diklatkerja | [Tanya Jawab] Artificial Intelligence: Predicting the Future

1. Pertanyaan dari Bapak Khairul
1) Mohon pemahaman hal dasar serta analoginya: Beda data, Informasi, Pengetahuan dan Keputusan?
2) Beda Forecasting dan Prediction?

Jawaban:
1) Data istilahnya dari data kita bisa melakukan learning, atau mesin bisa melakukan learning berdasarkan data-data yang ada, kita bisa menarik knowledge dari data-data tersebut. Itu semua akan menghasilkan yang namanya keputusan atau Decision. Harapannya dari kebutuhan data ini kita melakukan analisis data tujuannya dari data yang ada atau knowledge yang ada kita bisa melakukan visualisasi dari data supaya menghasilkan decision atau keputusan yang akurat.

2) Secara harfiah kalau kita Translate yang namanya forecasting itu adalah ramalan, kalau prediction adalah prediksi atau ramalan juga. Kalau menurut saya hampir sama. Kalau untuk weather forecasting kita meramalkan cuaca seperti apa, kalau weather prediction kita memprediksi cuaca seperti apa.

2. Pertanyaan dari (Tanpa Nama)
Untuk sekarang bagaimana peluangnya AI menggantikan fungsi manajemen atau direksi? Kendala apa secara hardware yang tidak memungkinkan hal tersebut untuk terjadi?

Jawaban: Sebenarnya kalau fungsi direksi jangan digantikan oleh AI. AI itu akan membantu manajemen atau direksi untuk memutuskan sesuatu dengan prediksi yang didapatkan oleh dia. Demand dari AI diantaranya adalah kebutuhan untuk komputasional power, tentu saja kita membutuhkan hardware. Kalau kita bicara AI sekarang otomatis kita akan melihat datanya, semakin banyak datanya otomatis kita akan semakin banyak memerlukan performance atau computational power yang besar. Tapi kalau datanya kecil kita bisa Ukur. Jadi sebenarnya ketika kita ingin melakukan implementasi A di sebuah institusi, kita harus melakukan semacam capacity planning dahulu, datanya seperti apa, data apa saja yang mau diproses. Terkait dari mesin learning atau AI ini yang harus kita lakukan adalah kita understanding dari bisnis, lalu understanding dari datanya, dari situ kita bisa lihat dan melakukan planning data sebanyak ini kita harus membuat arsitektur seperti apa, kita ingin memproses data ini secepat apa. Kalau secepat ini berarti kita harus menyiapkan infrastruktur seperti ini. Mungkin kalau dari komputer kita harus menyiapkan beberapa server, kemudian prosesornya seperti apa, memorinya harus sebesar apa, Apakah kita memerlukan GPU juga kalau misalnya ingin learning yang lebih cepat, dll. Kita harus perhitungkan semua, Kita harus melakukan assesment dahulu pasti memiliki data yang berbeda, bisnis yang berbeda, pastikan dahulu baru kita bisa tentukan kita harus menyiapkan arsitektur seperti apa.

3. Pertanyaan dari Bapak Joel Julieser
Kalau mesin learning itu juga bisa mempelajari memprogramkan sesuatu, apakah profesi programmer akan terancam? Dan apakah machine learning itu mungkin untuk mempelajari pemrograman? Maaf kalau pertanyaan saya agak konyol.

Jawaban: Ini pertanyaan bagus bukan konyol. Betul di beberapa case machine learning itu bisa mengenerate program sendiri, itu sangat memungkinkan untuk melakukan hal itu. Otomatis yang memiliki kendali terhadap input dan outputnya atau terhadap fungsi-fungsi yang akan digunakan atau melakukan verifikasi apakah yang dibuat oleh machine learning itu sudah betul atau tidak itu adalah programmer itu sendiri. Oleh karena itu harus dikendalikan sampai pada sistem AI misalnya dia membuat bahasa sendiri yang tidak dimengerti oleh kita, dan itu sangat berbahaya. Semakin lama ini akan semakin tidak terkendali, mereka bisa tidak terkendali dan membuat program-program sendiri yang tidak bisa kita atur dan itu sangat berbahaya sekali. Oleh karena itu tugas seorang programmer atau system analyst itu adalah untuk membatasi dan memanfaatkan, jadi jangan sampai kita dimanfaatkan oleh machine learning atau AI, tapi kita memanfaatkan mereka untuk memudahkan pekerjaan kita, sebenarnya arahnya ke situ.

4. Pertanyaan dari Bapak Hayqal Hazmi Qastari
Untuk LIDAR (Light Detection and Ranging) itu termasuk di kategori apa Pak? Dan di Indonesia Apakah perkembangan teknologi tersebut sangat berkembang?

Jawaban: Saya pernah mengenal LIDAR ini untuk kebutuhan SAR, SAR ini sensornya itu adalah gelombang atau istilahnya sinyal processing. Jadi kalau LIDAR ini ada bantuan dari kamera juga untuk kebutuhannya melakukan mapping. Kalau untuk LIDAR ini saya harus mempelajarinya dahulu, saya belum terlalu banyak mempelajari tentang ini. Nomor saya lihat dari pengertiannya di Wikipedia memang Ini arahnya ke object detection.

5. Pertanyaan dari Bapak Kelik Isbiyantoro
Dalam big data apakah dapat juga menggunakan model forecasting time series? Saya lebih sering mendengarnya ML atau DL saja.

Jawaban: Big data itu sebenarnya bahan bakarnya. Kalau kita bicara AI, mesin learning, seri ini masih seri big data. Big data itu istilahnya bahan bakarnya untuk kebutuhan AI, mesin learning. Kalau bicara forecasting time series ada di data analitiknya, kita bisa melakukan ini menggunakan mesin learning.

