></figure><p>pilih generalized model yang akan dianalisis, karena tadi hasilnya adalah GLM yang berakhiran B3 kita gunakan yang B3</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/876/1*eBRoSSB1YR6IXXM9fkdxbw.png" /><figcaption>pemilihan model</figcaption></figure><p>lalu klik register, dan akhirnya kita bisa untuk melakukan prediksi!</p><p>untuk memulai buat dahulu data flow</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/692/0*7zptts97FgAego0G.png" /><figcaption>buat data flow</figcaption></figure><p>setelah masuk menu lalu pilih database races</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/883/1*xVHjdHHwi4S0smEG7TEywQ.png" /><figcaption>pilih db races</figcaption></figure><p>buat filter dahulu untuk memilah balapan tahun mana yang akan diprediksi. Kali ini kita akan memprediksi balapan tahun 2021</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Hpw9fHJ14AE6Y4uXaCvgrA.png" /><figcaption>filter balapan per 2021</figcaption></figure><p>lalu tambahkan model yang telah dibuat</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*A5oX7IwD3Zcx_TewNpD-NA.png" /><figcaption>apply model</figcaption></figure><p>bila diperhatikan seksama maka kolom output akan diarahkan dari model yang tadi:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/858/0*rnthSmTpvOGzstXT.png" /></figure><p>lalu pilih select columns yang akan diolah</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*J6qmsta-Bhy0Nb8j.png" /><figcaption>select dan penambahan columns</figcaption></figure><p>setelah selesai lalu tambahkan action save dataset, ikuti instruksi sebagai berikut. Jangan takut dengan error ketika save</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zRQBLDRru0eMtlin.png" /><figcaption>save untuk data flow</figcaption></figure><p>beri nama Predict Score DF agar memudahkan</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*_qcfNzC46Ryv8Kst.png" /><figcaption>save data</figcaption></figure><p>lalu jalankan data flow untuk memulai prediksi</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/461/0*q-hk8384jFnIsoAP.png" /><figcaption>menjalankan data flow</figcaption></figure><p>setelah selesai maka data predicted scores dapat langsung diolah</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Wz0gF3In1FQseSb4.png" /><figcaption>data predicted scores</figcaption></figure><p>setelah diolah ke dalam viz berikut merupakan hasil dari analisis performa max musim depan untuk tahun 2022 berdasarkan race yang dijalankan pada tahun 2021</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*W6gXFWV8m9ibsF1PxHGJrQ.png" /><figcaption>hasil prediksi skor Max Verstappen</figcaption></figure><p>secara prediksi Max cukup konsisten bila menghitung dari analisis prediksi yang dijalankan oleh machine learning. Ia konsisten meraup poin lebih dari 4 dan jarang tidak mendapatkan poin, dengan kata lain apakah dengan analisis ini apakah Max sanggup mempertahankan performanya musim depan? kita juga tidak tahu. Jelas selalu menarik bila membahas balapan khususnya F1 dengan pendekatan Analitik dan Data Sains.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/700/0*oPDTLnvcH7Wn0GLM.jpg" /><figcaption>Max P1</figcaption></figure><p>Yang jelas kita menunggu hasil sebenar benarnya dari balapan F1 yang akan dimulai sebentar lagi. Patut ditunggu!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7d98e56f0619" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Machine Learning with OCI (Studi Kasus RedBull Racing Honda) Part 2]]></title>
            <link>https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-2-d74c7b4b50b9?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/d74c7b4b50b9</guid>
            <category><![CDATA[formula-1]]></category>
            <category><![CDATA[max-verstappen]]></category>
            <category><![CDATA[oracle]]></category>
            <category><![CDATA[oracle-cloud]]></category>
            <category><![CDATA[red-bull-racing]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Fri, 04 Feb 2022 19:09:18 GMT</pubDate>
            <atom:updated>2022-02-07T03:58:51.575Z</atom:updated>
