Teknik Belajar Data Science Ala MasterChef Indonesia
Belajar data science ibarat seperti menjadi seorang chef. Kedengarannya terasa menarik, apakah benar demikian? Sebagai ilmu baru dan sedang bergengsi di era industri 4.0 ini, data menjadi salah satu elemen terpenting karena setiap hari dan setiap waktu selalu update dan terus berlangsung. Jika kita bayangkan, saat di sebuah dapur, data dapat diilustrasikan seperti bahan-bahan yang akan kita olah untuk memasak. Sama halnya dengan kursus data science, bahan utama dalam sebuah masakan juga diibaratkan seperti dataset yang sudah disediakan. Tentunya, kita bisa mengerjakannya dengan mudah. Biasanya juga dalam memasak itu pastinya butuh peralatan atau utensil dong. Dalam kursus data science tentunya lembaga kursus menyediakan pembelajaran tools data science seperti R, Python dan SQL. Melihat ilustrasi sebagai seorang chef tersebut, sangat sesuai rasanya apabila dalam belajar di kursus data science akan memberikan pengalaman belajar yang seru dan menantang.
Apakah kalian pernah menonton acara MasterChef Indonesia? Kalau belum coba deh kalian bayangkan. Jika diibaratkan ketika kita menonton MasterChef Indonesia, sebuah data diilustrasikan seperti kita melihat peserta membuka mystery box yang berisi ingredients atau bahan-bahan yang akan kita olah untuk menjadi sebuah makanan. Bahan tersebut bisa jadi dalam bentuk mentah atau sudah diolah. Sama halnya, ketika kita mendapatkan dataset dari kursus data science. Sebagai peserta kursus, tugas kita adalah mengolah dataset tersebut dan menghasilkan insight dari hasil analisis kita. Selain itu, dalam acara tersebut pastinya ada episode mengenai tantangan dan teknik pengolahan dalam memasak. Sebuah data juga bisa diperlakukan dengan berbagai teknik seperti data manipulation, data cleansing dan seterusnya. Biasanya dalam acara MasterChef Indonesia, ada ketiga juri yang menilai yaitu Chef Juna, Chef Renatta dan Chef Arnold. Pastinya tidak asing bagi kalian dan tentunya sudah familiar dengan mereka. Jika diibaratkan di ranah data, mereka adalah pengguna dari hasil analisis data kalian. Pada artikel DQLab kali ini, kita akan membahas kaitan kursus teknik belajar data science dengan sebuah acara kompetisi memasak yaitu MasterChef Indonesia. Seperti apa keseruannya, pastikan disimak artikelnya sampai selesai ya.
1. Siapkan Ingredients atau Bahan Layaknya Menyiapkan Sebuah Data
Pada kompetisi MasterChef Indonesia, kontestan pada setiap episode selalu dihadapkan dengan berbagai tantangan. Salah satunya adalah Mystery Box berupa one core ingredients (satu set bahan). Bahan tersebut bermacam-macam bisa protein, bahan mentah (raw material), jenis-jenis ikan, sayuran dan buah-buahan. Selain bahan makanan, tidak pula ketinggalan juga ada bumbu masakan yang akan membuat makanan menjadi lebih enak. Tentunya, jika berhasil mengolah bahan dengan baik maka kontestan tersebut akan berpeluang untuk memenangkan tantangan tersebut. Sama juga seperti dengan menyiapkan sebuah data. Pada kursus data science, saat kita mengerjakan sebuah task atau assignment tentunya disiapkan juga dataset untuk bahan analisis data. Sebagai calon praktisi data, persiapan bahan mengenai data juga penting. Data yang kita kumpulkan harus valid, akurat dan terpercaya. Selain itu, perlu diketahui juga dataset tersebut menggunakan ekstensi file jenis apa.
Bagi kalian yang sering menggunakan dataset statistik dalam pengumpulan data, tentunya sudah tidak asing lagi dengan data yang berbentuk tabel. Pada umumnya dirancang dengan struktur data frame yang terdiri dari banyak kolom dengan masing-masing kolomnya berisi list atau vector dengan jumlah data yang sama. Umumnya, tabel ini disajikan dalam format csv, tsv, maupun file Excel. Perbedaan antara format csv dan tsv ini terletak pada separator atau parameter pemisah yang digunakan di antara kolom data. Jika format csv menggunakan parameter pemisah berupa tanda koma, maka format tsv menggunakan separator berupa tab pada antar kolom datanya.
