Comday Recap: Membaca Masa Depan Dengan Machine Learning

by | Mar 1, 2019

Comday Recap: Membaca Masa Depan Dengan Machine Learning 1

Comday Recap: Membaca Masa Depan Dengan Machine Learning

Jika Anda dihadapkan pada kondisi di mana Anda harus mengambil keputusan penting, proses berpikir seperti apa yang Anda lakukan? Mencari data sebanyak mungkin, melakukan analisis, kemudian dengan yakin membuat keputusan? Menyingkat semua proses yang memakan waktu itu tadi dengan mempercayakan semuanya kepada intuisi Anda? Atau yang lebih parah lagi berspekulasi dengan cara melempar koin?

Masalah tersebut tidak hanya dialami oleh setiap divisi dalam suatu perusahaan/organisasi ataupun orang-orang yang berurusan dengan pengambilan keputusan secara cepat seperti para pialang saham, terlebih lagi sekarang kita hidup di era digital di mana semuanya berjalan secara cepat. Jika kita melihat start-up digital yang bermunculan akhir-akhir ini, strategi bisnis mereka terbilang cukup berani. Keberanian ini tidak lepas dari peran machine learning.

Inilah bahasan yang diangkat dalam Comday “Membaca Masa Depan Dengan Machine Learning” tanggal 28 Februari 2019. Dalam acara yang dihadiri oleh para akademisi, perusahaan teknologi, dan juga dari instansi pemerintah daerah ini. Ada yang spesial dari Comday kali ini, di mana ada dua pembicara. Acara dibuka oleh Andi Yuniantoro selaku direktur PT Inixindo Widya Iswara Nusantara. Beliau menyampaikan tentang bagaimana data menjadi ‘ladang minyak’ baru di era transformasi digital sekarang ini. Kreativitas sangat dibutuhkan oleh setiap organisasi ataupun perusahaan dalam menentukan data apa yang memberikan nilai bagi perusahaan atau organisasinya. Pria yang akrab dipanggil Pak Andi ini juga menjelaskan klasifikasi suatu  organisasi/perusahaan dipandang dari bagaimana dia dapat memanfaatkan data.

 

 

 

 

Di sesi kedua dalam acara ini diisi oleh Yanuar Hadianto seorang instruktur dari Inixindo Jogja yang memiliki sertifikat data science dari iTrain Asia. Mas Yanuar (panggilan akrabnya) menjelaskan pemahaman dasar dari machine learning. Beliau juga memberikan demo aplikatif bagaimana machine learning dapat mendeteksi gambar tangan ataupun gerakan tubuh. Mas Yanuar juga tak lupa untuk mengupas model yang dia buat untuk memprediksi seberapa besar potensi seorang nasabah perbankan tertarik dengan promosi yang ditawarkan lewat telepon.

***

Jika Anda tertarik untuk mempelajari machine learning dan bisa mengaplikasikan teknologi machine learning di organisasi/perusahaan Anda, ikuti Kelas Pelatihan Machine Learning oleh Inixindo Jogja.

DATE AND TIME

Kamis, 28 Februari 2019
14.00 WIB – Selesai

LOCATION

Eduparx – Inixindo Jogja
Jalan Kenari No 69 Yogyakarta
View Maps

Bimbingan Teknis Pengelolaan Simpeg Pada SKPD Pemerintah Provinsi Jawa Tengah

by | Feb 26, 2019

Bimbingan Teknis Pengelolaan Simpeg Pada SKPD Pemerintah Provinsi Jawa Tengah

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Selasa, 26 Februari 2019, PT inixindo Jogja yang diwakili oleh Andi Yuniantoro selaku direktur memberikan pengarahan kepada seluruh ASN di jajaran SKPD Pemerintah Provinsi Jawa Tengah, dalam kegiatan bimbingan Teknis Pengembangan Aplikasi SIMPEG pada SKPD Pemerintah Provinsi Jawa Tengah yang diadakan di Salatiga. Dalam kegiatan ini Andi mengatakan bahwa, pentingnya sistem informasi (SI) untuk menunjang layanan kepegawaian dilembaga Badan Kepegawaian Daerah dilakukan untuk sistem pengelolaan jangka panjang tata kelola SI/TI.

Selaras dengan UU no. 5 tahun 2014 dan UU No. 23 tahun 2014, Provinsi Jawa Tengah tengah mengembangkan program Smart Province. Smart Province menjadi program andalan Gubernur Jawa Tengah agar Provinsi Jawa Tengah tidak ketinggalan dalam mengembangkan berbagai layanan untuk menghasilkan layanan optimal baik untuk internal kepada setiap SKPD maupun layanan eksternal kepada stakeholder dan masyarakat dengan tujuan meningkatkan kualitas hidup masyarakat Jawa Tengah dalam berbagai tataran. Untuk membangun sebuah smart province, BKD merupakan ujung tombak dalam membangun sistem informasi terbaik yang mudah di akses dan terintegrasi.

