Transportasi Online: Perusahaan IT atau Transportasi?

by | Jan 11, 2018

Transportasi Online: Perusahaan IT atau Transportasi?

Sekitar 8 tahun lalu, perusahaan penyedia transportasi berbasis online mulai bermunculan. Kehadirannya disambut baik oleh masyarakat dunia dan juga masyarakat Indonesia. Di negara kita, layanan yang ditawarkan perusahaan ini bagaikan oase di padang pasir, memuaskan kehausan masyarakat akan transportasi yang aman, nyaman dan tentu saja murah.

Namun di sisi lain, perusahaan transportasi online memicu kemarahan pengemudi transportasi konvensional yang merasa mata pencahariannya terusik akibat persaingan yang tidak sebanding.

Di tengah perdebatan, pemerintah pun turut memperhatikan perusahaan transportasi yang berteknologi canggih ini. Perdebatan di kalangan pemangku kebijakan, lebih banyak mengenai “jenis kelamin” perusahaan. Pertanyaan besar yang seringkali muncul adalah “Apakah perusahaan transportasi online termasuk dalam perusahaan teknologi informasi atau perusahaan transportasi?” Jenis perusahaan tentu penting untuk diidentifikasi, untuk memutuskan konsekuensi yang akan diterima oleh perusahaan.

Perdebatan ini ternyata tak hanya terjadi di Indonesia. Perkumpulan pengemudi taksi di Barcelona, Spanyol, membawa permasalahan ini ke European Court of Justice (pengadilan hukum Eropa). Secara khusus, mereka mengajukan perusahaan Uber ke pengadilan untuk memutuskan, apakah Uber termasuk dalam perusahaan teknologi informasi atau perusahaan transportasi?

Transportasi Online: Perusahaan IT atau Transportasi? 1

Pada 20 Desember 2017, akhirnya European Court of Justice memutuskan bahwa Uber adalah perusahaan transportasi. Keputusan ini membuat Uber harus mematuhi aturan Uni Eropa yang ketat dalam masalah transportasi. Keputusan yang diambil di Luxemberg ini akan berlaku di seluruh Uni Eropa, termasuk Inggris Raya, dan Uber tidak bisa mengajukan banding.

Dalam keputusannya, European Court of Justice mengatakan bahwa Uber adalah layanan perantara yang tujuannya menghubungkan penumpang dengan pengemudi non-profesional yang menggunakan kendaraan mereka sendiri. Model bisnis semacam ini harus diklasifikasikan sebagai layanan di bidang transportasi sesuai dengan Undang-undang Uni Eropa. Konsekuensinya, layanan ini dikategorikan tidak temasuk dalam layanan umum, juga tidak termasuk dalam perdagangan elektronik.

European Court of Justice menemukan bahwa layanan Uber lebih dari layanan perantara. Mereka mengamati bahwa layanan ini sangat diperlukan oleh pengemudi dan penumpang. Pengadilan juga menunjukkan bahwa Uber memiliki pengaruh untuk menentukan, dalam kondisi bagaimana pengemudi bisa memberikan layanan mereka. Situasi seperti ini disimpulkan sebagai bagian dari layanan, yang komponen utamanya adalah transportasi.

Meskipun demikian, Uber menyangkal bahwa perusahaannya termasuk dalam perusahaan transportasi. Mereka beranggapan, Uber adalah perusahaan teknologi dan seharusnya tunduk pada regulasi Uni Eropa yang mengatur tentang perusahaan e-commerce.

Transportasi Online: Perusahaan IT atau Transportasi? 2

Seperti dikutip dari theguardian.com , Uber mengatakan “Peraturan ini tidak akan mengubah banyak hal di sebagian besar negara Uni Eropa. Kami telah mengikuti Undang-undang transportasi, namun jutaan warga Eropa masih terhalang untuk menggunakan aplikasi kami.”

“Seperti yang dikatakan CEO baru kami, adalah tepat untuk mengatur layanan seperti Uber, dan kami kami akan terus berdialog dengan kota-kota di seluruh Eropa. Inilah pendekatan yang akan kami lakukan untuk memastikan setiap orang bisa mendapatkan tumpangan yang andal hanya dengan menekan sebuah tombol,” ujar juru bicara Uber di Inggris.

Namun Jason Moyer-Lee, sekjen Serikat Pekerja Independen Inggris Raya yang mewakili pengemudi Uber mengatakan, “Keputusan hari ini menjelaskan apa yang semua orang sudah tahu sebagai masalah akal sehat: Uber menyediakan jasa transportasi, bukan jasa teknologi,” ujarnya seperti dilansir dari theguardian.com.

Nah..memang kalau ngomogin masalah transportasi online pasti selalu ada pro dan kontranya. Hasil keputusan European Court of Justice ini mungkin bisa dijadikan gambaran mengenai perusahaan yang juga semakin menjamur di Indonesia ini. Namun bagaimana landasan hukumnya, tentu berbeda-beda tergantung negara dimana perusahaan ini beroperasi. Menurut anda, apakah transportasi online termasuk perusahaan teknologi informasi atau perusahaan transportasi?

