Pentingnya Komputasi Cloud di Era Industri 4.0

Dunia sudah mulai menginjak era Revolusi Industri 4.0. Internet of things, artificial intelligence, big data, cloud computing, dan robotik sebagai wujud dari revolusi industri 4.0 sudah sering kita temukan di kehidupan ini. Kementrian Perindustrian RI juga mulai menggalakkan ”Making Indonesia 4.0” sebagai salah satu roadmap menuju revolusi industri 4.0. Selain itu, munculnya perusahan-perusahan berbasis startup juga menandai bahwa kita sedang memasuki era revolusi industri 4.0 ini.

Salah satu teknologi yang berkembang sangat pesat adalah komputasi cloud. Saat ini banyak industri yang beralih ke cloud guna meningkatkan fleksibilitas dan melakukan inovasi lebih cepat. Satu hal kunci yang harus ditingkatkan oleh setiap industri adalah kemampuan manajemen data yang aman dan tepat. Dengan teknologi cloud ini, manajemen data akan semakin aman dengan tetap menganut prinsip pengembangan bisnis.

Perusahan Microsoft kini telah mengembangkan teknologi hybrid cloud yang bernama Azure Stack. Teknologi Azure Stack ini memliki beberapa keunggulan yaitu produktif, konsisten, intelligent, dan terpercaya. Azure Stack menawarkan pengalaman cloud paling konsisten berupa hybrid yang merupakan lintas infrastruktur digital, aplikasi, dan data sehingga memungkinkan dilakukannya inovasi aplikasi.

Salah satu kesuksesan penerapan hybrid cloud adalah ketika penyelenggaraan Asian Games 2018. Berkat teknologi ini, tim ITS Asian Games 2018 yang terdiri dari 27 tenaga ahli dan berbagai asosiasi dan komunitas IT dibantu para relawan mampu mengamankan sistem informasi selama acara berlangsung. Di Indonesia sendiri, Microsoft telah berkolaborasi dengan 6 mitra penyedia data center yaitu Telkom, Telstra, CBN Cloud, ViBiCloud, Visionet, Datacomn, dan Angkasa.

Seiring berkembangnya teknologi digital, Microsoft Azure hadir untuk mengatasi kebutuhan dan harapan pelanggan yang berubah cepat. Itulah pentingnya hybrid cloud Azure Stack bagi perkembangan industri di era revolusi industri 4.0 ini.

Sumber:

1. kominfo.go.id
2. m.viva.co.id

7 Aplikasi Statistika yang Paling Dibutuhkan

Kita melakukan penelitian untuk menguji hipotesis, dan kita melakukannya dengan cara mendapatkan data terlebih dahulu. Dengan harapan, jika eksperimen yang kita lakukan telah direncanakan dan dieksekusi dengan benar, maka kita akan mendapatkan hasil yang bagus yang dapat menunjukkan sesuatu yang unik di dunia ini.

Bagian pertama dari setiap eksperimen, yaitu perencanaan dan pelaksanaan, sangat penting. Bagaimana data diolah juga sama pentingnya, dan menganalisis data yang baik dengan cara yang benar dapat menghasilkan penemuan dan wawasan yang inovatif.

Analisis data sering dipandang sebagai aspek paling menakutkan dalam menyelesaikan penelitian, tetapi tidak harus seperti itu. Ketika kita harus memahami apa yang harus dilakukan dengan data, dan bagaimana menginterpretasikan hasilnya, perangkat lunak yang dirancang untuk analisis statistik dapat membuat proses ini semudah mungkin.

Ada banyak sekali alat tersedia untuk melakukan analisis statistik data, dan berikut merupakan 7 aplikasi terbaik yang cocok untuk penelitian statistika (tanpa urutan tertentu).

1. SPSS (IBM)

SPSS, (Statistical Package for the Social Sciences) mungkin adalah paket perangkat lunak statistik yang paling banyak digunakan dalam penelitian statistika. SPSS menawarkan kemampuan untuk dengan mudah menyusun statistika deskriptif, analisis parametrik dan non-parametrik, serta penggambaran hasil secara grafis melalui graphical user interface (GUI). Ini juga mencakup opsi untuk membuat skrip untuk mengotomatisasi analisis, atau untuk melakukan pemrosesan statistik yang lebih lanjut.

2. R (R Foundation for Computing Statistik)

R adalah paket perangkat lunak statistik gratis yang banyak digunakan di seluruh penelitian statistika dan bidang lainnya. Toolboxes (atau biasa disebut plugins) tersedia untuk berbagai aplikasi, yang dapat menyederhanakan berbagai aspek pemrosesan data.

