<?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[Iykra - Medium]]></title>
        <description><![CDATA[Building Future Capabilities - Medium]]></description>
        <link>https://medium.com/iykra?source=rss----230e78f93732---4</link>
        <image>
            <url>https://cdn-images-1.medium.com/proxy/1*TGH72Nnw24QL3iV9IOm4VA.png</url>
            <title>Iykra - Medium</title>
            <link>https://medium.com/iykra?source=rss----230e78f93732---4</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 18:15:25 GMT</lastBuildDate>
        <atom:link href="https://medium.com/feed/iykra" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Business Intelligence — QnA Session]]></title>
            <link>https://medium.com/iykra/business-intelligence-qna-session-e87f7a1e8044?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/e87f7a1e8044</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[expert]]></category>
            <category><![CDATA[business-intelligence]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Thu, 16 Aug 2018 03:55:23 GMT</pubDate>
            <atom:updated>2018-08-16T03:55:41.094Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U6D-LTFsKb6_RMIoYZLSZQ.png" /></figure><p>Dunia business intelligence memang sangat menarik untuk dibahas. Oleh karenanya, kami mengangkat sesi Tanya jawab seputar business intelligence bersama Data Science Indonesia dan kemudian dijawab oleh industry expert.</p><p>Dalam sesi ini, Budiman Rusly akan menjadi tokoh industry expert yang akan membahas pertanyaan yang terpilih. Saat ini, ia merupakan <a href="https://www.linkedin.com/in/budiman-rusly-b209b843/">Chief Data Analytic Officer</a> di salah satu perusahaan asuransi jiwa. Dengan pengalaman dan juga pengetahuannya, Pak Budi menjelaskan latar belakang mengenai Business Intelligence supaya kita lebih mudah mencerna setiap jawaban.</p><blockquote>“Pertumbuhan yang sangat cepat didalam dunia data serta ditambah dengan semakin meningkatnya volume, kompleksitas dan variasinya, hal tersebut membuat data science memberikan sentuhan tersendiri terhadap dunia business intelligence. Data Science dan Business Intelligence fokus terhadap data itu sendiri dan keduanya mempunyai tujuan untuk memberikan keluaran dengan hasil terbaik dimasing-masing bidangnya. Selain itu juga, Kedua bidang ini saling berkaitan erat dan merupakan suatu rantai panjang dari sebuah siklus analisa data”</blockquote><p>Supaya lebih mudah, beliau menampilkan grafis ini</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XqRcog4a5_tFiHhox5Z8tQ.png" /><figcaption>Gambar no 1.</figcaption></figure><p>Selain itu, ia juga menjelaskan definisi yang menjelaskan perbedaan dari Business Intelligence dan Data Science agar kita tidak terkecoh antara keduanya.</p><blockquote>Kalau, <strong>Business Intelligence</strong> itu kumpulan methodologi, proses, strategi dan teknologi yang digunakan oleh organisasi untuk keperluan transformasi data mentah menjadi sebuah informasi yang berharga. Dengan definisi tersebut maka ruang lingkup business intelligence terdiri dari manajemen data (data integrasi, data quality, data warehouse, OLAP, master-data management, Data Lake, report dan data visualisasi.</blockquote><p>Gambar diatas bisa membantu menggambarkan definisi dari Business Intelligence (BI). Sedangkan,</p><blockquote><strong>Data Science </strong>adalah bidang yang menggunakan metode scientific, proses dan sistem algoritma untuk mendapatkan insight dari data. Data science menggunakan teknik dan teori dari bidang matematika, statistik , information science dan computer science.</blockquote><p>Nah, jadi sampai sini jelas ya. Setelah memahami latar belakang dari BI dan juga perbedaannya dengan Data Science, mari kita bahas pertanyaan terpilih yang akan dijawab oleh Pak Budi.</p><p><strong>Bagaimana kaitan antara Business Intelligence dan Data Science?</strong><br>Business Intelligence merupakan langkah awal dari perjalanan menuju penerapan data science dalam suatu organisasi. <br>Business intelligence dibuat untuk membantu memetakan arus masuk dari berbagai macam data source, baik structured maupun unstructured, dimana data tersebut akan ditransformasi menjadi keluaran yang lebih baik dan siap untuk dikonsumsi untuk analisa bisnis. Kegiatan yang termasuk didalamnya adalah data scrubbing, data enhancement dan standarisasi value.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j8ddAwNJtOp5Q9UdbKnwGQ.png" /><figcaption>Gambar no 2.</figcaption></figure><p>Data yang sudah matang akan dipakai akan digunakan sebagai input untuk exploratory data analysis dan pembentukan model &amp; algoritma dalam prosess data science. (Untuk lebih memudahkan, silahkan lihat gambar no 1)</p><p><strong>Apa saja yang menjadi cakupan dari bidang Business Intelligence?</strong><br>Ruang lingkup BI terdiri dari manajemen data. Termasuk data integrasi, Data Quality, Data warehouse, Online Analytical Processing atau OLAP, Master-Data Management, Data Lake, Report dan Data Visualisasi. (Silahlkan lihat gambar no 1 sebagai referensi)</p><p><strong>Apa saja yang diperlukan untuk mempelajari Business Intelligence, bagaimana dan dimana kita bisa menjadi BI expert?</strong><br>Business Intelligence merupakan bidang yang cukup kompleks untuk digeluti namun bukan berarti tidak mungkin dilakukan. Seseorang harus memiliki “Bird-eye-view” terhadap keseluruhan arsitektur BI untuk bisa disebut sebagai BI Expert. Setidaknya ada empat keterampilan yang diperlukan, yaitu:<br>1. Listening Skills untuk memahami proses bisnis serta memahami masalah apa yang hendak dipecahkan. <br>2. Penjabaran konseptual dari setiap kebutuhan yang dituangkan melalui Database design, ETL-ELT (Extract, Transform, Loading) Design , Data Warehouse Design, Multidimensional Model Design, Data Visualization Design <br>3. Technical Knowledge untuk implementasi dari semua yang sudah didesain dalam konseptual proses diatas dengan menggunakan <em>tools</em> dan memahami setidaknya SQL (Structured Query Language)<br>4. Mengaplikasikan best practice design dan implementasi</p><p><strong>Apa saja tantangan yang harus dihadapi dalam menekuni BI?</strong><br>Tantangan utama adalah komitmen untuk mempelajari konsep dan teori BI dengan baik lalu mencoba menerapkannya dalam kegiatan sehari-hari. Hal ini dikarenakan beberapa konsep yang harus diserap memiliki tingkat kesulitan yang cukup tinggi dan abstrak dimana konsep tersebut harus diikuti dengan pengulangan secara terus menerus serta menerapkannya setiap hari. Setelah selesai menerapkannya,maka harus diuji kembali dengan <em>best practice implementation and design</em>.<br>Tantangan lainnya adalah banyaknya <em>tools</em> yang harus digunakan untuk implementasi BI dimana setiap <em>tools</em> memiliki <em>learning curve time </em>yang berbeda serta kompleksitas tersendiri.</p><p>Untuk saat ini, itulah pertanyaan terpilih yang sudah dijawab oleh Industry Expert IYKRA. Pertanyaan lain yang terpilih akan kami sambung pada <em>blog post</em> berikutnya ya.</p><p>—</p><p>Ilustrasi: Rizaldi Adiputra</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e87f7a1e8044" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/business-intelligence-qna-session-e87f7a1e8044">Business Intelligence — QnA Session</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Teknologi Asian Games 2018]]></title>
