CTI Summit 2017
Artikel terkait tema CTI IT Infrastructure Summit 2017 dan machine learning.

Para pemenang iCIO Awards dan juri (ki-ka): Herry Abdul Azis (Staf Ahli Bidang Teknologi Kemenkominfo), Hasnul Suhaimi (Ex-CEO XL Axiata), Iwan Djuniardi (Direktur Transformasi Teknologi Informasi dan Komunikasi, Direktorat Jenderal Pajak, Kementerian Keuangan), Rita Mas’Oen (Direktur Operasional & Teknologi Informasi, PT Bank CIMB Niaga Tbk.), Kharim Indra Gupta Siregar (Direktur Teknologi Informasi, PT BTPN), Agus Wicaksono (Chairman, iCIO Community), dan Harry Surjanto (Founder dan Penasihat, iCIO Community).

Di era transformasi digital, posisi chief information officer (CIO) memiliki peran yang sentral dalam pengambilan keputusan dan menentukan arah kebijakan perusahaan. CIO adalah jabatan untuk kepala teknologi informasi dalam sebuah perusahaan dan berperan dalam menyediakan data dan insight dengan memanfaatkan teknologi untuk memberi sumbangsih kepada para pengembangan bisnis perusahaan.

iCIO Community, perkumpulan chief information officer (CIO) dan eksekutif senior di bidang teknologi informasi dan komunikasi (TIK) organisasi di Indonesia, mengumumkan pemenang iCIO Awards 2017. iCIO Awards merupakan program penghargaan kepada para CIO dan staf senior TI yang telah terbukti mampu menghadirkan value terbaik TIK untuk mendorong kinerja organisasi.

Gelar iCIO Awards 2017 berhasil disabet oleh Iwan Djuniardi (Direktur Transformasi Teknologi Informasi dan Komunikasi, Direktorat Jenderal Pajak, Kementerian Keuangan) sebagai The Most Innovative CIO, Rita Mas’Oen (Direktur Operasional & Teknologi Informasi, PT Bank CIMB Niaga Tbk) sebagai The Most Influential CIO, dan Kharim Indra Gupta Siregar (Direktur Teknologi Informasi, PT BTPN) sebagai The Most Intelligent CIO.

“iCIO Community dengan bangga memberikan anugerah iCIO Awards 2017 kepada ketiga CIO. Mereka dinilai dewan juri sebagai CIO yang berhasil memadukan knowledge, skills, dan leadership dalam menjalankan tugas dan tanggung jawabnya sehingga terbukti berhasil menghadirkan value terbaik TI untuk menunjang kinerja perusahaan,” ujar Agus Wicaksono (Chairman of iCIO Community).

Sebagai salah satu CIO terbaik tahun 2017 versi iCIO Community, Iwan Djuniardi mengatakan bahwa penghargaan ini akan memacu kinerja Dirjen Pajak (DJP) di masa depan. Solusi big data dan machine learning ia anggap akan mampu meningkatkan kinerja dan pelayanan DJP, termasuk berkontribusi meningkatkan pendapatan pajak negara.

“Saya tidak menyangka ada perwakilan pemerintah yang memenangi penghargaan ini dan bisa bersaing dengan instansi swasta. Ini adalah anugerah yang luar biasa,” ujarnya.

Sedangkan Rita Mas’Oen mengungkapkan rasa syukurnya telah terpilih sebagai pemenang penghargaan ini. Rita pun mengaku bahwa ia dan timnya telah melakukan berbagai perombakan dalam bidang TI di CIMB Niaga, terutama sejak merger di antara kedua bank itu (Bank CIMB asal Malaysia dan Bank Niaga asal Indonesia).

Proses Penjurian

Para pemenang iCIO Awards 2017 dipilih oleh dewan juri yang terdiri dari: Hasnul Suhaimi (Executive Coach dan Mantan CEO XL Axiata); Hendra Godjali (Managing Partner-Advisory Service, Ernst & Young Indonesia), Prihadiyanto (Managing Director, Accenture Indonesia), Arif Budisusilo (Pemimpin Redaksi, Bisnis Indonesia), dan Richardus Eko Indrajit (Kepala Asosiasi Perguruan Tinggi Informatika dan Komputer/APTIKOM).

Dalam proses penjurian, ketiga pemenang sudah melewati empat fase yaitu fase pertama screening application, fase kedua ranking, fase ketiga interview, dan fase terakhir adalah keputusan dewan juri.

Hasnul Suhaimi (Executive Coach dan Ketua Dewan Juri iCIO Awards 2017) mengumumkan pemenang iCIO Awards di panggung CTI IT Infrastructure Summit 2017.

Hasnul Suhaimi (Executive Coach dan Ketua Dewan Juri iCIO Awards 2017) mengatakan pertumbuhan teknologi sangat cepat berubah dan CIO memegang peran penting dalam perusahaan yang dulunya berada di back-end menjadi front-end.