Lemahnya Perkembangan Internet di Indonesia

by | Jan 10, 2018

Lemahnya Perkembangan Internet di Indonesia

Saat ini, internet sudah tidak bisa dipisahkan dari kehidupan kita sehari-hari. Bayangkan bagaimana jika kehidupan kita sehari saja tanpa internet. Mungkin pekerjaan akan jadi berantakan, komunikasi dengan teman dan keluarga terganggu, atau bahkan bisa mendatangkan kerugian materil.

Jika dulu kita mengenal pribahasa “Buku adalah jendela dunia”, kiranya tidak berlebihan jika saat ini kita menggantinya dengan sebutan “Internet adalah jendela dunia”. Melalui internet, kita telah menghilangkan sekat-sekat ruang dan waktu. Begitu pentingnya peran internet dalam kehidupan manusia modern, yang pasti hidup kita akan hampa tanpa internet.

Namun siapa sangka, di tengah masifnya penggunaan internet di kota-kota besar di Indonesia, ternyata perkembangan dan penyebaran internet di Indonesia masih jauh tertinggal dibanding negara-negara lain.

Saat ini, kita mengenal ICT Development Index (IDI) sebagai indikator pengembangan teknologi internet di suatu negara. Indikator ini dapat menjadi alat untuk membandingkan perkembangan teknologi informasi antar negara. Publikasi indeks ini dimulai sejak tahun 2009 oleh International Telecommunication Union.

Lemahnya Perkembangan Internet di Indonesia 3

Tujuan IDI adalah mengetahui level dan perkembangan indeks antar negara, mengetahui perkembangan IDI di negara berkembang dan negara maju, mengukur digital divide dan perbedaan IDI antarnegara. IDI mengombinasi 11 indikator menjadi satu buah ukuran perbandingan. Melalui indeks inilah, kita bisa mengukur diri sudah sejauh mana perkembangan teknologi internet Indonesia.

Ternyata posisi Indonesia saat ini masih belum menggembirakan. Pada tahun 2017, Indonesia memiliki nilai IDI sebesar 4.33 dan berada di peringkat 111 dunia, dari keseluruhan sebanyak 176 negara yang dinilai. Bahkan posisi Indonesia masih berada di bawah Botswana (peringkat 105), Fiji (peringkat  107), Kyrgyztan (peringkat 109) dan Tonga (peringkat 110).

Sedangkan pada tahun 2016, Indonesia menduduki peringkat 114 dunia dengan nilai IDI sebesar 3.85. Meskipun ada peningkatan dibandingkan tahun sebelumnya, namun Indonesia tetap harus banyak berbenah untuk mengejar ketertinggalan ini.

Untuk meningkatkan nilai IDI, pada bulan Desember 2017 lalu diadakanlah kegiatan urun rembug dalam bentuk simposium yang mendatangkan para ahli ICT dan stakeholder data IDI. Ikut hadir dalam simposium ini adalah Kementerian Komunikasi dan Informatika, Kementerian Pendidikan Nasional, Biro Pusat Statistik dan operator. Dengan diadakannya simposium, diharapkan dapat memberikan inisiatif, pemikiran dan pengetahuan untuk meningkatkan IDI Indonesia.

Lemahnya Perkembangan Internet di Indonesia 4

“Dengan sharing ilmu pengetahuan, kita bisa tahu kalau memang ada kekurangan-kekurangan dalam menghitung indeks ini. Kita jadi tahu ternyata ini yang kita perlukan. Umpamanya digital literasi di Indonesia rendah atau ICT digital skillnya yang perlu ditingkatkan,” ujar Dirjen Aplikasi Informatika Samuel Abrijani Pangerapan dalam siaran pers Kementerian Komunikasi dan Informatika.

Selanjutnya, hasil karya dan simposium akan digunakan dalam pembahasan lanjutan para ahli hingga menghasilkan dokumen acuan langkah strategis Indonesia dalam meningkatkan IDI. Hasil simposium akan dipergunakan pemerintah sebagai acuan pengembangan teknologi informasi di Indonesia.

Meskipun IDI penting untuk mengukur perkembangan teknologi informasi di Indonesia, namun semoga bukan hanya peningkatan nilai IDI yang menjadi tujuan utama pemerintah. Yang lebih penting dari IDI sejatinya adalah lebih meratanya penyebaran dan akses internet di Indonesia, juga peningkatan kualitasnya. Sehingga informasi dan pengetahuan bisa turut dinikmati oleh saudara-saudara kita yang ada di pedalaman Indonesia.

Bitcoin di Tahun 2018: Akankah Terbang Tinggi atau Meletus?

by | Jan 9, 2018

Bitcoin di Tahun 2018: Akankah Terbang Tinggi atau Meletus?

Cryptocurrency (mata uang kripto) sedang naik daun belakangan ini. Sepanjang tahun 2017, Bitcoin adalah cryptocurrency paling bersinar karena nilainya yang terus naik. Lalu bagaimanakah di tahun 2018? Apakah nilai Bitcoin bisa semakin melambung di tahun ini?

