Scribd
Unggah
11 tayangan3 halaman

Data Collecting

Diunggah oleh

Akaruku Media
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
11 tayangan3 halaman

Data Collecting

Diunggah oleh

Akaruku Media
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 3

Data Collecting

Pada materi sebelumnya Anda telah belajar tentang pengenalan machine learning
(ML) dan jenis-jenis library machine learning. Apakah Anda bingung harus
melangkah dari manakah untuk memulai proyek ML?

OK Jangan khawatir. Kita akan belajar sedikit demi sedikit ya. Tahap pertama dari
proses pengerjaan proyek ML adalah data collecting, yaitu proses pengumpulan
data.

“Data is the new oil. It’s valuable, but if unrefined it cannot really be used. It has to
be changed into gas, plastic, chemicals, etc to create a valuable entity that drives
profitable activity; so must data be broken down, analyzed for it to have value.”

-Clive Humby, 2006-

Kutipan di atas adalah kalimat terkenal tentang data yang pertama kali disampaikan
oleh Clive Humby, seorang matematikawan asal Inggris pada tahun 2006. Kutipan
tersebut menjadi sangat populer setelah The Economist mempublikasikan laporan
tahun 2017 yang berjudul The World’s most valuable resource is no longer oil, but
data.

Perangkat cerdas dan internet telah membuat data menjadi berlimpah. Banjir arus
data yang terjadi di era digital mengubah sifat persaingan. Perusahaan teknologi
raksasa berlomba-lomba mengumpulkan banyak data untuk meningkatkan
produknya, menarik lebih banyak pengguna, menghasilkan lebih banyak data, dan
seterusnya. Mereka menjangkau seluruh sektor ekonomi: Google bisa melihat apa
yang ditelusuri dan dicari oleh orang-orang, Facebook bisa melihat apa yang mereka
bagikan, dan Amazon mengetahui apa yang mereka beli. Mereka seolah
memiliki “God’s eyes view” tentang aktivitas di pasar mereka sendiri dan sekitarnya.
Luar biasa ya? Sekarang hampir semua perusahaan mengumpulkan data untuk
sumber daya mereka.

Lantas, bagaimana cara mengumpulkan data? Ada tiga cara yang bisa kita lakukan
untuk mengumpulkan data, yaitu.

 Mengekstrasi data (misal dari internet, riset, survei, dll).


 Mengumpulkan dan membuat dataset Anda sendiri dari nol.
 Menggunakan dataset yang telah ada.
Untuk saat ini, kita akan menggunakan dataset yang sudah ada dari platform
penyedia data. Di masa mendatang tentu Anda dapat mencoba mengekstrak atau
mengumpulkan dataset Anda sendiri ya.

Menemukan dataset yang tepat adalah salah satu langkah penting dalam proyek
machine learning. Saat ini, tersedia banyak sumber data di internet yang dapat kita
manfaatkan. Beberapa di antaranya yang perlu Anda ketahui adalah sebagai berikut.

 UC Irvine Machine Learning Repository


UCI ML Repository adalah kumpulan database, teori, dan generator data
yang digunakan oleh komunitas ML untuk analisis algoritma machine
learning. Arsip tersebut awalnya dibuat sebagai arsip ftp pada tahun 1987
oleh David Aha, seorang mahasiswa pascasarjana UC Irvine. Sejak saat itu
database UCI ML Repository ini digunakan secara luas oleh mahasiswa, staf
pengajar, dan peneliti di seluruh dunia sebagai salah satu sumber utama
dataset machine learning.

 Kaggle Dataset
Kaggle adalah komunitas belajar ilmu data paling populer di dunia. Kaggle
memiliki peralatan dan sumber daya yang kuat untuk membantu kita belajar
data science dan machine learning. Saat ini Kaggle memiliki 50.000 lebih
publik dataset, baik dataset bersifat dummy ataupun riil yang dapat Anda
unduh secara bebas.

 Google Dataset Search Engine


Pada akhir tahun 2018 Google meluncurkan Dataset Search, sebuah mesin
pencari dataset. Tools ini bertujuan untuk menyatukan ribuan repositori
dataset yang berbeda agar dataset tersebut lebih mudah ditemukan oleh
pengguna.

 Tensorflow Dataset
Seperti yang telah dijelaskan pada sub-modul
sebelumnya, TensorFlow adalah framework open source untuk machine
learning yang dikembangkan dan digunakan oleh Google. Selain
menyediakan learning resources, tensorflow juga menyediakan data
resources yang cukup lengkap di library-nya mulai dari audio data, images,
text, video, dan lainnya.

 US Government Data
Bagi Anda yang tertarik untuk mempelajari fenomena yang terjadi di Amerika
Serikat, pemerintah Amerika meluncurkan data online resources yang mudah
diakses oleh publik. Isinya antara lain data badai, data angka kelulusan dan
dropout, data hewan-hewan yang terancam punah, statistik kriminal, dan
berbagai data menarik lainnya.

 Satu Data Indonesia


Pemerintah Indonesia, melalui portal resmi Satu Data Indonesia menjalankan
kebijakan tata kelola data pemerintah yang bertujuan untuk menciptakan data
berkualitas, mudah diakses, dapat dibagi, dan digunakan oleh Instansi Pusat
serta Daerah. Data dalam portal ini dapat diakses secara terbuka dan
dikategorikan sebagai data publik, sehingga tidak memuat rahasia negara,
rahasia pribadi, atau hal lain sejenisnya sebagaimana diatur dalam Undang-
undang nomor 14 Tahun 2008 tentang Keterbukaan Informasi Publik.

 Open Data Pemerintah Jawa Barat


Open data Jawa Barat adalah portal resmi data terbuka milik Pemerintah
Provinsi Jawa Barat yang berisikan data-data dari Perangkat Daerah di
lingkungan Pemerintah Provinsi Jawa Barat. Open Data Jawa Barat ada
untuk dapat memenuhi kebutuhan data publik bagi masyarakat. Data
disajikan dengan akurat, akuntabel, valid, mudah diakses dan berkelanjutan.

Anda mungkin juga menyukai