“Posisi CIO berada di depan dan merekan harus membuat inovasi yang bisa berdampak kepada keuntungan perusahaan,” katanya dalam pengumuman pemenang iCIO Awards 2017 di tengah konferensi CTI IT Infrastructure Summit 2017 di Ballroom Ritz-Carlton Pacific Place, Jakarta, Rabu (8/3).

Tidak ketinggalan, Rudiantara (Menteri Komunikasi dan Informatika RI) ikut mengapresiasi ajang iCIO Awards 2017.

“Penghargaan ini merupakan bentuk dedikasi dan inovasi untuk bapak dan ibu (para pememang iCIO Awards 2017). Para pemenang juga bisa menjadi inspirasi dan IT leader untuk kemajuan perusahaan dan bangsa. Selamat!” ujarnya.

“Cognitive system dapat memicu bentuk kerja sama baru antara manusia dan mesin,” kata Shanker V. Selvadurai (CTO, Software and Cognitive Solutions, IBM Asia Pacific) di panggung CTI IT Infrastructure Summit 2017.

Salah satu penyedia solusi machine learning terkemuka di dunia adalah IBM yang dikenal melalui “mesin pintar” Watson. Keunggulan IBM Watson sebagai cognitive system—istilah IBM untuk machine learning—terletak pada tiga kemampuan utama: understanding, reasoning, dan learning.

Cognitive system dapat memicu bentuk kerja sama baru antara manusia dan mesin,” kata Shanker V. Selvadurai (CTO, Software and Cognitive Solutions, IBM Asia Pacific). Kerja sama ini diharapkan mampu memadukan karakteristik-karakteristik positif yang dimiliki setiap unsur. Sifat manusiawi seperti akal sehat, moral, imajinasi, welas asih, dan sebagainya, digabungkan dengan sifat khas mesin seperti pemahaman pola, natural language, ketidakberpihakan, dan kapasitas yang tak terbatas.

Shanker mengklaim bahwa IBM Watson telah digunakan di 25 negara oleh 20 jenis industri serta akan segera menyentuh 1 miliar pengguna dalam 9 bahasa berbeda.

Ia mencontohkan tiga studi kasus utama dari IBM Watson. Salah satunya yang bisa dimanfaatkan di Indonesia yaitu expertise at scale, terutama di bidang kesehatan. Watson dapat membantu mendiagnosis gejala penyakit-penyakit kritis, misalnya stroke, diabetes, dan serangan jantung. Walhasil, pemerintah bisa memasang komputer berbasis Watson di pusat layanan kesehatan daerah, alih-alih mengirim ratusan dokter ke daerah-daerah terpencil.

Studi kasus kedua yaitu personalize at scale. Contoh penggunaan di institusi pendidikan, Watson bisa menyesuaikan materi ajar sesuai dengan gaya belajar, kemampuan, dan data akademis setiap siswa. Contoh ini juga bisa dipakai di industri perbankan, telekomunikasi, dan pemerintahan.

Studi kasus terakhir adalah discover at scale, misalnya di industri kreatif. Shanker memberi contoh seorang musisi asal Amerika Serikat, Alex da Kid, yang membuat lagu berdasarkan hasil analisis Watson terhadap lagu-lagu terpopuler di tangga lagu Billboard. Alex pun dapat mengetahui komposisi musik dan lirik seperti apa yang paling disukai oleh masyarakat.

Penting dalam Era Bisnis Digital

Machine learning adalah topik utama dalam CTI IT Infrastructure Summit 2017, konferensi dan pameran teknologi tahunan dari CTI Group yang sudah digelar keempat kalinya.

Selain menghadirkan pembicara utama dari Gartner dan IBM, acara ini juga diikuti oleh Herry Abdul Aziz (Penasihat Ahli Menkominfo RI), Leonardo Koesmanto (Head of Digital Banking, Bank DBS Indonesia), Ridzki Kramadibrata (Managing Director, Grab Indonesia), dan Ying Shao Wei (COO DataSpark, part of Singtel Group).

Dalam acara ini, CTI Group juga menganugerahkan penghargaan iCIO Awards 2017 kepada tiga pemenang, yaitu Iwan Djuniardi (Direktur Transformasi Teknologi Informasi dan Komunikasi, Direktorat Jenderal Pajak, Kementerian Keuangan RI) selaku The Most Innovative CIO, Rita Mas’oen (Direktur Operasional & Teknologi Informasi, PT Bank CIMB Niaga Tbk.) selaku The Most Influential CIO, dan Kharim Indra Gupta Siregar (Direktur Teknologi Informasi, PT BTPN) selaku The Most Intelligent CIO.

Harry Surjanto (President Director, CTI Group) di panggung CTI IT Infrastructure Summit 2017.

“Di era bisnis berbasis digital sekarang ini, machine learning sudah diakui perannya untuk membantu mengoptimalkan pemasukan, mempelajari kebutuhan konsumen, dan meningkatkan kinerja penjualan,” tutur Harry Surjanto (President Director, CTI Group).