            <link>https://medium.com/iykra/teknologi-dalam-asian-games-a78ea0783452?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/a78ea0783452</guid>
            <category><![CDATA[sports]]></category>
            <category><![CDATA[asian-games-2018]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[indonesia]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Wed, 08 Aug 2018 09:32:44 GMT</pubDate>
            <atom:updated>2018-08-08T09:50:16.509Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_8va0rsl3eSR4JK0el04Zg.png" /></figure><p>Sebagai tuan rumah Asian Games 2018, Indonesia kini tengah disibukkan dengan persiapan akhir. Hal yang disiapkan pun meliputi banyak aspek mengingat ini adalah kali kedua Indonesia menjadi tuan rumah ajang akbar olah raga se-Asia, setelah yang pertama kali pada tahun 1962 di Jakarta. Sehingga banyak perubahan yang perlu dilakukan.</p><p>Mulai dari rute bus khusus untuk para atlit, program ganjil genap untuk pengguna jalan di DKI Jakarta, pembangunan dan rehabilitasi infrastruktur hingga injeksi teknologi yang semakin canggih.</p><p>Sekarang mari kita simak, apa saja injeksi teknologi yang hadir dalam Asian Games 2018</p><p><strong>1.</strong> <strong>Sistem Teknologi Informasi Menggunakan Komputasi Awan</strong></p><p>Selaku panitia penyelenggara, Indonesia Asian Games Organizing Committee (INASGOC) menggunakan sistem informasi Asian Games Information System (AGIS), yaitu sistem informasi yang meliputi jaringan, hardware, software, yang semuanya dirangkai menjadi sebuah sistem terintegrasi untuk digunakan sebagai ‘titik kendali’ dalam penyelenggaraan Asian Games.</p><p>AGIS berfungsi untuk menayangkan data dan informasi tentang jadwal dan hasil pertandingan, venue pertandingan, catatan rekor terkini, profil atlet serta negara peserta, jadwal siaran langsung, juga untuk memantau secara real time kedatangan pesawat yang membawa rombongan negara peserta, kondisi lalu-lintas Jakarta dan Palembang serta sistem transportasi berupa kendaraan bus yang terpasang GPS.</p><p>Untuk memastikan setiap data akurat, cepat dan mudah dibaca dan dipahami oleh negara-negara peserta Asian Games maka setiap mitra-mitra INASGOC dituntut untuk menerapkan standar industri dalam menangani data dan mengikuti standar yang telah ditetapkan oleh OCA (Olympic Council of Asia) termasuk istilah/kode yang berlaku di Asian Games.</p><p>Teknologi canggih seperti Microsoft Azure turut digunakan untuk AGIS. Software tersebut diyakini memiliki kemampuan dalam menyediakan cloud-system untuk penanganan trafik data beserta diseminasi informasi secara sistematis dan handal. Istimewanya, penggunaan Cloud-System (komputasi awan) adalah yang pertama kali dalam sejarah Asian Games.</p><p>Untuk hardware, NEC akan mengintegrasikan perangkat keras oleh HP (Hawlett Packard) dan jaringan telekomunikasi yang disediakan oleh Telkom. Integrasi ini dilakukan pada venue yang terkait langsung dengan penyelenggaraan kompetisi olah raga (competition venue) dan dengan venue yang tidak terkait (non-competition venue). Contoh non-competition venue adalah hotel ataupun wisma atlet dan media center.</p><p>Sistem ini merupakan hasil kerja sama antara INASGOC dengan perusahaan teknologi informasi asal Korea Selatan yaitu SsangYong Infomation and Communication Corporation yang sudah berpengalaman menangani berbagai event internasional, seperti Asian Games 2014 Incheon dan Olimpiade 2012 London. AGIS akan dikelola di Main Operation Center (MOC), yaitu ruang kendali dan monitor Asian Games 2018, yang berlokasi di Wisma Serbaguna, Senayan.</p><p><strong>2.</strong> <strong>Stadion Utama Gelora Bung Karno: tiket online, lampu LED, face recognition hingga panel surya</strong></p><p>Stadion Utama Gelora Bung Karno (SUGBK) merupakan lokasi utama untuk upacara opening dan upacara penutupan sekaligus juga arena pertandingan. Bangunan yang dibangun tahun 1962 tersebut kini standarnya tidak kalah dengan stadion terkemuka lain di berbagai negara. Meskipun tampilan luar fisik bangunannya, nyaris tidak ada perubahan. Ini karena SUGBK merupakan cagar budaya yang dilindungi sehingga pemugaran hanya bisa dilakukan dengan syarat mempertahankan ciri khas bangunannya.</p><p>Renovasi difokuskan pada penggunaan teknologi canggih, agar sesuai standar internasional dan memberikan keamanan serta kenyamanan bagi penonton .</p><p>Renovasi meliputi: Kursi single seat — dengan nomor dan dapat dipesan secara online; Teknik pencahayaan stadion dengan LED system 3.000 lux; Jenis rumput lapangan menggunakan zoysia matrella, rumput kelas 1 standar FIFA; Sistem papan skor digital dari Seiko untuk menampilkan waktu, skor dan momen menarik; Sistem suara yang terintegrasi dengan sistem pencahayaan stadion — interactive dynamic system; Kamera pengawas dengan teknologi deteksi wajah — face recognition; Teknologi panel surya, sekitar 1.293 unit, di atap stadion yang menghasilkan listrik 450 kilowatt.</p><p><strong>3.</strong> <strong>Teknologi Untuk Menangkal Cyber Attack</strong></p><p>Sebagai tuan rumah perhelatan akbar, sudah menjadi kewajiban untuk Indonesia meningkatkan keamanan. Langkah antisipasi sudah ditempuh oleh INASGOC. Bekerja sama dengan Badan Siber dan Sandi Negara (BSSN), Kepolisian RI, TNI, Kemkominfo, dan sejumlah pihak terkait lainnya, mereka akan mencegah serangan siber dan mengamankan jalannya Asian Games 2018.</p><p>INASGOC juga mengatakan telah menyiapkan sistem cadangan jika ada serangan terhadap pusat kendali operasinya atau MOC. Sudah dirancang bahwa MOC akan mengeluarkan sinyal jika terdapat serangan siber terhadap jaringan Internetnya.</p><p>Sayangnya, tidak dijelaskan secara rinci bagaimana cara kerja teknologi yang sudah disiapkan untuk menangkal serangan siber tersebut. Hanya saja, Sistem Teknologi Informasi tersebut telah lolos audit teknologi informasi dari Dewan Olimpiade Asia.</p><p><strong>4.</strong> <strong>Closed-Circuit Television</strong></p><p>Tidak mau ketinggalan, Pemda DKI Jakarta akan menambah 300 closed-circuit television (CCTV) di beberapa titik Ibu Kota demi meningkatkan keamanan Asian Games 2018. Saat ini, pemerintah DKI telah memiliki setidaknya 6.000 CCTV yang tersebar di berbagai wilayah di Ibu Kota. Bahkan berdasarkan data Jakarta Smart City, jika ditambah dengan cctv yang dikelola pihak lain, maka tepatnya ada 7.070 CCTV dari 16 penyelenggara.</p><p>Dalam penggunaannya, Pemda DKI akan mensinergikan data CCTV itu dengan catatan yang dimiliki kepolisian, Badan Nasional Penanggulangan Terorisme, dan pihak terkait lain dalam menjaga keamanan ibukota selama Asian Games 2018.</p><p>Tidak hanya di Jakarta, Palembang sebagai kota pelaksana kedua juga melakukan hal yang sama. CCTV online yang sudah terpasang di seluruh Sumsel ada 660 CCTV. Untuk di wilayah Palembang ada 360 kamera di lokasi seperti simpang jalan, pasar, pusat perbelanjaan, perkantoran, kawasan wisata, atau objek vital lainnya.