6. Pertanyaan dari Bapak Mohammad Yasir Amri
Apa saja skill set yang dibutuhkan dan milestone untuk membangun AI atau ML atau DL?

Jawaban: Sebenarnya hampir sama dengan yang dibutuhkan oleh seorang data Scientist. Jadi untuk kita membangun sebuah plan machine learning N to N, tentu saja kita harus mulai dari area this is understanding. Jadi kita harus paham secara bisnis ini kebutuhan nya seperti apa N to N, kita memiliki data seperti apa dan menginginkan output seperti apa, kita menginginkan Inside seperti apa. Otomatis kita harus memiliki kemampuan data analysis untuk melakukan data understanding tadi. Data analisis ini kita bisa dapatkan di perkuliahan. Kita juga harus memiliki kemampuan untuk programming, karena ini tidak akan lepas dari hal programming sama sekali, meskipun kita lihat algoritma sudah mata dan sudah jadi tetapi tetap saja untuk kemampuan programing kita harus lakukan, secara logika harus bisa. Kemudian berikutnya statistikal itu wajib, karena kita akan melakukan modeling terhadap data-data ini. Yang terakhir adalah untuk data analytics kita harus punya. Kalau kita misalnya memiliki institusi dan kita ingin membangun pekerjaan untuk Project AI kita bisa membentuk tim untuk itu, jadi ada beberapa orang yang ahli di area bisnis analisis, jago programming, jago statistik, kita bisa pisahkan orang-orang itu dan mereka bisa bekerja dalam satu tim yang sama.

7. Pertanyaan dari Bapak Muhammad Rifqi
1) Tahapan-tahapan untuk mendalami AI? Kalau perlu sumber atau platform atau web yang direkomendasikan Pak Bagus.
2) Bagaimana kaitannya AI atau ML dengan IoT? Apakah IoT bagian dari AI dan sebaliknya?

Jawaban:
1) Tahapan untuk mendalami AI sudah dilakukan oleh Mas Rifqi saat ini, jadi paling tidak sudah mengikuti kursus tentang artificial Intelligence hari ini, dari sini mungkin Mas Rifqi mulai coba mengexplore terkait algoritma-algoritma yang digunakan di AI, dan bisa mungkin yang lebih umum Mas Rifqi bisa lebih mendalami lagi terkait kategori yang ada di machine learning tadi, jadi ada supervised learning, bisa mulai belajar algoritma tentang linear model, neighbourhood best method, random forest, SVM, dll. Setelah teorinya sudah punya, berikutnya adalah melakukan programmingnya, paling enak menggunakan Titan dan AR, banyak sekali tutorialnya di Youtube, edureka yang paling enak kalau kita mau belajar.

2) Kaitan AI Atau ML dengan IoT, IoT itu kita bicara devices yang menghasilkan data, IoT itu device yang terkoneksi ke internet. Dari device tersebut akan menghasilkan data. Device IoT ini yang akan mensupply bahan bakarnya tadi untuk kebutuhan AI dan ML, jadi dari data-data yang dihasilkan oleh IoT ini akan diproses dan dianalisis untuk kebutuhan algoritma algoritma yang digunakan di AI dan ML.

8. Pertanyaan dari (Tanpa Nama)
Kalau ingin riset tentang customer churn Apa yang perlu disiapkan dan dilakukan?

Jawaban: Kalau riset customer churn itu pertama melakukan profilingnya terhadap customer kita. Saya ambil contoh customer Telku, kita harus melakukan profiling terhadap kesukaan mereka, keluhan mereka. Kemudian kita juga harus mereset terkait kebiasaan-kebiasaan apa ketika customer mematikan atau berhenti berlangganan di tempat ini dan berpindah ke tempat lain. Kita harus mempelajari hal itu seperti apa. Contoh sederhananya ada customer setiap bulan mengisi pulsa Rp100.000, beberapa bulan terakhir ternyata berkurang menjadi Rp50.000, menjadi Rp25.000, menjadi Rp10.000, Sampai akhirnya dia tidak mengisi pulsa dalam 2 bulan terakhir. Bisa dideteksi bukan dari saat dia tidak mengisi pulsa, tetapi dari dia hanya mengisi pulsa Rp50.000 itu harus mulai dideteksi ada apa dengan dia. Kita bisa lihat ke belakang, ternyata dia mengisi pulsa untuk membeli paket data dan ternyata Paket datanya itu setiap bulan tersisa, dulu dia mengisi 10 GB dan tersisa 8 GB, beli 5 GB sisamya 4 GB. Ada apa dengan customer ini? Kita lihat bahwa customer ini ada di daerah mana, analisis semuanya ternyata di daerah sini sinyalnya jelek. Berarti masalahnya adalah karena sinyal jelek customer mau pindah ke operator lain, berarti kita harus melakukan treatment kepada customer tersebut mungkin berupa kita berikan diskon pulsa atau kita perbaiki infrastruktur di daerah tersebut. Banyak sekali parameter yang harus kita lakukan untuk melakukan research customer churn ini.

9. Pertanyaan dari (Tanpa Nama)
Secara garis besar, AI terbagi kedalam dua paham pemikiran yaitu AI konvensional dan kecerdasan komputasional (CI, computational intelligence). Apakah perbedaan dan kelebihan keduanya?

Jawaban: CI tanyakan ke machine learning, sebenarnya dua-duanya sama-sama di area AI, namun Ini masalah supervised dan unsupervised saja. Kalau computational intelligence Deep learning, kalau sudah ke arah sini tidak ada lagi campur tangan dari manusia.

Profil Instruktur