3. MATLAB (The Mathworks)

MatLab adalah platform analitis dan bahasa pemrograman yang banyak digunakan oleh para insinyur dan ilmuwan. Seperti halnya R, dibutuhkan kemampuan koding untuk beberapa hal tertentu. Walaupun MatLab bisa sulit digunakan untuk pemula, ia menawarkan sejumlah besar fleksibilitas dalam hal apa yang ingin dilakukan – selama tujuan tersebut dapat dibentuk menggunakan koding.

4. Microsoft Excel

Meskipun bukan solusi mutakhir untuk analisis statistik, MS Excel memang menawarkan berbagai alat untuk visualisasi data dan statistik sederhana. Sangat mudah untuk menghasilkan ringkasan dan gambar dan angka yang dapat disesuaikan, menjadikannya alat yang dapat digunakan bagi banyak orang yang ingin melihat interpretasi sederhana dari data. Karena banyak individu dan perusahaan memiliki dan mengetahui cara menggunakan Excel, itu juga menjadikannya pilihan yang dapat diakses bagi mereka yang pemula.

5. SAS (Statistical Analysis Software)

SAS adalah platform analisis statistik yang menawarkan opsi untuk menggunakan GUI, atau membuat skrip untuk analisis lebih lanjut. Ini adalah solusi premium yang banyak digunakan dalam bisnis, perawatan kesehatan, dan lain sebagainya. Dimungkinkan untuk melakukan analisis lanjutan dan menghasilkan grafik dan bagan yang layak dipublikasikan, meskipun juga dibutuhkan kemampuan koding yang mungkin cukup sulit bagi pengguna pemula.

6. GraphPad Prism

GraphPad Prism adalah perangkat lunak premium yang terutama digunakan dalam statistik yang berkaitan dengan biologi, tetapi menawarkan berbagai kemampuan yang dapat digunakan di berbagai bidang. Mirip dengan SPSS, opsi skrip tersedia untuk mengotomatisasi analisis, atau melakukan perhitungan statistik yang lebih kompleks, tetapi sebagian besar pekerjaan dapat diselesaikan melalui GUI.

7. Minitab

Perangkat lunak Minitab menawarkan serangkaian alat statistik dasar dan cukup canggih untuk analisis data. Mirip dengan GraphPad Prism, perintah dapat dijalankan melalui perintah GUI dan scripted, membuatnya dapat diakses oleh pemula serta pengguna yang ingin melakukan analisis yang lebih kompleks.

Kesimpulan

Ada serangkaian perangkat lunak berbeda yang tersedia, dan masing-masing menawarkan sesuatu yang sedikit berbeda bagi pengguna – apa yang dipilih akan bergantung pada berbagai faktor, termasuk pertanyaan penelitian, pengetahuan statistik, dan pengalaman pengkodean. Faktor-faktor ini bisa berarti bahwa kita berada di ujung tombak analisis data, tetapi seperti halnya riset apa pun, kualitas data yang diperoleh bergantung pada kualitas pelaksanaan studi. Karena itu penting untuk diingat bahwa meskipun kita mungkin memiliki perangkat lunak statistik canggih (dan pengetahuan untuk menggunakannya) tersedia, hasilnya tidak akan banyak berarti jika data tidak dikumpulkan dengan cara yang valid.

Sumber: https://imotions.com/blog/statistical-tools/

Hiruk-Pikuk Komputasi Awan di Indonesia

Pada zaman yang serba “cepat” ini, internet menjadi pemeran utama. Komputasi awan atau computing cloud sendiri merupakan gabungan dari pemanfaatan teknologi komputer dengan pengembangan berbasis internet. “Awan” yang dimaksud di sini

The Grammar of Data Science

R dan Python merupakan Bahasa pemrograman yang populer digunakan oleh seorang analis data. Mungkin banyak pertanyaan di kalangan analis data, apakah R atau Python yang paling baik digunakan? Keduanya sama-sama bahasa pemrograman untuk statistik. R diciptakan dan digunakan oleh sebagian besar ahli statistik, sedangkan Python lebih banyak digunakan untuk menciptakan syntax yang mudah dipahami.

Pengenalan R

R diciptakan oleh Ross Ihaka dan Robert Gentleman pada tahun 1995 sebagai implementasi dari bahasa program S. R secara dasar digunakan oleh civitas akademik dan peneliti.Tujuannya adalah untuk mengembangkan bahasa yang fokus pada analisis data, statistik, dan model grafis. R biasanya digunakan untuk analisis data yang dikerjakan pada server pribadi. R fokus pada user friendly analysis, pembuatan model statistik serta grafik. R dapat difungsikan untuk pekerjaan eksplorasi hampir semua jenis data karena banyaknya jenis packages, test, dan tools yang dengan mudah bisa diadaptasi.

