Narasumber Webinar Selama Pandemi (Bag. 1)

Kalo pada kondisi normal, saya biasa diundang menjadi narasumber seminar atau konferensi, tentu akan memikirkan / menjadwalkan agenda acara sedetail mungkin, sampai dengan perencanaan perjalanan, agar tidak menganggu jadwal ngantor dan juga jadwal persiapan pembuatan materi untuk disampaikan. Di era pandemi ini, saya jadi memproleh banyak sekali tawaran untuk mengisi webinar, mentang mentang gak perlu pake perjalanan jauh, maka dalam beberapa kesempatan webinar, bisa terlaksana seminggu sampai 3-4 kali. Work From Home malah tidak mengurangi aktivitas, malah semakin menjadi jadi kegiatan sharng dan webinar, tentu rekan rekan semua merasakan hal yang sama. 

Beberapa aktivitas dimana saya jadi narasumber dan kegiatan berkaitan dengan webinar adalah sebagai berikut

1. ini bicara paket lengkap fenomena dan teknologi kekinian society 5.0, big data, Ai, dan Blockchain. Kegiatan diselenggarakan oleh MM FEB UGM

2. diskusi data science / data social media untuk memprediksi kepribadian manusia, kegiatan diselenggarakan oleh Fakultas Psikologi UI

3. short online course diselenggarakan oleh FEB Telkom University, dengan materi Pengenalan Blockchain

4. bareng dengan istri menjadi narasumber mengenai state-of-the-art penelitian dan potensi aplikasi blockchain

5. narasumber webinar dan workshop data science in economics, yang diselenggarakan oleh ASCEE

6. narasumber untuk satu data indonesia (Bappenas) berdiskusi mengenai blockchain technology dan data analytics

7. narasumber big data : research methodology for social science untuk IAPA

8. ngabuburit bincang blockchain

9. narasumber talenta digital di industri 4.0

10. wawancara di IG live tentang blockchain

11. moderator webinar big data dan data analytics, diselenggarakan oleh MM FEB Telkom University

12. narasumber Big Data capacity building, Bank Indonesia

13. host dan moderator acara meetup masyarakat AI Indonesia

14. Big Data for Central Bank Policy, Bank Indonesia

Pelaksaan dan Testimoni Sertifikasi Internasional Big Data Analyst

Pada saat entry blog ini ditulis, program Sertifikasi Big Data Analyst sudah berjalan sebanyak 4 batch. Sebelumnya, saya pernah menuliskan entry blog mengenai peluncuran program sertifikasi tersebut disini , sekaligus pelaksanaan batch 1 pada tanggal 15 Juni 2019. Program ini akan berlangsung tiap bulan. Beberapa peserta sertifikasi berasal dari akademisi, industri, dan pemerintahan sudah banyak yang menjadi alumni dari program sertifikasi ini. Tercatat dari akademisi adalah dosen dan mahasiswa dari ITB, UGM, Unpad, Unair, dan TelU sendiri. Dari industri atau bisnis tercatat dari Telkom, Telkomsel, BNI, Bank Mandiri, INKA, Indonesia Power, Kalla Group, dan lain lain  Sedangkan dari pemerintahan tercatat dari Kemenkeu, Kemenperin, dan BPPT.

Berikut foto foto dari tiap batch dan testimoni dapat dilihat dibawah ini:

Batch 2

Batch 3

Batch 4

Testimoni peserta sampai Batch 2

Workshop Data Engineering untuk Auditor Kementrian Keuangan

Departemen Keuangan akhir akhir ini meningkatkan fokus dalam membekali sumber daya manusianya dengan pengetahuan mengenai Data Science. Beberapa pekerjaan harian dari kemenkeu seperti Auditor pajak bekerja dengan data dengan skala besar dan struktur data yang kompleks. Auditor dari berbagai inspektorat jendral dalam lingkungan kemenkeu, sering mengalami kesulitan dalam ekstrasi informasi dari data untuk mendukung pekerjaan mereka, dikarenakan belum mempunyai bekal pengetahuan yang cukup untuk melakukan proses analitik.  Saya dan tim RC DBE diminta untuk memberikan workshop yang terdiri dari 3 rangkaian kegiatan, yaitu data engineering (persiapan dan transformasi data), machine learning berbasis data terstruktur, dan capstone project.  Workshop ini diadakan dalam waktu 5 hari (22-26 April 2019). Dalam capstone project, para peserta diminta menyelesaikan masalah keseharian mereka menggunakan data yang ada dan berdasarkan storytelling yang sesuai dengan permintaan kemenkeu. Berikut ini adalah foto foto kegiatan tersebut

