detektif data

I know that none of you missed me while I'm gone, because, I'm not that memorable. Well, doesn't matter. All that matters now that I'm here again, hoping that I can share something more useful and helpful. Something that I've interested in, and you might too. Okay, where do we start? Nah, I want to explain why did I leave and what did I do for this past 6 months (more or less). First of things,

Halo Data Mense! Pada artikel kali ini, aku akan mengajak Data Mense untuk memahami lebih jauh cakupan bidang data science . Artikel sebelumnya sudah dikatakan di pengantar kalau hampir setiap tindakan yang kita lakukan sadar atau tidak sadar pasti menghasilkan data yang bisa diolah untuk menjadi informasi. Data-data tersebut datang dari segala arah: computer, smartphone , kamera, dan lain-lain yang berhubungan dengan teknologi. Data terbentuk dari interaksi kita di social media , di setiap SS ( screen shot ) yang kita ambil, setiap pap yang kita buat. Bahkan sesederhana buka maps untuk mencari SPBU terdekat.

Halo Data Mense!! Artikel ini adalah bagian ketiga dari rangkaian Data Science and Machine Learning . Kalau ketinggalan dan penasaran akan penjelasan-penjelasan sebelumnya, silahkan ke chapter 1 dan chapter 2 . Pada chapter sebelumnya, timbul pertanyaan: Apa sih machine learning itu? Sedikit dijelaskan di chapter dua bahwa:

Kita memasuki chapter dua 😊 Intro panjang sebelumnya ( chapter intro ) menyisakan pertanyaan-pertanyaan yang bikin dahi berkerut.  Kalau gak ingat, kita phrase ulang. Bunyinya seperti ini: hal ini (baca: memanfaatkan teknologi dengan data) bisa bikin kita struggle juga untuk mengetahui memulai dari mana agar bisa paham betul informasi-informasi yang ada agar bisa digunakan secara maksimal. Data apa yang harus dikumpulkan? Metode apa yang ada? Pertimbangannya apa? Dan yang paling penting, bagaimana kita mendapatkan jawaban dari data untuk menjawab pertanyaan yang mendesak untuk kehidupan kita? Untuk menjawab semuanya, disinilah data science menjadi kunci yang bisa membuat informasi-informasi ini berguna. Dengan kata lain, data science adalah seni percekcokan data untuk memprediksi perilaku masa depan kita. Dengan data science , kita bisa mengungkapkan pola untuk membantu memprioritaskan atau memberikan informasi yang dapat ditindaklanjuti, atau menarik makna dari data

This is my first time write a movie review, but I couldn’t help myself. Bear with me yes , pengamat review film 😊 😊 😊 Us (2019) Genre : American Psychological Horror Rating IMDB : 7,6/10 Rating Rotten Tomatoes : 9,5/10 Rating Zakya : 9,0/10 Sinopsis: Liburan satu keluarga yang seharusnya damai, berubah menjadi kacau ketika sekelompok “kembaran” datang meneror. Director : Jordan Peele Writer : Jordan Peele Music : Michael Abels Tanggal release di Indonesia : 20 Maret 2019 Casts : • Lupita Nyong’o (berperan sebagai Ibu yang bernama Adelaide Wilson / Red) • Winston Duke (berperan sebagai Ayah yang bernama Gabe Wilson / Abraham) • Shahadi Wright Joseph (berperan sebagai Kakak Perempuan bernama Zora Wilson / Umbrae) • Evan Alex (berperan sebagai Adik Laki-laki bernama Jason Wilson / Pluto) • Elisabeth Moss (berperan sebagai Kitty / Dahlia) Film ini worth it gak, ya? Untuk kamu yang penyuka genre thriller , ini termasuk dalam daftar waj

After a long time off (3 weeks per se-), I finally succeed to urge myself to write something again. Today, I want to write something about machine learning (what this blog actually supposed to serve), because, well, I intended to become a data scientist . Of course, I should talk about data and such. But, as I opened my laptop, I was thinking: “Huh, machine learning AND data science , those two are a different matter. Or aren’t they?” Aku rasa bukan aku sendiri yang bingung sama istilah-istilah ini. Bukan hanya dua istilah, di luar sana masih sering kita dengar sebutan-sebutan teknologi moderen, seperti: artificial intelligence, big data, deep learning, computer science, data engineering, data mining, data visualization , dan lain-lainnya, adapula juga dua yang telah disebut tadi, data science dan machine learning . Mereka semua apa, sih? WARNING : Penjelasan di sini untuk yang benar-benar tidak paham. Penjelasan ini untuk orang-orang yang baru pertama kali menyentu

Pengertian dari Governance , Risk Management, and Compliance (GRC) Uraian di bawah ini merupakan rangkuman ringkas satu bacaan buku Governance, Risk Management, and Compliance karya Leo J. Susilo. Alasan kenapa hari ini membahas satu chapter dalam buku ini karena merangkum dan menulis ulang adalah caraku memahami suatu konsep yang sukar dipelajari. GRC sendiri merupakan bahasan yang sangat baru kubaca, tidak ada pengetahuan sebelumnya. Siapatau ada yang juga sepertiku di luar sana, semoga rangkuman ini bisa sedikit membantu menjelaskan apa yang dimaksud dengan GRC. -Pembahasan- Governance adalah cara bagaimana suatu entitas mengarahkan dan mengendalikan perusahaan yang meliputi semua proses pengambilan keputusan yang berhubungan dengan manajemen risiko dan kepatuhan ( compliance ) dalam suatu organisasi. Risiko adalah suatu kemungkinan yang akan berdampak buruk pada target sasaran. Manajemen risiko berarti kegiatan yang terkoordinir untuk meninjau proses pengen