detektif data

Beberapa minggu lalu gue habis baca buku anak yang judulnya “ The Math Curse ” ( well, I’ve watched it on Youtube, technically.. ), dan sampai saat ini kesannya masih tersimpan dan masih terkagum-kagum. Buat yang gak tau ( and I’m sure a lot of you actually do ), The Math Curse  itu seperti buku cerita anak-anak yang dari ilustrasi dan banyak halamannya bisa dibilang cocok dibacakan ke anak kelas 2 sampai 4 SD. Namun menariknya, orang dewasa pun bisa tertarik membaca buku ini. Sedikit informasi tentang bukunya : Judul     : The Math Curse Ciptaan : Jon Scieszka Ilustrasi : Lane Smith Long story short,

Apasih yang ingin kita pelajarin dari SQL ? Tak lain tak bukan pasti perintah-perintah yang useful  yang memudahkan pekerjaan kita. Biar ingatan elo segar lagi, gue mau ngingetin singkat pengertiannya SQL. Jadi, SQL merupakan singkatan dari Structured Query Language.  SQL adalah bahasa komputer yang sederhana dan menjadi standar untuk berkomunikasi dengan sistem database relasional. Sistem database relasional sering disingkat RDBMS, yaitu Relational Database Management System.  RDBMS merupakan sistem penyimpanan data dengan struktur : database, tabel, kolom, dan tiap data yang disimpan pada tabel disebut baris data ( data row ). Perintah SELECT pada bagian sebelumnya hanya salah satu jenis perintah yang ada pada SQL. Sebenarnya, perintah SQL terbagi menjadi tiga kategori:

Beberapa bulan bekerja dengan data, gue baru menyadari ternyata dunianya data tidak sebatas Excel ataupun Spreadsheet Google saja. Data bisa lebih dari itu. Data bisa bersemayam di tempat yang lebih gede dan berkumpul hingga ukuran yang tidak terbayangkan bagi kita-kita orang awam. Data yang ukurannya sudah tidak terbayang lagi karena saking besarnya, kemudian disebut sebagai big data. Data yang jumlahnya tak terkira, tak bisa lagi diolah menggunakan excel. Data-data itu kemudian dikumpulkan ke dalam tempat penyimpanan yang menggunakan sistem database . Hal ini sangat dimanfaatkan oleh dunia digital. Data-data digital tersebut yang gue dimaksud adalah data seluruh transaksi yang dilakukan oleh pelanggan hingga data dirinya.  Gila banget gak sih? Untuk mengolah data ribuan di excel aja kita mumet dan ngeluh sana sini. Gimana dengan data yang digabung di database yang sungguh besar? Bagaimana cara mengolahnya?

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