Hallo, Sobat Data!

Kalian pasti sudah tidak asing lagi sama machine learning kan? Hari ini kita bakal bahas lebih lanjut materi machine learning ini, yuk baca sampai akhir.

Machine learning merupakan salah satu metode yang digunakan dalam bidang sains data untuk membangun model prediktif, menggali pola dalam data, dan mengoptimalkan proses pengambilan keputusan. Machine learning ini dapat digunakan dalam pengolahan data yang besar atau biasa disebut Big Data, nah bagaimana sih keterkaitan antara keduanya ? kumpulan data yang besar ini perlu diproses terlebih dahulu agar kemudian dapat menghasilkan informasi yang dibutuhkan, nah machine learning yang berbasis algoritma akan menghasilkan Big Data akan lebih akurat sehingga tujuan utama yaitu memperoleh informasi yang baik akan dapat dilakukan.

Machine learning terbagi dalam dua kategori, yaitu supervised learning dan unsupervised learning. Supervised learning adalah pendekatan machine learning yang menggunakan dataset yang sudah diberi label sebelumnya. Dengan menggunakan data-data yang dengan label ini, diharapkan algoritma dapat melakukan klasifikasi dan prediksi dengan akurat. Contoh dari penggunaan supervised learning ini adalah saat melakukan classification dan regression.Selanjutnya, unsupervised learning adalah penggunaan algoritma yang bertujuan untuk menganalisis data yang diberikan secara langsung tanpa adanya bantuan dari manusia. Unsupervised learning paling banyak digunakan dalam clustering.

Mari kita Simak lebih lanjut perbedaan diantara supervised vs unsupervised machine learning. Label data, pada supervised learning digunakan data yang sebelumnya telah berlabel sedangkan unsupervised learning menggunakan data yang tidak berlabel. Klasifikasi data, Ketika menggunakan supervised learning data akan terklasifikasi berdasarkan dataset pada saat training, namun unsupervised learning akan melakukan klasifikasi data yang diberikan secara langsung. Penggunaan, supervised learning biasanya digunakan dalam klasifikasi dan regresi sedangkan unsupervised learning lebih banyak digunakan dalam kasus clustering. Kelas, pada supervised learning jumlah kelasnya diketahui secara pasti sedangkan pada unsupervised learning tidak diketahui jumlah kelasnya. Algoritma, supervised learning menggunakan algoritma Regresi logistik, Decision tree, KNN dan Support Vektor Machine sedangkan unsupervised learning menggunakan algoritma K-means Clustering, Hierarchical Clustering dan Apriori Algorithm.

Setelah memahami perbedaan diantara Supervised dan Unsupervised Machine Learning, selanjutnya mari kita bahas lebih lanjut langkah-langkah dalam penerapan Machine Learning. Permasalahan Persiapan Data Memilih Algoritma Melatih Model Uji Model Pada tahap pertama, dilakukan identifikasi masalah yang ingin diselesaikan menggunakan machine learning. Persiapan Data, data yang akan digunakan perlu melewati proses pembersihan terlebih dahulu sebelum digunakan untuk eksplorasi dan analisis. Memilih Algoritma, pemilihan algoritma yang tepat penting untuk mendapatkan model machine learning yang akurat. Melatih model, tahap selanjutnya adalah melakukan pelatihan serta evaluasi model sampai mendapatkan tingkat akurasi yang tinggi. Uji Model, tahap terakhir adalah uji model menggunakan data test.

Sekian pembahasan kita pada kali ini, sampai jumpa kembali!

Desa Triharjo, 24 Agustus 2023 – Dosen dan mahasiswa Program Studi Sains Data Jurusan Sains Institut Teknologi Sumatera (ITERA) telah melakukan Pelatihan Visualisasi Data Sumber Daya Alam dengan menggunakan Google Data Studio di Desa Triharjo, Kecamatan Merbau Mataram, Kabupaten Lampung Selatan pada tanggal 24 Agustus 2023. Kegiatan ini merupakan bagian dari program Pengabdian kepada Masyarakat (PKM) yang bertujuan untuk mengimplementasikan tridharma perguruan tinggi serta membantu Desa Triharjo dalam menciptakan visualisasi data yang berguna untuk pemantauan harian tim kantor, deteksi kesalahan, dan tujuan lainnya.