CTI Group pun menawarkan berbagai solusi menyeluruh, mulai infrastruktur, solusi, aplikasi, sampai jasa konsultasi, dari vendor-vendor TI terkemuka di dunia, seperti IBM, FireEye, Dell-EMC, Fujitsu, Hewlett Packard Enterprise, F5, Hitachi Data Systems, Lexmark, Varonis, DataSpark, dan Samsung.

Jonathan Krause (Vice President Southeast Asia, Gartner Advisory) berbicara soal tren machine learning dalam konferensi CTI IT Infrastructure Summit 2017 di Ballroom Ritz-Carlton Pacific Place, Jakarta, Rabu (8/3).

Dalam beberapa tahun terakhir ini, sejumlah perusahaan di berbagai industri ramai-ramai mengadopsi teknologi machine learning. Padahal, sebetulnya machine learning bukanlah istilah atau teknologi yang benar-benar baru.

Sejak tahun 1950, tokoh-tokoh seperti Alan Turing, Arthur Samuel, dan Gerland De Jong telah meracik dan mendefinisikan pemahaman tentang machine learning. Namun, pada saat itu, dengan keterbatasan sumber daya komputasi dan infrastruktur, teknologi ini dianggap masih abstrak dan mengawang-awang sehingga belum banyak orang yang menggelutinya.

Hal yang jauh berbeda terjadi sekarang. Pertumbuhan data makin cepat, volumenya membengkak, dan jenis data pun kian kompleks—istilahnya kita kenal dengan big data. Di satu sisi, big data ini dipandang sebagai harta karun yang sangat berharga di era bisnis digital. Di sisi lain, nyaris tidak mungkin bagi manusia untuk menganalisis dan memahami semua informasi yang terkandung di dalam big data.

Oleh karena itulah, manusia membutuhkan bantuan dari sistem atau mesin pintar yang mampu menghimpun, mempelajari, dan mengekstrak kumpulan data menjadi wawasan berharga.

“Pada 10 tahun yang lalu, kita sulit untuk mencari 10 buah saja aplikasi bisnis yang berbasis machine learning. Sebaliknya, dalam 10 tahun ke depan, kita akan sulit menemukan 10 aplikasi bisnis yang tidak berbasis machine learning,” ujar Jonathan Krause (Vice President Southeast Asia, Gartner Advisory) dalam konferensi CTI IT Infrastructure Summit 2017 di Ballroom Ritz-Carlton Pacific Place, Jakarta, Rabu (8/3).

Masuk Agenda Utama CIO

Berdasarkan riset Gartner, machine learning saat ini berada dalam daftar topik terpopuler dalam bidang data science dan smart machine, di samping teknologi speech recognition, chatbot, dan artificial intelligence (AI). “Pada tahun 2020, kami memprediksi orang akan lebih sering berbicara dengan bot daripada pasangan sendiri,” imbuh Krause.

Bahkan, penerapan machine learning sudah masuk ke dalam salah satu agenda utama para CIO pada tahun 2017. Sebanyak 27% CIO di Asia Pasifik mengaku berniat memakai teknologi itu pada tahun ini. Yang menarik, teknologi prioritas para CIO lainnya seperti advanced analytics, digital security, Internet of Things, virtual customer assistant, dan autonomous vehicle pun tidak bisa dilepaskan dari peran machine learning.

Apa yang mendorong peningkatan adopsi machine learning oleh para pemimpin TI? Krause menyebut tiga faktor utama, yakni the rise of GPU (Graphic Processing Unit) yang lebih bertenaga daripada CPU (Central Processing Unit), deep neural network yang makin luas, dan tentu saja pertumbuhan big data.

Namun, CIO juga harus memperhatikan tantangan dalam penerapan machine learning, antara lain kebutuhan data dan tenaga komputasi dalam jumlah besar, makin rumitnya strategi integrasi data, pemahaman SDM yang belum merata, dan yang tidak kalah penting, perlunya membentuk tim data science untuk membantu mendidik mesin dan bekerjasama dengannya.

“Karena bagaimanapun, machine learning tidak bisa disamakan dengan kemampuan otak manusia. Bahkan saat ini tidak sampai 1%-nya,” Krause mengingatkan.

Terakhir, Krause memberi rekomendasi bagi perusahaan yang ingin memulai implementasi machine learning, yaitu terus belajar dan bereksperimen, mulai dari solusi-solusi yang sederhana, bentuk tim multidisiplin agar bisa memberi pembelajaran dari sudut pandang TI, data science, operasional, dan bisnis, gunakan infrastruktur cloud yang lebih terjangkau, serta bekerjasama dengan akademisi dan penyedia solusi.

Machine learning adalah topik utama dalam CTI IT Infrastructure Summit 2017, konferensi dan pameran teknologi tahunan dari CTI Group yang sudah digelar keempat kalinya.

Selain menghadirkan pembicara utama dari Gartner dan IBM, acara ini juga diikuti oleh Herry Abdul Aziz (Penasihat Ahli Menkominfo RI), Leonardo Koesmanto (Head of Digital Banking, Bank DBS Indonesia), Ridzki Kramadibrata (Managing Director, Grab Indonesia), dan Ying Shao Wei (COO DataSpark, part of Singtel Group).

