Penggunaan Algoritma Data Science dalam Konsep Smart City
Semakin berkembangnya teknologi informasi, banyak kota-kota didunia yang mulai mencanangkan konsep tata kota yang serba modern. Smart City menjadi indikator baru untuk menentukan sebuah kota layak atau tidak untuk dihuni. Saat ini, kebutuhan dasar manusia (kebutuhan fisiologis, keamanan, cinta, harga diri, dan aktualisasi diri telah dipengaruhi oleh faktor-faktor seperti globalisasi, teknologi, dan pertumbuhan penduduk perkotaan. Hak untuk hidup di lingkungan yang bersih dan hijau, untuk menerima perawatan kesehatan dan sosial secara efisien dan tepat waktu, dan dapat dengan mudah dihubungi, terhubung, dan berkomunikasi adalah beberapa contoh dari kehidupan modern, Hal ini menjadi sebuah tantangan yang harus dipecahkan oleh pemerintah, terutama di lingkungan perkotaan. Untuk itulah maka diterapkan konsep Smart City. Dalam mengembangkan Smart City, segala sesuatu dalam kota termasuk orang, bisnis, teknologi, proses, data, infrastruktur, konsumsi, ruang, energi, strategi, manajemen, dan sebagainya harus menjadi pintar. Mengingat semuanya pintar berarti komponen ini harus terhubung dan saling mendukung, Oleh karena itu, tidak hanya teknologi cerdas dan inovatif yang dibutuhkan, namun juga teknologi yang terintegrasi dengan baik dalam sebuah sistem. Sebuah lembaga konsultan global, Price Waterhouse Cooper (PWC) memaparkan ada lima kriteria keterwujudan predikat Smart City pada sebuah kota, antara lain: memiliki sistem transportasi terintegrasi, memanfaatkan teknologi untuk meningkatkan rasa keamanan warganya, melakukan manajemen lingkungan yang efektif, memiliki sentra inovasi, serta mampu memberikan layanan e-government.
Konsep terkait dengan smart city ini ternyata dapat didekatkan dengan algoritma data science yaitu data mining. Konsep ini biasa disebut dengan Data Mining. Data mining merupakan proses pencarian pola-pola yang menarik dan tersembunyi (hidden pattern) dari suatu kumpulan data yang berukuran besar yang tersimpan dalam suatu basis data, data warehouse, atau tempat penyimpanan data lainnya. Data-data tersebut sangat besar jumlahnya (volume), sangat beragam jenisnya (variety) dan sangat cepat pertumbuhannya (velocity). Lautan data ini mengarah pada satu terminologi big data. Ini juga dapat merujuk pada proses menggunakan analisis prediktif, analisis perilaku pengguna atau teknologi analisis data lanjutan lainnya untuk mengekstrak nilai dari kumpulan data. Penggunaan algoritma data science ini diaplikasikan dalam berbagai bidang khususnya terkait dengan penerapan konsep smart city. Mulai dari penggunaan teknologi oleh masyarakat perkotaan dan pedesaan, penggunaan fasilitas perkotaan untuk mendukung program smart city dan lain sebagainya. Kira-kira apa saja ya algoritma data science untuk mendukung penerapan program smart city dalam perkotaan di Indonesia. Mari kita cari tahu lebih dalam. Pada artikel DQLab kali ini, kita akan membahas mengenai jenis algoritma data science untuk mendukung penerapan program smart city. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!
1. Pengukuran Tingkat Kematangan Keamanan Kota
Pengukuran tingkat kematangan keamanan kota dalam penerapan smart city menggunakan Garuda Smart City Model (GSCM). Dalam GSCM tingkat kematangan keamanan kota terdapat 5 level kematangan, yaitu:
- Level Adhoc (score <= 20), di mana pemerintah kota memiliki keinginan membuat kotanya menjadi aman, tetapi belum merencanakan dan mengupayakan.
- Level Initiative (score 21-39), di mana pemerintah kota memiliki keinginan dan mulai melakukan perencanaan untuk konsep kota aman.
- Level Scatterred (score 40-59), yaitu konsep pembangunan kota aman mulai berjalan, tetapi belum terintegrasi.
- Level Integrative (score 60-79), yaitu ketika pelaksanaan konsep kota aman telah terintegrasi.
- Level Smart (score >= 80), yaitu saat perencanaan dan pembangunan kota aman berlangsung secara terintegrasi dan berkelanjutan.
Baca juga : Belajar Data Science Secara Otodidak? Berikut langkah-langkahnya!