            <content:encoded><![CDATA[<p>here we go again, lights out and away we go!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gs1y2hAHyHjHi3OkLiva3Q.png" /></figure><p>setelah kita bermain dengan load data pada <a href="https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-1-4a0ebac69eeb"><em>bagian pertama</em></a><em> </em>kita akan melanjutkan untuk melakukan analytics dengan data yang telah kita load untuk menentukan perfoma max pada musim lalu sesuai dengan data yang telah kita prediksikan!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*BhPrUQC2LKTIqgB-.jpeg" /><figcaption>Verstappen wins the championship</figcaption></figure><p>pertama tama kita harus menyambungkan dahulu Analytics Cloud dengan Autonomous Data Warehouse, caranya adalah sebagai berikut:</p><p>Pilih db connection untuk memulai koneksi, pilih pada menu db collection untuk pertama tama.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qwyKrkL--JxK0r29O4t4dA.png" /><figcaption>menu navigation untuk autonomous data warehouse</figcaption></figure><p>setelah klik db connection maka mulai untuk download wallet untuk memulai connection menuju ke Analytics Cloud</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/926/1*ZxOQgVFcIxnIUS-EbpFWSA.png" /><figcaption>download wallet</figcaption></figure><p>prompt password akan keluar dan diminta untuk mengisinya. Isilah password sesuai yg telah diisikan sebelumnya. Password yg diisi adalah password untuk user admin yang pertama kali.</p><p>Setelah selesai lalu masuk ke menu Analytics Cloud kembali</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Yrs4fU3SnskWq5S_.png" /><figcaption>analytics cloud</figcaption></figure><p>masuk ke analytics cloud RedBullAnalytics, lalu navigasi ke analytics cloud homepage untuk memulai menyambungkan antara cloud dan ADW yang telah dibuat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/0*HhOwC8GKtGAKh7l0.png" /><figcaption>create connection to adw</figcaption></figure><p>untuk memulai menyambungkan pilih create pada pojok kiri atas, untuk memulai proses menyambungkan ADW dan Analytics Cloud.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/867/0*lP2WAc6f_i-5KT96.png" /><figcaption>menyambungkan Oracle ADW</figcaption></figure><p>jangan lupakan isi dengan credentials berikut, untuk wallet instance upload file compressed-nya dan untuk username/pass isi : F1/Oracle_12345.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/878/1*5UupEm84r9PN-2Xpp4crfg.png" /><figcaption>connection instance</figcaption></figure><p>setelah instance selesai dibuat, kita akan membuat dataset untuk memulai proses analitik, caranya pada menu create kita buat dataset dengan navigasi ke menu berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/656/0*NfGsOKSi6hpLd1U0.png" /><figcaption>create dataset</figcaption></figure><p>Bila nanti telah selesai, pilih koneksi REDBULL yang telah dibuat seperti berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/877/1*MF9ok_BmTfRLM3elSrL0MQ.png" /><figcaption>create dataset prompt</figcaption></figure><p>setelah selesai, maka database RedBull telah tersedia dan dapat dimulai proses pembuatannya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/918/1*NXvwjzu3VY3FB9r3SqIDBA.png" /><figcaption>dataset explorer</figcaption></figure><p>Pilih data Lap_Times untuk mulai konfigurasi. Ada beberapa hal yang harus diubah dan diadjustment terlebih dahulu pada databasenya</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3gnADHFqEbwE7pqQp4BrmA.png" /><figcaption>hasil analytics lap times</figcaption></figure><p>untuk penyesuaian kita buat dahulu pivot datanya untuk mudah menganalisisnya pada Analytics Cloud</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/817/0*SGsp8gExWHLSOiiu.png" /><figcaption>tab lap_times</figcaption></figure><p>selanjutnya ubah treat as measure menjadi attribute pada field</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FzvpH1uFB31uOLdoGw8SBw.png" /><figcaption>ubah treat as attribute</figcaption></figure><p>setelah selesai lalu save as dataset, hati — hati karena data akan tertimpa bila bernama sama, maka proses harus diulang kembali pada part pertama</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ni9rjBShyVLJuCnlbftVoQ.png" /><figcaption>save as dataset</figcaption></figure><p>setelah selesai maka dataset telah selesai dan dapat digunakan untuk dianalisis, untuk memulai maka kita akan membuat visualisasi menggunakan data yang telah disave as.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mLiZlWvMUskfIRW4EgMV1w.png" /><figcaption>dataset baru</figcaption></figure><p>saatnya untuk menganalisis balapan!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*N6gw9EYidBjBpxWONBQRTQ.png" /><figcaption>workbook data analytics oci</figcaption></figure><p>untuk memulai kita menghitung dengan cara memilih field — field di bawah ini, dengan cara setelah memilih itu adalah klik kanan lalu pick visualization untuk mempermudah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*pAOKjISFTHFx9ARu.png" /><figcaption>use pick visualization</figcaption></figure><p>setelah itu lalu lakukan filter untuk analisis balapan per tahun 2020 saja, untuk analisis in depth pilih dahulu semua driver untuk membandingkan Max dengan driver lain. Untuk memudahkan contoh saya hanya memilih balapan per tahun 2021 kemarin.