Teknologi telah mengubah wajah banyak sektor industri. Salah satunya industri transportasi.

Kemunculan berbagai startup yang menghadirkan layanan pemesanan kendaraan lewat aplikasi online mampu mengguncang model bisnis perusahaan transportasi yang sudah lebih lama berdiri. Dengan aneka kemudahan dan daya saing yang ditawarkan, penyedia aplikasi transportasi online ternyata lebih disukai masyarakat, khususnya di era digital sekarang.

Salah satu pemain terbesar di industri transportasi online di kawasan Asia Tenggara adalah Grab, perusahaan rintisan yang “baru” berdiri pada tahun 2012. Grab lahir dari keresahan Anthony Tan, yang menemukan banyak keluhan tentang buruknya kondisi taksi di Malaysia, negara kelahirannya.

Anthony Tan pun berinisiatif membuat aplikasi pemesanan taksi yang lebih cepat, aman, dan nyaman, serta menguntungkan bagi penumpang dan pengemudi yang diberi nama MyTeksi. Aplikasi yang kemudian berganti nama menjadi Grab (dahulu GrabTaxi) ini pun sukses besar di Malaysia.

Dalam waktu lima tahun, Grab pun terus melebarkan sayap ke negara-negara lainnya di Asia Tenggara, seperti Indonesia, Singapura, Filipina, Thailand, dan Vietnam, serta menambah jenis layanan, antara lain GrabBike (ojek motor), GrabCar (pemesanan mobil sewaan), GrabExpress (jasa kurir), GrabFood (jasa pengantaran makanan), dan GrabHitch (jasa tumpangan/nebeng).

Saat ini Grab memiliki lebih dari 630 ribu pengemudi di enam negara dan melayani lebih dari 1,5 miliar pemesanan setiap hari.

Adopsi Teknologi Demi Kepuasan Pengguna

Aplikasi Grab pada dasarnya berfungsi untuk mempertemukan antara pengguna (calon penumpang) dan pengemudi kendaraan (mobil, ojek, taksi) untuk pergi ke tempat tujuan.

Seiring pertumbuhan jumlah pengguna dan pengemudi, Grab menghadapi tantangan dalam menyajikan pengalaman pengguna (user experience) yang cepat, andal, dan memuaskan. Grab harus dapat “menjodohkan” calon penumpang dan pengemudi secara cerdas agar calon penumpang bisa mendapat kendaraan hanya dalam hitungan detik sejak ia menekan tombol “Order”. Grab juga harus dapat memformulasikan biaya perjalanan yang tepat secara real-time.

Untuk itulah, Grab memanfaatkan teknologi machine learning yang mampu mempelajari bermacam parameter, mulai dari profil dan kebiasaan penumpang/pengemudi, waktu pemesanan, kondisi cuaca dan lalu lintas, metode pembayaran (tunai/kartu kredit), sampai banyaknya permintaan dibanding ketersediaan pengemudi.

Di awal-awal operasionalnya, Grab masih menggunakan metode penentuan tarif secara konvensional. “Kami mematok tarif yang sudah ditentukan sebelumnya dan penumpang bisa menambahkan tips kepada pengemudi [jika bersedia]. Akibatnya, pengemudi hanya mau mengambil pesanan yang ditambahi tips,” ujar Ditesh Gathani (Director of Engineering, Grab) seperti dilansir Mashable. “Ini membuat para penumpang kesal,” imbuhnya.

Berbekal machine learning, Grab dapat menentukan tarif secara lebih cerdas dan memuaskan bagi kedua pihak, penumpang dan pengemudi. Sistem bisa mengetahui lokasi setiap pengemudi di sebuah area, mengukur kedekatan jarak dan waktu tempuh dengan calon penumpang, dan memperkirakan seberapa besar kemungkinan pengemudi menerima suatu pesanan.

Selain itu, sistem juga bisa mengenali siapa saja pengguna dan pengemudi yang paling sering membatalkan pesanan. Sebagai konsekuensi, sistem akan memberi “hukuman” dengan cara memperkecil kemungkinan mereka memperoleh kendaraan atau pesanan. “Pembatalan [pesanan] berdampak sangat negatif pada ekosistem,” Gathani beralasan.

Dengan demikian, sistem Grab mampu menawarkan suatu pesanan kepada sekelompok kecil pengemudi tertentu yang paling mungkin menerima pesanan tersebut. Hasilnya, pesanan lebih cepat dilayani, tingkat pembatalan pesanan makin rendah, dan kepuasan pelanggan kian meningkat.

Ingin tahu lebih lanjut mengenai cara Grab memanfaatkan machine learning dalam bisnisnya? Jangan lewatkan paparan dari Ridzki Kramadibrata (Managing Director, Grab Indonesia) dan pembicara-pembicara ahli lainnya dalam acara CTI IT Infrastructure Summit 2017, Rabu, 8 Maret 2017. Segera daftarkan diri Anda lewat alamat ini.