</p><p>CCTV ini akan melengkapi teknologi face recognition yang ada di venue Asian Games 2018. Teknologi pengenal wajah itu akan memudahkan pelacakan pelaku kriminalitas.</p><p><strong>5.</strong> <strong>Demo Teknologi 5G</strong></p><p>Selama, Asian Games berlangsung internet akan jauh lebih cepat. Diungkapkan nanti, Kominfo akan memberikan kemudahan akses internet bagi masyarakat saat acara pembukaan Asian Games 2018 yang berlangsung di Gelora Bung Karno (GBK). Sehingga masyarakat tidak perlu mengandalkan jaringan seluler ketika mau update media sosial.</p><p>Kominfo akan menempatkan 400 akses poin di stadion utama GBK. Bilamana dirasa kurang, mereka akan menambahnya lagi.</p><p>Tapi yang tak kalah menarik, saat uji coba 5G ini akan dihadirkan pula mobil tanpa sopir. Seperti diketahui jaringan 5G memang digunakan untuk mengoptimalkan teknologi otonom di kendaraan.</p><p>Pasalnya faktor penentu mobil otonom dapat berjalan adalah kecepatan dalam pengiriman data. Nah, sinyal 5G memiliki kecepatan konektivitas 10 kali lipat dibandingkan teknologi sebelumnya, sehingga memungkinkan pengiriman data dalam volume yang besar dalam waktu cepat.</p><p>Selain hal diatas, masih banyak teknologi lainnya yang akan digunakan. Misalnya cabang olahraga bulu tangkis yang akan menggunakan hawk eyes. Hawk eye atau mata elang di TV Court bertujuan untuk menjaga sportifitas.</p><p>Jadi, teknologi itulah yang akan digunakan dalam Asian Games 2018. Kita doakan semoga pesta olahraga ini berjalan dengan lancar dan Indonesia bisa meraih kemenangan.</p><p>Sumber:</p><p><a href="https://www.viva.co.id/sport/gelanggang/1061627-ratusan-cctv-pantau-penyelenggaraan-asian-games-2018-di-palembang">https://www.viva.co.id/sport/gelanggang/1061627-ratusan-cctv-pantau-penyelenggaraan-asian-games-2018-di-palembang</a></p><p><a href="https://www.itech.id/indeks/telco/11794/melihat-teknologi-yang-digunakan-di-ajang-asian-games-2018.html">https://www.itech.id/indeks/telco/11794/melihat-teknologi-yang-digunakan-di-ajang-asian-games-2018.html</a></p><p><a href="http://news.metrotvnews.com/metro/9K5R3yyN-intip-fasilitas-terbaru-stadion-utama-gbk">http://news.metrotvnews.com/metro/9K5R3yyN-intip-fasilitas-terbaru-stadion-utama-gbk</a></p><p><a href="https://inet.detik.com/telecommunication/d-4120594/wow-asian-games-akan-pamerkan-5g--mobil-tanpa-sopir">Wow! Asian Games akan Pamerkan 5G &amp; Mobil Tanpa Sopir</a></p><p>Penulis: Sylviana Tanery</p><p>Ilustrasi: Rizaldi Adiputra</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a78ea0783452" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/teknologi-dalam-asian-games-a78ea0783452">Teknologi Asian Games 2018</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Datakali: Refining Data for Development]]></title>
            <link>https://medium.com/iykra/datakali-refining-data-for-development-7f6ff24268f0?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/7f6ff24268f0</guid>
            <category><![CDATA[indonesia]]></category>
            <category><![CDATA[development]]></category>
            <category><![CDATA[events]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[training]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Wed, 08 Aug 2018 05:01:58 GMT</pubDate>
            <atom:updated>2018-08-08T05:02:05.936Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZPL1AN5hZDg4DFZm2hIN7Q.jpeg" /></figure><p>We are falling in love with data. But as often happens when we are smitten, we are not clear on what to do with the object of our affection. We do know how to talk it up, at least. Data has been heralded as the <a href="https://twitter.com/PulseLabJakarta/status/1004966830954328064">lifeblood of decision-making</a>. And data has also, famously, been called the <a href="https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data">new oil</a> — valuable, but not really useful if left unrefined.</p><p>And so, how to refine data to support our development objectives?</p><p>On 6 August 2018, <a href="http://www.saraswati.global/">Saraswati</a> and <a href="http://www.iykra.com/">Iykra</a> — two Indonesian companies that promote technology and innovation for development — hosted a public discussion in Jakarta on How Data is Revolutionizing Development. Speakers from <a href="https://www.unglobalpulse.org/jakarta">Pulse Lab Jakarta</a> (PLJ), <a href="https://katadata.co.id/">Katadata</a>, and the USAID-Sustainable Ecosystems Advanced Project (<a href="https://www.sea-indonesia.org/">USAID-SEA</a>) shared their experiences in innovating with data.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YRnRKWGVeZjnYg9hHgN9Zg.jpeg" /></figure><p>Diastika Rahwidiati, Deputy Head of Office at PLJ, described the challenges that PLJ faced by being the first-of-its-kind innovation lab in Indonesia. PLJ has gone from exploring big data to more nuanced approaches, including in combining multiple data sources for platforms such as the Early Warning System for Climate Impact, <a href="http://plj.bappenas.go.id/vampire/">VAMPIRE</a> (which has been adopted by the Executive Office of the President) and blending quantitative and qualitative analysis. Check out the presentation <a href="https://drive.google.com/drive/folders/1g1Oss-_9Idr0XpqERs4b-ctZKy3n74b3?ogsrc=32">here</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Dx56LSLZFKksw9G1yQtOKQ.jpeg" /></figure><p>Jamilatuz Zahro, Senior Data Analyst at Katadata gave a passionate presentation about the evolution of technology and the role that data is playing in informing (and reforming) journalism as well as in promoting more effective public services. Check out the presentation <a href="https://drive.google.com/drive/folders/1g1Oss-_9Idr0XpqERs4b-ctZKy3n74b3?ogsrc=32">here</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j6NUflnQbXEKQeHp1ClJjA.jpeg" /></figure><p>Irna Sari, Fisheries Advisor<em> </em>at USAID-SEA, described her work with and around data in support of sustaining Indonesia’s fisheries. Sari highlighted the complexities of reaching agreements on data needs and data collection among different stakeholders and the challenges in infrastructure and capacity in compiling and verifying data in Indonesia’s more remote areas. Check out the presentation <a href="https://drive.google.com/drive/folders/1g1Oss-_9Idr0XpqERs4b-ctZKy3n74b3?ogsrc=32">here</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_jC2nQcLPgsMy4Re9-z9gg.jpeg" /></figure><p>This public discussion also served as the launch for <a href="http://bit.ly/datakali">datakali</a> — a data for development initiative from Saraswati and Iykra. <strong>datakali </strong>aims to promote data literacy and build key data skills among development partners. <strong>datakali </strong>also supports a growing community of data practitioners within Indonesia’s development community.</p><p><strong>datakali </strong>will conduct its first Data for Development training on 18–19 September in Jakarta. If you are interested in building your skills in data for development, please visit <a href="https://iykra.com/training/public/12/datakali-training-data-for-development">here</a> for more information and registration details.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*RFqibYW-LWV0PFnAAyRV8g.jpeg" /></figure><p>Credit: Saraswati Team.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7f6ff24268f0" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/datakali-refining-data-for-development-7f6ff24268f0">Datakali: Refining Data for Development</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Deep Learning dan Manfaatnya Bagi Perkembangan AI]]></title>
