Mengenal Pola Pengolahan Data Di Era Digital

Mengenal Pola Pengolahan Data Di Era Digital

Kartika Fithriasari, Dedy Dwi Prastyo, Faiz Afif dalam acara Perspective Dialogue Radio Suara Surabaya, Jumat (24/8/2018).

Pola perkembangan masyarakat sekarang dikenal dengan istilah smart society. Di mana masyarakat lebih tidak mengenal batasan informasi, saling berkolaborasi, dan perubahan gaya hidup lebih virtual. Dari perubahan tersebut, dalam konsep statistika, saat ini data dibagi menjadi dua jenis. Yakni, data yang terstruktur dan data yang tidak terstruktur.

“Untuk data yang terstruktur, secara garis besar kita mengenal data yang berupa angka. Untuk data yang belum terstruktur, kita kenal data yang masih dalam teks,” tegas Kartika Fithriasari, Sekretaris Departemen Statistika ITS Surabaya, dalam acara Perspective Dialogue Radio Suara Surabaya, Jumat (24/8/2018).

Merespons perkembangan tersebut, Departemen Statistika ITS Surabaya kini telah mulai mengembangkan pembelajaran cara mengolah data tidak terstruktur.

“Data-data tidak terstruktur tersebut kini mulai berkembang. Tidak hanya berupa teks. Image atau foto dan data berupa video juga dapat digolongkan menjadi data tidak terstruktur. Dengan mengolahnya, kita dapat mengukur dan menentukan data yang kongkret serta valid dalam prinsip statistika,” ulasnya.

Agar dapat mengolah data-data tidak terstruktur itu, terang Kartika, pihaknya menambahkan kurikulum data programming bagi mahasiswa.

“Di era digital, kurikulum data programming ini dibutuhkan para mahasiswa statistika untuk membaca data tidak terstruktur yang tersebar di dunia digital. Karena proses pengolahan data sekarang tidak lagi dengan metode data treatment, melainkan metode data driven,” katanya.

Faiz Afif, founder Machine Vision, menjelaskan, dalam proses validasi data ada dua cara yang biasa dilakukan. Pertama, dengan metode automatic data acquisition. Dalam metode ini, data scientist mengambil data dari satu sumber dan ditambahkan dari data-data kualitatif hasil observasi.

“Proses validasi kedua adalah metode validasi data acquisition dari data driven. Singkatnya, kita menganalisa berdasar pada data analisa, bukan dari data atau rumusan empirisnya,” terang dia.

Dedy Dwi Prastyo, sekretaris Prodi Pascasarjana Statistika ITS, menambahkan dalam ilmu statistika mengenal perangkat hardware dan software yang membantu para data scientist menganalisa data.

“Namun dalam praktiknya, untuk dapat memaksimalkan kedua perangkat tersebut kita butuh brainware yang mumpuni. Jadi untuk itu, fokus kita menyiapkan brainware para data scientist menjawab tantangan pekerjaan masa depan,” terang Dedy. (wh)