</p><p>Setelah filtering maka akan tampil viz sebagai berikut sebagai perbandingan. Untuk rerata semua balapan maka akan dihitung berdasarkan sampai mana seringnya driver menyelesaikan balapan di lap ke berapa</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CpVvGkrBF-UG6C0uR2mYyA.png" /><figcaption>analisis lap Yas Marina GP 2021</figcaption></figure><p>bisa dilihat kecelakaan yang terjadi kepada latifi membuyarkan strategi Mercedes pada Abu Dhabi GP dan menjadikan momen paling ikonik pada akhir gp terjadi</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yR5EDBin1nwPEgw3DnBUVQ.png" /><figcaption>latifi crash at lap 51</figcaption></figure><p>bila dibandingkan dengan momen hammertime Lewis Hamilton pada Brazilian GP terlihat hamilton konsisten dengan memberikan grafik yang selalu menaik.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lGhz-UwJ1He4IvOf7f8BFg.png" /><figcaption>comparing with interlagos analysis</figcaption></figure><p>Bila dibandingkan dengan data 3 balapan sebelumnya, Max cukup konsisten hingga ia layak disebut juara dunia pada tahun lalu. Jeddah 2021 yang penuh dengan kontroversi lebih cocok ia memenangkannya dengan adil</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yNxdABu-dBCozCCk0AnYvA.png" /><figcaption>comparing by 3 last race</figcaption></figure><p>dibandingkan dengan race awal dan terakhir pun, max cukup konsisten</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7K7nTr-tH4y2z6puyS98Cw.png" /><figcaption>perbandingan dengan race awal dan terakhir.</figcaption></figure><p>Dengan akumulasi secara keseluruhan pun Max Verstappen masih bisa merajai Formula 1 dengan grafik yang cukup konsisten dan layak memang disandingkan menjadi contender musim depan untuk merebut kembali gelarnya</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XzWznfuFm0j7VX0dtsTjow.png" /><figcaption>grafik secara akumulatif.</figcaption></figure><p>Data tersebut merupakan data yang dihimpun dari Oracle Analytics dan data hasilnya objektif berdasarkan musim lalu. Tulisan kedua ini merupakan seri penengah untuk menuju ke seri ke selanjutnya, yakni ke tiga sebagai trilogi penutup data analitik dan Machine Learning di Formula 1.</p><p>Seperti saya bilang:</p><p>“Valtteri, It’s James!”</p><p>— <a href="https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-3-final-7d98e56f0619">bersambung ke bag akhir</a>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d74c7b4b50b9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Machine Learning with OCI (Studi Kasus RedBull Racing Honda) Part 1]]></title>
            <link>https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-1-4a0ebac69eeb?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/4a0ebac69eeb</guid>
            <category><![CDATA[oracle-cloud]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[oci]]></category>
            <category><![CDATA[f1]]></category>
            <category><![CDATA[red-bull-racing]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Fri, 04 Feb 2022 13:56:36 GMT</pubDate>
            <atom:updated>2022-02-05T02:48:48.728Z</atom:updated>
            <content:encoded><![CDATA[<p>Pamor F1 menaik setelah balapan terakhir di Abu Dhabi desember lalu, Max Verstappen keluar sebagai juara F1 2021. Walau banyak kontroversi yang dihadirkan Michael Masi (FIA Director) dengan menghasilkan tindakan yang disayangkan karena memberikan keputusan yang mengerenyit dahi dan sampai sekarang tetap menjadi buah bibir di social media.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*b3Z4I4gqf-VoqENc.jpg" /><figcaption>Max winning Abu Dhabi GP 2021</figcaption></figure><p>Berangkat dari fenomena tersebut, saya ingin menganalisis performa Max Verstappen pada musim depan dengan menggunakan pendekatan Machine Learning. Karena data tersedia untuk balapan sebelumnya di Red Bull Racing oleh salah satu sponsornya yaitu Oracle Technology, maka saya akan menggunakan platform Oracle Cloud Infrastructure untuk melakukan analisis performa Max dengan data yang ada.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/997/0*E0nE9NDsp9ESYysM.png" /><figcaption>Arsitektur pada Oracle Cloud Infrastructure</figcaption></figure><p>Untuk memulai, saya menggunakan account OCI gratis yang untuk cara mendapatkannya harus mendaftar dulu menggunakan credit card. Untuk CC saya menggunakan fitur VCC yang disediakan oleh Jenius, dikarenakan saya menggunakan OCI Free Account maka analisis yang dilakukan hanya akan tersedia dalam 30 hari saja.</p><p>Kenapa menggunakan akun free trial? Karena untuk membuat Analytics Cloud harus menggunakan akun federated login (yakni dengan akses root).