            <link>https://medium.com/iykra/deep-learning-dan-manfaatnya-bagi-perkembangan-ai-cab94e20c19a?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/cab94e20c19a</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[technology]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Tue, 31 Jul 2018 06:50:56 GMT</pubDate>
            <atom:updated>2018-07-31T06:51:05.109Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r9w6eJoRQ2MzZNzGjgnfGw.png" /></figure><p>Dalam dunia teknologi informasi, kita mungkin sering mengenal apa yang dimaksud dengan deep learning. Belakangan, deep learning memang sedang trend dan kerap dibicarakan oleh para ahli IT terutama dalam hal artificial intellegence (AI).</p><p>Bahkan tak tanggung-tanggung perusahaan sekelas Google berani mengeluarkan biaya sebanyak 400 juta USD demi membeli perusahaan Deepmind yang bergerak dalam bidang deep learning. Lalu, sebenarnya apa yang dimaksud dengan deep learning secara keseluruhan?</p><p>Deep learning adalah salah satu cabang machine learning (ML) yang menggunakan deep neural network untuk menyelesaikan permasalahan pada domain ML. Neural network sendiri adalah model yang terinspirasi oleh bagaimana neuron dalam otak manusia bekerja. Tiap neuron pada otak manusia saling berhubungan dan informasi mengalir dari setiap neuron tersebut.</p><p>Dengan kata lain, secara sederhana deep learning merupakan sebuah pembelajaran mendalam dalam pengembangan jaringan saraf tiruan atau neuron, yang tentunya memiliki banyak lapisan. Metode ini sangat efektif dan lebih mudah dalam mengidentifikasi pola dari data yang dimasukkan.</p><p>Deep learning sangat berdampak pada kemajuan perkembangan yang telah dicapai AI secara bertahap. Tidak hanya untuk perangkat lunak, namun para penggunanya juga telah merambah diberbagai bidang industri.</p><p>Contohnya seperti Facebook yang menggunakan sistem deep learning. Lalu pada asisten virtual yang berbasis AI untuk membantu penggunanya melakukan berbagai tugas seperti memesan dan meneliti.</p><p>Deep learning bahkan bisa dibilang merupakan teknik AI yang paling baik jika dibandingkan dengan ML. Meski keduanya erat kaitannya dengan data dan algoritma, namun pada ML program pembelajaran yang digunakan berupa saraf neuron yang berfungsi untuk memerintah suatu otak pada komputer.</p><p>Sedangkan deep learning lebih kearah kemampuan sistem yang di setting dengan baik demi meningkatkan kerja pada komputer. Untuk itu, wajar adanya apabila deep learning di klaim merupakan teknik AI yang paling baik dibanding ML. Sebab, secara garis besar deep learning bekerja untuk menyempurnakan system kerja dari ML.</p><p>Sumber:</p><p><a href="https://machinelearningmastery.com/what-is-deep-learning/">What is Deep Learning? - Machine Learning Mastery</a></p><p>Penulis: Aprilia Safitri</p><p>Iluustrasi: Rizaldi</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cab94e20c19a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/deep-learning-dan-manfaatnya-bagi-perkembangan-ai-cab94e20c19a">Deep Learning dan Manfaatnya Bagi Perkembangan AI</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Tutorial: Cara Mudah Membuat Dashboard Menggunakan Google Data Studio]]></title>
            <link>https://medium.com/iykra/tutorial-cara-mudah-membuat-dashboard-menggunakan-google-data-studio-d152e0bc4e8a?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/d152e0bc4e8a</guid>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[tutorial]]></category>
            <category><![CDATA[google-data-studio]]></category>
            <category><![CDATA[dashboard]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Mon, 30 Jul 2018 03:51:23 GMT</pubDate>
            <atom:updated>2018-07-30T03:51:29.850Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vOeefQsJXD8D1CC-C1R38g.png" /></figure><p>Kebanyakan orang seringkali mengeksplor grafik dan tabel untuk ditambahkan ke file pada saat melakukan presentasi. Tujuannya tak lain adalah untuk membantu menjelaskan sebuah analisa data kepada publik.</p><p>Guna menunjang data analisis yang valid, biasanya kita memerlukan tools berbasis business intelligence. Namun tak semua tools BI berlisensi baik dan dapat di unggah secara gratis. Biasanya tools BI yang bagus justru berbayar, sekalipun tidak berbayar si pemilik akun BI diharuskan untuk meng-<em>host </em>sebuah perangkat lunak lainnya guna menunjang performa pada tools tersebut.</p><p>Nah, kabar gembiranya awal tahun ini, Google pun sudah menghapus sejumlah batasan untuk perangkat lunak penghubung tools BI secara gratis. Untuk itu, mereka mengeluarkan perangkat bernama Google Data Studio yang bisa di unggah secara gratis.</p><p>Banyak orang yang sudah mencoba tools ini, mereka mengaku sangat terbantu terutama dalam hal membuat dashboard. Dikutip dari AnalyticBridge, contoh cara membuat dashboard ini perlu menggunakan beberapa sampel data pada elemen dashboard umum seperti teks, gambar, summary metric, summary table dan juga peta. Berikut adalah cara mudah membuat dashboard dengan menggunakan Google Data Studio.</p><p><strong>1.</strong> <strong>Download kumpulan data</strong></p><p>Mulailah dengan mengunduh atau mendownload kumpulan yang hendak digunakan untuk membuat sampel. Anda bisa mengunduh menggunakan Github, atau jika Anda kesulitan mengunduh file dari aplikasi tersebut, bisa juga buka halaman utama dan pilih “Clone or Download” dan kemudian “Unduh Zip”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*WvVy4WSNOQbE2PRX" /></figure><p><strong>2.</strong> <strong>Sign up pada akun Google Data Studio</strong></p><p><strong>3.</strong> <strong>Klik “Start a New Report” atau mulai dengan laporan baru</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*W4E_BYzn3FbY-3D8" /></figure><p>4. <strong>Tambahkan file</strong></p><p>Dalam laporan baru, tambahkan file data yang hendak diunduh sebagai bagian dari file zip dari kumpulan data.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*8qo5j2M8UhAIcGDx" /></figure><p><strong>5.</strong> <strong>Mengubah kolom data</strong></p><p>Ubah kolom kumpulan data untuk memastikan bahwa “Status (State)” merupakan file bertipe “Geo”&gt; “Region (Wilayah)” tanpa agregasi dan kolom lainnya bertipe “Numerik”&gt; atau “Angka” yang memiliki nilai “Average (Rata-rata)” sebagai agregasi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*_WuCJ8_10Pphhw2O" /></figure><p><strong>6.</strong> <strong>Buat laporan baru</strong></p><p>Selanjutnya klik “Add to Report (Tambahkan ke Laporan)”. Ini akan membuat sumber data dapat diakses ke laporan baru Anda. Sekarang Anda sudah siap untuk mulai membuat laporan sedikit demi sedikit pada sebuah file.