Ketua Program Studi Ilmu Data INM ini menjelaskan bahwa kurikulum diarahkan untuk membekali mahasiswa dengan pengetahuan dan keterampilan praktis dalam berbagai aspek pengelolaan data.

Siswa Aine Data Science akan mempelajari dasar-dasar pemrograman dan statistik sebagai dasar analisis data. “Analisis data dan visualisasi data merupakan bagian penting dalam pengajaran untuk membantu siswa melakukan interpretasi secara efektif,” kata Tati kepada media di Jakarta (10/9/2024), Rabu (10/9/2024) di Jakarta (10/9/2024).

Selain itu, kurikulumnya mencakup pembuatan model prediktif dan menemukan pola dalam data. Sedangkan intelijen bisnis dan manajemen data dipelajari untuk mempersiapkan mahasiswa dalam pengelolaan data di dunia bisnis.

“Pengetahuan tentang sistem manajemen database dan data warehouse memberikan pemahaman mendalam tentang cara menyimpan dan mengelola data dalam jumlah besar,” tambahnya.

Siswa dipersiapkan untuk bekerja dengan data besar dan infrastruktur berbasis cloud melalui kursus teknologi data besar dan komputasi awan.

Apalagi mempelajari sistem internal dan start-up bisnis digital untuk memahami dan mengelola bisnis berbasis internal serta mengelola teknologi terkini. Dengan kurikulum yang mencakup berbagai bidang, mahasiswa data science lulusan UN diharapkan siap menghadapi tantangan data dan teknologi.

Artikel Kepo? Apa Saja yang Dipelajarin di Prodi Sains Data? Ini Jawabannya pertama kali tampil pada Jahangir Circle News.

JAKARTA – Di era digital ini, industri video game berkembang pesat, termasuk game berbasis smartphone seperti Mobile Legends. Permainan ini sangat digemari oleh berbagai kalangan mulai dari anak-anak hingga orang dewasa. Salah satu aspek strategis yang menentukan kemenangan di Mobile Legends adalah pemilihan hero yang tepat dan ban pada hero tertentu. Memprediksi pola level hero merupakan faktor penting dalam merancang strategi permainan yang efektif.

Ilmu data adalah bidang multidisiplin yang menggabungkan statistik, ilmu komputer, dan analitik untuk mendapatkan wawasan dari data. Metode penting dalam ilmu data adalah penambangan data.

Data mining digunakan untuk menemukan pola atau tren tersembunyi dalam big data dan melakukan analisis mendalam. Di Mobile Legends, data mining digunakan untuk menganalisis data game dan memprediksi pola perilaku pemain, seperti keputusan ban suatu hero, yaitu ban penggunaan hero tertentu oleh tim lawan.

Penelitian yang dilakukan oleh dosen Universitas Nusa Mandir ini bertujuan untuk mengembangkan aturan asosiasi yang dapat memprediksi pola level hero di Mobile Legends. Aturan asosiasi ini menggunakan algoritma apriori untuk menemukan hubungan antar hero yang sering disukai atau dibatasi oleh pemain.

Menurut Syarah Seimahuira, penelitian ini berupaya memahami pola yang sering terjadi dalam proses ban ban sehingga dapat memberikan wawasan strategis bagi pengembang dan pemain. Dengan menggunakan aturan asosiasi ini, pengembang dapat lebih memahami preferensi pemain dan mengoptimalkan fitur game untuk lebih memenuhi kebutuhan pengguna.

Peneliti Jordi Lasma Putra yang juga dosen Universitas Nusa Mandir menambahkan, algoritma apriori sering digunakan dalam penelitian data mining karena kemampuannya menemukan pola tersembunyi dalam big data dan mengidentifikasi hubungan antar fitur yang berbeda.

Algoritma ini sangat efektif jika diterapkan pada data transaksional (seperti pola level hero di Mobile Legends). Dengan Aprior, pengembang dapat dengan mudah mengidentifikasi pahlawan mana yang sering di-ban secara bersamaan, yang kemudian dapat membantu merancang strategi yang lebih kompetitif.

Proses peramalan Pola Ban Hero dilakukan dengan pendekatan Cross-Industry Standard Data Mining (CRISP-DM) yang meliputi beberapa langkah: pemahaman bisnis, pengumpulan dan pengolahan data, pemodelan menggunakan algoritma apriori.

Pada tahap pengolahan data, data yang dikumpulkan melalui kuesioner diolah menggunakan aplikasi Weka. Data ini kemudian dianalisis untuk mengidentifikasi aturan asosiasi yang membantu memahami pola level pahlawan. Algoritma Apriori memungkinkan developer melihat hubungan antar atribut dan menentukan hero mana yang lebih sering di-ban atau tidak.

Dari hasil penelitian, algoritma Aprior membuat beberapa aturan asosiasi yang menunjukkan hubungan antara hero yang dipilih atau di-ban oleh pemain. Contohnya jika Hero Kaja tidak di banned, kemungkinan besar Hero Chou juga tidak akan di banned. Aturan ini memberikan informasi berguna bagi pemain dan pengembang game untuk memahami strategi yang digunakan pemain untuk memilih atau melarang pahlawan tertentu.