BKD Provinsi Jawa Tengah menginisiasi integrasi seluruh sistem informasi (SI) untuk mengurangi beban pengelolaan yang terbatas. “Integrasi sistem dapat mengurangi resiko kesalahan dalam implementasi sistem informasi seperti ketidaksesuaian data dengan kenyataan, aplikasi yang tambal sulam sehingga menyulitkan berkomunikasi antara satu dengan yang lain, dan Standar kualitas sistem informasi yang tidak sesuai dengan standar industri. Sehingga integrasi sistem dapat membantu BKD melakukan efektifitas pengolahan data dan dapat menjadi alat kontrol yang efektif untuk mengkaji performa dan keberhasilan implementasi SI/TI ke BKD” Ungkap Andi selaku Direktur PT.Inixindo Jogja.

#Comday : Membaca Masa Depan Dengan Machine Learning

by | Feb 21, 2019

#Comday : Membaca Masa Depan Dengan Machine Learning 2

#Comday : Membaca Masa Depan Dengan Machine Learning

Jika Anda dihadapkan pada kondisi di mana Anda harus mengambil keputusan penting, proses berpikir seperti apa yang Anda lakukan? Mencari data sebanyak mungkin, melakukan analisis, kemudian dengan yakin membuat keputusan? Menyingkat semua proses yang memakan waktu itu tadi dengan mempercayakan semuanya kepada intuisi Anda? Atau yang lebih parah lagi berspekulasi dengan cara melempar koin?

Masalah tersebut tidak hanya dialami oleh setiap divisi dalam suatu perusahaan/organisasi ataupun orang-orang yang berurusan dengan pengambilan keputusan secara cepat seperti para pialang saham, terlebih lagi sekarang kita hidup di era digital di mana semuanya berjalan secara cepat. Jika kita melihat start-up digital yang bermunculan akhir-akhir ini, strategi bisnis mereka terbilang cukup berani. Keberanian ini tidak lepas dari peran machine learning.

Sebenarnya fungsi machine learning cukup luas, mulai dari memprediksi berapa persen seorang calon kustomer dengan profil dan perilaku tertentu melakukan pembelian, pengenalan gambar atau yang lebih sering disebut image recognition, sampai dengan memberikan rekomendasi tentang apa yang harus dilakukan suatu perusahaan agar pertumbuhan profit dapat berkembang secara eksponensial. Banyak pakar yang memprediksi bahwa machine learning akan mengubah cara kita bekerja apapun profesi yang kita miliki.

Penasaran tentang bagaimana machine learning dapat membantu Anda dalam menentukan masa depan organisasi/perusahaan atau bahkan masa depan diri Anda secara pribadi? Ikuti acara Community Day pada tanggal 28 Februari 2019 dengan tema “Membaca Masa Depan Dengan Machine Learning.” Dalam acara ini, kami juga akan menampilkan demonstrasi bagaimana machine learning memprediksi apakah seseorang tertarik dengan penawaran yang dilakukan melalui telepon atau tidak.

This form does not exist

Biaya

Free (tempat terbatas)

DATE AND TIME

Kamis, 28 Februari 2019
14.00 WIB – Selesai

LOCATION

Eduparx – Inixindo Jogja
Jalan Kenari No 69 Yogyakarta
View Maps

Daftar Istilah A-Z Yang Sering Dipakai Dalam Machine Learning

by | Feb 20, 2019

Daftar Istilah A-Z Yang Sering Dipakai Dalam Machine Learning

Beberapa waktu yang lalu kami telah banyak menulis artikel tentang machine learning (konsep dasar, tutorial, sampai hubungan antara teori chaos dan machine learning). Karena banyak dari pembaca yang protes karena artikel tersebut penuh dengan istilah teknis dan agar para pembaca tidak perlu membuat machine learning yang dapat mengartikan istilah asing dalam artikel dan tutorial machine learning, maka kami akan membuatkan semacam glosarium untuk istilah-istilah yang sering dipakai dalam machine learning.

Kami akan memakai istilah asli yang ditulis dalam Bahasa Inggris untuk menghindari kesalahan pemilihan kata terjemahan. Istilah-istilah tersebut akan diurutkan secara alfabetik sehingga mempermudah Anda untuk melakukan pencarian.

