Konferensi Internasional SCBTII 2017

Tanggal 20 Juli 2017 FEB Telkom University mengadakan konferensi international 8th SCBTII (Sustainable Collaboration in Business, Technology, Information and Innovation) di Hotel Grand Preanger, Bandung. Saya bersama dengan tim lab. Social Computing and Big Data ikut berpartisipasi dengan mengirimkan 6 paper dan poster hasil riset lab kami mengenai sentiment analysis, social network, sharing economy business model, dan data mining. Topik penelitian dan data mulai dari situs e-commerce C2C dan B2C seperti Bukalapak, Tokopedia, Elevenia, MatahariMall, sampai dengan industri pariwisata, situs jual beli rumah dan lain lain. Keikutsertaan di konferensi ini sekaligus sebagai perpisahan 7 mahasiswa anggota lab yang akan diwisuda bulan juli ini. 

Saya share dalam blog ini adalah foto foto tim lab kami dan topik paper yang dipresentasikan oleh masing masing pembuat paper.

20245726 10155297081955202 4112449497662892014 n

foto bersama dengan tim lab, sesudah presentasi paper kami ..

20108459 10155297081935202 1918739512197985889 n

Paper 1. Yora dengan paper “Implementation of Genetic Process Mining to Support Information System Audit

20139897 10155297081980202 922630502192945516 n

Paper 2. Mia dengan paper ” A Core of Ecommerce Customer Experience Based on Conversational Data using Network Text Methodology

20140014 10155297082010202 5376826786335428309 n

Paper 3. Fatma dengan paper ” A Comparison of Indonesia E-commerce Industry Sentiment Analysis for Marketing Intelligence Effort (Case Study of Bukalapak, Tokopedia, and Elevenia)”

20246010 10155297082040202 7818811475462775937 n

Paper ke 4. Sheila dengan judul ” Summarizing Online Conversation of Indonesia Tourism Industry using Network Text Analysis”

20108277 10155297082170202 5926907697437121903 n

Paper ke 5, Dion dengan paper ” Sharing Business Model Compass for Indonesian Sharing Economy’s Business Entities”

20228397 10155297082155202 1208421842565980975 n

Paper ke 6 (dalam bentuk poster) dari Fariz dengan judul ” Property Business Classification Model Based on Indonesia E-commerce Data”

Screen Shot 2017 07 22 at 9 17 18 PM

Akhirnya usai sudah SCBTII 2017, sampai jumpa di SCBTII 2018 … 

Shariah Vs Capitalism : Perlukah Pengganti GDP ?

Pada saat berbuka puasa minggu kemarin, sempat terjadi diskusi menarik dengan beberapa rekan mengenai sistem perekonomian Indonesia dan sebaiknya model ekonomi apa yang cocok untuk Indonesia. Dari hasil diskusi ini munculah perbandingan Shariah vs Capitalism. Seperti kita ketahui, saat ini prinsip Capitalism (kapitalisme) dan persaingan bebas merajai dunia, akan tetapi mulai bermunculan kritik kritik mengenai praktek ini, seperti bahwa kapitalisme bukan merupakan ekonomi yang berkelanjutan untuk masa depan, terjadinya monopolisme, dan makin curamnya jurang perbedaan si kaya dan si miskin. Lawan ekstrim dari kapitalisme ini adalah sistem marxism atau sosialisme dimana segala aktivitas ekonomi diatur oleh negara dengan tujuan kemaslahatan masyarakat luas. 

Ekonomi Shariah adalah praktek ekonomi berdasarkan prinsip ajaran agama islam, yaitu transaksi keuangan dan aktivitas ekonomi lainnya yang sesuai dengan aturan pada Quran dan Sunnah. Beberapa contoh pelaksanaan ekonomi shariah adalah berhutang tanpa riba (tidak dikenakan bunga), jual beli barang dengan akad/billing/invoice, simpan pinjam di bank shariah, dan lain lain. Tujuan dari ekonomi shariah adalah untuk menjamin keadilan ekonomi bagi masing masing pelaku transaksi, menjaga kejujuran (meminimalkan penipuan), meratakan pemberdayaan ekonomi jadi bukan hanya segelintir orang yang menikmati keuntungan berlebih sedangkan sisanya tidak mendapatkan keuntungan yang sesuai. Shariah disebut sebut sebagai alternatif tengah dari dua ekstrim ideologi kapitalisme dan sosialisme. 