Bitcoin adalah mata uang kripto dengan teknologi Blockchain yang mustahil nilainya ditentukan oleh institusi, pemerintah, atau bahkan oleh penciptanya sendiri. Jadi pertumbuhan nilai Bitcoin murni hanya dipegaruhi oleh kekuatan supply (penawaran) dan demand (permintaan saja).

Tahun 2017 adalah masa-masa pembuktian bagi Bitcoin sebagai cryptocurrency paling bernilai. Rekor tertinggi yang didapatkan Bitcoin selama tahun 2017 mencapai nilai USD 19.796 (Rp 268 juta) pada 17 Desember 2017 lalu. Para ahli banyak yang memprediksi tren Bitcoin yang terus naik akan berlanjut pada 2018.

“Bitcoin dapat mencapai USD 60 ribu (Rp 814 juta) pada Desember 2018,” ujar Mike Dumont, Senior Editor Bitcoin.com seperti dikutip dari Futurism.

Bitcoin di Tahun 2018: Akankah Terbang Tinggi atau Meletus? 5

Hal senada disampaikan juga oleh Jeremy Epstein, CEO Never Stop Marketing, startup firma pemasaran berbasis Blockchain.

“Dengan catatan sepanjang 2017, saya tidak akan terkejut jika Bitcoin akan menyentuh angka USD 250 ribu (Rp 3,39 Miliar) atau lebih dalam waktu lima tahun. Meskipun begitu, masih ada kemungkinan 50:50 antara sukses besar atau gagal total,” tutur Epstein menjelaskan seperti dilansir dari detik.com.

Meskipun banyak yang memprediksi nilai Bitcoin akan terus naik selama 2018, namun ada juga yang mengkhawatirkan cryptocurrency ini suatu saat akan mengalami gelembung yang terus terbang tinggi, namun dapat meletus kapan saja.

Armindo Araujo, Kepala Divisi Finansial dari NATIXIS, Bank asal Perancis mengatakan, “Ya, Bitcoin merupakan ‘gelembung’. Permintaan terhadapnya akan terus membuatnya naik dan naik, dan saya cukup penasaran kapan ini akan terus terjadi. Menurut saya, posisi Bitcoin dalam setahun ke depan akan ditentukan oleh regulasi serta penerapannya di pasar global.”

Namun pernyataan Araujo ini dibantah oleh Dumont. Dumont mengatakan bahwa terdapat tiga faktor yang membuat Bitcoin bukanlah ‘gelembung’, yaitu terbatasnya pasokan Bitcoin hingga 21juta. Pemberitaan media serta minat investor membuat orang-orang akan tetap membelinya, dan kapasitasnya masih sangat kecil dibandingkan investasi konvensional.

Epstein juga menyampaikan hal serupa. “Kata ‘gelembung’ hanya digunakan oleh orang-orang yang tidak memahami Bitcoin itu sendiri,” katanya.

Bitcoin memang menciptakan pro dan kontra untuk industri keuangan dan bisnis di dunia. Tahun lalu, CEO JP Morgan Jamie Dimon sempat menyebut Bitcoin sebagai alat penipuan. Beberapa negara pun melarang penggunaan Bitcoin di wilayahnya.

Bitcoin di Tahun 2018: Akankah Terbang Tinggi atau Meletus? 6

Bahkan Mufti Besar Mesir Shawki Allam mengeluarkan fatwa yang mengharamkan Bitcoin. Menurutnya Bitcoin mirip dengan judi yang diharamkan dalam ajaran Islam. Fatwa itu dikeluarkan setelah melakukan perundingan dengan beberapa ahli ekonomi.

Mufti Besar Mesir menganggap pertukaran perdagangan cryptocurrency seperti berjudi dengan alasan karena dampak langsungnya dalam kehancuran finansial untuk individu. Ulama ini juga mengungkap dampak lain yang disebabkan oleh Bitcoin, yaitu memberikan kemudahan dalam pencucian uang dan penyelundupan.

Pernyataan bernada kontra akan Bitcoin juga diungkapkan oleh Joseph Stiglitz, Peraih Nobel di bidang ekonomi. Menurut Stiglitz, Bitcoin adalah uang yang tidak bermanfaat secara sosial. “Bitcoin bisa melambung tinggi karena supply dan demand, namun tidak bermanfaat secara sosial,” ujarnya seperti dikutip dari detik.com.

Pro dan kontra selalu membayangi cryptocurrency yang diciptakan oleh Satoshi Nakamoto ini karena pergerakan harganya yang sangat liar. Bagaimana dengan Anda? Apakah Anda termasuk yang berminat untuk berinvestasi Bitcoin? Atau malah Anda termasuk yang berhati-hati karena bisa saja suatu saat nilai Bitcoin yang sedang terbang tinggi, lalu tiba-tiba meletus begitu saja.