Menkominfo Rudiantara.

Meski memiliki sistem transportasi publik terbaik di dunia, Singapura tetap memiliki tantangan dalam mengatur pergerakan warga. Salah satunya adalah tingginya pergerakan pekerja dari dan ke pusat bisnis (seperti kawasan Marina Bay), utamanya pada jam sibuk. Untuk mengatasi hal ini, pemerintah Singapura mengeluarkan program regional center yang diharapkan akan berfungsi pada tahun 2030.

Melalui program ini, akan dibangun beberapa regional center yang tersebar di negara pulau tersebut. Pelaku bisnis di industri yang sama akan didorong menempati regional center yang tertentu. Dengan begitu, kegiatan bisnis akan tersebar dan tidak lagi terpusat di kawasan bisnis yang ada saat ini.

Namun untuk bisa menentukan lokasi regional center yang tepat, Pemerintah Singapura membutuhkan data pergerakan warganya. Untuk itu, A*STAR (Agency for Science, Technology and Research) mencoba menganalisis pergerakan warga berdasarkan data yang ada. Data tersebut berupa sistem smart card yang digunakan warga saat naik angkutan umum, data peruntukan lahan (bisnis atau tempat tinggal), serta lokasi fasilitas umum (amenities).

Untuk menganalisis data yang demikian besar tersebut, tim A*STAR pun menggunakan pendekatan machine learning. Mereka mencoba tiga tipe machine learning, sampai akhirnya menemukan pendekatan machine learning berbasis decision tree model yang memberikan data paling akurat.

“Hasil analisis menunjukkan, peningkatan fasilitas sampai 55% akan meningkatkan jumlah penggunaan angkutan umum,” ungkap Christopher Monterola dari A*STAR. Di atas angka tersebut, penggunaan angkutan umum akan menurun. “Dan hal ini logis karena ketika lokasi fasilitas umum relatif dekat, warga akan memilih berjalan kaki,” tambah Christopher.

Contoh di atas adalah sedikit gambaran bagaimana machine learning bisa digunakan di sektor pemerintahan. Hal ini pun disadari Menteri Komunikasi dan Informatika RI, Rudiantara, salah satu keynote speaker di acara CTI IT Infrastructure Summit 2017, konferensi di bidang TI yang diselenggarakan setiap tahun oleh CTI Group.

“Selama ini di korporasi, pemanfaatan machine learning kebanyakan di internal,” ungkap Rudiantara. Jika pemanfaatan machine learning juga ditujukan untuk melayani publik, diharapkan masyarakat akan mendapatkan manfaat yang lebih besar. “Akhirnya di sisi pasokan teknologinya juga akan berkembang,” tambah Rudiantara.

Rudiantara adalah salah satu dari banyak pembicara ahli yang akan hadir di acara CTI IT Infrastructure Summit 2017. Jika Anda tertarik, silakan daftarkan diri Anda menjadi peserta konferensi teknologi tahunan ini di alamat www.itinfrastructuresummit.com.

Leonardo Koesmanto (Head of Digibank, DBS Indonesia). [Foto: Abdul Aziz/InfoKomputer]

Dengan memanfaatkan machine learning, sebuah bank bisa lebih efisien sekaligus memberikan layanan optimal bagi nasabahnya. Kesimpulan itulah yang bisa ditarik dari pengalaman Bank DBS yang saat ini mulai memanfaatkan machine learning.

Salah satu implementasi machine learning di DBS adalah memberi insight bagi Relationship Manager (RM) saat berhubungan dengan nasabahnya. “Ketika akan bertemu nasabah, seorang RM itu harus riset dulu setiap nasabahnya,” cerita Leonardo Koesmanto (Head of Digibank, DBS Indonesia). Riset tersebut meliputi karakter investasi nasabah (seperti risk taker atau risk averse) dan juga kondisi pasar saat itu. Jika dalam sehari seorang RM harus bertemu lima nasabah, tentu proses riset akan membutuhkan waktu yang lama.

Hal itulah yang mendorong DBS untuk melirik machine learning. Proses riset yang biasanya dilakukan secara manual, kini menggunakan komputer. Machine learning akan menganalisis berbagai faktor, seperti latar belakang konsumen dan kondisi pasar, untuk kemudian memberikan saran kepada RM dalam membuat penawaran investasi. Berdasarkan masukan tersebut, sang RM bisa dengan cepat memberikan saran investasi yang tepat bagi nasabah.

Penggunaan machine learning pun bisa meluas ke sisi digital personal assistant. Personal assistant ini bisa menjawab pertanyaan nasabah seputar produk perbankan yang biasanya ditangani oleh customer service. “Karena 80% pertanyaan ke customer service pada dasarnya sama,” tambah pria yang akrab dipanggil Leo ini.