*****

A/B Testing

Metode statistik dasar yang digunakan untuk membandingkan 2 cara atau lebih. A/B testing digunakan untuk mengukur cara/teknik mana yang memiliki performa lebih tinggi. Selain itu A/B testing juga digunakan untuk mengetahui seberapa signifikan perbedaan antar teknik/cara tersebut.

Artificial Intelligence

Sebenarnya istilah ini sudah dibahas pada artikel sebelumnya tapi demi kepentingan kelengkapan glosarium, kami tetap akan membahasnya.  Artificial intelligence jika diterjemahkan secara harfiah adalah kecerdasan buatan. Istilah ini sebenarnya sudah lama dipakai bahkan awal perkembangan teknologi komputer. Konsep artificial Intelligence yang sering disingkat sebagai AI ini adalah bagaimana membuat mesin dalam hal ini komputer dapat berpikir layaknya manusia mulai dari analisis sampai pengambilan keputusan. Nah, machine learning termasuk salah satu metode dalam artificial intelligence di mana komputer dapat belajar dengan sendirinya untuk menjadi ‘cerdas’.

Classification Model

Salah satu tipe machine learning yang dapat membedakan dua data atau lebih menurut kelas. Contohnya dalam model natural pengklasifikasian bahasa yang dapat membedakan apakah suatu kalimat ditulis dalam Bahasa Inggris, Perancis atau Bahasa Indonesia. Contoh lain untuk model machine learning adalah regression model.

Clustering

Metode dalam mengidentifikasi data dengan cara membuat grup data secara vektoral berdasarkan kemiripan data. Metode ini digunakan dalam unsupervised learning. Ada beberapa metode clustering seperti K-mean dan K-median.

Data Augmentation

Data augmentation merupakan metode untuk meningkatkan jumlah examples dengan cara mentransformasi example yang sudah ada. Sebagai contoh, jika Anda ingin membuat machine learning yang bisa mengidentifikasi bunga akan tetapi Anda hanya punya satu gambar bunga sebagai example. Karena machine learning merasa butuh lebih dari satu example, maka dia menciptakan gambar baru dengan cara memutar, men-distort, ataupun membalik gambar tadi sehingga tercipta beberapa example baru.

Data Set

Kumpulan dari beberapa example.

Deep Model

Deep model ini biasa disebut dengan istilah deep learning. Deep model menggunakan metode berlapis (neural networks) yang disebut layer di mana setiap lapisan layer terdiri dari neuron. Di tengah lapisan itu terdapat lapisan yang disebut dengan hidden layers. Model ini terinspirasi dari bagaimana cara otak manusia bekerja.

Example

Satu barisan dalam satu data set yang memiliki feature dan label.

Feature

Sebuah input variabel dalam membuat prediksi.

Hierarchical Cluster

Metode clustering yang dilakukan dengan membuat cabang-cabang bertingkat. Metode ini terinspirasi dari bagaimana manusia mengidentifikasi jenis hewan atau tanaman melalui spesies, jenis, ordo, dsb.

K-Means

Sebuah metode clustering yang paling populer dalam unsupervised learning. K-means membuat cluster berdasarkan jarak antara titik tengah yang disebut centroids dengan example.

K-Median

K-Median hampir mirip dengan metode K-Means. Bedanya adalah formula dalam menentukan cluster.

Label

Label merupakan hasil dari pengelompokan example melalui clustering. Sebagai contoh, machine learning yang berfungsi menyaring email spam, melabeli setiap example dengan ‘spam’ atau ‘not spam’.

Model

Model sebenarnya merupakan sebuah fungsi yang berfungsi mengatur bagaimana machine learning mengambil input dan mengeluarkan output yang berupa prediksi.

Neural Network

Neural network merupakan kumpulan layer yang setiap layer-nya terdiri dari sebuah neuron. Neuron berfungsi layaknya transistor dalam komponen elektronik. Bedanya, jika transistor memiliki 3 kaki, neuron memiliki jumlah kaki yang tergantung dari posisi layer dan jumlah neuron di dalam layer.

Regression

Regression (mengacu pada regression model) adalah sebuah model menghasilkan nilai output berupa bilangan pecahan (floating point). Berbeda dengan classification model yang memiliki bilangan bulat pada outputnya.

Supervised Learning

Merupakan model pembelajaran pada machine learning di mana kita menentukan label pada beberapa example dengan harapan machine learning dapat menentukan label terhadap input baru yang masuk.

Unsupervised Learning

Kebalikan dari supervised learning, dalam model pembelajaran unsupervised learning ini kita tidak menentukan label dalam dataset. Metode ini menggunakan clustering di mana machine learning melakukan pengelompokan sendiri di dalam data set.