Back to Knowledge Center

Keamanan Cyber Semakin Penting, Presiden Bentuk BSSN

by | Jan 8, 2018

Keamanan Cyber Semakin Penting, Presiden Bentuk BSSN

Masalah keamanan siber (cyber), saat ini sudah merupakan suatu hal yang sangat penting. Tidak kokohnya keamanan siber bahkan bisa mengancam keamanan suatu bangsa. Sebagai contoh adalah kasus Nigerian Scammer yang menjaring korban dengan berbagai modus. Nigerian Scammer menyebabkan kerugian hingga mencapai Rp 500 miliar per tahun.

Pada tingkatan yang lebih tinggi, cyber crime bahkan bisa mengancam kedaulatan negara. Kasus cyber crime pada saat pemilihan Presiden Amerika Serikat pada 2016 silam bahkan membuat Secret Service turun tangan.

Karena permasalahan cyber crime yang semakin pelik, pada 3 Januari lalu, Presiden Joko Widodo membentuk Lembaga Badan Siber dan Sandi Negara (BSSN). Lembaga ini dipimpin oleh Djoko Setiadi dan bertanggung jawab langsung pada Presiden.

Badan ini dibentuk melalui Peraturan Presiden nomor 53 tahun 2017 yang kemudian direvisi dengan Perpres nomor 133 tahun 2017. Dalam tugasnya, Kepala BSSN akan dibantu oleh sekretariat utama dan empat deputi, yakni Deputi Bidang Identifikasi dan Deteksi, Deputi Bidang Proteksi, Deputi Bidang Penanggulangan dan Pemulihan dan Deputi Bidang Pemantauan dan Pengendalian.

Dalam Perpres, disebutkan bahwa BSSN bertugas melaksanakan keamanan siber secara efektif dan efisien dengan memanfaatkan, mengembangkan dan mengonsolidasikan semua unsur yang terkait dengan keamanan siber.

Dijelaskan pula, BSSN punya delapan fungsi. Di antaranya terkait dengan identifikasi, deteksi, proteksi dan penanggulangan e-commerce, persandian, diplomasi siber, pusat manajeman krisis siber, pemulihan penanggulangan kerentanan, insiden dan/atau serangan siber.

Keamanan Cyber Semakin Penting, Presiden Bentuk BSSN 7

Dengan dibentuknya BSSN ini, maka untuk selanjutnya pelaksanaan seluruh tugas dan fungsi di bidang keamanan informasi, pengamanan pemanfaatan jaringan telekomunikasi berbasis protokol internet, dan keamanan jaringan dan infrastruktur telekomunikasi pada Kementerian Komunikasi dan Informatika dan Lembaga Sandi Negara akan dilaksanakan oleh BSSN.

Namun setelah dibentuknya BSSN juga timbul pertanyaan, apakah fungsi Badan ini tidak tumpang tindih dengan institusi lain yang lebih dulu ada? Menteri Koordinator Bidang Politik, Hukum dan Keamanan Wiranto menilai, tugas BSS tidak akan tumpang tindih dengan badan siber yang ada pada institusi lain. Menurut Wiranto, tugas BSSN justru memproteksi seluruh kegiatan siber secara nasional.

“Supaya tidak tumpang tindih maka dibentuk BSSN. Nanti kan ada satu sistem dimana akan justru mereduksi adanya tumpeng tindih itu,” kata Wiranto seperti dikutip dari kompas.com.

Kegiatan pengamanan siber, menurut Wiranto bukan barang baru di Indonesia, ia mengatakan, di Badan Intelijen Negara (BIN) juga ada kegiatan siber. Selain itu, Kementerian Pertahanan, TNI, Kepolisian dan bahkan para pebisnis pun memiliki divisi pengamanan siber. BSSN akan memayungi, memproteksi, menyinkronkan dan mengharmoniskan semua kegiatan siber yang ada.

“Sebab kalau itu kita lepaskan masing-masing, maka akan terjadi overlapping, terjadi cross yang kemudian tidak menguntungkan kepentingan nasional,”ujar Wiranto.

Keamanan Cyber Semakin Penting, Presiden Bentuk BSSN 8

Hal senada juga dikatakan oleh Kepolisian RI (Polri). Polri memastikan BSSN tidak akan tumpang tindih dengan Direktorat Tindak Pidana (Dittipid) Siber Polri. Sebab nantinya tugas dan kewajiban BSSN akan berbeda dengan Polri.

“Nanti akan disinkronisasi supaya tidak terjadi tumpang tindih karena semuanya untuk satu tujuan, yakni demi keamanan dan ketertiban dunia siber,” kata Kepala Divisi Hubungan Masyarakat Polri Inspektur Jenderal Setyo Wasisto seperti dikutip dari tempo.co.

Baik BSSN maupun Dittipid Siber Polri sama-sama dibentuk untuk mengantisipasi perkembangan dunia siber yang begitu cepat. Keduanya bertugas melakukan pemantauan serta mengondisikan suasana di area siber agar betul-betul tenang dan aman.

Setyo mengatakan Polri saat ini belum menerima arahan dari Presiden terkait pembagian wewenang BSSN dan Dittipid Siber Polri. “Mungkin nanti dalam waktu dekat,” kata Setyo.

