Tantangan nasional, mengapa kita membutuhkan AI dalam pangan agro-maritim.  Permasalahan yang sering terjadi seperti pesisir yang rusak seperti bakau, terumbu karang.  Konektivitas kelemahan seperti RTRW, RTRLN, RZWP3K, sampah plastik dan  pertanian. Tantangan global seperti pupuk kimia berat, penggundulan hutan, penggembalaan berlebihan, peristiwa banjir bandang, meningkatnya kekeringan menyebabkan 25% lahan pertanian terganggu. Ratusan juta orang kemungkinan akan terpaksa bermigrasi hanya dalam 3 dekade mendatang karena produktivitas lahan pertanian yang memburuk dengan cepat di  banyak wilayah yang disebabkan oleh praktik pertanian yang modern.

Urbanisasi mempengaruhi perubahan pola konsumsi. Pertumbuhan penduduk mengakibatkan permintaan pangan yang menjadi lebih tinggi sehingga lebih banyak makanan yang akan diproduksi oleh petani. Makanan olahan dan konsumsi daging per-kapita tahunan dari tahun  1997 sampai 1999 adalah 36,4 kg dan sekarang mencapai 45,3 kg. 

 

Kelangkaan pangan menyebabkan masih banyaknya kelaparan. Peta Kelaparan WFP 2020  menggambarkan prevalensi kekurangan gizi pada populasi setiap negara pada 2017-2019 – Jika tren saat ini berlanjut, jumlah orang yang kelaparan akan mencapai 840 juta pada tahun 2030  (saat ini: sekitar 340 juta). Makanan dianggap sebagai kebutuhan dasar manusia yang dapat dipenuhi melalui pertanian. 

SDGs 2030

Tujuan pembangunan berkelanjutan 2030 untuk mengubah dunia kita yaitu: 

• Tanpa Kemiskinan 
• Nol Kelaparan 
• Kesehatan Dan Kesejahteraan Yang Baik 
• Pendidikan Berkualitas 
• Kesetaraan Gender 
• Air Bersih Dan Sanitasi 
• Energi Bersih Dan Terjangkau
• Pekerjaan Layak Dan Pertumbuhan Ekonomi 
• Industri, Inovasi, Dan Infrastruktur 
• Mengurangi Ketimpangan 
• Kota Dan Komunitas Berkelanjutan 
• Konsumsi Dan Produksi Yang Bertanggung Jawab 
• Aksi Iklim 
• Kehidupan Di Bawah Air 
• Kehidupan Di Darat 
• Institusi Kuat Perdamaian Dan Keadilan  
• Kemitraan Untuk Mencapai Tujuan 

Beralih dari sistem produksi pangan saat ini teknik baru di produksi makanan dan didistribusi  ke konsumen. Sistem pertanian, sistem peternakan, sistem kehutanan, perikanan dan lautan pengelolaan sistem agroindustri, dan juga bagaimana caranya membawa makanan ke  konsumen.  

Produksi berbeda menggunakan teknik baru seperti hidroponik, bioplastik, bahan baku alga,  pertanian gurun, dan budidaya air laut. Menggabungkan teknologi dan aplikasi lintas industri  seperti drone technology, data analytics, nanotechnology, artificial intelligence, internet of  things, precision agriculture, food sharing and crowdfarming, and blood. Produksi makanan  harus mencangkup efektivitas, efisiensi, dan sustainablility. 

Penerapan Ilmu Sains Data

Pada ilmu sains data bertujuan untuk mengekstrak wawasan yang berguna dari data yang  diberikan persyaratan khusus eksekutif bisnis dan calon pengguna lain dari wawasan tersebut. Analitik kausal prediktif: Ilmuwan data menggunakan model ini untuk mendapatkan perkiraan bisnis. Model prediktif menampilkan hasil dari berbagai tindakan bisnis dalam istilah yang  dapat diukur. Ini bisa menjadi model yang efektif untuk bisnis yang mencoba memahami masa depan setiap langkah bisnis baru. 

Analisis Preskriptif: Analisis semacam ini membantu bisnis menetapkan tujuan mereka dengan  menentukan tindakan yang paling mungkin berhasil. Analisis preskriptif menggunakan  kesimpulan dari model prediktif dan membantu bisnis dengan menyarankan cara terbaik untuk  mencapai tujuan tersebut. 