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jssJqh_xarAkDayiUPNJeA.png" /><figcaption>Oracle Cloud Infrastructure Lab Dashboard</figcaption></figure><p>Untuk memulai analisis maka saya navigasi ke menu berikut: Analytics AI — Analytics cloud. Kredit tersedia untuk memulai analytics cloud pada OCI adalah 400 SGD secara cuma - cuma diberikan oleh oracle. Karena itu saya memulai untuk membuat analytics dengan credit yang diberikan</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*_XEnBUmXImWMv2FW.png" /><figcaption>navigasi ke cloud analytics</figcaption></figure><p>untuk selanjutnya maka pilih compartment yang telah diarahkan oleh oracle lab, untuk compartment saya sudah diberi nama yakni hyvaikal, untuk memulai maka create instance terlebih dahulu pada root compartment.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oC0Oh9PC9JBIeMe2M-Sl0g.png" /><figcaption>root compartment</figcaption></figure><p>Untuk memulai membangun Analytics Cloud, isilah dengan credentials sebagai berikut untuk memulai membangun Analytics Cloud yang diperlukan bagi analisis data balapan yang akan diprediksi menggunakan machine learning</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nzzjsWNPKhYXrOD-dr5ROw.png" /><figcaption>membuat Analytics Instance</figcaption></figure><p>Setelah membuat Analytics Cloud, tentunya kita harus membuat database. Untuk lebih mempermudah saya akan membuat Autonomous Database (Database yang Terotomasi) untuk mempermudah proses analitik</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ms-HJ5g4OCE9UxLQdvWipw.png" /><figcaption>memilih autonomous data warehouse</figcaption></figure><p>untuk memulai saya akan membuat Autonomous Database pada compartment root, untuk mudahnya ikuti langkah sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P6syf9hH5zfc9rW--B413w.png" /><figcaption>autonomous database list</figcaption></figure><p>isi dengan credentials sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*87KG9L5rwyCwtaFC.png" /><figcaption>list basic information</figcaption></figure><p>untuk konfigurasi database pilih dengan database yang telah dianjurkan, untuk database yang dipakai yakni Oracle 19c.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PbO_BSX5eJZ1cV9o.png" /><figcaption>pilih tipe database yang akan dibuat</figcaption></figure><p>Selanjutnya credentials yang akan diisi adalah password yang diisi untuk mengamankan database. Untuk password usahakan secure dan aman yang akan mudah diakses nanti mudah oleh kita untuk proses machine learning selanjutnya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*QdK4Zn4O-ZwxQOA0.png" /><figcaption>credentials untuk password dan lisensi</figcaption></figure><p>Selanjutnya setelah mengklik create autonomous database maka kita akan ditampilkan layar seperti berikut karena database akan dibangun atau provisioning dalam istilah OCI</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jtXBam_0m9-ku65Il33trg.png" /><figcaption>Provisioning Autonomous Database Warehouse</figcaption></figure><p>Setelah proses selesai maka database aktif, database siap diload dan digunakan untuk cloud analytics.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-H1jUQOovuh3mYGly7O5FQ.png" /><figcaption>Database Provisioned</figcaption></figure><p>Bila proses selesai maka kita akan membuat autonomous database untuk meload table yang akan dianalisis. Untuk memulai download dahulu file <a href="https://objectstorage.eu-frankfurt-1.oraclecloud.com/p/cEbDpmx0Imy3-L8SYZK4BQNnVLGVhkN_iJyQyjGc2So4qNse69_dSB513EzX_Hzu/n/fruktknlrefu/b/workshop-redbull-analytics/o/redbull-create-user.sql">berikut</a>.</p><p>untuk melanjutkan setelahnya klik pilihan database actions di atas, lalu pilih metoda SQL untuk menjalankan script yang telah didownload sebelumnya</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/773/1*NAIcSHXPYhYR20K6i_EUYQ.png" /><figcaption>SQL load</figcaption></figure><p>buka file yang telah diunduh lalu tempelkan ke SQL code yang telah diberikan, pilih run script button untuk menjalankan semua script yang telah ditempelkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BZLXCfAjYnNO-39WhN2UpA.png" /><figcaption>run script pada SQL</figcaption></figure><p>kembali ke laman launchpad, lalu masuk ke menu data load untuk memasukkan data — data ke dalam tabel untuk keperluan selanjutnya pada proses analitik dan Machine Learning</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/787/1*IX1Sz5N1pqZtvxidbruiLQ.png" /><figcaption>pilih data load</figcaption></figure><p>setelah masuk ke dalam menu data load maka akan dihadapkan dalam menu selanjutnya. Bila setelah selesai pastikan pilih local file untuk memasukkan file menjadikan selanjutnya menjadi tabel.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*QdeSwTkAOrqLXq5m.png" /><figcaption>load table from file</figcaption></figure><p>upload data ke Oracle Cloud, bila telah selesai maka berikut data — data yang telah diupload dan akan dijadikan tabel untuk analitik.