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/0*o7O5WN8zm4sAKWVQ" /></figure><p>Agar lebih mudah, Anda juga bisa membagi konten dashboard menjadi 5 bagian yang dapat ditambahkan kapanpun Anda mau.</p><p><strong>7.</strong> <strong>Tambahkan Teks</strong></p><p>Anda bisa mulai menambahkan beberapa teks ke dashboard dengan cara meng klik tombol teks, tarik atau drag teks ke tempat yang Anda inginkan. Anda bisa memilih ukuran dan jenis teks yang sesuai.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*HC47_PkB4OAanWtx" /></figure><p><strong>8.</strong> <strong>Tambahkan Image atau gambar</strong></p><p>Klik tombol image atau gabar, kemudian tarik atau drag file di tempat yang Anda inginkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/582/0*hO2WD6t386D_c1Cv.png" /></figure><p><strong>9.</strong> <strong>Mulai lakukan perhitungan</strong></p><p>Klik tombol “Scorecard Values (Kartu Skor)”, kemudian draf file di tempat yang Anda inginkan,. Pada menu tab data, pilih kumpulan data metri yang sesuai. Sara otomatis Google Data Studio akan melakukan perhitungan. Ulangi pada setiap metric yang hendak Anda perhitungkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/594/0*zf1MJwazjnP9EuOh.png" /></figure><p><strong>10.</strong> <strong>Tambahkan Geo Map</strong></p><p>Peta atau Geo Map bisa Anda tambahkan pada file dengan cara yang sama seperti menambahkan gambar atau image.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/502/0*mULuawcSH89jD15X.png" /></figure><p><strong>11.</strong> <strong>Buat list atau daftar</strong></p><p>Semua nilai di Geo Map bisa langsung Anda list dengan diurutkan berdasarkan nilai metric yang sudah dihitungkan tadi. Klik tombol tabel, drag di tempat sesuai yang diinginkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/0*v6ILHfgFdRvF_w1L" /></figure><p><strong>12.</strong> <strong>Buat laporan eksternal</strong></p><p>Anda bisa langsung membuat laporan eksternal sekaligus langsung membagikannya pada orang lain. Caranya dengan mengklik ikon bar, salin URL eksternal dan kirim ke user yang Anda tuju.</p><p><strong>13.</strong> <strong>Manfaatkan fitur optional embedding</strong></p><p>Google Data Studio kini telah merilis fitur baru untuk memungkinkan penyematan laporan atau dashboard ke halaman web yang mereka beri nama optional embedding.</p><p>Nah itulah tutorial membuat dashboard lewat Google Data Studio. Mudah kan, silahkan mencoba! Kalau sudah ada berhasil, coba berbagai dikolom komentar yuk.</p><p>Sumber:</p><p><a href="https://www.analyticbridge.datasciencecentral.com/profiles/blogs/easy-dashboards-for-everyone-using-google-data-studio">Easy Dashboards for Everyone Using Google Data Studio</a></p><p>Penulis: Aprilia Safitri</p><p>Illustrasi: Rizaldi</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d152e0bc4e8a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/tutorial-cara-mudah-membuat-dashboard-menggunakan-google-data-studio-d152e0bc4e8a">Tutorial: Cara Mudah Membuat Dashboard Menggunakan Google Data Studio</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[10 Alasan Mengapa Skill Data Analytics Perlu Dimiliki]]></title>
            <link>https://medium.com/iykra/10-alasan-mengapa-skill-data-analytics-perlu-dimiliki-189ba372a61b?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/189ba372a61b</guid>
            <category><![CDATA[data-analytics]]></category>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[skills]]></category>
            <category><![CDATA[analytics]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Fri, 27 Jul 2018 03:57:37 GMT</pubDate>
            <atom:updated>2018-07-27T03:57:42.805Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mhfWawkP9JiqkM1hNFvjxg.png" /></figure><p>Teknik analisa atau menganalisa sesuatu merupakan hal yang penting dalam bidang big data. Keterampilan pada teknik ini di ramalkan juga akan sangat dibutuhkan pada masa depan, karena segal hal yang berhubungan dengan data sudah pasti membutuhkan skill ini. Namun, selain itu berikut adalah 10 alasan mengapa skill pada data analytics perlu dimiliki oleh ahli data.</p><p><strong>1.</strong> <strong>Dapat membantu memecahkan masalah</strong></p><p>Analytics pada intinya memang berguna untuk memecahkan masalah, terutama dalam bidang data yang masalahnya cukup rumit. Dengan adanya skill analytics ini, kita juga dilatih untuk dapat memecahkan masalah dari skala kecil menjadi besar. Untuk ini wajar adanya apabila skill data analytics ini dikatakan dapat mempengaruhi seluruh bisnis data.</p><p><strong>2.</strong> <strong>Permintaan tinggi dan banyak dibutuhkan oleh perusahaan</strong></p><p>Karena keterbatasan sumber daya terutama di Indonesia, tenaga data analytics sangat langka dan sangat dibutuhkan oleh perusahaan. Para pekerja dengan basic pendidikan analytics sudah pasti mendapatkan keuntungan besar, terutama soal gaji yang nilainya sangat tinggi. Hal ini wajar, mengingat dalam mempelajari data analytics cukup sulit.</p><p><strong>3.</strong> <strong>Data analytics di berbagai bidang</strong></p><p>Selain keuntungan finansial, ternyata profesi ini juga dibutuhkan di berbagai bidang. Terutama dalam dunua industry bisnis, penerbangan maupun pemerintahan. Pasalnya, semakin sering suatu perusahaan bermain dengan database, maka semakin mereka juga membutuhkan tenaga data analytics.</p><p><strong>4.</strong> <strong>Profesi ini sangat dibutuhkan di masa depan</strong></p><p>Semakin banyaknya permainan terhadap data, semakin banyak pula peluang data analytics untuk mendapatkan pekerjaan yang mereka idamkan. Tak hanya itu, semakin banyak pakar yang mendorong masyarakat akan pentingnya profesi ini, maka semakin banyak pula orang yang tertarik untuk mempelajarinya.</p><p><strong>5.</strong> <strong>Bisa mengkomunikasikan informasi rumit</strong></p><p>Dalam mempelajari data analytics, seseorang tak hanya diajarkan unruk memecahkan sebuah masalah. Namun, sekaligus juga diajarkan untuk bisa mengkomunikasikan informasi yang rumit kepada klien atau mereka yang membutuhkan tenaga data analytics.</p><p>Keterampilan dalam berkomunikasi ini sangat penting, mengingat terkadang bahasa analisis data memang sulit dijelaskan kepada khalayak. Dengan komunikasi yang lancar otomatis akan memudahkan seorang data analytics dalam membantu perusahaan untuk melakukan pengambilan keputusan.</p><p><strong>6.</strong> <strong>Dapat memilih profesi yang diinginkan terkait data analytics</strong></p><p>Seorang data analytics bebas memilih berbagai bidang pekerjaan terkait yang sesuai dengan keinginannya. Sebab, profesi data sangat luas cakupanya misalnya saja Anda bebas memilih untuk menjadi Metrik dan Spesialis Analyticss, Data Analytics, Big Data Engineer serta Konsultan Data Anlytic. Andapun nantinya kemungkinan dapat bergabung dalam organisasi besar seperti, IBM, ITrend, Opera, Oracle dan lainnya.</p><p><strong>7.