Aplikasi sains data di kehidupan sehari hari sebagai berikut: 

• Perbankan: Ilmu Data memungkinkan Bank untuk memanfaatkan sumber daya secara  efisien berdasarkan data. Ilmu Data memungkinkan manajemen risiko dan pemodelan  risiko berdasarkan data pelanggan. Juga memprediksi churn pelanggan dan deteksi  penipuan menggunakan data tersebut. 

• Manufaktur: Ilmu Data memungkinkan untuk Mengoptimalkan produksi, Mengurangi  biaya, dan Meningkatkan keuntungan. Selain itu, penyertaan data dari sensor  memungkinkan untuk menemukan potensi masalah dalam sistem. Juga, data  memungkinkan untuk mengoptimalkan kualitas dan kapasitas produksi. 

• Transportasi: Ilmu Data membantu menciptakan sistem untuk mobil tanpa pengemudi  menggunakan data sensorik. Ilmu Data memungkinkan analisis ekstensif pola  konsumsi bahan bakar, pemantauan pengemudi, dan pemilihan jalur membantu dalam  mengoptimalkan industri.

• Kesehatan: Ilmu Data membantu dalam analisis prediktif diagnosis, penemuan obat  berdasarkan data penyakit, dan analisis citra Medis untuk memprediksi penyakit dari  citra. 

• E-Commerce: Ilmu Data membantu menemukan pelanggan potensial. Ini membantu  dalam mengoptimalkan basis pelanggan dan mengelompokkannya berdasarkan tren. Ini  juga digunakan untuk menganalisis barang dan jasa secara prediktif untuk cakupan  maksimum. Menggunakan data pelanggan, perusahaan menggunakan analisis sentimen  untuk menemukan umpan balik berdasarkan ulasan. 

Penerapan Kecerdasan Buatan

AI atau kecerdasan buatan di dalam sains data mengoptimalkan tahapan-tahapan dan  meningkatkan kemampuan sains data contohnya seperti belanja online yang dipersonalisasi:  Tren pencarian dan riwayat pencarian pengguna dilacak dan berdasarkan data, iklan produk  tertentu ditampilkan yang dapat memenuhi kebutuhan dan harapan pengguna. 

Pencitraan dan Pengawasan yang Ditingkatkan: Fitur gambar ditingkatkan menggunakan visi  komputer, yang digunakan oleh aplikasi seperti Snapchat dan Instagram. Image Enhancement  juga digunakan oleh dinas keamanan dan militer untuk pengawasan. 

Video Game: Game komputer terdiri dari bot yang dikendalikan oleh sistem. Karakter ini dapat  diadaptasi yaitu mereka mengubah tingkat kesulitan berdasarkan pemain sebenarnya. Ini  bekerja pada kemampuan beradaptasi Kecerdasan Buatan. 

Kesehatan: Ini adalah sektor yang paling banyak mengadopsi Kecerdasan Buatan. Sistem  Otomatis yang memudahkan pengembangan obat-obatan telah membantu menemukan obat  untuk lebih banyak penyakit. Juga menerapkan Kecerdasan Buatan pada data historis telah  membantu memprediksi hasil bakteri dan virus. 

ChatBots: Dimasukkannya chatbot opsional di situs web dan toko online telah menjadi suatu  keharusan. Ini memberikan informasi paling banyak dengan cara yang paling manusiawi.  Kecerdasan Buatan dalam ChatBots berbasis Ilmu Data berfungsi secara efisien. 

Manfaat Kecerdasan Buatan

Manfaat menggabungkan kecerdasan buatan AI in data science adalah aplikasi analitik  prediktif yang memperkirakan perilaku pelanggan, tren bisnis, dan peristiwa berdasarkan  analisis kumpulan data yang terus berubah. Sistem AI percakapan yang dapat terlibat dalam  komunikasi yang sangat interaktif dengan pelanggan, pengguna, pasien, dan individu lainnya.  Sistem deteksi anomali yang mendukung keamanan siber adaptif dan proses deteksi penipuan  untuk membantu organisasi merespons ancaman yang terus berkembang. Sistem hiperpersonalisasi yang memungkinkan iklan bertarget, rekomendasi produk, panduan keuangan  dan perawatan medis, plus personalisasi lainnya penawaran kepada pelanggan. 