Capitalism atau kapitalisme adalah prinsip ekonomi atau ideologi untuk mengambil keuntungan sebesar besarnya untuk keuntungan kelompok / pribadi. Pada sistem kapitalis investasi dan pengambilan keputusan ditentukan oleh kelompok bisnis, demikian juga harga dan distribusi barang ditentukan oleh kompetisi di pasar. Kapitalisme mendorong kompetisi yang tinggi sehingga produk yang dihasilkan benar benar berkualitas. Akan tetapi kapitalisme dikritik karena kekuasaan ekonomi dipegang oleh sekelompok kecil kapitalis, memprioritaskan profit diatas segala nilai lainnya seperti kesejahteraan sosial dan kelangsungan sumber daya alam. Kapitalisme juga dituding sebagai penyebab ketidak seimbangan dan ketidak stabilan ekonomi. 

GDP atau Gross Domestic Product adalah pengukuran moneter untuk menentukan nilai pasar dari semua nilai barang dan jasa yang diproduksi dalam satu periode tertentu. GDP ini adalah nilai tunggal, artinya peristiwa ekonomi yang terjadi  digambarkan dalam bentuk satu nilai representasi. Tentu saja nilai tunggal ini tidak mengambarkan dinamika siapa yang memproduksi barang dan jasa tersebut, apakah hanya segelintir kapitalis atau semua elemen masyarakat secara merata ikut berperan dalam memproduksi barang dan jasa tersebut.  

Sayangnya GDP saat ini adalah standard yang digunakan untuk melihat kesejahteraan suatu negara. Suatu nilai tidak tunggal (contoh nilai Ratio atau nilai Distribusi), tentu akan lebih baik menggambarkan dinamika perekonomian dibandingkan dengan nilai tunggal GDP diatas. Sebagai contoh yang ga nyambung adalah misal  “rata rata umur penduduk Bandung adalah 30 tahun, tentu nilai tunggal 30 tahun ini tidak mengambarkan apa apa, akan berbeda jika ukuran yang dipakai adalah nilai ratio usia produktif / usia keseluruhan penduduk atau nilai distribusi usia dan jumlah orang pada tiap usia” .  

Berhubung saya sendiri sedang belajar mengenai ekonomi makro dan sistem perekonomian, maka masukan dan kritikan akan diterima dengan senang hati. Sepertinya riset mengenai hal ini (alat ukur pengganti GDP) ini akan sangat menarik, selain itu sangat menarik melihat bagaimana implementasi shariah pada saat standard perekonomian dunia saat ini dikuasai para kapitalis.

Ada yang berminat untuk meriset ini ??  ..

636069052205139287417551989 SOCIALISM CAPITALISM

Technopreneur Workshop Speaker

Berawal dari kebiasaan ngomong mengenai New Digital Economy dan Disruptive Innovation, akhirnya pada suatu kesempatan saya ditodong untuk memberikan materi tentang Technopreneurship. Saya yang latar belakangnya bukan dari bidang Entrepreneurship sempat khawatir juga, jangan jangan saya cuman sok tahu tentang bidang ini. Akhirnya setelah menyelidiki kesana kemari, ternyata Technopreneur ini lebih kental ke nuansa inovasi penggunaan teknologi, startup, solusi inovatif, dan hal hal yang lebih erat ke bidang ICT (atau TIK) (high technology). Technopreneur adalah Entrepreneur (wirausaha) yang melibatkan penggunaan high technology (termasuk ICT). Technopreneur erat hubungannya dengan StartUp dan metode metode kebaruan saat ini seperi crowdsource / crowdfunding, dll

Acara dilangsungkan di plaza clicksquare, dengan peserta sekitar 300 orang, lumayan banyak dan ternyata bidang ini sangat menarik minat audiens yah. Peserta didominasi oleh anak anak SMA yang sedang mengikuti seleksi paskibraka tingkat kota Bandung. Berbicara dengan audiens anak SMA ini sangat menyenangkan, mereka mempunyai rasa ingin tahu yang besar.  Apalagi saya berharap mereka inilah yang nanti akan menjadi tulang punggung ekonomi digital masa depan Indonesia, sehingga saya berusaha menyampaikan dengan bahasa yang sederhana tapi mudah dipahami, terutama berkenaan dengan praktik ekonomi global yang sangat dipengaruhi oleh teknologi TIK. 