Pembukaan acara ini diawali dengan sambutan hangat dari Ketua Program Studi, Tirta Setiawan, yang mewakili ITERA, yang menggarisbawahi potensi besar yang dimiliki oleh Desa Triharjo di bidang pertanian dan pengolahan data. Dalam konteks digitalisasi data yang semakin berkembang di Indonesia, Desa Triharjo juga dapat memanfaatkan sumber daya tersebut. ITERA sendiri memiliki visi untuk mendukung program desa binaan seperti yang terlihat dalam kegiatan ini. Perwakilan dari Desa Triharjo juga memberikan sambutan yang antusias, menyambut baik kegiatan ini dalam upaya untuk memajukan Desa Triharjo menjadi lebih baik. Melalui pelatihan Visualisasi Data ini, mereka berharap dapat mengambil banyak manfaat yang dapat diterapkan untuk kepentingan desa.

Materi pertama dalam pelatihan ini mencakup tahapan-tahapan dalam memvisualisasikan data sumber daya alam di Desa Triharjo menggunakan Google Data Studio. Visualisasi data adalah representasi data dalam bentuk visual seperti grafik batang, garis, presentasi, dan peta, yang bertujuan untuk memudahkan pemahaman dan komunikasi yang jelas dan efisien. Data sumber daya alam Desa Triharjo yang digunakan dalam pelatihan ini mencakup data hasil pertanian dan data lahan pertanian dari tahun 2018 hingga 2022, dengan rencana ekspansi data untuk beberapa dusun. Penting untuk dicatat bahwa data yang digunakan dalam pelatihan adalah data dummy. Google Data Studio (Looker) adalah alat yang digunakan dalam pelatihan ini, dan peserta pelatihan hanya memerlukan laptop, akses internet, dan akses ke Google Drive. Proses pelatihan dimulai dengan impor data, eksplorasi data, hingga pemahaman data dan visualisasi. Kehadiran dan antusiasme Perangkat Desa Triharjo dalam kegiatan sosialisasi ini menunjukkan betapa pentingnya pelatihan visualisasi data tersebut. Mereka menyambut pelatihan ini dengan harapan bahwa keterampilan yang mereka peroleh akan memberikan manfaat yang besar untuk pengelolaan dan perkembangan Desa Triharjo.

Pada tanggal 23 Agustus 2023, Tim Big Data Challenge (BDC) dari Sains Data ITERA yang terdiri dari anggota Lanang Almasyuri (120450109), Shanaz Salsabila Ishak (120450065), dan Dimas Wahyu Saputro (120450081) telah berhasil meraih juara sebagai “The Most Scalable Algorithm” dalam ajang Statistika Ria dan Festival Sains Data Tahun 2023 di Universitas Brawijaya. Kompetisi Big Data Challenge sendiri adalah kompetisi yang menuntut pemecahan masalah nyata menggunakan pendekatan analitik, matematis, dan statistis berdasarkan data. Dalam kompetisi ini, tim berhasil mencapai solusi yang paling dapat diukur dalam hal skalabilitas algoritma.

Proses perjalanan Tim Mahasiswa Sains Data ITERA pada tahap final ini dimulai sejak tanggal 20 Agustus 2023 yaitu registrasi tim. Pada tanggal 21 Agustus 2023, tim menguji kode yang telah mereka kembangkan selama tahap penyisihan. Pada tanggal 22 Agustus 2023, mereka mempresentasikan hasil kerja mereka, termasuk penyampaian insight yang didapat dalam kasus yang telah dipecahkan yakni penilaian kesesuaian peraturan perundang-undangan di Indonesia. Kemudian, pada tanggal 23 Agustus 2023, adalah acara puncak dari Satria Data 2023 yakni penutupan dan penyerahan penghargaan.

Dalam kompetisi Statistika Ria dan Festival Sains Data Tahun 2023, terdapat total 203 tim peserta yang berasal dari berbagai kampus di Indonesia. Setelah melalui proses seleksi, 20 tim berhasil masuk ke babak semifinal, dan akhirnya hanya 12 tim yang berhasil mencapai babak final. Pencapaian yang diraih oleh tim Mahasiswa Sains Data ITERA dapat diatribusikan kepada algoritma yang mereka kembangkan, yang menunjukkan daya tarik dan kemampuan dalam mengelola data teks dalam skala besar menggunakan metode TF-IDF. Selain itu, kinerja algoritma pada tahap penyisihan dalam menangani kasus deteksi plat kendaraan yang berhasil menghasilkan output dalam waktu 7 detik untuk 100 gambar.

Prestasi yang diraih oleh tim tidak hanya merupakan pencapaian pribadi, tetapi juga menjadi inspirasi bagi mahasiswa mahasiswa Sains Data ITERA lainnya untuk terus mengasah kemampuan mereka dalam analisis data, statistika, dan machine learning. Dengan pencapaian semacam ini, diharapkan kan muncul lebih banyak solusi inovatif untuk mengatasi berbagai tantangan dunia nyata melalui pendekatan berbasis data. Selamat sekali lagi kepada Tim A Big Data Challenge dari Sains Data ITERA atas prestasi yang luar biasa, dan semoga pencapaian ini menjadi tonggak awal menuju kesuksesan yang lebih besar di masa depan.