2. Amati dan Cicipi Setiap Prosesnya
Dalam kompetisi MasterChef Indonesia, ketiga juri yaitu Chef Juna, Chef Renata dan Chef Arnold selalu mengamati dan mengingatkan masalah seasoning atau cicip masakannya. Kontestan dalam memasak tentunya diberikan tantangan berupa waktu yang diberikan untuk mengolah sebuah masakan. Kemudian, setelah kontestan membuat hidangan akan dicicipi oleh juri. Jika tidak berhasil dan mendapat komentar jelek dari juri, maka kontestan berpeluang untuk masuk kedalam pressure test. Biasanya mereka juga diingatkan untuk selalu mengerjakan step by step secara terstruktur dan alur kerja yang terorganisir alias tidak berantakan. Sama halnya dengan belajar data science, pastikan kita perlu mengetahui tahapan-tahapan dalam data science. Seperti data collection, data preparation, data wrangling, data cleansing, data exploration, data manipulation dan data visualization. Semua tahapan secara runtut dilakukan oleh praktisi data guna menghasilkan hasil analisis dan visualisasi yang tepat sehingga dapat dipahami oleh pengguna.
3. Jangan Lupa Plating dan Garnish dengan Visualisasi yang Menarik
Dalam sebuah hidangan, plating maupun garnish sangat penting. Selain karena estetika yang cantik dipandang mata juga tentunya menarik dilihat bagi pengguna. Kebanyakan orang tidak hanya memandang dari segi rasa hidangan saja. Melainkan, bagaimana hidangan tersebut disajikan di atas piring. Maka itu, cara menyajikan hidangan turut menjadi faktor kepuasan dan kenyamanan dalam menikmati makanan. Inilah yang dikenal dengan istilah food plating. Food plating yaitu cara menata dan menyajikan hidangan di atas piring. Tak hanya sekadar ditaruh, food plating untuk penataan makanan yang cantik dan artistik agar memiliki tampilan menarik. Hal ini juga selalu ada dalam setiap episode MasterChef Indonesia, dimana setiap peserta menyajikan dish dari bahan-bahan yang telah diolah.
Sama halnya dengan penyajian data secara visual. Bentuk pemaparan secara visual ini umumnya banyak kita jumpai dalam teknik dataset statistik, misalnya dalam bentuk bar chart, scatter plot, waffle chart, pie chart, dan lain-lain. Umumnya, bentuk ini dibuat dengan menggunakan library ggplot2 di bahasa pemrograman R. Salah satu kelebihan dari package ini adalah memiliki definisi yang jelas terhadap komponen-komponen visualnya sehingga dapat digunakan untuk membangun visualisasi secara lengkap. Adapun komponen-komponen visual ini adalah plot, data, aesthetic mapping, dan layer. Masing-masing komponen tersebut memiliki perannya sendiri-sendiri dalam proses penyusunan grafik.
Selain ggplot2, di R juga terdapat library atau packages yang ikut berperan penting dalam pembuatan visualisasi ini, yaitu hrbrthemes, treemapify, directlabels, scales, dan waffle. Berbeda dengan ggplot2, hrbrthemes ini lebih berfungsi dalam mempercantik tampilan grafik yang dibuat dengan memodifikasi tampilan grafik tersebut, baik dalam hal pewarnaan variabelnya, penambahan subtitlenya, maupun caption yang digunakan untuk menampilkan sumber data tersebut. Sedangkan, treemapify digunakan untuk membuat grafik treemap yang umumnya biasa untuk menampilkan komparasi terhadap data-data dalam suatu variabel dalam bentuk treemap.
4.Yuk Mulai Belajar Data Science Sekarang!
Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industri data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
1.Buat Akun Gratis dengan Signup di DQLab.id/signup
2.Akses module Introduction to Data Science
3.Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
4.Subscribe DQLab.id untuk Akses Semua Module Premium!
Penulis: Reyvan Maulid Pradistya
Editor : Annissa Widya Davita
Mulai Karier
sebagai Praktisi
Data Bersama
DQLab
Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.
Sign-Up dengan Google
Sign-Up dengan Facebook