2. K-Means Clustering Pada Penggunaan Komputer
Algoritma K-Means melakukan clustering dengan meletakkan titik data ke dalam cluster yang titik pusatnya berjarak terdekat. Karenanya, kualitas algoritma K-Means sangat bergantung pada pemilihan k titik pusat awal cluster. Algoritma kemudian melakukan klasterisasi berbasis K-Means pada titik-titik representasi untuk menentukan titik pusat awal cluster. Karena titik representasi mewakili titik inti dan berada di tengah-tengah titik inti, maka besar kemungkinan titik pusat awal cluster yang dihasilkan telah berada di tengah cluster. Hasil K-Means Clustering dalam sebuah penelitian menunjukkan bahwa dari 34 provinsi di indonesia dengan 3 cluster yakni: cluster tinggi (C1), cluster normal (C2) dan cluster rendah (C3) diperoleh 5 provinsi pada cluster tinggi (C1), 12 provinsi pada cluster normal (C2) dan 17 provinsi pada cluster rendah (C3). Hampir 50% provinsi di indonesia minim dalam persentase jumlah rumah tangga yang memiliki/menguasai komputer yakni: Aceh, Sumatera Utara, Jambi, Sumatera Selatan, Lampung, Jawa Barat, Jawa Tengah, Jawa Timur, NTB, NTT, Kalimantan Barat, Kalimantan Utara, Sulawesi Tengah, Gorontalo, Sulawesi Barat, Maluku Utara dan Papua.
3. Decision Tree Pada Penggunaan CCTV di Sudut Kota
Penggunaan algoritma data science dalam penerapan konsep smart city juga dapat menggunakan algoritma decision tree. Dalam sebuah penelitian algoritma ini diterapkan pada penggunaan CCTV di sudut kota. Tujuannya agar pemerintah dapat memantau kondisi lingkungan. Perempatan, Pertigaan, bundaran merupakan daerah rawan kemacetan yang biasa dipantau oleh CCTV. Begitu juga dengan jalan sepi dan gelap berpotensi rawan tindak kejahatan. Pemilihan jenis CCTV akan berbeda untuk masing-masing daerah. misalnya daerah gelap akan diberikan dengan CCTV Infrared. Klasifikasi dataset kamera CCTV dengan algoritma decision tree C4.5 didapatkan nilai akurasi sebesar 89,81%. Dengan pemilihan kamera CCTV yang tepat sesuai kondisi maka monitoring jalan raya dapat dilakukan secara optimal sehingga tindak kecelakaan, kriminalitas dan kecelakaan dapat dihindari.
4. Analisis Sentimen dalam Indikator Keamanan Kota
Analisis sentimen juga menjadi sebuah algoritma data science pilihan dalam penggunaan konsep smart city. Analisis sentimen diaplikasikan pada tweet pengguna twitter. Tweet yang diambil adalah tweet yang mengandung kata kunci (keyword) yang relevan dengan keamanan kota dan sesuai dengan indikator keamanan pada Garuda Smart City Model (GSCM) serta ISO 37120 (Sustainable development of communities: Indicators for city services and quality of life). Keyword tersebut yaitu œ(nama kota) aman, œ(nama kota) kondusif, œ(nama kota) terorisme, œ(nama kota) banjir, œ(nama kota) bencana, œ(nama kota) gempa, œ(nama kota) pengemis, œ(nama kota) gelandangan, œ(nama kota) kebakaran, œ(nama kota) pencurian, œ(nama kota) kerusuhan, œ(nama kota) siskamling. Struktur data tweet yang diambil adalah sebagai berikut username, tweet text, mentions, retweets, favorites, geo, hashtags dan permalink.
Baca juga : Mulai Belajar Data Science GRATIS bersama DQLab selama 1 Bulan Sekarang!
5. Belajar Data Science, Persiapkan Dirimu Menjadi Talenta Data Muda Kebanggaan Bangsa
Data science merupakan bidang ilmu yang sedang dicari-cari dan digandrungi oleh perusahaan terkemuka. Lulusan dari bidang ilmu ini banyak dicari dan diincar oleh banyak perusahaan dalam negeri maupun luar negeri. Pemanfaatan data science kini banyak diimplementasikan dalam berbagai bidang seperti finansial, bisnis, ekonomi, kesehatan, sosial, manajemen, pemasaran dan lain-lain. Seakan ilmu ini banyak sekali cakupannya sehingga data science mampu menjadi ilmu yang sedang banyak diterapkan. Dengan mempelajari Data Science, kamu akan terlatih dan terbiasa untuk menghasilkan informasi dari olahan data mentah dan insight yang valuable. Jika kamu penasaran dengan data science dan ingin belajar data science lebih jauh, caranya gampang banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id atau bisa klik button di bawah ini yap.
Kamu juga bisa loh cobain Modul lain untuk mengasah kemampuan data science kamu biar lebih oke lagi dan bisa diakses tanpa batas dengan berlangganan paket belajarnya. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis! Kalian juga bisa mencoba studi kasus penerapan real case industry. Ayo persiapkan dirimu untuk berkarir sebagai talenta data muda kebanggaan Bangsa!
Penulis: Reyvan Maulid