Berikut ini rencana mata kuliah yang bisa di ambil di semester 3, 5, dan 7:

Wajib Semester 3

Wajib Semester 5

Terarah Semester 7

Pilihan Semester 3, 5, dan 7

Silahkan bertanya di kolom komentar jika bingung yah 🙂

Selasa, 1 agustus 2023, telah di umumkan hasil dari penilaian oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) untuk program studi sains data Institut Teknologi Sumatera (ITERA). Predikat yang di raih adalah terakreditasi Baik, yang tercatat mulau dari tanggal 1 agustus 2023 hingga 1 agustus 2028.

Baca : Visitasi Tim Asessor Badan Akreditasi Perguruan Tinggi (BAN-PT)

Dengan predikat yang baik, program studi sains data dapat mencapai berbagai manfaat dan tujuan yang berdampak positif bagi para mahasiswa, institusi pendidikan, dan masyarakat secara luas. Berikut beberapa harapan yang dapat diraih adalah akses lebih mudah ke Beasiswa dan dukungan keuangan bagi mahasiswa program studi sains data. Lalu Kolaborasi dengan Industri, yang mana sering kali membuka peluang kerjasama, magang, dan kesempatan penelitian bersama, sehingga mahasiswa mendapatkan pengalaman nyata dalam aplikasi sains data di dunia nyata. Berkontribusi pada Masyarakat, dengan diraihnya predikat akreditasi baik program studi sains data dapat memberikan kontribusi yang signifikan pada masyarakat untuk berbagai masalah sosial, ekonomi, dan lingkungan melalui penelitian dan pengabdian kepada masyrakat. Penting untuk diingat bahwa akreditasi sendiri bukanlah tujuan akhir, tetapi merupakan alat untuk memastikan bahwa program studi telah mencapai standar kualitas tertentu dan bergerak menuju pengembangan yang berkelanjutan.

Baca juga : Berita – Jurusan Sains ITERA

Selamat Atas diraihnya Predikat Akreditasi Baik, Program Studi Sains Data!

Pada tanggal 14-15 Juli 2023 Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) telah melakukan visitasi ke program studi sains data Institut Teknologi Sumatera. Asessor BAN-PT yang melakukan visitasi adalah  Prof. Dr. Ir. Henny Pramoedyo, MS. dari Universitas Brawijaya dan Dr.Irhamah,M.Si. dari Institut Teknologi Sepuluh November, yang mana disambut oleh Rektor ITERA, Prof. Dr. I Nyoman Pugeg Aryantha dan segenap pimpinan ITERA.

Visitasi berlangsung selama dua hari dan berlangsung dengan lancar. Dimulai dengan pembukaan asesmen, pengenalan panel asesor. Selanjutnya, dilanjutkan dengan sesi bersama Pimpinan UPPS & Program Studi Sains Data untuk mengonfirmasi mengenai kebijakan makro pengembangan institusi, sistem tata pamong, sistem pengelolaan, capaian institusi yang dilaporkan, dan rencana pengembangan UPPS dan Program Studi Sains Data.

Agenda visitasi dilanjutkan dengan konfirmasi data LKPS/Excel Progam Studi Sains Data bersama dengan Tim Akreditasi Program Studi Sains Data. Pembahasan LKPS ini bertautan dengan penetapan data LKPS akhir yang akan dijadikan dasar penilaian butir kuantitatif. Kegiatan hari pertama ini juga dilanjutkan dengan sesi dengan mahasiswa, sesi dengan dosen dan tendik, dan kunjungan keliling ke beberapa sarana dan prasarana yang tersedia untuk melihat kondisi terkini.

Kegiatan visitasi pada hari kedua dilaksanakan penutupan dan diakhiri dengan Penyampaian feed back dan penandatangan Berita Acara AL oleh Program Studi Sains Data dan Tim Badan Akreditasi Perguruan Tinggi.

Ketua Jurusan Sains dan segenap sivitas akademika Jurusan Sains ITERA mengucapkan selamat dan sukses atas terselenggaranya kegiatan visitasi akreditasi oleh tim asessor BAN-PT dengan baik dan lancar, semoga kegiatan ini dapat menjadikan Program Studi Sains Data mampu mendapatkan akreditasi unggul dari Badan Akreditasi Nasional Perguruan Tinggi (BAN PT).