Lebih jauh lagi, digital personal assistant ini juga bisa membantu proses perbankan. Ketika ingin membayar tagihan telepon, misalnya, nasabah tinggal berkata atau mengetikkan “Saya ingin membayar tagihan telepon.” Hal yang sama pun bisa dilakukan ketika nasabah ingin mengecek saldo, melakukan transfer, dan berbagai kegiatan perbankan lainnya.

Semua kemudahan itu sejalan dengan visi DBS yang menginginkan bank menjadi satu hal yang invisible. “Kalau dulu, ketika kita melakukan kegiatan perbankan, kita harus pergi ke bank,” ungkap Leo. Sedangkan ke depannya, semua yang dilakukan nasabah di bank, bisa dilakukan menggunakan smartphone-nya. Kata “bank” pun akan bertransformasi menjadi sebuah kegiatan dan bukan lagi bentuk fisik. “Kita berada di belakang dari setiap transaksi yang dilakukan,” tambah Leo menggambarkan visi DBS ke depan.

Untuk mencapai ke sana, tantangannya memang tidak sedikit. Tantangan terbesar adalah bagaimana “melatih” machine learning ini untuk bisa bekerja dengan sempurna. “Machine learning itu ibarat anak yang harus diajari dulu,” tambah Leo. Contohnya, sang mesin harus bisa menangkap pertanyaan mengenai cara membuka rekening di DBS yang diungkapkan dengan bahasa resmi maupun sehari-hari.

Agar bisa belajar, sang mesin harus terus dipakai sehingga perbendaharaan kata dan kalimat yang ia mengerti bisa semakin besar. “Kami baru saja implementasi, jadi perlu waktu untuk dia menjadi pintar,” ujar Leo. Namun ia yakin, peran machine learning akan semakin besar di masa depan. “Saya cukup optimistis implementasinya akan banyak,” ungkap Leo.

Leonardo Koesmanto adalah salah satu pembicara pada acara CTI IT Infrastructure Summit 2017. Di acara ini, Leo akan membahas lebih jauh mengenai starategi DBS dalam menerapkan machine learning. Jika tertarik untuk ikut, silakan daftarkan diri Anda di alamat ini.

Ilustrasi machine learning. [kredit: Shutterstock]

Kurang dari sebulan, ajang tahunan CTI IT Infrastructure Summit 2017 akan digelar. Untuk tahun ini, ajang prestisius tersebut akan mengangkat tema Machine Learning: Capitalizing the Information of Everything to Drive Your Digital Business.

Machine learning sendiri adalah salah satu cabang computer science yang memungkinkan komputer menganalisa data tanpa harus dipogram secara spesifik. Hal ini berbeda dengan aplikasi pada umumnya yang harus secara detail memperhitungkan segala kemungkinan. Aplikasi berbasis machine learning memungkinan komputer mempelajari pola dari semua data yang ia miliki, untuk kemudian memberikan insight yang bisa membantu kita mengambil keputusan.

Dalam konteks yang lebih luas, machine learning adalah bagian dari konsep Artificial Intelligence dan cognitive computing yang kini dikembangkan banyak perusahaan teknologi dunia.

Ada alasan tersendiri mengapa CTI IT Infrastructure Summit 2017 mengambil tema machine learning. Dalam beberapa tahun terakhir, machine learning telah menjadi bagian penting dari akselerasi perusahaan dunia. Perusahaan seperti Amazon, SoftBank, atau PayPal adalah beberapa contoh perusahaan yang telah memanfaatkan machine learning.

Akan tetapi, machine learning, AI, dan cognitive computing memang belum terlalu populer di dunia IT Indonesia. Hal ini diakui Gunawan Susanto (President Director, IBM Indonesia) yang menjadi salah satu pendukung acara CTI Infrastructure Summit 2017. “Cognitive computing adalah salah satu cara Indonesia mengejar ketertinggalan dengan negara lain,” ungkap Gunawan.

Apalagi, beberapa negara tetangga sudah mulai memanfaatkan cognitive computing sebagai competitive advantage. Bumrungrad Hospital di Thailand, misalnya, menggunakan cognitive computing untuk membantu dokter spesialis kanker (oncologist) dalam memberikan perawatan yang tepat bagi pasien kanker. Dengan menganalisis literatur medis mengenai kanker dari seluruh dunia, cognitive computing bisa memberikan saran kepada dokter mengenai perawatan terbaik bagi sang pasien.

Contoh lain adalah perusahaan akomodasi Starwood Hotels & Resorts yang terkenal dengan jaringan hotel Sheraton dan Westin. Mereka telah menggunakan machine learning pada Revenue Optimization System (ROS ) mereka atau sistem pengaturan harga kamar. Sistem ini mampu mempelajari aneka data dalam menentukan harga kamar secara real-time menggunakan berbagai data internal, seperti jumlah ketersediaan kamar, tingkat pemesanan, pembatalan, tipe kamar, dan harga kamar harian. ROS juga menganalisis data eksternal seperti harga hotel pesaing, cuaca di sekitar, dan acara-acara besar yang diselenggarakan di dekat lokasi hotel. Hasilnya, lebih dari 1.000 hotel milik Starwood bisa mengubah harga kamar setiap menitnya demi menentukan harga yang paling efisien untuk meningkatkan pemasukan dan keuntungan perusahaan.