Cari Training "Keamanan Informasi"

Mengenal Machine Learning

by | Jul 7, 2017

Beberapa tahun terakhir, banyak yang mulai mempelajari Machine Learning. Hal ini tidak lepas dari perkembangan teknologi komputasi dan penyimpanan data yang semakin murah. Namun tidak semua orang mengerti apa itu Machine Learning. Ada beberapa pertanyaan yang sering disampaikan:

  • Apa itu Machine Learning dan bagaimana bedanya dengan Big Data dan Business Analytics?
  • Apa perbedaan antara Machine Learning, Data Analysis, Data Mining, Data Science dan Artificial Intelligence?

Sekarang, mari kita ambil kesimpulan dari percakapan berikut:

A : Menurut Anda apa yang terjadi saat Anda mencari sesuatu di Google?
B : Google menampilkan laman web paling relevan yang terkait dengan pencarian tersebut.
A : Tapi apa yang sebenarnya terjadi sehingga Google bisa menampilkan halaman web yang   paling relevan untuk Anda?
B : Google melihat klik terakhir dari orang-orang untuk memahami halaman web mana yang lebih relevan untuk suatu pencarian dan kemudian menyajikan hasilnya dalam halaman pencarian tersebut.
A : Tapi, berapa banyak pencarian dan apakah semua jenis pencarian yang akan ditangani Google secara teratur?
B : Harus dalam jumlah yang besar, mungkin triliunan pencarian setiap tahunnya.
A : Jadi, menurut Anda bagaimana Google dapat melayani begitu banyak permintaan dengan akurasi seperti itu? Menurut Anda, apakah ada orang yang duduk di kantor Google dan terus menentukan hasil penelurusan mana yang relevan dan mana yang tidak?
B : Sepertinya tidak mungkin dilakukan manusia.
A : Anda benar. Disinilah Machine Learning (Pembelajaran Mesin) ikut bermain. Machine Learning adalah seperangkat teknik, yang membantu dalam menangani data yang besar dengan cara yang paling cerdas (dengan mengembangkan algoritma atau serangkauan aturan logis) untuk memperoleh wawasan yang dapat ditindaklanjuti (memberikan hasil pencarian kepada pengguna dalam kasus ini)

 

Apa itu Machine Learning?

Secara definisi, machine learning atau pembelajaran mesin adalah ilmu atau studi yang mempelajari tentang algoritma dan model statistik yang digunakan oleh sistem komputer untuk melakukan task tertentu tanpa instruksi eksplisit. Machine learning bergantung pada pola dan kesimpulan. Untuk mendapatkan pola dan kesimpulan tersebut, algoritma machine learning menghasilkan model matematika yang didasari dari data sampel yang sering disebut dengan ‘training data.’ 


Apa Perbedaan Machine Learning dengan Artificial Intelligence (AI)?

AI ini mengacu pada prosedur pemrograman komputer (machine) untuk mengambil suatu yang rasional. Apa itu rasional? Rasional adalah dasar dalam mengambil keputusan

Sebagai contoh, AI digunakan untuk memeriksa apakah parameter tertentu dalam sebuah program berperilaku Normal. Misalnya, mesin dapat menimbulkan alarm jika parameter mengatakan ‘X’ melintasi ambang batas tertentu yang pada gilirannya dapat mempengaruhi hasil proses terkait.

Penggunaan AI dalam Machine Learning

Machine Learning adalah subset dari AI dimana mesin dilatih untuk belajar dari pengalaman masa lalu. Pengalaman masa lalu dikembangkan melalui data yang dikumpulkan, kemudian menggabungkan dengan algoritma (seperti Naïve Bayes, Support Vector Machine (SVM)) untuk memberi hasil akhir.

Apa perbedaan Machine Learning dengan Statistik?

Statistik adalah cabang matematika yang memanfaatkan data baik dari keseluruhan populasi atau sampel untuk melakukan analisis dan menyajikan kesimpulan. Beberapa teknik statistik yang digunakan adalah regresi, varians, standar deviasi, probabilitas bersyarat dan lainnya.

Penggunaan Statistik dalam Machine Learning

Mari kita pahami dari contoh berikut. Misalkan, saya perlu memisahkan kiriman di inbox email saya menjajdi dua kategori, yaitu ‘spam’ dan ‘penting’. Untuk mengidentifikasi email spam, saya dapat menggunakan algoritma Machine Learning yang dikenal sebagai Naïve Bayes yang akan memeriksa frekuensi kiriman spam masa lalu. Untuk mengidentifikasi email baru sebagai spam, Naïve Bayes menggunakan teori statistik Baye’s Theorem (umumnya dikeal sebagai probabilitas bersyarat). Oleh karena itu, kita dapat mengatakan algoritma Machine Learning menggunakan konsep statistik untuk melakukan pembelajaran mesin.

Apa Perbedaan Machine Learning dengan Deep Learning?

