Belajar Keputusan Berbasis Data untuk Manajer di Perusahaan Gaya Baru bersama Profesor Dutta dari Amerika Serikat Part 6.4

Perkembangan teknologi informasi saat ini sangat membantu dalam bisnis perusahaan. Namun demikian kalau kita tidak paham tipe teknologi yang dibutuhkan bisa saja kita akan salah memilih teknologi. Khususnya dalam bidang pengambilan keputusan untuk perusahaan terdapat salah satu produk teknologi informasi yang sangat membantu, yaitu sistem pendukung keputusan.


Usaha universitas STEKOM untuk memiliki jangkauan global diantarnya dengan mengadakan webinar dalam skala internasional. Pada kesempatan kali ini kita akan membahas sebuah webinar internasional yang diadakan oleh Universitas STEKOM yang salah satu narasumbernya adalah seorang profesor dari Amerika Serikat. Narasumber tersebut adalah Kaushik Dutta yang merupakan seorang Professor dan School Director di Universitas Florida Selatan. Profesor Dutta dalam presentasinya menyampaikan materi tentang sistem pendukung keputusan yang merupakan produk IT yang sangat berguna dalam bisnis perusahaan.


Materi yang disampaikan oleh profesor Dutta meliputi Framework, Applications for Business, Techniques, dan Infrastructure. Karena materi yang disampaikan cukup panjang, artikel berita yang membahas tentang presentasi Profesor Dutta kita bagi menjadi beberapa bagian. Saat ini kita memasuki part ke 6.4. Jika pembaca ingin tahu presentasi sebelumnya, silahkan lihat beberapa part sebelumnya pada judul artikel yang sama.


Bersambung dari part sebelum, selanjutnya Profesor Dutta menjelaskan tentang macam-macam machine learning tool. Diantaranya ada Weka, Rapidminer, R, dan Python. Kali ini kita akan membahas tentang Python. Tool ini merupakan yang paling fleksibel dan skalabel dibandinkan yang lainnya. Alasannya karena python merupakan bahasa pemrograman yang multi fungsi. Selain dikenal untuk machine learning, python juga banyak dikenal untuk pembuatan aplikasi web dan desktop.


Python adalah salah satu bahasa pemrograman yang dianggap sebagai opsi paling tepat untuk seluruh proyek Artificial Intelligence (AI), termasuk machine learning. Lalu, mengapa python pada machine learning bisa menjadi pilihan yang paling tepat di antara jenis bahasa pemrograman lainnya? Kita akan membahasnya.


Machine learning telah diterapkan di berbagai sektor industri yang mengedepankan proyek Artificial Intelligence atau AI sebagai pondasinya. Dari beberapa bahasa pemrograman yang ada, banyak pelaku industri yang memilih menggunakan python untuk penerapan machine learning mereka.










Pilihan perusahaan menggunakan Python bukan tanpa alasan, beberapa penelitian telah menunjukkan hasil yang positif tentang sisi kuat python sebagai bahasa pemrograman, sehingga lebih meyakinkan persahaan memilihnya untuk menghidupkan proyek machine learning.


Ekosistem perpustakaan yang bagus adalah keunggulan utama python machine learning untuk AI. Kumpulan pustaka pada sistem ini menyediakan base level items atau item tingkat dasar, sehingga data scientist tidak perlu mengodekannya mulai dari awal setiap saat. Hal ini tentu sangat efisien, bahkan pustaka atau modul yang diterbitkan oleh sumber berbeda seperti Pypi, telah mencakup kode yang ditulis sebelumnya sehingga memungkinkan pengguna menjalankan beberapa fungsi berbeda.


Pustaka python memungkinkan pengembang untuk melakukan continuous data processing yang diperlukan oleh machine learning, karena sangat memungkinkan untuk bisa mengakses, menangani, dan mengubah data dengan leluasa. Banyak sekali pilihan pustaka atau library yang dapat gunakan pengembang untuk ML misalnya seperti, Scikit-learn, Panda, TensorFlow, Keras, Matplotlib, NLTK, PyBrain, Caffe, StatsModel, dan Scikit-image. Selain itu, di repository Pypi, pengembang dapat menemukan sekaligus membandingkan lebih banyak pustaka python.