Dua contoh di atas menunjukkan, cognitive computing mampu memberikan keunggulan unik bagi perusahaan. Peluangnya pun terbilang tak terbatas karena pemanfaatan cognitive computing bisa dilakukan untuk berbagai skenario. Perusahaan retail, misalnya, bisa memanfaatkan cognitive computing untuk memprediksi stok sebuah produk berdasarkan pola pembelian konsumen selama ini. Nelayan pun bisa memanfaatkan sistem pintar ini untuk memperkirakan area laut yang padat ikan berdasarkan data cuaca dan pola arus laut.

Pendek kata, semua kebutuhan bisnis bisa memanfaatkan machine learning. Namun karena prinsip dasar dari machine learning adalah “belajar”, tiap skenario membutuhkan data dan proses pembelajaran yang berbeda. Karena itulah Gunawan Susanto mengajak semua pihak di ekosistem IT Indonesia untuk memanfaatkan machine learning berdasarkan kebutuhan unik bangsa ini. “Jangan sampai kita cuma menikmati service [berbasis machine learning]-nya, namun player-nya dari negara lain,” ujar Gunawan.

Ingin mengetahui lebih jauh mengenai pemanfaatan machine learning di berbagai industri? Daftarkan diri Anda di alamat ini untuk mengikuti CTI IT Infrastructure Summit 2017. Akan ada pembicara dari Grab, Singtel, DBS, dan berbagai perusahaan lain yang akan membahas bagaimana mereka memanfaatkan machine learning.

Rachmat Gunawan (Direktur, CTI Group) dan Gunawan Susanto (Presiden Direktur, IBM Indonesia) dalam konferensi pers kick off CTI IT Infrastructure Summit 2017.

CTI Group kembali akan menggelar seminar dan pameran infrastruktur CTI IT Infrastructure Summit 2017 pada tanggal 8 Maret 2017 di Hotel Ritz-Carlton Pacific Place, Jakarta.

Penyelenggaraan kali ini telah memasuki tahun keempat dan akan mengangkat topik “Machine Learning: Capitalizing the Information of Everything to Drive Your Digital Business”. Harapannya, para peserta dapat memahami peran teknologi machine learning dalam membantu organisasi mengolah data dan informasi menjadi insight berharga demi pertumbuhan bisnis.

Mengapa machine learning dipilih oleh CTI Group sebagai tema besar tahun ini?

“Dengan begitu dahsyatnya pertumbuhan data di seluruh dunia, di mana sekitar 2,5 quintillion data digital tercipta per hari, bisnis tidak lagi mampu menganalisis data tersebut secara tradisional untuk memperoleh insight penting. Di sinilah kehadiran machine learning diperlukan untuk menganalisis data secara otomatis dan memprediksi masa depan untuk mendongkrak pemasukan,” jelas Rachmat Gunawan (Direktur, CTI Group) dalam konferensi pers di Jakarta, Rabu (8/2).

IDC mencatat 75% enterprise dan pengembang software akan menerapkan fungsi machine learning dengan tool analitik bisnis yang lengkap, minimal dalam satu aplikasi perusahaan. Sedangkan Gartner memperkirakan pada tahun 2018, lebih dari separuh perusahaan enterprise di dunia akan meningkatkan daya saing melalui implementasi advanced analytics dan algoritma yang nantinya mampu mendisrupsi seluruh industri.

Machine learning juga diprediksi akan mengalami peningkatan dalam sisi service market dari US$613,4 juta di 2016 menjadi US$3,755 juta pada 2021 dengan Laju Pertumbuhan Majemuk Tahunan (CAGR) sebesar 43,7%.

“IBM memiliki solusi pendekatan Cognitive yang mampu menganalisis, memberikan rekomendasi di seluruh industri. IBM Watson merupakan produk dari solusi Cognitive kami yang memiliki kemampuan untuk membuka data-data yang tidak teridentifikasi,” jelas Gunawan Susanto (Presiden Direktur, IBM Indonesia).

“Melalui CTI IT Infrastructure Summit 2017, kami ingin menjadi mitra industri dalam menerapkan teknologi cognitive computing untuk mendorong keberhasilan bisnis di era transformasi digital saat ini,” imbuh Rachmat.

Seleksi iCIO Awards 2017

Seperti tahun-tahun sebelumnya, CTI IT Infrastructure Summit 2017 bakal menghadirkan beragam solusi TI terkini dan sharing best practice, tidak hanya bagi profesional di bidang TI, tetapi juga pemasaran, keuangan, produksi, dan sektor lainnya dari lintas industri di Indonesia.

Pada acara ini, juga akan diumumkan para CIO dan IT leader yang memenangi penghargaan iCIO Awards 2017 sebagai “The Most Influential CIO”, “The Most Intelligent CIO”, dan “The Most Innovative CIO”.