Deep Learning dikaitkan dengan algoritma jaringan saraf tiruan –  Artificial Neural Network (ANN) yang menggunakan konsep otak manusia untuk memudahkan pemodelan fungsi yang berubah-ubah. ANN membutuhkan sejumlah besar data dan algoritma ini sangat fleksibel dalam hal menghasilkan bayak keluaran secara bersamaan. Baca artikel mengenal deep learning!

Apa Perbedaan Machine Learning dengan Data Mining?

Data Mining digunakan untuk mencari informasi yang spesifik, sedangkan Machine Learning berkonsentrasi untuk melakukan tugas tertentu. Sebagai contoh untuk membantu perbedaan antara Machine Learning dan Data Mining, mengajar seorang cara menari adalah Machine Learning, sedangkan menggunakan seseorang untuk mencari pusat tarian terbaik di kota adalah Data Mining.

Bagaimana Machine Learning Bekerja?

Machine Learning melibatkan proses struktural dimana setiap tahap membangun versi mesin yang lebih baik. Untuk penyederhanaan, proses Machine Learning bisa dibagi menjadi 3 bagian:

Mengenal Machine Learning 9

Langkah-langkah yang digunakan dalam Machine Learning
  • Mengumpulkan data
    Data mentah bisa berupa Excel, Ms Access, file teks dan lain-lain. Langkah ini membentuk dasar pembelajaran masa depan. Semakin banyak variasi, kepadatan dan volume data yang relevan, semakin baik prospek pembelajaran untuk mesin.
  • Mempersiapkan data
    Setiap proses analitis berkembang dengan kualitas data yang digunakan. Kita perlu meluangkan waktu untuk menentukan kualitas data dan kemudian mengambil langkah-langkah untuk memperbaiki masalah seperti kehilangan data dan lainnya.
  • Melatih sebuah model
    Langkah ini melibatkan pemilihan alrgoritma dan representasi data yang tepat dalam bentuk model. Data yang disiapkan dibagi menjadi dua bagian : train  dan test. Bagian pertama (training data) digunakan untuk pengembangan model. Bagian kedua (data test), digunakan sebagai referensi.
  • Mengevaluasi model
    Untuk menguji keakuratan, bagian kedua dari data (data test) digunakan. Langkah ini menentukan ketepatan dalam pemilihan algoritma berdasarkan hasil pengujian. Pengujian yang lebih baik untuk memeriksa ketepatan model adalah dengan melihat kinerjanya pada data yang tidak digunakan sama sekali selama pembuatan model.
  • Meningkatkan kinerja
    Langkah ini mungkin melibatkan pemilihan model yang berbeda atau memperkenalkan lebih banyak variabel unntuk meningkatkan efisiensi. Itulah sebabnya dibutuhkan banyak waktu untuk pengumpulan data dan persiapan data.

 

Jenis Algoritma Machine Learning

Mengenal Machine Learning 10

  • Model Supervised Learning / Predictive
    Model ini digunakan untuk memprediksi hasil masa depan berdasarkan data historis. Model prediktif biasanya diberi instruktsi yang jelas sejak awal seperti apa yang perlu dipelajari dan bagaimana itu perlu dipelajari. Algoritma pembelajaran ini disebut Supervised Learning.

    Sebagai contoh: Supervised Learning digunakan saat perusahaan pemasaran mencoba untuk mengetahui pelanggan mana yang cenderung berpindah atau mencari supplier lain. Algoritma ini juga bisa digunakan untuk memprediksi kemungkinan terjadinya bahaya seperti gempa bumi, tornaod dan lain-lain, dengan tujuan untuk mengetahui Total Nilai Asuransi. Beberapa conntoh algoritma yang digunakan adalah: Nearest Neighbour, Naïve Bayes, Decision Tree, Regression, dan lain-lain.

  • Model UnSupervised Learning/Descriptive
    Model ini digunakan untuk melatih dimana tidak ada target yang ditetapkan dan tidak ada faktor yang penting dari yang lainnya. Sebagai contoh penggunaan model unspervised learning ini, bila seorang penjual pengecer ingin mengetahui kombinasi produk apa yang cenderung lebih sering dibeli konsumen. Di industri farmasi, digunakan untuk memprediksi penyakit mana yang mungkin terjadi bersamaan dengan diabetes. Contoh algoritma yang digunakan di model ini: K-Means Clustering Algorithm.
  • Reinforcement Learning (RL)
    Model ini adalah contoh  pembelajaran mesin dimana mesin dilatih untuk mengambil keputusan spesifik berdasarkan kebutuhan bisnis dengan tujuan utama untuk memaksimalkan efisiensi (kinerja). Ide dari Reinforcement learning ini adalah mesin/perangkat lunak melatih dirinya secara terus menerus berdasarkan lingkungan yang dipengaruhinya, dan menerapkan pengetahuan yang diperkaya unntuk memecahkan masalah bisnis. Proses belajar yang terus-menerus ini memastikan lebih sedikit keterlibatan manusia sehingga akan banyak menghemat waktu.

    Contoh algoritma yang digunakan dalam RL adalah Markov Decision Process.