Kenapa Menggunakan R?

• R sangat baik dalam visualisasi data karena ada banyak sekali packages yang mendukung R untuk membangun visualisasi menarik.
• R dibangun dalam ekosistem yang baik sehingga memudahkan penggunanya untuk menemukan packages dalam cran, bioconductor, dan github.
• R dibangun oleh statistisi untuk statistisi, sehingga siapapun yang tidak memiliki keahlian programming dalam dengan mudah beradaptasi dengan R.
• Namun, R bersifat lambat. Hal ini disebabkan oleh kondisi yang tidak jelas dimana R merupakan bahasa dan implementasi dari bahasa tersebut.

Pengenalan Python

Python diciptakan oleh Guido van Rossem pada tahun 1991 dan lebih menekankan pada produktivitas juga proses pembacaan kode. Para programmer yang mengerjakan pekerjaan data scientist dalam bidang statistik biasanya menggunakan Python. Sama dengan R, Python juga memiliki package yang bisa diadaptasi ke dalam program dan komunitas dimana setiap pengguna bisa berkontribusi. Berbeda dengan R, Python digunakan jika pekerjaan data analisis harus disambungkan dengan aplikasi web atau jika kode statistiknya harus terhubung dengan database tertentu.

Kenapa Menggunakan Python?

• Python membuat pekerjaan lebih mudah karena adanya IPython Notebook, yang dapat membagikan catatan kepada siapa saja tanpa meminta mereka mengunduh program. Tool tersebut secara drastis mengurangi pekerjaan yang kurang penting pada organisasi kode, output, dan catatan, dengan mengajak penggunanya untuk mengerjakan tugas yang lebih penting.
• Pyhon merupakan bahasa general yang mudah dipelajari dan dimengerti oleh banyak developer. Python juga memiliki testing framework yang membuat kode dapat digunakan kembali. Taksonomi testing toolnya meliputi unit test, nose, doctest, dan pytest.
• Siap digunakan ke dunia kerja, karena bersifat umum, mudah dipahami, dan diketahui oleh banyak programmer. Bahkan beberapa perusahaan yang tidak ingin merekrut data scientist baru, terbukti dapat dengan mudah melatih karyawannya menggunakan Python.
• Sama dengan R yang memiliki kekurangan, Python juga merupakan bahasa yang kurang matang. Jika dibandingkan dengan R, Python kalah karena tidak memiliki alternatif dari 100 lebih packages yang ada dalam R.

Artikel ini merupakan ringkasan yang secara lengkap bisa diakses pada :

https://algorit.ma/perbandingan-r-dan-python-untuk-analisis-data/

https://www.datacamp.com/community/tutorials/r-or-python-for-data-analysis

https://news.ycombinator.com/item?id=9264121

Rancangan Blok Acak Lengkap dan Rancangan Bujur Sangkar Latin

Rancangan Blok Acak Lengkap (RBAL)

RBAL digunakan jika keterogenan unit eksperimen berasal dari satu sumber keragaman. Kata “Lengkap” dalam RBAL maksudnya adalah setiap blok memiliki semua treatment yang ada. Menggunakan metode ini akan membentuk eksperimen yang lebih homogen. Metode ini meningkatkan akurasi dari perbandingan antar treatment dengan mengeleminasi variabilitas dari blok.

RBAL digunakan secara luas dalam desain eksperimen. Ada beragam situasi dimana RBAL digunakan dalam kehidupan sehari-hari. Sekelompok bahan mentah, manusia, dan waktu adalah sumber keragaman yang umum ditemui.

Andaikan kita memiliki b block dan a treatment, maka RBAL dapat disusun sebagai berikut

Model Statistika untuk RBAL dapat ditulis dalam beberapa cara. Model tradisional disebut effects model :

Model lainnya adalah means model,

Tabel ANOVA

dimana

Rancangan Bujur Sangkar Latin (RBSL)

RBSL digunakan untuk mengendalikan komponen keragaman unit eksperimen dari dua arah/ada dua sumber keragaman .  Baris dan kolom dalam RBSL mewakili 2 batasan dalam pengacakan. Secara umum, sebuah bujur sangkar latin dengan p faktor, mengandung p baris dan p kolom.

