Pemkot Semarang Pamerkan Tilik Semar dan Robot Pelayanan di Indo Smart City Forum & Expo 2021

by | Oct 16, 2021

Pemkot Semarang Pamerkan Tilik Semar dan Robot Pelayanan di Indo Smart City Forum & Expo 2021

Asosiasi Pemerintah Kota Seluruh Indonesia (APEKSI) menggelar acara bertajuk Indo Smart City Forum & Expo 2021 di The Rich Jogja Hotel, Yogyakarta. Acara tersebut digelar selama dua hari, yakni pada 13-15 Oktober 2021.

Indo Smart City Forum & Expo diikuti oleh sejumlah pemerintah kota dari seluruh Indonesia yang tergabung dalam APEKSI.

Dengan tagline “Membangun Ekosistem Smart City Berkelanjutan bagi Penanggulangan Pandemi”, acara ini menjadi ajang untuk menunjukkan potensi daerah dan sejauh mana implementasi Smart City di masing-masing kota peserta.

Tilik Semar dan Robot Pelayanan Publik

Dalam acara tersebut, Pemerintah Kota Semarang tampil dengan berbagai inovasi yang menjadi bagian dari Semarang Smart City.

Salah satunya adalah teknologi Tilik Semar yang mampu memantau berbagai permasalahan di Kota Semarang.

Kepala Bidang Pengembangan Komunikasi Publik, Pemerintah Kota Semarang, Arif Budiman mengatakan, Tilik Semar adalah implementasi dari teknologi Artificial Intelligence dan Big Data Analytics.

“Tilik Semar sendiri adalah hasil penggabungan dua teknologi yakni AI dan Big Data Analytics, sehingga menciptakan suatu sistem informasi” ujar Arif ketika ditemui di acara Indo Smart City Forum & Expo 2021.

Tilik Semar atau Monitoring Terintegrasi Beranalitik Kota Semarang memanfaatkan perangkat CCTV yang dipasang di berbagai wilayah untuk mendeteksi permasalahan yang sering terjadi, seperti genangan air, kemacetan, hingga parkir liar.

Di tengah pandemi Covid-19 yang masih belum usai, teknologi Tilik Semar juga digunakan untuk memantau dan memastikan langkah pencegahan penularan virus corona, yakni dengan mendeteksi pelanggaran protokol kesehatan yang selama ini diterapkan. Kemudian data pelanggaran tersebut diteruskan kepada Satgas Covid-19 Kota Semarang.

“ Di masa pandemi ini, Tilik Semar digunakan untuk memantau kerumunan di suatu tempat dan penerapan protokol kesehatan seperti halnya memakai masker, hasilnya kemudian akan diteruskan ke Satgas Covid-19 untuk dievaluasi.” papar Arif.

Selain teknologi Tilik Semar, Pemerintah Kota Semarang juga sedang mengembangkan prototype robot pelayanan yang sebelumnya adalah hibah dari Universitas Diponegoro (Undip). Kemudian robot pelayanan publik akan dikembangkan sendiri oleh Pemerintah Kota Semarang.

Robot pelayanan tersebut digunakan untuk meminimalisir kontak di tempat-tempat pelayanan publik seperti rumah sakit dan kantor pemerintahan, sehingga mengurangi penyebaran Covid-19.

Hingga saat ini, setidaknya sudah ada delapan robot pelayanan yang ditempatkan di pusat layanan publik, diantaranya Kantor Walikota Semarang, rumah sakit, dan puskesmas.

“Awalnya robot ini adalah hibah dari Undip, kemudian tahun depan akan dikembangkan lebih baik lagi oleh pemkot Semarang melalui Kominfo kami” ujar Arif.

Robot pelayanan publik tersebut juga merupakan implementasi dari Artificial Intelligence dan Big Data Analytics.

Pemkot Semarang Pamerkan Tilik Semar dan Robot Pelayanan di Indo Smart City Forum & Expo 2021 1

Bekerjasama dengan Inixindo Jogja

Dalam mengembangkan teknologi untuk mencapai Semarang Smart City, Pemerintah Kota Semarang juga bekerjasama dengan Inixindo Jogja sebagai penyedia layanan pelatihan IT.

Arif menjelaskan, untuk mengembangkan Tilik Semar dan Robot Pelayanan Publik tersebut, Pemerintah Kota Semarang mengirimkan pegawainya untuk belajar Artificial Intelligence dan Big Data Analytics di Inixindo Jogja.

“Kami akan  belajar untuk Arficial Intelligence, Big Data Analytics, dan IoT untuk mengembangkan teknologi ini, agar nantinya dapat mempermudah masyarakat dalam mengakses pelayanan publik” jelas Arif.

Contact

Phone

0274 515448

Email

marketing@inixindojogja.co.id

Address

Jalan Kenari 69 Yogyakarta

Comday Recap: Membaca Masa Depan Dengan Machine Learning

by | Mar 1, 2019

Comday Recap: Membaca Masa Depan Dengan Machine Learning 2

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

#Comday : Membaca Masa Depan Dengan Machine Learning

by | Feb 21, 2019

#Comday : Membaca Masa Depan Dengan Machine Learning 3

#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.