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2cfgXqOMNTXRKq53E40oGQ.png" /><figcaption>load for analytics</figcaption></figure><p>Pastikan jangan lupa untuk mengubah opsi upload menjadi insert to table</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/912/1*wckZvgHHi6Swneittq7VNA.png" /><figcaption>configuration for each file</figcaption></figure><p>Setelah load selesai maka akan tampil dengan log sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*lbbvQO9Ubr2hb6Pi.png" /><figcaption>Done load for table</figcaption></figure><p>Tahap untuk load data selesai, maka selanjutnya akan dilanjut di Part ke 2. Untuk part 2 ini merupakan Part paling menarik dan seru karena kita akan bermain dengan proses analitik dan machine learning.</p><p>okay, time to box box….</p><p><a href="https://halohaikal.medium.com/machine-learning-with-oci-studi-kasus-redbull-racing-honda-part-2-d74c7b4b50b9">proceed to pt 2</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4a0ebac69eeb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Analisis Harga Pemain di Liga 1 2021 melalui Data Visualization Tool]]></title>
            <link>https://halohaikal.medium.com/analisis-harga-pemain-di-liga-1-2021-melalui-data-visualization-tool-692a5ad06926?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/692a5ad06926</guid>
            <category><![CDATA[tableau]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[liga-1-shopee]]></category>
            <category><![CDATA[indonesian-football]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Tue, 27 Apr 2021 14:53:41 GMT</pubDate>
            <atom:updated>2021-04-27T14:56:31.967Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/720/0*BE-zm-iWUUAS2Gq-.jpg" /><figcaption>Pertandingan Liga 1 Indonesia — Tempo.co</figcaption></figure><p>Dalam tulisan sebelumnya di <a href="https://halohaikal.medium.com/ekstraksi-data-mudah-menggunakan-teknik-scraping-studi-kasus-pemain-termahal-liga-1-di-34aa4915c24a">sini</a> saya telah menghimpun data harga pemain sepakbola di Liga 1 dengan teknik scraping isi website Transfermarkt dot com. Data tersebut merupakan sebuah data mentah yang belum diolah dan ditampilkan menarik secara visual, maka dari itu saya akan membuat Visualiasi data yang akan dihimpun menggunakan tool bernama Tableau.</p><p><strong>Mempersiapkan data</strong></p><p>Untuk memulai memuat data ke tableau, koneksikan file csv yang telah didump kemarin menggunakan teknik scraping dengan cara klik <em>connect to a file</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/715/1*TqIRBnUAtTnhRnI4DlUkCA.png" /><figcaption>load data menggunakan tableau</figcaption></figure><p><strong>Memulai mengelola dan membuat dashboard</strong></p><p>Setelah data diload lalu mulai membuat sheet yang akan dimuat ke dalam dashboard</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/939/1*r2Ra7Ed504JAxm0fH6qcUw.png" /><figcaption>list data source</figcaption></figure><p><strong>Membuat dashboard</strong></p><p>Untuk membuat dashboard maka buat dahulu beberapa sheet untuk memudahkan visualisasi seperti berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/986/1*1ZR6YtBEP-UeNp46zK58MQ.png" /><figcaption>data berdasarkan posisi</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/823/1*qly5Q9bC0CfP4UuYRjJSmA.png" /><figcaption>Berdasarkan klub</figcaption></figure><p>Seperti bisa dilihat Persija Jakarta memimpin perolehan pemain yang memiliki <em>market value </em>yang termasuk 85 besar pemain yang memiliki harga yang mahal di Liga 1 Indonesia, menyusul Madura United, Bhayangkara FC dan Bali United.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/824/1*Mx6dsn7qc7ygrsJI5NCTpA.png" /><figcaption>data berdasarkan tinggi pemain</figcaption></figure><p>Untuk berdasarkan data tinggi pemain sendiri didominasi oleh kelompok pemain dengan bertinggi rata2 1,76–180cm.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/809/1*P7sYkTKKF-OsICnBaPY5Yg.png" /><figcaption>sebaran berdasarkan negara</figcaption></figure><p>Untuk sebaran pemain berdasarkan negara sendiri dilihat pemain asing didominasi oleh pemain asal Brasil dan disusul oleh Belanda dan sisanya merupakan negara lain yang tersebar masing — masing satu pemain.</p><p>Untuk lebih lengkapnya bisa dilihat di tableau viz berikut:</p><p><a href="https://public.tableau.com/views/HargaTransferPemaindiLiga1/HargaPemaindiLiga12021?:language=en&amp;:display_count=y&amp;publish=yes&amp;:origin=viz_share_link">Tableau Public</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=692a5ad06926" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Ekstraksi Data Mudah Menggunakan Teknik Scraping (Studi Kasus Pemain Termahal Liga 1 di…]]></title>