Diskusi meliputi fenomena TIK, tantangan / kompetisi pekerjaan, perlunya bangsa kita akan ide ide inovasi / kreatif dengan bantuan teknologi TIK, serta bekal apa saja yang mereka butuhkan untuk bisa survive di masa depan. Banyak juga yang belum terbayang implementasi praktisnya. Saya coba putarkan video youtube tentang Future Vision, setidaknya memberikan gambaran kondisi near future dan itu adalah masa dimana mereka akan berkarya. 93 dari 255 juta penduduk Indonesia terhubung internet, setidaknya dari 93 juta tersebut bisa lahir technopreneur technopreneur handal Indonesia. Semoga .. Amin 

IMG 3299

7th Techno screen

IMG 3309

1ST ROUND FINAL RESULT : PILKADA DKI BATTLE

Entri ini adalah terusan dari laporan half report dinamika jejaring sosial mengenai Pilkada DKI pada masa kampanye dari tanggal 8-11 Februari 2017. Di babak final result ini saya tampilkan data penuh twitter selama seminggu terakhir masa kampanye, yaitu data dari tanggal 8-15 Februari 2017. Data ini sudah mengendap lebih dari sebulan tidak saya analisa, karena memang saya  tidak sempat. Kebetulan hari ini lagi flu, jadi sambil istirahat di rumah saya iseng otak atik data akhir kampanye pilkada di twitter. Menariknya adalah karena kita sudah tahu hasil putaran pertama Pilkada DKI, maka dari data kampanye kita bisa pelajari, apakah pola yang terjadi mengkorfirmasi hasil pilkada putaran pertama tersebut. Mekanisme dan hashtag / keyword pengambilan data dijelaskan pada entri blog half report. 


Hasil Cepat (lihat tabel dibawah) 

Selama seminggu masa pengumpulan data, terkumpul data untuk masing masing paslon sebesar 116160 tweet (paslon1), 199815 tweets (paslon2),180312 tweets (paslon3). Jumlah tweets paslon2 paling besar, diikuti ketat oleh paslon3, sedangkan paslon1 tertinggal jauh dibawah ..sepertinya memang tweets paslon1 lebih ga ngoyo atau memang tidak banyak yang ngetweet tentang paslon1 tersebut dibandingkan 2 paslon lainnya.

Jumlah akun yang terlibat dalam percakapan adalah 22004 (paslon1), 38498 (paslon2), dan 27359 (paslon3). Lagi lagi terlihat bahwa akun yang membicarakan paslon1 paling sedikit. Jumlah interasi / percakapan tentang paslon2 dan paslon3 mendominasi jagad twitter dengan nilai sebesar 125076 dan 78956 interaksi. Hal ini menunjukan bahwa dinamika percakapan dalam waktu tersebut terhitung tinggi dibandingkan dengan jumlah akun yang terlibat pada percakapan tersebut. Jumlah akun dan interaksi menghasilkan density (kepadatan) jejaring sosial masing masing paslon. Nilai density masing masing paslon tidak terlalu berbeda antara satu dan lainnya, hal ini tidak mengherankan untuk suatu jejaring sosial seperti twitter.

Untuk Top-5 Mentions di masing masing jejaring paslon, terlihat bahwa paslon1 justru @SBYudhoyono yang paling banyak di mention dengan dua kali lebih banyak daripada cagubnya sendiri @AgusYudhoyono. Paslon2 @basuki_btp paling banyak di mention dan nilainya jauh lebih besar dari mention mention lainnya, hal ini sudah bisa kita duga sebelumnya, akan tetapi cawagubnya (atau akun kampanye @AhokDjarot) malah tidak terlihat pada Top-5 Mentions tersebut. Top-5 Mentions jejaring paslon2 juga menyertakan tokoh tokoh publik lainnya seperti @afgansyah_reza dan @jokoanwar. Paslon 3, @sandiuno dan @aniesbaswedan dominan pada posisi 1 dan 3 Top-5 Mentions di jejaringnya, cukup surprising ada akun @maspiyuuu yang ternyata sangat banyak dimentions di jejaring paslon ini. siapakah @maspiyuuu ?. Ada juga aktor @pandji sebagai pendukung paslon3 nongol disini.