 

R Academy

Bahasa R merupakan komponen penting dalam mendukung keahlian profesi Data Scientist dalam melakukan aktivitas Data Analytics. Untuk itu kami dari Research Center Digital Business Ecosystem (RC DBE) Telkom University, merasa perlu mengadakan pelatihan R. Kebetulan bahasa R merupakan bahasa yang kami pergunakan untuk mendukung kegiatan riset kami sehari hari di lab. Maka dari itu kami rumuskan gagasan untuk menggelar event R Academy. dalam gelaran batch pertama ini, R Academy terdiri dari dua pertemuan (dua topik). Topik pertama pada tanggal 13 April membahas Pengenalan Bahasa R, dan Topik kedua pada tanggal 27 April membahas topik Visualisasi Data menggunakan R. 

Berikut foto foto dari gelaran event R Academy

Workshop Open Source Intelligence untuk Para Diplomat

Dalam mendukung fungsi menjadi wakil urusan pemerintah RI di luar negeri, Kemenlu perlu membekali para diplomatnya dengan ilmu pencarian informasi terkini. Mulai dari ekstraksi informasi, peringkasan, sampai dengan mencari hubungan antar data atau pola dari Big Data, Oleh karena itu Kemenlu mengadakan pelatihan untuk keahlian tersebut. Saya (dan tim RC DBE bekerja sama dengan TPCC) mengisi pelatihan tersebut pada tanggal 29-30 April 2019 di Pusdiklat Kemenlu di Jakarta. Materi pelatihannya adalah mengenai OSINT (Open Source Intelligence).

Definisi  OSINT menurut wikipedia

Open-source intelligence (OSINT) is data collected from publicly available sources to be used in an intelligence context. In the intelligence community, the term “open” refers to overt, publicly available sources (as opposed to covert or clandestine sources). It is not related to open-source software or collective intelligence.

OSINT under one name or another has been around for hundreds of years. With the advent of instant communications and rapid information transfer, a great deal of actionable and predictive intelligence can now be obtained from public, unclassified sources.

Melihat definisi diatas, maka materi yang kami berikan adalah pengolahan data tidak terstruktur menggunakan pendekatan analisa topologi / jaringan dan analisa konten. Untuk analisa jaringan kami gunakan metodologi SNA, sedangkan untuk analisa konten, kami gunakan metodology analisa sentimen, jaringan kata, dan pencarian topik. Materi ini disambut cukup baik oleh para peserta, walaupun bagi sebagian besar dari mereka materi ini baru pertama kali mereka dengar. Untuk itu mereka membutuhkan waktu lebih untuk berlatih sebelum terbiasa menggunakan metode metode tersebut.

Para peserta adalah para diplomat yang sedang berada di Indonesia, hasil chit chat dengan peserta saya baru tahu kalau penempatan mereka diputar tiap 3 tahun sekali. Ilustrasinya 3 tahun di negara A, kemudian 3 tahun di Indonesia, baru dilanjutkan lagi 3 tahun di negara B, dan seterusnya.
Berikut ini adalah foto foto event tersebut.

 

Workshop Claim Data Behaviour Analysis untuk Aktuaris

Tanggal 12 dan 13 Februari 2019, saya diundang oleh Persatuan Aktuaris Indonesia untuk memberikan materi dalam workshop dengan tema “Claim Data Behavior Analysis”. Materi yang saya berikan adalah seputar Data Analytics dengan menggunakan R. Informasi acaranya bisa dilihat di link ini. Acara ini sangat menarik bagi saya pribadi karena saya belum begitu paham dengan pekerjaan profesi aktuaris ini, walaupun secara garis besar saya paham bahwa pekerjaan utamanya adalah perhitungan resiko berdasarkan profile pelanggan. Dari perhitungan profile resiko tersebut baru deh ditentukan premi asuransi yang harus dibayarkan pelanggan. Baik asuransi jiwa maupun asuransi kerugian lainnya. Namun data dan model apa yang digunakan, bagaimana konstruksi model dan informasi lain lainnya masih merupakan tanda tanya besar bagi saya. 

Aktuaris mempunyai pengetahuan yang mumpuni dalam bidang matematika dan statistik, namun masih perlu belajar mengenai prinsip kerja data analytics dan machine learning. Dengan latar belakang cukup mumpuni, oleh karenanya materi yang saya berikan bisa dicerna dengan mudah oleh para peserta. 