            <link>https://halohaikal.medium.com/ekstraksi-data-mudah-menggunakan-teknik-scraping-studi-kasus-pemain-termahal-liga-1-di-34aa4915c24a?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/34aa4915c24a</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[scraping]]></category>
            <category><![CDATA[football-analysis]]></category>
            <category><![CDATA[liga-1-indonesia]]></category>
            <category><![CDATA[data-analysis]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Mon, 26 Apr 2021 09:58:12 GMT</pubDate>
            <atom:updated>2021-04-26T09:58:12.683Z</atom:updated>
            <content:encoded><![CDATA[<h3>Ekstraksi Data Mudah Menggunakan Teknik Scraping (Studi Kasus Pemain Termahal Liga 1 di <a href="https://www.transfermarkt.com/">transfermarkt.com</a>)</h3><p>Setelah menonton panasnya Piala Menpora 2021 kemarin saya memiliki ide untuk menerapkan pendekatan <em>data science</em> pada sepakbola, untuk memulai saya tidak akan melakukan analisa secara taktikal dan in depth dikarenakan saya tidak memiliki lisensi kepelatihan dan hanya sedikit memahami taktikal karena tidak terlalu memahaminya. Namun saya memilih pendekatan menarik lain, yakni memulai menganalisa harga pasar pemain sepakbola untuk mengukur seberapa jor — jorannya klub liga 1 dalam mengeluarkan pundi untuk membayar jasa seorang pemain professional.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/0*L_YjBPCE-KnBpnTA.jpg" /><figcaption>Tactical Analysis — <a href="https://pixabay.com/users/anncapictures-1564471/">anncapictures</a>, Pixabay</figcaption></figure><p>Untuk mendapatkan data sendiri, saya melakukan teknik <em>scraping, </em>yakni sederhananya mengcopy isi website yang tersedia secara publik. Teknik <em>scraping </em>sendiri berada di area abu — abu atau dalam kata lain belum diregulasi di Indonesia, adapun isi website yang saya akan <em>scraping </em>isinya adalah website<a href="https://www.transfermarkt.com/liga-1-indonesia/marktwerte/wettbewerb/IN1L/pos//detailpos/0/altersklasse/alle/plus/1"> transfermarkt.com</a>, website yang memuat harga pemain sepakbola terkini dan secara realtime.</p><p><strong>Instalasi <em>webscraper</em></strong></p><p>Untuk memulai scraping saya menggunakan sebuah ekstensi chrome yang bernama <a href="https://webscraper.io/">webscraper</a>, untuk lebih memudahkan dalam mengambil isi website transfermarkt. Untuk diingat dalam prosesnya sangatlah mudah tanpa menggunakan metode coding sekalipun, dikarenakan webscraper menyediakan interface mudah dalam melakukan <em>web scraping</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*viHJ5UXtL1Pho8Jy9hsfcQ.png" /><figcaption><a href="https://webscraper.io/">https://webscraper.io/</a></figcaption></figure><p><strong>Memulai mengambil isi website<em> (scrap)</em></strong></p><p>Untuk memulai, navigasi ke link <a href="https://www.transfermarkt.com/liga-1-indonesia/marktwerte/wettbewerb/IN1L/pos//detailpos/0/altersklasse/alle/plus/1">ini</a>. Dalam laman yang diarahkan tersebut diperlihatkan list pemain dan harga yang tertera dalam website</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OPx6nLZx-BFXAVYGN1JvuQ.png" /><figcaption>TOP MARKET VALUES LIGA 1 INDONESIA</figcaption></figure><p>Setelah menginstal <em>webscraper, </em>mulailah dilakukan mode <em>scraping </em>dengan cara buka <em>inspect element</em> — lalu pilih <em>webscraper</em>:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/883/1*VgPXlDaQb8jObIw1VVVQmw.png" /><figcaption>inspect element</figcaption></figure><p>Setelah terbuka lalu buat <em>sitemap </em>baru dengan cara create <em>sitemap </em>di<em> webscraper</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/403/1*OkY93peE58_gro8N1ILPYw.png" /><figcaption>create new sitemap</figcaption></figure><p>Isi sitemap dengan cara seperti berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/830/1*hutNa0CwvsT4eJaB9xEOUg.png" /><figcaption>sitemap configuration</figcaption></figure><p>Untuk mengambil data — data yang berada di dalam website lakukanlah langkah seperti di bawah</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/953/1*wIF6lYHA_DQSGIz_FF7R2A.png" /><figcaption>get value</figcaption></figure><p>untuk mempermudah pilih dengan menu selector</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/763/1*SaSLm4YSTOlg2hIuez3Gvg.png" /><figcaption>selector</figcaption></figure><p>Untuk mengecek apakah scraping sudah dikelola secara benar, cek dahulu sitegraph yang telah dibuat dengan cara memilih selector graph</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/386/1*Gld5q2FGtLFh-AHIQ8PkvQ.png" /><figcaption>selector graph</figcaption></figure><p>Berikut selector graph yang telah selesai</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/563/1*e-3sONgkEYK4NDe6boK2KQ.png" /><figcaption>selector graph</figcaption></figure><p>Untuk memulai scraping pilih mode scrape lalu pilih interval scraping yg akan digunakan (berdasarkan milisecond)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/525/1*DRrHEW4NyNzOewGJ8OZzgw.png" /><figcaption>scraper config</figcaption></figure><p>Apabila scraping telah selesai lakukan download dengan cara export as csv.