Top-5 Tweets masing masing paslon menyertakan akun akun dengan jumlah tweets yang hampir mirip satu dan lainnya, bisa dibilang tidak ada satu aktorpun yang dominan dalam jumlah tweet. Paslon 2 mempunyai rata rata tweet yang lebih banyak, wajar hal ini bisa dilihat dari jumlah total tweet paslon2 yang paling banyak. Kemudian diikuti dengan paslon 3 dan paslon 1.

Modularity menunjukan seberapa jelas perbedaan pembentukan kelompok kelompok pada jejaring sosial. Semakin tinggi nilai modularity menyatakan bahwa kelompok kelompok tersebut makin jelas pemisahannya atau dengan kata lain tidak ada aktor yang yang posisinya meragukan berada di kelompok A atau kelompok B. Dari ke 3 jejaring paslon, Paslon2 mempunyai modularity terkecil, dan paslon3 modularitynya terbesar, hal ini bisa diartikan bahwa kelompok kelompok pada paslon2 batasannya menjadi lebih blur, seseorang bisa masuk ke satu kelompok ke kelompok lainnya dengan lebih mudah. Akibatnya adalah diseminasi informasi berjalan lebih lancar karena ada akun / agen yang mudah menyebarkan informasi dengan cara berpindah kelompok.

Jumlah 5 kelompok terbesar terlihat bahwa paslon1 dan paslon3 mempunyai kelompok dominan yang besarnya melebihi 20% dari total ukuran jejaring sosial, jadi terdapat kelompok kelompok yang menjadi motor dari jejaring sosial paslon tersebut. Di pihak lain kelompok terbesar pada paslon2 hanya berukuran 12%, hal ini menunjukkan bahwa kelompok kelompok pada paslon2 terbentuk secara natural tanpa ada kelompok yang jadi motor dominan. 

 

Paslon1

1universe

universe paslon1

 

2 5kelompokbesar

5 kelompok besar pada paslon1

 

1 100tokohutama

100 akun utama pada paslon1

 

Paslon2

 

2universe

universe paslon2

 

2universezoom

universe paslon2 (zoomed)

 

 

2directed75actor

75 akun utama di jejaring paslon2

Paslon3

 

3universe

universe paslon3

 

3universedeg11 2605

universe paslon3 (degree 11 – 2605)

 

3 75actor

75 akun utama pada paslon3

  

Profile Tweet

Tabletweet

 

Kasimpulan

Hasil akhir putaran pertama sudah kita ketahui paslon1 tersingkir, dan paslon2, paslon3 maju ke babak kedua. Hasil analisa jejaring sosial seminggu terakhir kampanye mengkonfirmasikan bahwa aktivitas jejaring sosial memang paslon1 paling rendah, indikasinya adalah jumlah tweet, jumlah akun, jumlah interaksi, ukuran kelompok dominan dan tokoh utama jejaring malah bukan cagubnya sendiri. Isu isu dalam jejaring sosial ini lebih banyak ke bapak mantan presiden bukan ke akun kampanye atau akun cagubnya. Paslon2 walaupun kelompoknya lebih natural dan partisipan jejaring sosial paling banyak, akan tetapi sangat terfokus pada tokoh Ahok, tidak ada tokoh lain yang menjadi pelengkap atau backup dominan dari paslon ini. Paslon3, cagub dan cawagub muncul sebagai tokoh dominan pada jejaring sosialnya, ini menunjukkan banyak alternatif pilihan / cerita yang bisa dimunculkan dari aktifnya kedua tokoh tersebut.

Apakah hasil analisa jagad twitter ini bisa digunakan sebagai alat prediksi pemenang pada putaran ke 2 bulan depan nanti ? .. hmm menurut saya, analisa ini bisa menjadi alat bantu, akan tetapi bukan sebagai alat penentu kemenangan. Dengan melihat dinamika jejaring sosial, kita bisa melihat hal hal yang tidak bisa kita kuantifikasikan sebelumnya. Dan mungkin juga pada kondisi tertentu, kita bisa melakukan rekayasa (dalam level tertentu) apakah jejaring sosial kita berjalan sesuai dengan ekspektasi kita. Banyak faktor dominan lainnya yang bisa tiba tiba menjadi faktor penentu kemenangan, jejaring sosial adalah salah satunya. Jadi gimana setelah melihat entri blog ini anda menjagokan nomer 2 atau nomer 3 yang menang ? ..  