Saya sendiri masih belajar bagaimana membuat model resiko dan rekan rekan aktuaris membutuhkan pembelajaran metode metode baru untuk melengkapi model model yang mereka punyai. Nah klop khan, semoga kolaborasi risetnya lekas terwujud, amin

berikut ini foto foto dokumentasi kegiatan tersebut. 

 

 

Math & Big Data

Suatu hari saya dikontak oleh himpunan mahasiswa matematika (Himatika) dari salah satu perguruan tinggi swasta (PTS) di Bandung Utara, yaitu Universitas Islam Bandung (Unisba). Mereka berencana mengadakan seminar yang idenya adalah bertanya belajar matematika itu untuk apa, atau dipermudah dengan bahasan peran matematika dalam dunia kerja. Karena saya lulusan matematika dan kebetulan menggeluti bidang yang lagi hype yaitu Big Data, maka saya diminta tolong untuk mengisi acara seminar tersebut.

Biasanya permintaan mengisi acara seminar tidak serta merta saya terima, tetapi kali ini karena temanya Math & Big Data maka saya tertarik untuk mengisinya dan share beberapa pengalaman saya. Bahasan materi lebih kearah menyadarkan para mahasiswa bahwa kuantifikasi fenomena, pembuatan model, machine learning, ketersediaan data dalam skala besar, ternyata membutuhkan peran ilmu matematika, baik dalam hal logika, formulasi, abstraksi, dan verifikasi. Profesi Data Scientist merupakan jembatan untuk mewujudkan hal tersebut.

Acara diadakan pada hari sabtu tanggal 16 februari 2019. Beberapa dosen Unisba juga ikut serta hadir, serta mengajukan pertanyaan, diantaranya adalah bagaimana membuat lulusan matematika ini mempunyai ketrampilan atau skill yang bisa langsung diaplikasikan ke dunia kerja. Bagaimana susunan kurikulum yang baik untuk adopsi kebutuhan tersebut. Saya menjawab sebaiknya diberikan porsi SKS yang cukup besar (sekitar 12-15 SKS) bagi mahasiswa untuk mengambil matakuliah peminatan dari jurusan luar, sehingga mahasiswa matematika mendapatkan sebagian skill dunia kerja sesuai dengan peminatan profesi yang nanti mereka inginkan. 

Karakteristik orang matermatika adalah sibuk dengan dunianya sendiri, tanpa mengetahui ilmu yang mereka miliki itu sebenarnya dibutuhkan banyak oleh masyarakat luas. Kemampuan abstraksi, menurunkan formula, berpikir logis (deduktif dan induktif), merupakan kemampuan yang sangat dibutuhkan di dunia kerja. Dunia kerja tidak hanya melulu mengenai ketrampilan atau skill tapi juga pemahaman mendalam tentang suatu domain. 

Beberapa foto dari acara tersebut

Penyimpanan Publikasi di Academia

Sudah sejak beberapa tahun yang lalu, Academia.edu merupakan pilihan saya untuk menyimpan hasil karya / publikasi ilmiah saya dan rekan rekan lab. Pemilihan Academia karena platform ini cukup sederhana dan mudah diakses oleh rekan rekan yang tidak mempunyai latar belakang akademis. Academia sendiri bukan merupakan tempat penyimpanan ideal, bahkan menurut saya tidak ada tempat penyimpanan publikasi yang benar benar sesuai dengan keinginan saya.  Beberapa tempat lainnya dimana saya ikutan daftar adalah adalah Researchgate, Arxiv.org, dan Mendeley. Menurut saya ketiganya tidak sesederhana Academia sebagai  tempat “hanya” untuk penyimpanan. Kalau ada masukan yang lain mohon dikasih tahu ya.

Sudah sejak beberapa lama juga Academia menyediakan layanan berbayar.  Saya selalu berusaha untuk tidak berbayar, karena kebutuhan saya yang sederhana untuk penyimpanan saja. Namun berhubung jumlah publikasi sudah mencapai angka 50an lebih, maka mau tidak mau saya mulai melirik layanan berbayar Academia, terutama layanan web nya. Akhirnya saya pun berlangganan, sambil melihat lihat apakah layanan ini bisa membantu atau memberikan, Nanti kita lihat selama setahun kedepan. Anyway alamat web academia saya adalah:

https://andryalamsyah.academia.edu/

Tampilannya cukup simpel tapi cukup bagus ya ..