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/496/1*Nkuecsms2eTO7MYfRLL0Uw.png" /><figcaption>download as csv</figcaption></figure><p>Berikut contoh file yang telah diexport:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/935/1*UtitI1j1lxUz-w5iM023Lw.png" /><figcaption>hasil scraping dengan ekstensi CSV</figcaption></figure><p>Bila telah selesai maka data akan bisa dianalisis menggunakan tool BI seperti Tableau atapun PowerBI.</p><p>Selamat mencoba!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=34aa4915c24a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Menggunakan Library Bawaan Greenplum Sebagai Tools ETL]]></title>
            <link>https://halohaikal.medium.com/menggunakan-library-bawaan-greenplum-sebagai-tools-etl-28af3b0baf27?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/28af3b0baf27</guid>
            <category><![CDATA[greenplum]]></category>
            <category><![CDATA[etl]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[postgres]]></category>
            <category><![CDATA[linux]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Wed, 31 Mar 2021 05:42:00 GMT</pubDate>
            <atom:updated>2021-03-31T05:42:00.187Z</atom:updated>
            <content:encoded><![CDATA[<p>Greenplum adalah sebuah database bersifat sumber terbuka yang berbasis PostgreSQL dan bersifat Massively Parallel Processing (MPP). Untuk saat ini Greenplum merupakan database sumber terbuka berbahasa PostgreSQL yang cocok untuk menjalankan proses analitikal dan big data.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/666/0*qRsOwGDkCCPqr61w.jpg" /><figcaption>Contoh arsitektur greenplum</figcaption></figure><p>Untuk kali ini saya akan mencontohkan bagaimana cara melakukan proses ETL (Extract Transform Load) secara masif melalui sumber database lain (untuk contoh ini saya menggunakan database PostgreSQL non turunan (Postgres Murni) untuk dipindahkan ke dalam db Greenplum menggunakan library bawaan Greenplum yakni gpload.</p><ol><li>Copy db postgres murni</li></ol><p>Jalankan perintah tersebut ketika akan export ke dalam postgre, untuk contoh saya akan mengextract table actor yang merupakan db postgres contoh bawaan (rental) menggunakan perintah berikut:</p><p>\copy (SELECT * FROM persons) to ‘C:\Haikal\Desktop\actors.csv’ with csv</p><p>2. Siapkan dump csv</p><p>Untuk menjalankan proses ETL menggunakan Greenplum cari dahulu dump csv nya, untuk dimasukkan ke dalam db greenplum</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/577/1*FkxhLkNK-6WI4tRNwRXz2w.png" /><figcaption>Contoh CSV yang telah di export</figcaption></figure><p>3. Buat table target untuk ke schema greenplum</p><p>Buat dahulu tabel target untuk ke schema greenplum dengan ddl sebagai berikut:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/505/1*hKWrOkWWVCJTTm0nS3NkrA.png" /><figcaption>ddl greenplum</figcaption></figure><p>Untuk ddlnya mengapa memakai distributed randomly dikarenakan data yang akan didistribute akan dipecah ke dalam beberapa segment host yang dibagi berdasarkan schema Massively Parallel Processing.</p><p>4. Buat file control yaml</p><p>Untuk menjalankan proses ETL menggunakan library gpload, maka kita harus membuat control file .yaml yang akan dijadikan patokan untuk menload table yang akan dijadikan target untuk proses etl</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/344/1*ZzgnDvAHOjOmAzi0QrBfGQ.png" /><figcaption>Contoh file control untuk memulai gpload</figcaption></figure><p>5. Menjalankan gpload</p><p>Untuk menjalankan proses ETL menggunakan library gpload, maka jalankan perintah berikut pada shell:</p><p>gpload -f test.yaml</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cX2Z2q5m1TaNPm2YBANfMg.png" /><figcaption>Proses logging gpload</figcaption></figure><p>Bila berhasil maka akan tampil sebagai berikut dan berhasil di load pada table greenplum</p><p>6. Cek table</p><p>Ketika selesai maka cek table yang sudah dilakukan proses ETL menggunakan gpload. Ketika diselect maka menandakan bahwa table tersebut telah masuk ke dalam table yg telah diload menggunakan gpload:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/491/1*5R_9orbcWxI3oVpMcuQNgA.png" /><figcaption>Data telah selesai dimigrasikan</figcaption></figure><p>Bila step di atas selesai maka proses ETL dari table source menuju ke greenplum telah selesai. Untuk proses selanjutnya bisa dilakukan menggunakan tools seperti Apache Kafka atau menggunakan Pentaho dengan command gpload yang telah disisipkan.</p><p>Selamat mencoba~</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=28af3b0baf27" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Pilot.]]></title>