Untuk membedakan antara Supervised Learning dan Reinforcement Learning, dapat dicontohkan, sebuah mobil menggunakan Reinforcement learning untuk membuat keputusan rute mana yang harus ditempuh, kecepatan berapa yang harus dikemudikan, dimanan beberapa pertanyaan tersebut diputuskan setelah berinteraksi dengan lingkungan.

Sedangkan memperkirakan ongkos taksi dari satu tempat ke tempat lain adalah Supervised Learning

 

Penggunaan Machine Learning

Google dan Facebook adalah dua contoh perusahaan yang menggunakan Machine Learning secara ekstensif untuk mendorong iklan masing-masing ke pengguna yang relevan. Contoh penggunakan Machine Learning yang lainnya adalah :

  1. Layanan Perbankan & Keuangan
    Machine Learning dapat digunakan untuk memprediksi pelanggan yang cenderung gagal membayar pinjaman atau tagihan kartu kredit. Ini sangat penting karena Machine Learning akan membantu bank untuk mengidentifikasi nasabah yang dapat diberikan pinjaman dan kartu kredit.
  1. Kesehatan
    Digunakan untuk mendiagnosis penyakit mematikan (misalnya kanker) berdasarkan gejala pasien dan menghitungnya dengan data terakhir dari jenis pasien yang sama.
  1. Ritel
    Digunakan untuk mengidentifikais produk yang lebih sering dijual (bergerak cepat) dan produk yang lamban. Hal ini membantu memutuskan jenis produk yang akan ditampilkan atau dikeluarkan dari rak. Selain itu, algoritma Machine Learning dapat digunakan untuk menemukan dua atau lebih produk yang dijual bersama. Hal ini dilakukan untuk merangsang inisiatif loyalitas pelanggan yang pada gilirannya membantu para peritel untuk mengembangkan pelanggan setia.

Sumber : Article : Machine Learning basics for a newbie – www.analyticsvidhya.com

 

Jika Anda tertarik untuk menguasai machine learning, Anda dapat mengikuti Kelas Pelatihan Machine Learning di Inixindo Jogja.

Mustofa

Back to Knowledge Center

Jempol Era Digital

by | Jun 5, 2017

Jempol Era Digital

Selama 15 tahun terakhir, internet telah membangun utilitas di atas jaringan internet yang membuat inovasi lebih mudah dan lebih cepat. Misalnya, Amazon telah menciptakan bisnis layanan cloud yang memungkinkan perusahaan dan startup mendapatkan infrastruktur dan proses teknologi informasi (TI) dari Amazon. Amazon Web Services (AWS) telah membangun infrastruktur yang dapat mengakomodir permintaan yang cukup banyak dengan kapasitas yang cukup untuk digunakan orang lain. Microsoft, IBM, dan Google juga menawarkan layanan yang serupa. Perusahaan dapat menyewakan aplikasi bisnis mereka (untuk akuntansi dan keuangan, manajemen sumber daya manusia, pemasaran dan penjualan, kolaborasi, manajemen proyek, dan sebagainya) melalui layanan yang disediakan Microsoft, Salesforce.com, Workday, Hubspot, Yammer, Dropbox, Basecamp dan lainnya.

Jempol Era Digital 11

Kebutuhan akan TI sudah dirasakan hampir semua aspek bisnis tidak terkecuali pemasaran. Pemasaran yang dulunya lebih banyak menggunakan ilmu sosial dan ekonomi saat ini memiliki tantangan baru untuk menggunakan TI sebagai alat kerjanya.  Membuat perubahan dalam hubungan yang lebih dalam antara TI dan pemasaran membutuhkan waktu yang tidak singkat. TI memberikan pemahaman bisnis yang lebih dalam dan bertindak sebagai jembatan komunikasi antara dua departemen pemasaran dan TI, yang pada akhirnya membantu TI menghadirkan produk pemasaran yang lebih baik.

Aktifitas memperkenalkan merek atau sering disebut branding di media sosial dapat menghabiskan miliaran dolar setahun. 80% perusahaan yang berada pada daftar Fortune 500 memiliki halaman Facebook yang aktif. Ribuan bahkan lebih, konten branding – artikel, foto, video, diskon dan sebagainya- muncul di halaman Facebook dan di platform media sosial lain setiap harinya. Hal ini dibuat untuk menarik dan membuat orang untuk memutuskan membeli produk dari suatu merek.

Banyak orang menjustifikasi mempunyai follower banyak di media sosial meningkatkan frekuensi munculnya merek dan pada akhirnya akan meningkatkan penjualan. Dengan merekrut orang yang sudah terkenal di media sosial –sering disebut endorse- akan memberi efek kepada orang yang melihat dan memberikan like untuk lebih menghabiskan banyak uangnya. Kemudian akan membuat teman-teman mereka (dan teman dari teman mereka) juga melakukan pembelian. Banyak perusahaan telah menemukan bahwa pelanggan yang berinteraksi dengan mereka di media sosial menghabiskan lebih banyak uang daripada pelanggan lainnya. Sebuah studi menemukan bahwa orang-orang yang menyukai halaman Facebook Starbucks atau yang memiliki teman Facebook yang menyukai halaman tersebut menghabiskan 8% lebih banyak dan melakukan transaksi 11% lebih sering selama sebulan.