Ingin Jadi Data Scientist? Inilah Skill Yang Harus Anda Kuasai

by | Mar 23, 2018

Jika Anda kerap menjelajahi aplikasi-aplikasi lowongan pekerjaan. Anda tentunya pernah melihat lowongan pekerjaan sebagai data scientist lewat sekilas ketika Anda men-scroll layar monitor Anda. Anda tertarik dan mengklik iklan tersebut karena gaji yang ditawarkan cukup besar dan sedikit membuat Anda berkeinginan untuk beralih profesi menjadi data scientist. Kemudian Anda bertanya-tanya skill apa saja yang harus dimiliki oleh seorang data scientist.

Sebenarnya data scientist itu sudah ada sejak dulu yang sering disebut dengan statistikawan. Perbedaannya terletak pada metode yang digunakan. Jika statistikawan harus mengolah ataupun mengumpulkan data secara manual, kini data scientist banyak berurusan dengan big data (data yang terstruktur maupun tidak terstruktur). Oleh karena itu, tidak mengherankan jika data scientist sekarang lebih sering menciptakan algoritma-algoritma di dalam program komputer agar data yang masuk bisa langsung diolah sendiri oleh komputer tersebut.

Lalu apakah semua software developer bisa menjadi data scientist? Jawabannya belum tentu. Masih banyak skill yang harus dikuasai oleh data scientist. Yuk, kita bahas satu per satu.

 

Pemprograman

Di perusahaan manapun seorang data scientist bekerja, kemampuan akan programming sudah menjadi suatu keharusan. Seorang data scientist harus memahami tools of trade yang digunakan secara mendalam. Ini berarti data scientist paling tidak harus menguasai bahasa pemrograman seperti R  ataupun Python (Anda bisa mendalami machine learning dengan python di sini) serta bahasa database querying seperti SQL. 

(Jika Anda ingin mengenal bahasa pemrograman R yang dapat digunakan untuk machine learning, Anda bisa mengikuti Comday “Pengenalan Bahasa Pemrograman R dalam Machine Learning“)

 

Statistika

Pemahaman yang menyeluruh mengenai statistika merupakan hal yang paling mendasar bagi seorang data scientist. Selain untuk menentukan algoritma yang akan digunakan, ilmu statistika diperlukan untuk mengembangkan software machine learning yang berfungsi sebagai pusaka seorang data scientist.

 

Machine Learning

Bagi seorang data scientist yang bekerja di perusahaan dimana produknya bersifat data driven seperti Google Maps, Netflix, atau Uber pasti sangat membutuhkan machine learning. Mereka tidak mungkin menentukan algoritma dari data yang tak terstruktur dengan jumlah yang sangat besar satu per satu. Maka dari itulah para data scientist harus bisa mengembangkan machine learning untuk mengolah banyaknya data tak terstruktur tadi dan bukannya tak mungkin apabila machine learning yang dikembangkan oleh para data scientist ini dipakai untuk sebuah konsep artificial intelegence.

(Jika Anda tertarik untuk mempelajari machine learning Anda bisa mengambil pelatihan dalam 5 hari di Kelas Machine Learning yang diadakan oleh Inixindo Jogja)

 

Kalkulus & Aljabar

Menguasai kalkulus dengan fungsi yang dapat diterapkan di banyak variabel dan aljabar linear merupakan sesuatu yang tak kalah penting bagi seorang data scientist. Kalkulus dan aljabar merupakan konsep yang paling dasar dan sederhana bagi data science. Oleh karena itu, tidak mengherankan jika pada saat wawancara kerja, pencari kerja biasanya menanyakan soal-soal kalkulus dan aljabar.

 

Pemetaan Data

Terkadang data yang kita dapatkan tidaklah sesempurna yang kita kira. Secara penulisan kata ‘Yogyakarta’ dan ‘Jogja’ berbeda tapi secara konsep memiliki makna yang sama. Dan ingat, komputer itu tidak sepintar manusia. Sebagai seorang data scientist kita harus membuat data tersebut dikenali oleh komputer. Untuk itulah pemilahan data diperlukan untuk menjaga ‘kebersihan’ data.

 

Komunikasi dan Visualisasi Data

Bagi manajemen yang data-driven terutama di perusahaan yang masih tergolong baru, data scientist di perusahaan mereka sering dimintai bantuan dalam menentukan arah kebijakan suatu perusahaan. Maka tak heran jika data scientist harus pandai memvisualisasikan dan mempresentasikan data hasil olahannya sendiri.

 

Software Engineering

Di perusahaan start-up teknologi biasanya melibatkan langsung data scientist mereka ke dalam pengembangan software. Tapi dimanapun kita bekerja tidak ada salahnya kita belajar sedikit tentang software engineering.

 

Intuisi

Skill ini sebenarnya lebih dibutuhkan bagi seorang data analyst yang harus memecahkan masalah dari data yang sudah diolah. Intuisi sering mengarah pada gambling yang memang bertolak belakang dengan kata ‘science’ pada data scientist tapi perkataan dari Sherlock Holmes versi serial BBC mengatakan ‘sebuah intuisi lahir dari pemrosesan secara cepat jutaan data yang ada di dalam otak sampai-sampai otak kita sendiripun tak mampu mennyadari proses tersebut.’

 

Bagaimana mimpi menjadi data scientist sudah mulai nampak nyata bukan? Jika Anda ingin belajar lagi tentang komponen-kompenen pengetahuan yang harus dimiliki oleh data scientist Anda dapat mendalami tentang big data hadoop secara fundamental atau pemrograman R,