Hasil survey menunjukkan bahwa hero Chou lebih jarang di banned dibandingkan hero lainnya. Informasi ini memberikan wawasan strategis kepada pengembang untuk memahami preferensi pemain dan mengoptimalkan komposisi pahlawan tim. Dengan mengetahui hero mana yang sering di banned, developer dapat menyeimbangkan permainan dan mengembangkan hero yang lebih menarik bagi para pemain.

Penelitian ini menawarkan banyak manfaat bagi para gamer dan pengembang game. Bagi pemain, hasil penelitian dapat digunakan untuk merancang strategi permainan yang lebih efektif, dengan mempertimbangkan bahasa hero lawan. Bagi developer, memahami pola level hero dapat membantu menyeimbangkan permainan dan menciptakan hero yang lebih menarik.

Penggunaan algoritma apriori untuk memprediksi pola level hero di Mobile Legends menunjukkan bagaimana ilmu data dapat memberikan wawasan mendalam tentang preferensi dan strategi pemain. Penambangan data sebagai bagian dari ilmu data membantu mengeksplorasi data besar secara efektif dan menemukan pola yang dapat digunakan untuk strategi yang lebih baik. Dengan terus memanfaatkan teknologi ilmu data, industri game memiliki peluang besar untuk meningkatkan kualitas game, memenuhi ekspektasi pemain, dan menciptakan game yang lebih menarik dan kompetitif.

Penulis: Jordi Lasma Son dan Syarah Semahuira, dosen program studi data science Universitas Nusa Mandir

Artikel JAHANGIR NEWS Manfaatkan Sains Data, Perilaku Pemain dalam Pengembangan Game Bisa Dikelompokkan pertama kali tampil pada Jahangir Circle News.

Namun dengan masih banyaknya pembuat konten yang bermunculan di YouTube, pembuat konten perlu berinovasi dan mencari cara untuk mempertahankan bahkan meningkatkan kreativitas dalam menciptakan konten yang menarik dan bermanfaat. Dengan banyaknya kreator yang menjadi pesaing di dunia industri kreatif, para kreator konten bisa mempunyai strategi yang efisien dan efektif. Untuk itu, salah satu langkah awal yang bisa dilakukan adalah dengan melakukan analisis.

Menurut Sayara Simahwira, dosen Program Studi (prodi) Ilmu Data Universitas Nusa Mandiri (UNM), analisis video dapat dilakukan dengan mengenali pola pengguna YouTube dan hubungan antar masing-masing kelompok berdasarkan aktivitas pengguna dalam merespons konten. . Jadi dia bisa menentukan bagaimana tingkat penayangan mempengaruhi komentar dan jumlah komentar, tidak suka, dan suka pada video tersebut.

Seiring dengan berkembangnya peran teknologi, ilmu komputer telah menjadi ilmu yang dapat diterapkan di berbagai bidang untuk melakukan analisis data. Peran ilmiah ini diterapkan secara terkomputerisasi untuk melakukan pemrosesan data dan penerjemahan data dalam jumlah besar, memungkinkan perusahaan atau individu mana pun, termasuk pembuat konten, untuk memahami pola perilaku pengguna YouTube dan hubungan antara masing-masing kelompok berdasarkan aktivitas pengguna di tanggapan terhadap konten tersebut. Dengan menggunakan informasi ini, pembuat konten dapat mengembangkan pembuatan konten yang lebih bertarget.

Dalam hal ini, analisis pola YouTuber populer yang diterapkan dengan algoritma segmentasi seputar Medoids (PAM) dan FP-Growth dapat memberikan informasi penting kepada pembuat konten. Penelitian ini dilakukan oleh dosen Program Studi Ilmu Data Universitas Nusa Mandiri (UNM) untuk mengetahui bagaimana kedua algoritma tersebut dapat digunakan untuk memprediksi pola hubungan antara tingkat melihat komentar dengan jumlah komentar, tidak suka. dan suka ditemukan di video.

Penelitian ini menggunakan 31.349 data statistik video Youtube populer dengan 16 atribut berbeda berdasarkan data Youtube untuk melihat pola hubungan antar atribut yang memungkinkan suatu video dimasukkan ke dalam Youtube populer.

Partitioning Around Medoids (PAM) adalah algoritma clustering yang dapat menemukan hubungan dalam kumpulan data berdasarkan kedekatan antar data menggunakan medoid, yaitu titik data yang paling mewakili dalam kumpulan tersebut. Sedangkan FP-Growth atau frequent pattern growth merupakan algoritma yang digunakan untuk mencari pola korelasi dalam suatu database secara efisien.

Berdasarkan hasil analisis dan pengujian, terlihat bahwa masyarakat yang mengakses konten video di YouTube memiliki pola yang didominasi oleh penonton yang tidak memberikan respon terhadap konten yang dilihatnya baik berupa like, tidak suka, maupun komentar. Jadi jumlah penonton berbanding lurus dengan banyaknya respon atau interaksi dari penonton. Oleh karena itu, visibilitas konten di YouTube tidak dipengaruhi oleh jumlah suka atau komentar. Melainkan didasarkan pada jumlah trafik viewer yang bisa didapat ketika pembuat konten memiliki niche yang banyak peminatnya, dan konten viral yang berkualitas.

Penulis: Ciara Cimahuira, Dosen Program Studi Ilmu Data FTI Universitas Nusa Mandiri

Artikel JAHANGIR NEWS Mengenal Pola Youtube Trending dengan Peran Ilmu Sains Data pertama kali tampil pada Jahangir Circle News.