Beberapa contoh bujur sangkar latin adalah

Model statistik dari bujur sangkar latin dalam bentuk effects model adalah

Tabel ANOVA

Be a Pro Googling

Kali ini, kita akan membahas terkait fakta sekaligus tips unik terkait mencari kata / artikel / bahasan terkait yang ada di Google Searching. Bahasa kerennya sih Googling. Manfaatnya untuk efisiensi waktu, memori, dan kuota. Ketahui penjelasannya berikut ini:

1. Definisikan kata kunci

Seringkali kita menemukan kata-kata ilmiah atau istilah yang tidak familiar. Ketik saja kata kunci yang ingin diketahui di Google, misal define: analogi

2. Mencari “kata yang persis”

Menggunakan 2 tanda petik pada frasa relevan yang ingin dicari untuk mencegah adanya rancu dua makna kata ketika tidak mengunakan tanda petik. Misal kita ketik di Google pekerjaan “analisis bisnis” untuk mencari pekerjaan terkait analisis bisnis.

3. Mencari berbagai situs

Mencari situs-situs terkait materi pembelajaran atau pekerjaan? Ketik saja di google site:jobsDB.com akuntan untuk mencari lowongan kerja akuntan di situs jobsDB.com atau site:edu “statistik olahraga” paper untuk mencari paper terkait statistik olahraga yang dipublikasikan oleh pihak institut atau universitas.

4. Mencari satu | lainnya, satu atau lainnya

Maksudnya adalah kita dapat mencari suatu hal yang terkait dengan beberapa hal lainnya. Misal kita ketik di Google, statistika deskriptif|regresi. Maka Google akan memunculkan terkait statistika deskriptif dan statistika regresi dalam satu beranda. Bisa juga kita ketik di Google, statistika deskriptif  atau statistika regresi.

5. Mencari kata sejenis “~”

Ketik di Google STATISTICS~paper untuk mencari alternatif relevan paper terkait statistika secara otomatis.

6. Cari sembarang “*”

Mencari hal yang terkait yang kita tidak mengetahui namanya, ketik saja statistika * software untuk mencari produk software terkait statistika.

7. Mengeliminasi pencarian “-“

Untuk menghindari kata tertentu dalam pencarian, misal ketik lowongan magang statistika –akuntan dengan tujuan mencari lowongan magang terkait statistika yang tidak terkait dengan akuntan.

8. Analisis kompetitor

Untuk mengetahui tren&praktik terkini dan kompetitor terkait. Misal ketik related: Kedai Racik atau Kedai Racik vs untuk mengetahui pesaing dari produk “Kedai Racik”.

9. Mencari buku terkait

Mencari buku dengan pengarang tertentu? Atau dikaitkan dengan tema profesi / minat / tren saat ini? Ketik saja books by Andrea Hirata untuk mencari buku karangan Andrea Hirata atau ketik big data statistics books untuk mencari buku terkait statistika big data.

Semoga bermanfaat.

***

Relevant Source (with modification): requirementsinc.com/12-powerful-google-tips-every-business-analyst-and-others-should-know-about/

#TIPSDANTRIK #SCC1718 #HIMASTAITS #ITSSURABAYA

Komputasi Modern

Hallo sobat sigma! Kembali lagi bersama SCC HIMASTA-ITS dengan artikel komputasinya. Disini kita akan membahas tentang komputasi modern. Apa sih yang terbersit di benak kalian kala pertama kali mendengar komputasi? Serta apa itu komputasi modern? Nah daripada penasaran, langsung aja simak penjelasan berikut ini.

Fakta Menarik Seputar Virus Komputer

Hallo sobat sigma! Setelah sekian lama tidak memberikan tips and trick serta artikel komputasi, kini kami kembali lagi. Dan, untuk pos pertama di bulan Desember ini kita bakal bahas artikel komputasi lagi nih. Tentang fakta menarik seputar virus komputer. Apa sih yang terbersit di benak kalian kala mendengar virus komputer? Nah daripada penasaran, langsung aja simak penjelasan berikut ini.

Komputer Biometrik

Komputasi dapat diartikan sebagai pemecahan masalah yang dilakukan dengan metode algoritma. Komputasi juga dapat dikatakan sebagai gabungan dari ilmu matematika dan komputer. Di era modern seperti sekarang ini, manusia tidak habis akal untuk menggunakan komputasi sebagai media yang memepermudah menemukan solusi pada masalah-masalah yang ada. Sangat banyak ilmu yang dapat dikombinasikan dengan ilmu komputasi ini, salah satunya adalah dalam bidang biologi, dengan salah satu contoh dari ribuan penemuannya adalah Komputer biometrik.

Form Data Entry di Microsoft Excel tanpa bahasa pemrograman

Mengentry data merupakan hal yang pasti dilakukan sebelum tahap analisis data. Banyak dari kita mengentry data dengan membuat form pada macros pada Microsoft Excel ataupun form pada Microsoft Access. Tapi taukah Anda, jika ada tool sendiri pada Microsoft Excel untuk memudahkan kita dalam mengentry data? Simak dan praktekkan tips and trick berikut.