Narasumber Big Data

Semenjak lulus sidang terbuka (ujian promosi doktor) bulan januari 2018 kemarin, saya merasa jauh lebih bebas memikirkan riset, memikirkan keilmuan, dan memikirkan hal hal lain termasuk topik Big Data. Dulu boro boro mau mikirin banyak hal, kalo urusan disertasi belum beres rasanya ga mau mikirin yang lain. Ini lebih karena takut yang dikerjakan di disertasi jadi lupa ..hehe. Karena lagi masa “tenang”, eh Ndilalah (ini basa jawa artinya tiba tiba) kok banyak datang tawaran jadi narasumber topik Big Data. Berhubung kebebasan mencari ide dan bercerita soal Big Data lagi banyak, maka saya iyain tawaran tersebut, lagian tawarannya deket, cuman di bandung dan jakarta, sebenernya ada satu tawaran lagi di jogja, terpaksa saya tolak, karena bentrok dengan acara yang di bandung. 

Narasumber pertama adalah di SBM-ITB dalam rangka pembukaan (Kick-Off) Seminar Lab. Big Data Analysis dan Social Simulation. Kebetulan nama lab nya mirip dengan lab saya (Social Computing dan Big Data). Ternyata memang ruang lingkupnya pun mirip, jadi asyiknya sekarang saya punya rujukan untuk kolaborasi riset tentang studi manusia / sosial menggunakan Big Data. Kebetulan ketua lab tersebut adalah teman waktu sama sama kuliah S1 di Matematika ITB. Jadi memang networking itu benar adanya. Saya yakin dengan kemampuan rekan saya (yang sealmamater ini) dalam membawa lab ini menjadi sukses. Sekali lagi selamat SBM ITB. 

Topik seminar SBM adalah “Big Data Development in Education and Business Practice”, dari topik besar tersebut saya jadi memikirkan kembali kenapa edukasi Big Data di Indonesia belum kedengaran gaungnya, padahal industri / bisnis lagi banyak mencari info dan talenta. Dari pemikiran tersebut maka muncul pemetaan kelimuan dan profesi Data Scientist yang saya tulis di blog ini. Dipikir pikir semakin sering jadi narasumber dan disodorin topik topik tertentu berkaitan dengan keahlian kita, maka semakin kita menguasai topik yang kita “rasa” kuasai dari berbagai sudut pandangan. 

Narasumber kedua adalah menjadi pembicara di acara BMKG (Badan Meterologi, Klimatologi, dan Geofisika). BMKG sedang menyambut hari jadi ke 68 hari meteorologi dunia. Untuk menyambut hari tersebut, mereka mengadakan seminar ilmiah dengan tema “Implementasi Big Data dan Artificial Intelligence untuk Peningkatan Layanan Kecepatan dan Akurasi Layanan Informasi BMKG”. Pembicara yang diundang adalah dari LIPI, UI, ITS, Grab, Solusi247, Telkom Indonesia, Schumberger, dan saya sendiri mewakili Telkom University. Materi yang saya bawakan berkaitan dengan peran Big Data dalam memahami perilaku manusia. Sepertinya topik saya tidak bersinggungan langsung dengan BMKG, akan tetapi ternyata misi dari BMKG sendiri adalah melihat kemajuan terkini terkait penelitian Big Data dalam segala bidang. 

Menjadi narasumber dalam suatu acara merupakan kesempatan bagus untuk menjalin jaringan dengan orang orang yang satu rumpun keilmuan dengan kita, atau bisa juga yang keilmuan tidak sama tapi mempunyai minat yang sama. Oh ya ngomong ngomong kenapa saya yang dipilih jadi narasumber di BMKG, rupanya alasannya sama dengan yang SBM, lagi lagi di BMKG ada rekan sesama almamater di S1 Matematika dulu.  ternyata oh ternyata .. eh tapi bukan hanya karena pertemanan lho saya diundang, tapi pertemanan bisa membantu menemukan siapa teman kita yang punya kemampuan seperti yang kita inginkan

Next Narasumber ? .. ada deh bulan bulan depan, nanti diupdate lagi beritanya.