<div id="glossary" style="position: fixed; padding: 20px 10px 20px 10px; background:#eeeeee;"><!-- [et_pb_line_break_holder] --><a href="#ab-testing">A</a><!-- [et_pb_line_break_holder] --><a href="#classific-model">C</a><!-- [et_pb_line_break_holder] --><a href="#data-aug">D</a><!-- [et_pb_line_break_holder] --><a href="#examp">E</a><!-- [et_pb_line_break_holder] --><a href="#feat">F</a><!-- [et_pb_line_break_holder] --><a href="#hierarchi">H</a><!-- [et_pb_line_break_holder] --><a href="#k-means">K</a><!-- [et_pb_line_break_holder] --><a href="#labell">L</a><!-- [et_pb_line_break_holder] --><a href="#Modell">M</a><!-- [et_pb_line_break_holder] --><a href="#Neural">N</a><!-- [et_pb_line_break_holder] --><a href="#Regression">R</a><!-- [et_pb_line_break_holder] --><a href="#supervise">S</a><!-- [et_pb_line_break_holder] --><a href="#unsupervise">U</a><!-- [et_pb_line_break_holder] --></div>

***

Jika Anda tertarik untuk bisa membuat machine learning yang dapat membantu perusahaan/organisasi Anda dalam mengambil keputusan, Anda bisa mengikuti Kelas Pelatihan Machine Learning dari Inixindo Jogja. Klik di sini untuk info lebih lanjut dan permintaan penawaran.

Comday Recap: Internal Audit TIK BPR Berbasis Peraturan OJK

by | Feb 14, 2019

Comday Recap: Internal Audit TIK BPR Berbasis Peraturan OJK

Pada tanggal 14 Februari 2019 kemarin, Inixindo Jogja menyelenggarakan Community Day yang secara rutin diselenggarakan setiap dua minggu sekali. Kali ini tema yang diangkat adalah audit TIK BPR yang sesuai dengan peraturan OJK. Acara Comday ini menghadirkan Adrian The yang berpengalaman dalam masalah audit teknologi informasi dan keamanan informasi. Instruktur dari Inixindo Jogja yang biasa dipanggil Mas Adrian ini menyampaikan tentang bagaimana audit intern TIK harus berbasis pada manajemen resiko IT dalam menentukan prioritas utama. Acara ini dihadiri oleh staff ataupun manajemen dari BPR di wilayah Jateng dan DIY.

Seperti yang kita ketahui transformasi digital mengubah cara orang dalam memandang dunia perbankan dan finansial. Banyak dari pengamat teknologi mengatakan “sekarang kita memang masih membutuhkan proses banking tapi kita sudah tidak memerlukan bank lagi.” Seperti yang kita ketahui bahwa peran bank dapat digantikan oleh fintech startup yang baru saja bermunculan. Berbeda dengan era sebelumnya, yang dituntut oleh masyarakat digital sekarang ini adalah kemudahan layanan.

Agar tak kalah bersaing dengan fintech startup tersebut, Otoritas Jasa Keuangan (OJK) sebenarnya telah memacu Bank Perkreditan Rakyat (BPR) maupun Bank Pembiayaan Rakyat Syariah (BPRS) untuk meningkatkan kapabilitas teknologi informasi yang dimiliki agar tak kalah bersaing dengan startup atau bank konvensional yang jauh lebih canggih. OJK telah mengeluarkan regulasi mengenai penerapan TIK di lingkungan BPR yaitu POJK Nomor 75/POJK.03/2016 dan SEOJK Nomor 15/SEOJK.03/2017 tentang Standar Penyelenggaraan Teknologi Informasi Oleh Bank Perkreditan Rakyat dan Bank Pembiayaan Rakyat Syariah (BPR/BPRS). Untuk memastikan bahwa penerapan TIK di BPR sudah sesuai dengan standar yang ditentukan dalam regulasi OJK tersebut, maka BPR harus memiliki divisi Audit Internal yang dapat memberikan assurance (kepastian) serta rekomendasi perbaikan terhadap penerapan TIK agar BPR mampu melakukan Transformasi Digital dengan sukses demi peningkatan kinerja dan jangkauan nasabah secara radikal.

Untuk anda yang belum sempat mengikuti Community Day ini dapat mengunduh materi dibawah ini

This form does not exist

Comday Recap: Internal Audit TIK BPR Berbasis Peraturan OJK 3
Comday Recap: Internal Audit TIK BPR Berbasis Peraturan OJK 4
Comday Recap: Internal Audit TIK BPR Berbasis Peraturan OJK 5