Pelatihan Pengenalan Data Science untuk Meningkatkan Kemampuan dalam Pengolahan Data

Hairani Hairani; Ahmad Zuli Amrullah

doi:10.31004/abdidas.v1i3.31

Authors

Hairani Hairani Universitas Bumigora, Nusa Tenggara Barat, Indonesia
Ahmad Zuli Amrullah Universitas Bumigora, Nusa Tenggara Barat, Indonesia

DOI:

https://doi.org/10.31004/abdidas.v1i3.31

Keywords:

data science, pelatihan, data scientist

Abstract

Data science merupakan gabungan ilmu komputer, statistika, dan pengetahuan domain bisnis untuk ekstraksi tumpukan data yang besar menjadi pengetahuan sehingga mendapatkan pattern atau pola-pola yang dapat memudahkan pengambil keputusan. Adapun orang menggeluti bidang data science disebut data scientist. Profesi data scientist akhir-akhir ini menjadi profesi yang sangat seksi di abad 21. Sumber daya manusia yang berprofesi sebagai data scientist di Indonesia sangat sedikit bila dibandingkan ketersedian lapangan kerja dibidang data science. Dengan kata lain, ketersediaan lapangan kerja data science berbanding terbalik dengan ketersediaan SDM yang berprofesi sebagai data scientist, dimana jumlah SDM data scientist sangat sedikit dibandingkan dengan jumlah lapangan kerja yang berlimpah. Salah satu solusi yang ditawarkan adalah mengadakan pelatihan dan workshop untuk pengenalan data science untuk meningkatkan SDM bidang data science khususnya di Universitas Bumigora. Metode pelaksanaan yang digunakan adalah penyampaian materi tentang data science dan simulasi penggunaan metode data science dalam kasus real menggunakan Google Colab. Berdasarkan hasil pelatihan dan workshop yang telah dilaksanakan, dapat meningkatkan pemahaman dan kemampuan para peserta untuk menggunakan metode-metode yang ada pada data science untuk mengolah data menjadi sebuah pengetahuan.

Downloads

Download data is not yet available.

References

Gunawan, Hanes, & Catherine. (2020). Information Systems Students’ Study Performance Prediction Using Data Mining Approach. 1–8. https://doi.org/10.1109/icic47613.2019.8985718

Hairani, H., Nugraha, G., Nurkholis Abdillah, M., & Innuddin, M. (2018). Komparasi Akurasi Metode Correlated Naive Bayes Classifier dan Naive Bayes Classifier untuk Diagnosis Penyakit Diabetes. InfoTekJar (Jurnal Nasional Informatika Dan Teknologi Jaringan), 3(1), 6–11. https://doi.org/10.30743/infotekjar.v3i1.558

Hairani, H., Saputro, K. E., & Fadli, S. (2020). K-means-SMOTE untuk menangani ketidakseimbangan kelas dalam klasifikasi penyakit diabetes dengan C4.5, SVM, dan naive Bayes. Jurnal Teknologi Dan Sistem Komputer, 8(2), 89–93. https://doi.org/https://doi.org/10.14710/jtsiskom.8.2.2020.89-93

Igual, L., & Segui, S. (2017). Introduction to Data Science A Python Approach to Concepts, Techniques and Applications. Springer.

Jadhav, S. D., & Channe, H. P. (2016). Comparative Study of K-NN , Naive Bayes and Decision Tree Classification Techniques. 5(1), 2014–2017.

Nugraha, G. S., & Hairani, H. (2018). Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means. MATRIK: Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 17(2), 13–23.

Rahman, A. F. (2015). Profesi Data Scientist, Seperti Apa Sih? https://inet.detik.com/business/d-3079489/profesi-data-scientist-seperti-apa-sih

Sulistyono, S., & Sulistiyowati, W. (2018). Peramalan Produksi dengan Metode Regresi Linier Berganda. PROZIMA (Productivity, Optimization and Manufacturing System Engineering), 1(2), 82. https://doi.org/10.21070/prozima.v1i2.1350

Yuda Irawan. (2019). Implementation Of Data Mining For Determining Majors Using K-Means Algorithm In Students Of SMA Negeri 1 Pangkalan Kerinci. Journal of Applied Engineering and Technological Science (JAETS), 1(1), 17–29. https://doi.org/10.37385/jaets.v1i1.18

Yusuf, O. (2018). Talenta Data Scientist di Indonesia, Permintaan Tinggi Pasokan Kurang. Https://Tekno.Kompas.Com/. https://tekno.kompas.com/read/2018/03/23/09210087/talenta-data-scientist-di-indonesia-permintaan-tinggi-pasokan-kurang