Bagi para pemula di bidang data science, bahasa pemrograman bisa begitu sulit dipelajari. Namun, tidak begitu halnya dengan python yang memiliki low entry barrier. Bahasa pemrograman yang digunakan python cenderung serupa dengan bahasa Inggris. Jadi, selama orang yang belajar Python memiliki kemampuan bahasa Inggris yang baik, maka kemungkinan besar mereka akan bisa mempelajari bahasa pemrograman python dengan mudah.


Sintaksnya pun tergolong sederhana, sehingga hubungan antar elemen sistem menjadi jelas dan kompleks, jadi pemgembang dapat bekerja dengan lebih nyaman. Apalagi dengan adanya alat seperti iPython yang merupakan shell interaktif penyedia fitur tambahan seperti pengujian, debugging, penyelesaian tab, dan lain-lain, yang mampu memfasilitasi proses kerja pengembang.


Bahasa python sangat fleksibel karena menyediakan opsi pemilihan penggunaan OOPs atau scripting, tidak perlu re-compile kode sumber, dan dapat digabungkan dengan bahasa lain untuk mengoptimalkan tujuan. Pemgembang juga dapat memilih gaya pemrogramannya sendiri sesuai yang mereka inginkan atau sesuai dengan kebutuhan. Kemungkinan untuk penggabungan gaya seperti gaya imperatif, fungsional, dan prosedural juga dapat menyelesaikan masalah secara efisien.


Python pada machine learning mampu dijalankan di semua platform, termasuk Windows, MacOS, Linux, Unix, dan lainnya. Pengembang hanya perlu memodifikasi beberapa garis kode dan mengubah pengaturan skala kecil agar dapat dieksekusi di platform yang dipilih. Supaya lebih praktis, penggunaan paket PyInstaller dapat lebih memudahkan karena mampu menyiapkan kode secara otomatis agar dapat dijalankan di berbagai platform.


Banyaknya fitur yang ditawarkan oleh python membuatnya populer sebagai bahasa pemrograman terbaik sehingga berbagai industri memilih bahasa ini untuk keperluan mereka.


Pada sektor travelling, misalnya, industri perjalanan Skyscanner menggunakan program ini untuk memprediksi rute pesawat baru. Ia mampu membandingkan ribuan asal dan tujuan, kemudian mengevaluasinya dengan 30 kriteria berbeda untuk menentukan permintaan dari penumpang. Implementasi dalam industri travelling seperti ini sangat membantu untuk menyarankan tujuan kepada pengguna, membantu pembuatan anggaran pemasaran, serta menetapkan harga awal untuk rute baru.


Dalam sektor layanan keuangan, python membantu memecahkan masalah yang terkait manajemen risiko, pencegahan penipuan, perbankan yang dipersonalisasi, otomatisasi, dan menyediakan layanan keuangan kualitas tinggi pada pengguna. Berkat bantuan program ini, diperkirakan industri keuangan dapat mengurangi biaya operasi sebesar 22% pada 2030 sekaligus menghasilkan $1 triliun dolar pendapatan.


Selain itu, sektor transportasi dan kesehatan juga menggunakan python untuk mengembangkan industri mereka. Misalnya seperti pengembangan platform Michelangelo PyML yang dilakukan Uber di bidang transportasi dan Fathom serta AiCure di bidang kesehatan.


Berdasarkan ulasan di atas, jelas bahwa memilih python pada machine learning adalah salah satu opsi terbaik AI untuk bahasa pemrograman karena sederhana, mudah dimengerti, serbaguna, fleksibel, efisien waktu, dan multi-implementasi. Banyak sektor industri sudah menggunakannya sebagai pengembangan dan bermanfaat untuk memudahkan pekerjaan, menganalisis data dengan cepat akurat, dan bahkan mendatangkan keuntungan.


Bersambung...