</strong> <strong>Komponen penting dalam dunia bisnis</strong></p><p>Sebanyak 77% organisasi top menganggap data analytics sebagai komponen penting dari kinerja bisnis. Artinya, profesi terkait data analytics ini berpengaruh besar pada kebijakan perusahaan dan strategi pemasaran.</p><p><strong>8.</strong> <strong>Merupakan profesi yang menjanjikan</strong></p><p>Sebuah survei yang dilakukan oleh Nimbus Ninety menunjukkan bahwa profesi data analytics mengambil alih ribuan profesi lebih cepat dari yang dibayangkan. Survei menemukan bahwa data analytics berada di puncak daftar profesi bidang teknologi yang harus diwaspadai dan menjanjikan dalam 3 tahun mendatang.</p><p><strong>9.</strong> <strong>Peluang besar bagi freelancer</strong></p><p>Dalam waktu dekat, sebagian besar tenaga kerja tidak mau terikat hanya dengan satu perusahaan. Banyak orang tertarik untuk mencari cara agar bisa mendapatkan sumber pendapatan lain di luar perusahaan tersebut. Tentunya dengan peluang gaji yang lebih besar, sehingga profesi ini sangat berpeluang besar bagi para freelancer atau pekerja paruh waktu.</p><p><strong>10.</strong> <strong>Bisa mengembangkan pendapatan baru</strong></p><p>Dengan kemampuan Anda dalam menganalisis dan menyimpan informasi data, tentu saja dapat memudahkan Anda untuk dapat mengembangkan pendapatan sendiri terkait data analytics. Misalnya saja menawarkan jasa dengan membuat bisnis baru terkait data yang tidak tereksplorasi. Tentu saja hal ini menjadi cara terbaik untuk meningkatkan penghasilan.</p><p>Sumber:</p><p><a href="http://bigdata-madesimple.com/10-reasons-why-you-should-learn-data-analytics/">http://bigdata-madesimple.com/10-reasons-why-you-should-learn-data-analyticss/</a></p><p><a href="https://www.sas.com/en_au/insights/articles/analytics/5-reasons-why-everybody-should-learn-data-analytics.html">https://www.sas.com/en_au/insights/articles/analyticss/5-reasons-why-everybody-should-learn-data-analyticss.html</a></p><p>Penulis: Aprilia Safitri</p><p>Illustrasi: Rizaldi</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=189ba372a61b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/10-alasan-mengapa-skill-data-analytics-perlu-dimiliki-189ba372a61b">10 Alasan Mengapa Skill Data Analytics Perlu Dimiliki</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Tips Membuat Portofolio yang Bakal Bikin Profilmu Outstanding]]></title>
            <link>https://medium.com/iykra/tips-membuat-portofolio-yang-bakal-bikin-profilmu-outstanding-f7acfae4c7b3?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/f7acfae4c7b3</guid>
            <category><![CDATA[portfolio]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[developer]]></category>
            <category><![CDATA[professional]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Thu, 26 Jul 2018 04:48:52 GMT</pubDate>
            <atom:updated>2018-07-26T04:48:51.913Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RDlSyWFYApylBSAhgwaiCw.png" /></figure><p>Menjadi seorang data scientist memang merupakan salah satu pekerjaan yang cukup menjanjikan pada jaman modern seperti sekarang. Hal ini terkait dengan perkembangan data dan teknologi yang terus meningkat setiap tahunnya.</p><p>Seperti yang telah kita ketahui, profesi data scientist selain menjanjikan dalam jenjang karier, gaji yang ditawarkan juga cukup besar. Meskipun saat ini, tenaga ahlinya masih sangat terbatas.</p><p>Lalu, skill apa saja yang harus dimiliki oleh seorang data scientist? Dan bagaimanakah membuat portofolio yang bagus agar dapat menarik perhatian sebuah perusahaan terhadap kemampuan kita?</p><p>Seorang data scientist harus mampu menguasai pemrograman atau coding dalam mengolah suatu data. Pemahaman yang menyeluruh mengenai statistika juga merupakan hal yang paling mendasar bagi seorang data scientist. Selain untuk menentukan algoritma yang akan digunakan, ilmu statistika diperlukan untuk mengembangkan software machine learning yang berfungsi sebagai pusaka seorang data scientist.</p><p>Machine learning pun digunakan untuk mengolah banyaknya data tak terstruktur. Data scientist juga harus menguasai kalkulus dan aljabar, pemetaan data, komunikasi dan visualisasi data, menguasai software engineering serta intuisi agar dapat memecahkan masalah dengan mudah.</p><p>Sementara itu, bagaimanakah cara untuk membuat portofolio untuk seorang data scientist? Salah satu caranya adalah memiliki sebuah blog pribadi. Ya, setiap kali Anda mendapatan project udahakan simpan dokumentasinya dalam blog tersebut. Hal ini berguna agar manager perekrutan dapat dengan mudah menemukan proyek-proyek karya Anda dan mudah untuk mengevaluasi keterampilan yang Anda miliki.</p><p>Berikut adalah contoh jika anda ingin menampilkan olahan data yang sudah anda kerjakan di situs pribadi. Felipe Hoffa, seorang developer di Google membuat tulisan dari World Cup 2018 silam. Ia menceritakan most valuable player selama pertandingan lewat visualisasi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*5dwxv9aXjEDhy0NhMnPwBw.png" /><figcaption>The top players by # of touches in 2018 (at the screenshot time). Credit: Felipe Hoffa &amp; FreeCodeCamp</figcaption></figure><p>Lainnya, adalah Ravi Suhag. Data Engineer dari GO-JEK. Ia membuat situs dimana ia berbagai mengenai berbagai proyek yang ia kerjakan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vk2hWEkFhc9KYDJ5L5lEZg.png" /><figcaption>Credit: Ravisuhag.com</figcaption></figure><p>Proyek harus terdokumentasi dengan baik dengan file yang disusun rapi yang isinya menjelaskan setiap detail tentang data. Jika ingin menunjukkan keahlian Anda, mungkin dapat menggunakan Kaggle, LinkedIn, Twitter, Facebook untuk mengisi resume pada profile Anda.</p><p>Selain itu, banyak juga data scientist yang menggunakan situs coding Github untuk menyimpan portofolio mereka. Meski mereka mengaku masih sulit menggunakan situs ini, namun Github cukup menjadi andalan bagi para data scientist.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*S4gqoyceIiycj3P9Vab-MA.png" /><figcaption>Contoh portfolio berupa file. Credit: Github</figcaption></figure><p>Sebagai contoh, gambar diatas adalah contoh portofolio dari Github. Lewat penggunaan Github, developer bisa bekerja solo ataupun berkolaborasi dengan pihak yang dikehendaki. Baik 2 orang atau bahkan lebih.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*e2TshiNaI0i3xfha8wfz0g.png" /><figcaption>Contoh file mengenai Exploratory Analysis. Credit: Github</figcaption></figure><p>Untuk anda yang baru memulai karier, jangan panik. Anda bisa mengambil berbagai dataset di situs berikut untuk berlatih:</p><ul><li>Kaggle</li><li>BigQuery</li><li>Data.go.id (data nasional Indonesia)</li><li><a href="https://api.jakarta.go.id/">https://api.jakarta.go.id/</a></li><li><a href="http://tomslee.net/airbnb-data-collection-get-the-data">http://tomslee.net/airbnb-data-collection-get-the-data</a></li></ul><p>Demikianlah hal-hal yang bisa ditempuh agar portofolio anda sebagai seorang data scientist bisa dilirik. Jangan lupa mencoba ya!</p><p>Sumber:</p><ul><li><a href="https://medium.com/one-datum-at-a-time/how-to-construct-a-data-science-portfolio-from-scratch-de0b70e58bc1">How to Construct a Data Science Portfolio from Scratch</a></li><li><a href="https://github.com/sajal2692/data-science-portfolio">GitHub - sajal2692/data-science-portfolio: Portfolio of data science projects completed by me for academic, self learning, and hobby purposes.</a></li><li><a href="https://medium.freecodecamp.org/world-cup-visualized-the-most-valuable-players-648d36f2a0b1">World Cup visualized: The most valuable players</a></li><li><a href="http://www.ravisuhag.com/projects/airist/">Ravi Suhag</a></li></ul><p>Penulis: Aprilia Safitri</p><p>Illustrasi: Rizaldi</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f7acfae4c7b3" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/tips-membuat-portofolio-yang-bakal-bikin-profilmu-outstanding-f7acfae4c7b3">Tips Membuat Portofolio yang Bakal Bikin Profilmu Outstanding</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Menilik Perbedaan Antara Classificatioan dan Regression Tree (CART)]]></title>