4 Papers Scopus ICOICT 2017

International Conference on Information and Communication Technology (ICOICT) adalah konferensi berskala internasional terindeks Scopus, dipublikasikan pada IEEE Xplore dan diselenggarakan oleh Telkom University (School of Computing). Tahun 2017 ini ICOICT disellengarakan untuk ke 5 kalinya pada tanggal 27-29 Mei di Malaka Malaysia. Tahun ini ada 4 paper dari lab SCBD FEB yang lolos seleksi dari total 5 paper yang kami submit.

Sepanjang ingatan saya tahun ini adalah ke 4 kalinya saya dan tim lab. SCBD FEB ikut berpartisipasi, mulai dari ICOICT 2014 (2 paper), ICOICT 2015 (3 paper), ICOICT 2016 (2 Paper), dan tahun ini 4 paper. Pengalaman tahun tahun sebelumnya membuktikan bahwa publikasi ICOICT cukup cepat terpublikasi di IEEE Xplore dan Scopus, membuat konferensi ini merupakan konferensi favorit lab kami untuk mempublikasikan hasil penelitian. 

Judul paper paper yang lolos tersebut adalah : 1. Hybrid Sentiment and Network Analysis of Social Opinion Polarization. 2. Social Network Data Analytics for Market Segmentation in Indonesian Telecomunication Industry. 3. Training Data Optimization Strategy for Multiclass Text Classification. 4. Indonesia Infrastructure and Consumer Stock Portfolio Prediction using Artifical Neural Network Backpropagation. 

Tema dan metode pada paper paper tersebut cukup beragam, mulai dari Tema Finance (no.4), Marketing (no.2), sampai dengan Social Behavior (no.1). Sedangkan metode yang digunakan mulai dari sentiment analysis (no.1, no.3), social network analysis (no.1, no.2), artificial neural network / data mining (no.4).

well done Team .. !! 

Untitled 1

acceptance letter to 2017 ICOICT

Rekayasa Komunikasi / Communication Engineering

Tadi malam sambil ngopi ngopi dan makan gorengan, saya ngobrol ngobrol asyik (unofficial) dengan beberapa rekan social media officer (SMO). SMO ini sebenernya kerjanya rangkap rangkap menjadi Humas, Customer Relationship Management (CRM), Branding, Analisa Kompetitor, membangun massa dan lain lain melalui corong media sosial organisasi / perusahaan. Berat bukan pekerjaan mereka ? .. sepertinya mudah tapi tanggung jawabnya sangat besar dan belum ada alat ukur yang pasti bagaimana mengukur keberhasilan pekerjaan mereka, akibatnya banyak SMO yang disalahkan karena dianggap tidak optimal mendukung aktivitas organisasi dalam berhubungan dengan pihak luar. Beberapa rekan SMO mengungkapkan strategi mereka untuk mengatasi hal tersebut, seperti menghitung like, retweet, engagement, dll .. tapi rasanya belum ada pemahaman mendasar bagaimana menjelaskan pengukuran pengukuran yang dilakukan, sampai saya ingat ide saya 5 tahun lalu (mengenai rekayasa komunikasi) saat saya pertama kali belajar mengenai social network analysis (SNA).

Ide yang saya lontarkan saya sebut sebagai Rekayasa Komunikasi ( Communication Engineering), yang tujuannya adalah bagaimana kita bisa merekayasa jejaring sosial sehingga bentuk, ukuran, dan engagementnya sesuai yang kita inginkan. Teringat hal tersebut, saya langsung presentasikan di depan para SMO mengenai beberapa faktor dan framework untuk merekayasa komunikasi online ini. Dengan paham rekayasa komunikasi kita bisa menangkis hoax, mengukur viralitas (diseminasi informasi), mengukur brand awareness, meningkatkan jumlah engagement, meningkatkan audience secara terukur dengan menyediakan langkah langkah strategis sesuai feedback dari bentuk jaringan, dll.