Mungkin benar, mempunyai banyak follower di media sosial mengakibatkan transaksi jual-beli lebih banyak. Tetapi di sisi lain mungkin saja pembelinya adalah orang-orang yang sudah memiliki perasaan positif terhadap suatu brand dan kebanyakan dari mereka sudah mengikutinya sejak awal, karena itulah mereka menghabiskan lebih banyak daripada orang yang tidak. Di penelitian lain yang mencoba memperbaiki ambiguitas penelitian sebelumnya membuktikan bahwa media sosial tidak berefek seperti yang pelaku marketing pikirkan di paragraph sebelumnya. Hal ini dilihat dari jumlah follower yang mengikuti suatu merek tertentu memang adalah pelanggan loyal yang menginginkan informasi terbaru mengenai produk-produknya. Jarang sekali orang menjadi follower suatu merk tanpa ada ketertarikan untuk membeli.

Jempol Era Digital 12

Untuk mengukur efek dari like di Facebook bagian pemasaran sering merasa sulit membuktikan ROI investasi media sosial. Inilah cara mudah yang ditulis oleh Leslie K. John dalam artikelnya, untuk mengukur nilai yang muncul sebagai efek dari suatu like yang orang berikan di Facebook :

    • Membuat Indikator

Sebuah indikator akan dibutuhkan khususnya untuk memberikan nilai pada sesuatu yang biasanya tidak berhubungan langsung dengan angka. Apa tujuan Anda dalam jumlah like yang diperoleh? Apakah untuk meningkatkan penjualan, mengubah perilaku offline, atau mencapai sesuatu yang lain? Indikator harus mencerminkan perilaku yang dapat diukur. Untuk beberapa indikator, seperti penjualan, pengukuran cukup mudah. Untuk yang lainnya, seperti sikap terhadap merek, mungkin perlu usaha yang ekstra, seperti melakukan dan mengelola survei.

    • Mengundang Target

Untuk membuat indikator tentu harus ada objek sasaran. Untuk itu, Anda perlu mengundang orang untuk menyukai halaman Anda. Salah satu cara sederhana adalah dengan mendapatkan alamat e-mail orang-orang di pasar sasaran Anda.

    • Dapatkan Likes

Dari seluruh sampel target, bagi menjadi 2 kelompok, “treatment group dan “control group”. Mintalah setengah sampel untuk menyukai halaman yang dibuat untuk pemasaran. Ini adalah “treatment group”. Setengah target lainnya akan membentuk “control group”. Kelompok ini akan dibiarkan untuk melakukan tindakan sesuai keinginan. Periksa aktivitas target di masing-masing kelompok sebagai referensi untuk analisa nantinya.

    • Konfirmasikan Asumsi

Periksa apakah like bekerja sesuai dengan yang diinginkan. Perlu dipastikan bahwa sebagian besar orang yang di-invite adalah orang yang sesuai dengan segmen pasar. Jumlah dapat diperkirakan dengan melihat peningkatan follower halaman Facebook pada saat Anda menyampaikan invitation.

    • Iklankan

Jalankan beberapa iklan di Facebook untuk mengekspos calon follower baru ke pesan pemasaran. Hal ini dapat dilakukan dengan membayar facebook-ads untuk mempromosikan posting.

    • Periksa tanggapan anda

Ukur perilaku yang didefinisikan di depan. Contohnya rata-rata pembelanjaan orang-orang dalam “treatment group” daripada pembelanjaan orang-orang dalam “control group”, perbedaan value dari like. Tentu hasilnya akan mengandung beberapa “noise”. Misalnya, mungkin akan ada kehilangan informasi pembelian orang yang mencapai proses pembelian menggunakan alamat e-mail yang berbeda dari alaat yang dimiliki. Untuk meningkatkan akurasi, carilah ukuran sampel yang besar dan pastikan daftar e-mail yang terbaru dan aktif.

Saat sedang mengembangkan strategi dan metodologi untuk setiap platform yang akan digunakan, lanjukan untuk meneliti dan melacak situs atau sistem lain yang digunakan pelanggan. Itu adalah kesempatan tambahan untuk menarik perhatian segmen pelanggan. Jika tidak yakin dengan platform lain tersebut, lakukan survei atau tanyakan beberapa pelanggan dimana lagi mereka aktif online saat ini. Menciptakan interaksi pelanggan pada berbagai platform akan memungkinkan Anda membangun hubungan yang lebih dalam dan lebih kuat dengan pelanggan.

 

 

Referensi

https://hbr.org/2012/02/your-marketing-can-keep-pace-w
https://hbr.org/2016/06/a-new-way-for-entrepreneurs-to-think-about-it
https://hbr.org/2016/12/why-marketing-needs-closer-ties-to-it
https://hbr.org/2017/03/whats-the-value-of-a-like

Rifai Samekta

Instruktur Senior Inixindo Jogja

Back to Knowledge Center