Sesi Berbagi Pengalaman “Jelajah Data bersama R” – AdIns, Software untuk Multifinansial

Pada Kamis, 28 Juni 2018 – Berlokasi di ruang teater AdIns, Sesi Berbagi Pengalaman / Knowledge Sharing Session (KSS) kembali diselenggarakan dengan sukses. Kali ini, Gishella Erdyaning R menjadi pembicara bagi peserta yang berasal dari berbagai unit bisnis. Gishella adalah salah satu developer Inmatic CONFINS di AdIns. AdIns sebagai perusahaan penyedia software  multifinansial memiliki satu aktivitas mingguan, yang disebut KSS, untuk berbagi pengalaman baru pada SDM perusahaan. Dengan berita terbaru dari bidang software, KSS menyelenggarakan sesi bertema “Jelajah Data bersama R” dengan judul “R sebagai alat untuk eksplorasi dan visualisasi data”. Berikut adalah rangkuman konten dari materi yang telah disampaikan.

Kemajuan di dunia teknologi kini berkembang pesat. Data Science adalah topik yang hangat untuk dibicarakan dan diaplikasikan di bidang teknologi. Data Science adalah media untuk memproses Big Data (Data Besar). Big Data sendiri merupakan istilah general untuk data yang besar dan kompleks, yang menyebabkan data itu sulit untuk ditangani atau diproses, jika hanya menggunakan pengelola database biasa atau aplikasi pemroses data yang masih tradisional.

Jika kita dapat memproses data dengan efektif, kita bisa mendapatkan informasi apapun yang kita butuhkan. Ini mengapa kita membutuhkan Data Science. Secara luas, terdapat beberapa elemen dasar pada Data Science:

• Data Engineering, adalah alat untuk membersihkan data mentah dari Big Data agar Analis Data dapat menganalisa seluruh data dengan mudah. 
• Analis Data, adalah orang yang menganalisa data yang telah dibersihkan untuk memproduksi informasi yang dibutuhkan. 
• Visualisasi Data, adalah proses visualisasi atau proses dalam mempercantik data terproses yang telah didapatkan. Secara luas, visualisasi data nantinya akan ditunjukkan pada eksekutif perusahaan (pembuat keputusan). 
• Pembelajaran Mesin, adalah proses pembuatan model atau pembuatan skema pada informasi yang telah dianalisa. Model Prediksi, adalah model yang biasanya digunakan dalam pembelajaran mesin bagi bisnis dan ekonomi. Alat ini juga dapat dugunakan untuk membuat diagnosa dalam kesehatan dan obat. 

Agar dapat memvisualisasikan data, kita membutuhkan sebuah alat. Alat yang digunakan berbagai macam, termasuk HP Big Data, Map Reduce, HPCC Systems Big Data, Storm, dan masih banyak lagi. Namun, alat yang kini populer untuk Data Science adalah 2 R dan Phyton. Keduanya merupakan alat yang favorit karena fitur yang mereka miliki, tergantung pada pilihan pengguna. Bagi mereka yang biasa melihat statistik, biasanya akan memilih untuk menggunakan R sebagai alat. R merupakan alat untuk eksplorasi dan visualisasi data. 

Dalam bahasa pemrograman, R juga menyediakan sebuah IDE (Intergrated Environment Department) bernama Rstudio. IDE adalah sebuah software aplikasi yang menyediakan fasilitas komprehensif bagi programer komputer untuk memproses pengembangan software. Sedangkan Rstudio membuat alat interface (antarmuka) yang ramah digunakan oleh pengguna. 

R merupakan alat yang fleksibel. Kita dapat menghasilkan visualisasi data yang menarik, dapat juga melakukan proses penambangan data. Penambangan data dalam salah satu definisi, adalah sebuah proses menarik dalam mencari pola dari data yang tersimpan dalam jumlah besar. Keuntungan alat R adalah  open source (sumber terbuka), yang artinya ia dapat diunduh secara gratis dari internet, kode software ini dipublikasikan bagi publik atau pengguna internet. Secara luas, orang-orang dapat memperbaiki kelemahan dari software dan memodifikasi penampikannya atau bahasanya. Terdapat beberapa komunitas yang aktif dalam mengembangkan pustakanya. Pustaka ini dapat digunakan oleh pengguna untuk membuat sebuah visualisasi yang keren dan menarik, serta model data yang akurat. 

R juga termasuk sebagai bahasa dengan tingkat tinggi, sehingga syntax-nya mudah untuk dipahami karena alat ini hampir sama dengan bahasa yang digunakan oleh manusia. Syntax adalah aturan dalam menuliskan kalimat agar dapat dipahami dengan baik oleh bahasa pemrograman.