Kecerdasan buatan atau AI dan data science dapat mengalahkan manusia seperti:

1. Komputer Deep Blue adalah pemain catur yang lebih baik sejak 1997 

2. Mesin ilmu data menganalisis data lebih baik daripada manusia 

3. AI lebih cepat dan lebih pintar dalam pengenalan visual 

4. Alibaba membangun AI yang bisa membaca lebih baik dari rata-rata manusia 5. Program musik AI menulis lagu pop yang lebih baik 

6. Sistem AI ini juga lebih berkinerja di game strategi 

7. AI menciptakan dan mengkritik seni asli 

8. Aplikasi AI yang paling menantang: 

9. AI ini baru saja memecahkan rekor memecahkan Rubik’s Cube 

10. Mobil Self-Driving akan mengurangi kematian dan menghemat uang 11. AI tidak mempunyai hari libur 

12. Senjata otonom mematikan (LAWS) (sejenis sistem militer otonom yang secara mandiri  dapat mencari dan melibatkan target berdasarkan batasan dan deskripsi yang diprogram)

Pada Sabtu (14/5/2022), mata kuliah SD2203 Statistika Sains Data, program studi Sains Data ITERA mengadakan kuliah tamu dengan topik “Support Vector Machine (SVM)”. Narasumber yang diundang kali ini adalah Bapak Abdullah Ghifari sebagai Data Scientist di Telkomsel. 

Acara diawali dengan kata sambutan oleh Tirta Setiawan selaku sekretaris program studi Sains Data, yang dalam kesempatan kali ini mewakili Acep Purqon, Ph.D sebagai koordinator program studi Sains Data mengatakan mengucapkan terima kasih kepada narasumber karena bersedia hadir pada kegiatan kuliah tamu. Selain itu, Tirta menyampaikan bahwa kegiatan yang dilaksanakan secara daring ini sangat efektif karena tidak terhalang oleh jarak dan waktu. 

Abdullah Ghifari, atau yang kerap disapa Abdul, dalam penyampaian materi mengatakan bahwa Data Science merupakan suatu bidang ilmu yang mempelajari data. Sedangkan, orang yang bergelut dibidang Data Science, dinamakan Data Scientist. Ilmu yang berkembang pesat sejak tahun 2018 ini menjadi sangat menarik karena membawa banyak keuntungan. Dengan Data Science, dapat dilakukan pemecahan masalah, sehingga bisa diambil keputusan menggunakan data. Abdul memaparkan bahwa saat ini belum ada e-commerce yang menggunakan pengenalan wajah saat pengguna ingin masuk ke aplikasinya. Ia memaparkan bahwa setelah dilakukan analisis menggunakan data, banyak perangkat pengguna yang belum mampu untuk menangani pengenalan wajah, sehingga hal itu belum dilakukan sampai sekarang.

Seorang Data Scientist ketika bekerja terdiri dari tiga urutan, yaitu Permasalahan bisnis, data, dan solusi. Solusi bukan hanya berupa model, namun dapat berupa insight, maupun data visualisasi.  Misalnya terdapat permasalahan dari tim bisnis yang ingin suatu sistem yang dapat mendeteksi pengguna mana yang sudah bosan berbelanja di suatu aplikasi. Maka, Data Scientist akan mengambil data berupa riwayat belanja pengguna, kemudian menerapkan berbagai algoritma dan membuat sistem yang dapat mendeteksi pengguna yang sudah bosan. Salah satu algoritma yang bisa digunakan, adalah Support Vector Machine (SVM).Abdullah menjelaskan, SVM adalah salah satu metode klasifikasi yang mampu membedakan label dengan menggunakan optimalisasi hyperplane. SVM digunakan untuk mencari hyperplane terbaik dengan memaksimalkan jarak antar kelas. Hyperplane adalah sebuah fungsi yang dapat digunakan untuk pemisah antar kelas. Saat menjelaskan, Abdullah tidak hanya mengajarkan secara teori, namun ada sesi hands-on secara sederhana. 

Sebelum mengakhiri kuliah tamu, Abdullah Ghifari memberikan beberapa tips yang bisa diikuti oleh mahasiswa jika ingin berkarier dibidang data. Mahasiswa harus mulai melatih Analytical Thinking dengan menggunakan habit data-driven, memperkuat pemrograman dan matematika, serta tidak lupa membuat portfolio yang berkualitas. Dalam kesempatan kali ini juga, turut disampaikan lima kemampuan yang harus dipahami, yaitu analytics, visualization, programming, statistics, dan machine learning. Kuliah tamu ditutup dengan sesi tanya jawab yang dipimpin oleh moderator, Mika Sitinjak, S.Si., M.Si.