            <link>https://halohaikal.medium.com/pilot-3641b1e60f9c?source=rss-c793341e087e------2</link>
            <guid isPermaLink="false">https://medium.com/p/3641b1e60f9c</guid>
            <category><![CDATA[working-abroad]]></category>
            <category><![CDATA[beginning]]></category>
            <category><![CDATA[experience]]></category>
            <category><![CDATA[inner-journey]]></category>
            <category><![CDATA[traveling]]></category>
            <dc:creator><![CDATA[Muhammad Haikal]]></dc:creator>
            <pubDate>Thu, 21 Dec 2017 11:23:06 GMT</pubDate>
            <atom:updated>2017-12-21T11:23:06.924Z</atom:updated>
            <content:encoded><![CDATA[<p>21 Desember 2017. Sebuah penutup meyakinkan setelah menjalani masa sulit setelah menjalankan studi di kampus dan mendapat pekerjaan yang menurut orang — orang mungkin dirasa cukup untuk memulai sebuah fase hidup baru yang teramat sulit: Menjadi seorang yang memiliki tanggungan tersendiri dan bersinggungan dengan banyak orang di masyarakat, sebuah awal untuk memilih jalan apa yang harus ditempuh ke depan. Serta bingung untuk memulai dari mana.</p><p>Tepat 1 tahun yang lalu, 10 Desember 2016 saya berkemas dan meninggalkan kota yang saya cintai: Bandung untuk Menuju tanah yang sama sekali asing bagi saya, kota yang berjuluk Anging Mamiri: Makassar atau disebut juga Ujung Pandang.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/747/1*MeRA_-Ldx0zXW4DzpyB9Kg.png" /><figcaption>Perjalanan awal menuju kehidupan yang baru (lokasi: Bandara Int. Husein Sastranegara, Bandung)</figcaption></figure><p>Sebuah keputusan yang dibilang nekat untuk saya yang selama hidup hanya menghabiskan duduk manis di ruang bangku kuliah dan nongkrong di kafe kenamaan tengah Kota Bandung menuju sebuah kota di ujung sana mencari sebuah pekerjaan yang layak. Walaupun rasanya tidak enak, setidaknya saya masih bisa syukuri masih diizinkan untuk mencari penghidupan yang layak, <em>alhamdulillah.</em></p><p>Saya belajar banyak hal di sana, kebudayaan yang berbeda, makanan yang berbeda, bahasa yang berbeda (<em>mostly</em> orang di sana enggan nan malas berbicara bahasa indonesia baku, tetapi memakai bahasa indonesia berlogat khas Makassar yg bernama: <em>okkots. </em>Sedikit saya bisa dan telah belajar, hahaha..<em>) </em>dan banyak lainnya yang berbeda.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1012/1*v4tTkZ1EkET9g_oDgVBUtQ.png" /><figcaption>Selamat datang di Kota Anging Mamiri (Lokasi: Bandara Int. Sultan Hassanudin, Makassar)</figcaption></figure><p>Sejujurnya satu minggu pertama saya mencoba di sana saya sangat sulit sekali untuk makan karena lidah yang begitu berbeda karena rasa makanan yang aneh sekali, tetapi lama kelamaan terbiasa dan mulai bisa memaklumi makanan yang biasa saya makan di sana. Cuacapun di sana panas sekali, Bandung yang hanya 28–30 C di saat terik biasa saya hadapi sekarang harus terbiasa dengan 32–37 C di luar ruangan. Sungguh peningkatan suhu yang drastis dan cenderung menguras cairan tubuh, kadang untuk bekerjapun agak terganggu.</p><p>Selain itu, tentunya sebagai orang perantauan apalagi orang Sunda tentunya senang sekali apabila menemukan orang satu kampung yang sering berkumpul dan biasa berbahasa bahasa daerah. Sebulan setelahnya ternyata saya bertemu dengan kumpulan pecinta klub sepakbola kebanggan tanah Sunda dan Jawa Barat (Persib Bandung) tentunya yaitu disebut Viking Sulsel Makassar. Di sana saya bertemu dengan beberapa orang perantauan dan sering bercerita bagaimana sulitnya merantau.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/749/1*4vmH03X_olQH5DfDCzhR6g.png" /><figcaption>Sedang menonton bareng untuk mendukung kebanggaan, lewat sepakbola dan pertalian darah kita bersatu (Lokasi: Jl. A.P. Pettarani, Makassar)</figcaption></figure><p>Tapi sayangnya, pergi untuk kembali. Yup, benar: Balik Bandung. Saya hanya bertahan tidak genap setahun di sana, sesuatu mengganjal dan mengharuskan saya pulang. Banyak cerita yang selain di atas saya dapatkan di sana. Sebagai seorang insan tentunya saya merasa bahagia, kecewa, sedih, senang, tersenyum, menangis dan banyak hal manusiawi lainnya yang terjadi di sana. Tetapi saya harus kembali, ada yang harus saya selesaikan.</p><p>Tapi dari sini saya meyakini bahwa petualangan di hidup saya baru dimulai, karena banyak langkah yang akan saya mulai di tanah kampung halaman, tanah leluhur saya setelah pergi.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3641b1e60f9c" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>