            <link>https://medium.com/iykra/menilik-perbedaan-antara-classificatioan-dan-regression-tree-cart-21bc145f1ce4?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/21bc145f1ce4</guid>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[data-mining]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Wed, 25 Jul 2018 04:50:45 GMT</pubDate>
            <atom:updated>2018-07-25T04:50:30.367Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4UHWvaSv420Q4SMa60DX1Q.png" /></figure><p>Setelah sebelumnya kita mempelajari apa yang dimaksud dengan decision tree atau pohon keputusan, ada baiknya kita kembali mempelajari metode yang juga erat kaitannya dengan metode tersebut. Adalah classification and regression tree (CART), kedua metode algoritma ini sangat berkaitan dengan proses data dalam pengambilan keputusan.</p><p>Kedua metode ini dikembangkan oleh oleh Leo Breiman, Jerome H. Fridman, Richard S. Olshen dan Charles J. Metode klasifikasi CART merupakan metode nonparametrik yang berguna untuk mendapatkan suatu kelompok data yang akurat sebagai penciri dari suatu pengklasifikasian.</p><p>Metode klasifikasi CART terdiri dari dua metode yaitu metode regression dan pohon klasifikasi. Jika variabel dependen yang dimiliki bertipe kategorik maka CART menghasilkan pohon klasifikasi (classification trees). Sedangkan jika variabel dependen yang dimiliki bertipe kontinu atau numerik maka CART menghasilkan pohon regresi (regression trees). Namun, jika dijabarkan secara garis besar, classification adalah metode yang paling umum pada data mining.</p><p>Persoalan bisnis seperti Churn Analysis, dan Risk Management biasanya lebih melibatkan metode classification dibandingkan regression. Metode ini bekerja dengan mengelompokan setiap pola atau data dalam sebuah kelas-kelas tertentu. Tujuan dari metode classification adalah untuk menemukan model yang dapat menjelaskan class attribute yang terdapat dalam pola yang sudah dikelompokkan tersebut.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/757/1*9yqwrF2d3nUXCvK9yE4jkA.png" /><figcaption>Output CART dari R</figcaption></figure><p>Sementara itu, untuk metode regression sendiri memang secara keseluruhan tidak jauh berbeda dengan metode classification. Namun, yang membedakannya hanyalah metode regression tidak bisa mencari pola yang dijabarkan sebagai sebuah kelompok atau kelas.</p><p>Metoda regression sendiri bertujuan untuk mecari pola dan menentukan sebuah nilai numerik. Sebuah Teknik Linear Line-fitting sederhana adalah sebuah contoh dari metode regression, dimana hasilnya adalah sebuah fungsi untuk menentukan hasil yang berdasarkan nilai dari input.</p><p>Bentuk yang lebih canggih dari regression sudah mendukung input berupa kategori, jadi tidak hanya input berupa numerik. Teknik paling popular yang digunakan untuk regression adalah linear regression dan logistic regression. Teknik lain yang didukung oleh SQL Server Data mining adalah Regression Trees (bagian dari dari algoritma Microsoft Decission Trees) dan Neural Network.</p><p>Regression digunakan untuk memecahkan banyak problem bisnis — contohnya untuk memperkirakan metode distribusi, kapasitas distribusi, musim dan untuk memperkirakan kecepatan angin berdasarkan temperatur, tekanan udara, dan kelembaban.</p><p>Penulis: Aprilia Safitri</p><p>Illustrasi: Rizaldi Adiputra</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=21bc145f1ce4" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/menilik-perbedaan-antara-classificatioan-dan-regression-tree-cart-21bc145f1ce4">Menilik Perbedaan Antara Classificatioan dan Regression Tree (CART)</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Mengenal Software Linux]]></title>
            <link>https://medium.com/iykra/mengenal-software-linux-b47c2c29a24d?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/b47c2c29a24d</guid>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[it]]></category>
            <category><![CDATA[linux]]></category>
            <category><![CDATA[software]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Tue, 24 Jul 2018 08:56:28 GMT</pubDate>
            <atom:updated>2018-07-24T08:56:19.697Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="Related image" src="https://cdn-images-1.medium.com/proxy/1*M8WP_RFKNaqRLSujd9Ik3w.png" /><figcaption>Credit: Google Image</figcaption></figure><p>Semakin beragamnya sistem operasi komputer, merupakan sebuah tanda berkembangnya teknologi. Salah satu system operasi computer yang cukup populer adalah Linux. Nama Linux sendiri diambil dari nama si penciptanya yaitu Linus Torvalds.</p><p>Mengenal Linux</p><p>Linux adalah sebuah sistem operasi yang berbasis Unix yang disebarluaskan ke masyarakat secara gratis dan berada di bawah lisensi GNU General Public License (GPL), yang berarti bahwa Linux didistribusikan berikut dengan source code-nya. Ketersediaan akses kode sumber memungkinkan para pengguna untuk memodifikasi sistem operasi ini yang kemudian diperbolehkan juga untuk digunakan dan didistribusikan kembali secara bebas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/975/1*E4ILHrblNVhwBhooa7AlWQ.png" /><figcaption>Terminal dalam Linux. Credit: Google</figcaption></figure><p>Yang menjadi perbedaan paling utama antara sistem operasi Linux dengan sistem operasi populer lainnya adalah terletak pada kernel Linux dan komponen-komponen penyusun yang bisa diakses secara bebas dan terbuka. Sayangnya, Linux bukanlah satu-satunya sistem operasi yang berada pada kategori open source. Akan tetapi Linux menjadi contoh terbaik dan sistem operasi open source yang paling banyak digunakan. Sistem operasi Linux sendiri dapat di unduh secara bebas di internet, atau melalui forum-forum khusus.</p><p>Kelebihan dan Kekurangan Linux</p><p>Kelebihan Linux selain dapat di unduh secara gratis di internet, Linux juga bisa di kembangkan dan di distribusikan ulang (open source), bersifat freeware, hanya perlu minimal perangkat keras (hardware) dan dapat berjalan di mesin kecil maupun besar. Tak hanya itu, kehandalan Linux juga cukup diandalkan oleh NASA dalam sebuah penelitian di luar angkasa yang membutuhkan kestabilan system tingkat tinggi. Linux juga diketahui sangat kebal terhadap virus dibandingkan sistem operasi lain seperti DOS. Hal ini membuat system keamanan Linux cukup terjamin.