Contoh ilustrasi jejaring sosial bisa dilihat pada gambar 1, berikut ini. Misal terdapat 34 orang / aktor di dalam jejaring sosial yang membicarakan tentang suatu brand / organisasi. Maka bentuk jaringan 34 orang yang semuanya saling terhubung tentu akan berbeda dengan bentuk jaringan 34 orang yang masing masing punya satu hubungan. Disini jejaring sosial memainkan peran penting dalam mengukur kompleksitas hubungan yang ada (diukur dari berapa banyaknya hubungan atau densitas jejaring sosial). Kita bisa monitor bentuk jaringan sosial percakapan per hari untuk melihat apakah usaha usaha yang dilakukan SMO mendapatkan respon positif (jaringan membesar) atau bahkan respon kurang (jaringan menciut). Kita juga bisa identifikasikan orang orang yang berpengaruh di dalam jaringan (aktor nomer 1, 33, 34) baik pengaruhnya baik ataupun buruk. Kelompok yang terbentuk di dalam jejaring sosial dan lain lain

 

NewImage

  gambar 1. jejaring sosial 34 orang 

Framework yang saya usulkan supaya kerja SMO menjadi terukur menggunakan rekayasa komunikasi adalah pada gambar 2 sebagai berikut. Disini dapat dilihat bahwa sumbu X dan sumbu Y menunjukan bahwa network (ukuran, densitas, bentuk jaringan) menjadi tolak ukur apakah 5 faktor (content, context, buzzer, threat, interactivity) membawa perubahan signifikan ke network. Saya uraikan satu satu faktor tersebut.

Framework SMO

gambar 2. framework rekayasa komunikasi 

1. Content

Konten adalah hal pertama yang bisa meningkatkan engagement atau memperbesar ukuran jaringan (Viral). Kita bisa melakukan day-to-day monitoring terhadap ukuran jaringan. Apakah konten yang kita tampilkan memperbesar jaringan secara signifikan, mengecilkan jaringan atau tetap saya tidak ada perubahan. Dengan target engagement audience yang besar (menjadi massa) maka kita harus memperbanyak konten / akun yang menampilkan cerita yang berhubungan dengan brand dari berbagai sisi, kemudian kita lihat konten mana yang berhasil menjadi viral dan konten mana yang tidak, serta mendefinisikan karakteristik audience kita

2. Context

Dengan konteks yang sesuai maka ukuran ukuran jaringan juga bisa membesar secara cepat, contoh adalah menyesuaikan dengan trending topics, seperti Om Telolet Om , Persib Juara dan lain lain. Sama seperi konten diatas kita evaluasi konteks yang kita tampilkan apakah sukses menjadi viral, jika tidak, langkah apa yang diperlukan supaya menjadi viral

3. Buzzer

Buzzer sebetulnya bukan suatu keharusan, akan tetapi jika kita ingin membentuk massa dengan cepat (tidak melihat kualitas) maka menyewa buzzer merupakan langkah yang praktis. Perlu diingat bahwa kehadiran buzzer perlu dievaluasi dengan ukuran berapa besar jaringan yang buzzer berhasil bentuk yang akhirnya terintegrasi dengan jaringan brand kita. Dan apakah jaringan ini bersifat permanen atau temporary. Evaluasi jaringan membantu SMO dalam melihat efektivitas seorang Buzzer

4. Threat

Identifikasi ancaman merupakan salah satu faktor yang penting agar supaya jaringan yang ktia bentuk dengan susah payah tidak menjadi bubar dan hancur. Identifikasi ancaman dilanjutkan dengan langkah meminimalisir ancaman. Kita bisa melakukan proses analisa sentimen terhadap jaringan brand kita. Jaringan yang terbentuk bisa dibagi menjadi kelompok jaringan positif dan kelompok jaringan negatif. Identifikasi tokoh pada jaringan negatif dan langkah langkah untuk meminimalisir supaya tidak viral perlu dilakukan bergantung kepada kondisi isu yang digulirkan. Identifikasi hoax juga bisa dimulai dari aktvitas pada faktor ini.

5. Interactivity

Dalam rangka pencarian informasi yang efektif dan efisien, banyak pengguna intereat beralih menggunakan media sosial sebagai jalur komunikasi utama ke perusahaan. CRM melalui media sosial sudah banyak diadopsi oleh perusahaan perusahaan besar. Akan tetapi masih banyak juga perusahaan yang belum melakukan hal ini. Dengan menyediakan jalur komunikasi antar pelanggan-perusahaan melalui media sosial, maka viralitas dan ukuran jaringan akan meningkat, apalagi aktivitas CRM biasanya bisa kita lihat juga sebagai Frequently Asked Question (FAQ), sebuah dokumentasi penting yang wajib dipunyai oleh sebuah brand. Interactivity yang tinggi sangat disukai audience dan secara positif memperbesar ukuran jaringan.