Foto fotonya …

 

 

 

Pemetaan Profesi Data Scientist

Big Data

Saking seringnya ngobrol tentang Big Data dengan beberapa kalangan, lama lama saya mulai bisa memetakan kebingungan, kegalauan, dan pemahaman masyarakat mengenai topik ini. Kebanyakan masyarakat yang awam dengan Big Data, sering tidak bisa mendefinisikan dengan tepat apa itu Big Data. Mereka hanya tahu bagian input dan output saja ..  proses di tengahnya gelap seperti blackbox. Bahkan beberapa rekan dosen yang masih awam bilang, coba selesaikan masalah penelitian dengan Big Data (maksudnya sih mengambil data dari media sosial), sementara yang lain menggangap bahwa Big Data itu metode pengganti statistik yang lebih canggih. Tentu saja anggapan anggapan tersebut tidak benar, kita semua mengenal istilah Big Data ini, karena ada peluang tersedianya data dalam jumlah besar, sehingga muncul peluang untuk memanfaatkannya. Perkara apakah hasil riset menggunakan Big Data akan lebih baik dari hasil metode konvensional (statistik), yah belum tentu juga.

Jadi Big Data itu apa ?, metode, alat, media atau yang hal lainnya yang kompleks,  tidak masuk dalam kategori yang bisa dipahami (rumit), maka dimasukkan ke dalam Big Data. Lucunya ini kenyataan lho, bahkan misalkan proses optimasi, simulasi, dan model matematika yang sudah ada sejak dulu, sering dianggap sebagai bagian Big Data juga, hanya karena metode itu saat ini sering digunakan (untuk menyelesaikan masalah kompleks) karena ketersediaan data yang semakin mudah. Sisi bagusnya adalah metode metode seperti artificial neural network, simulasi monte carlo, simulated annealing, dan lain lainnya semakin sering dipergunakan dan semakin dikenal.

Data Science

Supaya tidak terjebak istilah Big Data yang ambigu, maka saya sarankan kita bicaranya dari sisi Data Science saja. Data Science adalah suatu ilmu yang berpusat pada data sebagai komoditi utamanya. Beberapa metode dan kepentingan dari latar belakang kelimuan yang berbeda digunakan. Ilmu ilmu tersebut antara lain adalah ilmu komputer, matematika / statistika, bisnis, dan domain / konteks permasalahan.  Orang / talentanya disebut sebagai Data Scientist, dalam bahasa Indonesia adalah Ilmuwan Data. Kebetulan saya dan beberapa rekan ilmuwan serta praktisi membuat wadah Asosiasi Ilmuwan Data Indonesia (AIDI) (silahkan dicek,  boleh kok bergabung). Masih ingat postingan saya beberapa tahun yang lalu tentang tulisan Davenport dan DJ Patil di HBR bahwa “Data Scientist is the most sexiest job in 21th century” pada tahun 2012. Ternyata 5 – 6  tahun kemudian tetap sexy lho, cek disini dan disini.

Karena begitu sexy nya profesi ini, maka saya mulai melakukan riset kecil kecilan, kenapa profesi ini begitu dicari. Industri begitu kesulitan, dan bahkan putus asa mencari talenta yang bisa melakukan analisa, menceritakan pola dari data, dan membuat prediksi. Karena latar belakang pendidikan lulusan universitas pada umumnya sering terkotak kotak pada kelompok keilmuan tertentu, dan belum bisa berkomunikasi dengan bidang lain. Sebagai gambaran, daripada memberi gaji 1x ke programmer, 1x ke modeler, dan 1x ke orang bisnis (total 3x gaji), lebih baik perusahaan memberikan gaji 5x ke 1 orang yang menguasai ketiga domain tersebut. Nah talenta / orang ini yang disebut sebagai Data Scientist.

Pemetaan Data Scientist

Data Analytics Body of Knowledge

Data Science Knowledge Area

 

Data Engineering Body of Knowledge

 

Hasil baca sana sini, diperolah bahwa seorang Data Scientist itu harus mempunyai Knowledge Area (area pengetahuan) di bidang Data Analytics, Data Engineering, Data Management, Research Methodology, Project Management, Business Analytics, dan Domain Knowledge. Masing masing dari area pengetahuan diatas dibagi lagi menjadi keilmuan keilmuan kecil yang disebut sebagai Body of Knowledge (BoK) yang diselaraskan dengan cabang keilmuan, sehingga kita bisa identifikasi keilmuan besarnya masuk ke dalam ilmu apa. Peta sementara dari 3 gambar diatas, menunjukkan betapa kompleksnya keilmuan data tersebut, tidak salah kalo memang pekerjaan ini disebut pekerjaan sexy.

Oh ya sebagai penutup blog singkat ini.  Dari segitu banyak “maunya” industri mencari talenta Data Scientist yang canggih, sampai saat ini belum terlihat adanya daftar / framework kompetensi dari seorang Data Scientist yang diinginkan oleh industri, atau bahkan kompetensi secara global. Ini menjadi PR penting dalam rangka mengurangi gap antara lulusan universitas dan industri.