</p><p>Disamping seabreg kelebihan Linux, terdapat beberapa kekurangan yang terdapat pada sistem operasi gratis ini. Tak seperti Windows, orang awam biasanya akan mengalami kesulitan saat pertama kali melakukan sistem operasi ini. Bahkan, beberapa jenis Linux masih belum optimal dalam penyajian WYSYWYG (What You See is What You Get). Namun kelemahan ini sekarang sudah mulai diperbaiki dan kita sudah bisa menggunakan sistem operasi Linux yang benar-benar telah mendekati nilai sempurna.</p><p>Linux Dalam Dunia Bisnis</p><p>Kemudahan dalam menggunakan Linux ini, jelas menjadi keuntungan tersendiri bagi kalangan pebisnis. Selain dapat menghemat biaya, perusahaan yang memakai Linux akan mendapatkan dukungan internet yang lebih banyak, dan mendapatkan kemudahan dalam mengembangkan bisnisnya melalui perangkat lunak (software) tersebut. Meskipun Linux bukanlah satu-satunya software sumber seperti halnya Windows. Namun, Linux didistribusikan oleh beberapa perusahaan dalam mengembangkan bisnis mereka.Berbagai perusahaan ternama dunia pun telah menggunakan Linux. Beberapa diantara puluhan perusahaan sebut saja Google, Twitter, Facebook, Amazon, IBM, McDonalds dan NASA seperti yang sudah kami singgung diatas.</p><p>Mempelajari Linux</p><p>Hal lainnya mengenai Linux adalah, di era data driven sekarang ini banyak tools pengolahan data yang berjalan didalam sistem Linux. Oleh karenanya, mengetahui cara kerja dan juga memahami linux merupakan hal krusial jika anda ingin menjadi seorang praktisi dibidang data. Menyadari pentingnya hal ini, dalam program BODT Camp pertama dari IYKRA mempelajari Introduction To Linux agar para peserta mampu menguasai Linux dan perangkat lunak lain untuk mengolah data secara komprehensif.</p><p>Berbagai sumber</p><p>Penulis: Aprilia Safitri</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b47c2c29a24d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/mengenal-software-linux-b47c2c29a24d">Mengenal Software Linux</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Bicara Dengan Basis data Lewat SQL]]></title>
            <link>https://medium.com/iykra/bicara-dengan-basis-data-lewat-sql-ff5ce05dea24?source=rss----230e78f93732---4</link>
            <guid isPermaLink="false">https://medium.com/p/ff5ce05dea24</guid>
            <category><![CDATA[database]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[nosql]]></category>
            <dc:creator><![CDATA[IYKRA]]></dc:creator>
            <pubDate>Tue, 24 Jul 2018 08:46:40 GMT</pubDate>
            <atom:updated>2018-07-24T08:46:31.427Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pA0i36uFRQoO9xDgboDpjA.jpeg" /></figure><p>Di jaman yang serba modern saat ini, semua mengandalkan teknologi. Termasuk salah satunya adalah teknologi data. Misalnya saja pada saat melakukan transaksi online saat menggunakan jasa transportasi ojek maupun taksi online. Transaksi data yang dilakukan secara online tersebut menghasilkan banyak sekali data. Baik dari data driver, data penumpang, ataupun data transaksi. Dari limpahan data yang tersimpan menjadi sebuah basis data untuk si perusahaan.</p><p>Lewat basis data (database) yang ada, data scientist bisa secara langsung menjawab pertanyaan mendadak dari manajemen tanpa harus riset terlebih dahulu. Pertanyaan mendadak itu semacam “ada berapa banyak driver di wilayah Sudirman jam 5 sore” “Pada jam berapa transportasi online paling sepi” “Restoran apa yang paling sering dipesan makanannya lewat ojek” dan lain sebagianya.</p><p>Namun, tahukah Anda bahwa hal tersebut bisa diketahui dengan mudah berkat basis data yang tersimpan sudah diolah dengan program SQL?</p><p>Jadi, apa itu SQL?</p><p>Sebagian orang mungkin belum banyak yang mengetahui tentang hubungan SQL dan basis data. SQL sendiri adalah singkatan dari Structured Query Language, dengan kata lain SQL adalah suatu bahasa (language) yang digunakan untuk mengakses data di dalam sebuah basis data relasional.</p><p>SQL sering juga disebut dengan istilah query, dan bahasa SQL secara praktiknya digunakan sebagai bahasa standar untuk manajemen basis data relasional. Hingga saat ini hampir seluruh server basis data atau perangkat lunak (software) basis data mengenal dan mengerti bahasa SQL.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zfYQ-VaCmHm5Jc4W0HFexQ.png" /><figcaption>Contoh dari script SQL. Credit: Google</figcaption></figure><p>Dalam penggunaan SQL terdapat beberapa perintah yang berguna untuk mengakses dan memanajemen data yang terdapat dalam basis data. Jenis perintah SQL secara umum dibagi kepada tiga sub perintah, yaitu DDL (Data Definition Language) yang biasa digunakan untuk membangun kerangka basis data, DML (Data Manipulation Language) biasa digunakan untuk memanipulasi basis data yang telah dibuat, dan DCL (Data Control Language) yang digunakan untuk melakukan pengontrolan data dan server basis datanya.</p><p>Sayangnya tren SQL data ini mulai tergerus dengan kehadiran teman barunya bernama NoSQL. Penggunaan NoSQL mulai menggerus keberadaan MySQL, Oracle, SQL Server untuk kasus kasus tertentu. Hal ini dikarenakan penggunaan yang lebih mudah dan kemampuan yang lebih baik.</p><p>Namun dengan kehadiran NoSQL bukan berarti SQL lantas langsung tergantikan, basis data NoSQL tetap memiliki (support) ‘semacam’ bahasa Query, tetapi dalam bentuk (terminologi yang berbeda). Beberapa literatur bahkan tidak menggolongkan NoSQL sebagai suatu bentuk basis data, karena NoSQL dikembangkan khusus untuk memecahkan masalah — masalah yang dihadapi oleh basis data dengan skema relasional.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/602/0*H4JYbmoebNn2z-1y" /></figure><p>Sementara itu, peran SQL dan perkembangan teknologi data ini sangat penting diantaranya adalah, SQL mampu menjadi daya optimalisasi terkait basis data dari berbagai aspek dalam pusat data (pusat data), SQL dapat memberikan akses dan manipulasi basis data, dan lebih pentingnya sambungan ini mampu mengeksekusi Query yang terjadi pada basis data.</p><p>Sehingga otomatis hal ini dapat menambah keamanan data dan juga kualitasnya. SQL juga memungkinkan untuk menambahkan catatan pada basis data, atau bahkan membuat basis data baru pada pusat data. Selain itu juga ada berbagai upaya yang dapat dilakukan dengan keberadaan sambungan ini diantaranya menyisipkan beberapa catatan kedalam basis data ataupun memperbaharuinya. Selain itu dengan ini juga ada manfaat atau fungsi penting yang dapat dinikmati pengakses dari pusat data yaitu, pengguna dapat dengan mudah mengambil data tersebut kedalam perangkat yang ada.</p><p>Berbagai Sumber</p><p>Penulis: Aprillia Safitri</p><p>Illustrasi: Rizaldi</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ff5ce05dea24" width="1" height="1" alt=""><hr><p><a href="https://medium.com/iykra/bicara-dengan-basis-data-lewat-sql-ff5ce05dea24">Bicara Dengan Basis data Lewat SQL</a> was originally published in <a href="https://medium.com/iykra">Iykra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>