Ke lima faktor diatas adalah faktor faktor yang bisa kita rekayasa untuk meningkatkan viralitas, brand awareness, menambah jumlah user, dan meminimalisir ancaman. Saya pernah berkata bahwa di era ICT saat ini. Komunikasi bukan hanya masalah kualitas konten tapi juga pengukuran penyebarannya, makanya sebetulnya orang orang yang melakukan aktivitas rekayasa ini lebih kita sebut sebagai engineer (insinyur) daripada seorang ahli sosial. Entah yang lains etuju apa tidak … Semoga bermanfaat …

Asosiasi Ilmuwan Data Indonesia (AIDI)

Pada acara Data Science Days bulan November 2016 yang diselenggarakan oleh Fakultas Ekonomi dan Bisnis, Universitas Telkom, telah dideklarasikan terbentuknya Asosiasi Ilmuwan Data Indonesia (disingkat AIDI). Latar belakang pembentukan AIDI adalah perlunya membangun suatu ekosistem Data Science (+Big Data) yang aman, bermanfaat sejahtera, berdaya saing, berkelanjutan untuk mendukung pembangunan bangsa dan kedaulatan data Indonesia. Perlunya perkumpulan / gerakan ini, kami rasakan sejak bermunculannya layanan berbasis internet (dari luar negeri) yang mengumpulkan data data dari pengguna internet Indonesia. Kita mengenal penyedia layanan tersebut dengan sebutan Over The Top content (OTT), contohnya yah penyedia layanan jejaring sosial yang populer di Indonesia (Facebook, Twitter, Instagram, Path, dll), layanan terintegrasi seperti Google (email, maps, search engine..), layanan pengetahuan (wikipedia, imdb), layanan berita, layanan perjodohan, layanan chatting, dan lain lain

Kurang mampu bersaingnya aplikasi nasional / OTT lokal (atau mungkin kurang populernya) membuat data data yang diproduksi dari aktivitas online terkirim ke penyedia layanan di luar negeri. Walaupun saat ini sudah mulai banyak penyedia layanan seperti forum diskusi (kaskus), ecommerce (tokopedia, bukalapak, blibli, dll), akan tetapi sebagian besar pengguna internet indonesia masih menggunakan aplikasi buatan luar dalam mendukung aktivitas sehari hari. Kondisi ini mendorong pentingnya suatu asosiasi yang turut berperan aktif dalam memberikan edukasi baik dari sisi pengembang maupun pengguna sehingga data data yang dihasilkan bisa digunakan untuk mendukung perekonomian dan pembangunan bangsa.

Inisiator dari AIDI terdiri dari para akademisi, pelaku industri, pemerintahan, dan komunitas. Tercatat dari akademisi adalah wakil dari Universitas Telkom, ITB, UNPAD, UNS, UGM, STIS. Dari Industri ada beberapa perusahaan seperti Solusi 247, Mediawave, NoLimit, Bahasa Kita, Zamrud Technology, PasarLaut. Dari pemerintahan diwakili oleh Kemenkominfo dan BPPT. Dari komunitas adalah dua komunitas besar di bidang Data Science + Big Data yaitu Komunitas Data Science Indonesia dan Komunitas IdBigData.

Banyak sekali permasalahan data-related yang membutuhkan aturan dan kebijaksanaan yang terintegrasi, contohnya Open Data dan Smart City. AIDI diharapkan akan berperan aktif dalam pembuatan draft regulasi yang berkaitan dengan data sebagai komoditas strategis. Dorongan perkembangan ICT dan keilmuan Data Mining, Machine Learning, dan Keseluruhan aktivitas Data Analytics membuat data menjadi komoditas yang sangat penting. Produksi data melimpah seiring dengan masifnya pengguna internet Indonesia membuat aktivitas disekitar data harus segera diatur dan dibuatkan roadmapnya.

Saat ini AIDI sedang melakukan konsolidasi organisasi dan menyusun program kerja, diharapkan dalam waktu tidak terlalu lama AIDI akan segera aktif berkontribusi untuk perkembangan Data Science + Big Data di Indonesia. Untuk informasi lebih lanjut dan update terkini bisa akses website AIDI yaitu www.aidi.id

IMG 2017 01 12 00 20 30

Para inisiator AIDI berfoto bersama, setelah penandatanganan deklarasi