Resume Seminar & Workshop National Data Day 2018

Seminar & Workshop National Data Day 2018

Pada hari Senin, 19 November 2018 telah diselenggarakan Seminar dan Workshop National Data Day di Gedung K (Damar), Telkom University. Tema dari seminar dan workshop ini adalah Social Computing and Big Data Researchers. Dalam seminar kali ini terdapat 2 pembicara dan workshop 5 pemateri yang mengisi acara ini, yaitu:

1. Samuel Chan (Co-Founder & Course Producer Algoritma).
2. Dr. Hilman Ferdinandus Pardede, S. T., MEICT (Koordinator Kelompok Penelitian Machine Learning di Puslit Informatika LIPI).
3. Dr. Didi Rosiyadi, M. Kom (Peneliti Madya, Puslit LIPI).
4. Tim peneliti dari Social Computing and Big Data.

Dalam acara ini dibagi menjadi dua sesi. Sesi pertama untuk seminar mengenai Machine Learning dan Data Science. Sesi kedua untuk workshop tentang praktik programming menggunakan RStudio dan penelitian yang telah dilakukan oleh tim SCBD.

Pembicara 1 (Dr. Hilman Ferdinandus Pardede, S. T., MEICT - Koordinator Kelompok Penelitian Machine Learning di Puslit Informatika LIPI) 


Pembicara 2 (Dr. Didi Rosiyadi, M. Kom - Peneliti Madya, Puslit LIPI)


Pembicara 3 (Samuel Chan - Co-Founder & Course Producer Algoritma)


Pembicara 4 (Arina Nahya Nurnafia - SCBD Researcher)

Berdasarkan laporan Q4 tahun 2018 Global Digital Trends yang diterbitkan oleh Hootsuite dan We are Social mengungkapkan bahwa tercapainya miliaran orang dengan cepat menjadi kenyataan karena semakin banyak pengguna yang terhubung melalui internet dari negara-negara berkembang. Internet memberi kemudahan komunikasi, membuka gerbang baru hiburan, dan kenyamanan. Laporan tahunan menunjukkan bahwa jumlah pengguna internet terus bertambah setiap tahunnya. Terbukti dalam laporan Q4 tahun 2018 yang menunjukkan bahwa hampir 4,2 miliar orang sedang online di mana 3,4 miliar pengguna media sosial aktif.

Berdasarkan laporan juga menunjukkan semakin banyak pengguna yang menggunakan perangkat seluler. Bahkan, dari 5,11 miliar pengguna internet seluler, 3,17 miliar adalah pengguna seluler sosial aktif.

Gambar tersebut merupakan explosion of UGC oleh EngageScience yang menunjukkan seberapa sering dan banyaknya postingan orang di media sosial selama satu hari.

Desain penelitian dan metodologi dari  pembahasan "Pattern Identification Using Dynamic Social Network" dengan enam tahap, yaitu:

1. Data collection.
2. Data preprocessing.
3. SNA model construction.
4. Network properties measurement.
5. DNA construction.
6. Result and conclusion.

Note: 

Analisis temporal menunjukkan perilaku grafik dari waktu ke waktu, di mana merepresentasikan dinamika jaringan sosial selama waktu pengamatan.

Penelitian ini menghasilkan berupa Social Network Analysis (SNA) dan Dynamic Network Analysis (DNA) yang dapat mendeteksi komunitas yang pro dan kontra.

Perbedaan SNA dan DNA

• SNA mengidentifikasi aktor yang paling berpengaruh, mengidentifikasi komunitas yang terbentuk dalam jejaring sosial.
• DNA menunjukkan kepada kita pertumbuhan jaringan percakapan dan menyusut selama waktu pengamatan. Ini memberi kita pandangan granular tentang mekanisme jaringan.
• Interaksi di media sosial mencerminkan interaksi jejaring sosial dunia nyata.
• Saran untuk penelitian masa depan -> menggunakan data streaming.

Pembicara 5 (Muhammad Fadhli Rachman - SCBD Researcher)

Pembahasan mengenai "Ontology Modelling Approach for Personality Measurement based on Social Media Activity" dengan latar belakang penelitiannya yaitu:

• Perubahan perilaku.
• Aktivitas media sosial disimpan sebagai jejak digital, sumber data baru.
• Menulis dan penggunaan teks linguistik mampu mengungkapkan kepribadian pengguna.
• Pengukuran kepribadian saat ini menggunakan wawancara, tes, dan survei.
• Jawaban normatif.

Metodologi
Menggabungkan klasifikasi teks berdasarkan ontologi dan lima kepribadian besar.

Komponen ontologi

• Class
• Instance
• Relation

Ontologi mewakili hubungan antara entitas sehingga membentuk pengetahuan domain. Klasifikasi ini dilakukan dengan mencari kesamaan semantik pada dokumen.

Big Five Personality Traits

1. Openness -> Apakah mereka menyukai pengalaman baru? Fantasi, estetika, perasaan, tindakan, gagasan, nilai.
2. Conscientiousness -> Apakah mereka lebih suka perencanaan atau keteraturan? Kompetensi, ketertiban, ketaatan, prestasi-perjuangan, disiplin diri, musyawarah.
3. Extraversion -> Apakah mereka suka menghabiskan banyak waktu bersama orang lain?Kehangatan, kegembiraan, ketegasan, tingkat aktivitas, kegembiraan, emosi positif.
4. Agreeableness -> Apakah mereka menaruh perhatian pada kepentingan orang lain?Kepercayaan, keterusterangan, kepatuhan, kecermatan, kesederhanaan, altruisme.
5. Neuroticism -> Apakah mereka cenderung khawatir? Kecemasan, marah, permusuhan, depresi, kesadaran sel, impulsif, kerentanan.

Proses Penelitian

1. Twitter conversational data menggunakan RStudio.
2. Pre-processing menggunakan RStudio.
3. Word collection.
4. Ontology construction.
5. Ontology modelling.
6. Personality measurement.

Pembicara 6 (Wachda Yuniar Rochmah - SCBD Researcher)

Pembahasan mengenai "Understanding Public Opinion Towards New Sharing Economy Business Model Using Text Network Analysis" dengan latar belakang penelitiannya yaitu:

• Sharing economy -> keuntungan stakeholder
• Airbnb -> memberdayakan banyak orang di seluruh dunia
• User generated content -> opini publik di media sosial terhadap model bisnis baru

Metodologi

1. Data collection menggunakan Twitter Streaming.
2. Data cleaning.
3. Word co-occurrence analysis menggunakan Wordij.
4. Network visualization menggunakan Gephi.
5. Interpretation.

Hasil 

Dalam analisis jaringan teks, kata-kata dominan dikonstruksikan menjadi jaringan, termasuk hasil tepi yang ditimbang. Terdapat 4 teratas jaringan teks yang menunjukkan bahwa kata tersebut sering digunakan.

• Analisis jaringan teks memberi kita kemampuan untuk meringkas percakapan skala besar. Ini memberikan pengetahuan dengan mengaitkan kata-kata yang paling sering digunakan dalam percakapan sosial.
• Analisis jaringan teks telah diterapkan secara efektif untuk di bawah berdiri opini publik.
• Saran: terapkan metode yang digunakan dalam skala data yang lebih besar.

Pembicara 7 (Muhammad Apriandito - SCBD Researcher)

Pembahasan mengenai "Object Detection Using Convolutional Neural Network to Identify Popular Fashion Product" dengan latar belakang penelitiannya yaitu 60 juta  foto yang diunggah ke Instagram setiap hari. 

Convolutional neural network adalah salah satu algoritma yang paling populer untuk pembelajaran mendalam, sejenis pembelajaran mesin di mana model belajar untuk melakukan tugas-tugas klasifikasi langsung dari gambar, video, teks, atau suara. Terinspirasi oleh proses biologis pola ketidaksesuaian antara neuron menyerupai organisasi kartex visual hewan.

#Fashion
Tren pasar yang selalu berubah membuat industri fashion penuh dengan ketidakpastian.

Kerangka penelitian

• Data gathering
• Model filtering
• Model bulding

Kesimpulan

Sebuah model identifikasi objek dengan melatih kembali model convolutional neural network dapat digunakan untuk mengidentifikasi penggunaan aksesoris fashion terbanyak di 3 kota besar di Indonesia berdasarkan foto Instagram.

Manfaat

Acara Seminar & Workshop National Data Day sangat bermanfaat untuk semua terutama mahasiswa Telkom University karena kita dapat mengetahui lebih banyak secara teori maupun praktik tentang pengolahan data dalam pengambilan keputusan strategi dan business intelligence.