Saat ini, sembilan CIO dari berbagai latar belakang industri, yakni keuangan, pemerintahan, e-commerce, edukasi, dan transportasi berhasil lolos dalam tahapan seleksi formulir aplikasi dan akan mengikuti tahap akhir dari proses pemilihan, yakni wawancara dan presentasi dengan Dewan Juri.

Dewan Juri iCIO Awards 2017 terdiri dari Hasnul Suhaimi (Executive & Business Coach, mantan CEO XL Axiata), Hendra Godjali (CEO, Ernst & Young), Prihadiyanto (Managing Director, Accenture Indonesia), Arif Budisusilo (Pemimpin Redaksi Harian Bisnis Indonesia), dan Richardus Eko Indrajit (Kepala Asosiasi Perguruan Tinggi Informatika dan Komputer/APTIKOM).

“iCIO Community memberikan penghargaan setinggi-tingginya untuk para CIO yang telah mengikuti proses seleksi iCIO Awards 2017. Kami berharap mereka nantinya dapat menjadi role model bagi para praktisi TIK, khususnya para CIO lain, dalam mengatasi berbagai tantangan penerapan TIK di organisasinya serta memberikan kontribusi peningkatan kinerja bisnis dan membangun daya saing organisasi secara berkelanjutan.” ujar Harry Surjanto (Founder and Advisor, iCIO Community).

CTI IT Infrastructure Summit 2017 didukung oleh lembaga riset Gartner dan Grab Indonesia serta vendor-vendor TI terkemuka di dunia, seperti IBM, FireEye, Dell-EMC, Fujitsu, Hewlett-Packard Enterprise, Lenovo, F5, Hitachi Data Systems, Lexmark, Varonis, Data Spark, Samsung, Pure Storage, dan Progress Software.

Untuk registrasi atau mendapatkan informasi yang lebih lengkap mengenai CTI IT Infrastructure Summit 2017, silakan kunjungi: www.itinfrastructuresummit.com.

Bunga apa yang pantas diberikan bagi istri yang akan berulang tahun esok hari? Bagi banyak suami, pertanyaan itu mungkin hanya bisa dijawab dengan tatapan kosong dan wajah bingung. Namun jangan khawatir, ada Gwyn yang siap membantu.

Cukup mengunjungi alamat https://www.1800flowers.com/gwyn-1800flowers, Anda bisa berkonsultasi dengan Gwyn. Dia akan menanyakan warna kesukaan sang istri, jenis bunga yang disukai, dan setelah itu memberikan rekomendasi bunga apa yang bisa diberikan kepada sang istri. Kedengarannya memang simpel, namun ada teknologi yang menarik di balik itu.

Gwyn (yang sebenarnya merupakan singkatan dari Gift When You Need) adalah asisten berbasis artificial intelligence (AI). Fungsi Gwyn adalah mengetahui keinginan konsumen untuk kemudian menyajikan bunga yang tepat dari koleksi 16 perusahaan bunga di bawah 1-800-Flowers.com. “Kami menciptakan Gwyn sebagai bagian dari usaha kami meningkatkan customer experience,” ungkap Chris McCann, President 1-800-Flowers.com.

Sebagai “asisten” yang bertugas mengulik keinginan konsumen, tugas Gwyn tentu saja tidak mudah. Gwyn harus bisa mengetahui keinginan konsumen berdasarkan medium chatting yang menggunakan natural language manusia. Artinya, Gwyn tidak bisa diprogram menggunakan algoritma standar. Gwyn harus menggunakan pendekatan machine learning yang bisa mengintepretasikan natural language tersebut menjadi bahasa yang dimengerti mesin.

Untuk menciptakan Gwyn ini, 1-800-Flowers.com menggunakan solusi IBM Watson Engagement Advisor (WEA). Tidak cuma memahami bahasa manusia, IBM WEA juga membantu Gwyn menemukan konteks berdasarkan berbagai data. Contohnya history data konsumen selama ini, kesukaan mereka, dan juga momen yang sesuai dengan waktu permintaan (seperti menyediakan bunga warna pink menjelang Hari Valentine).

Sedangkan untuk di sisi backend, Gwyn juga memanfaatkan IBM Watson Explorer (WEX) untuk memindai seluruh inventori. Dengan begitu, Gwyn bisa memberikan rekomendasi bunga yang memang tersedia di inventori 1-800-Flowers.com.

Gwyn merupakan contoh bagaimana teknologi machine learning bisa digunakan untuk mempelajari berbagai data dan informasi, dari bentuk numerik yang dipahami mesin sampai bahasa manusia yang mesti diinterpretasikan lebih lanjut. Berdasarkan pemahaman ini, Gwyn bisa secara cerdas mengumpulkan dan menganalisis data, lalu merekomendasikan bunga yang sesuai selera dan kebutuhan konsumen dengan AI.

Cerita soal Gwyn di atas adalah satu dari kian banyaknya contoh implementasi AI di industri retail. Contoh lainnya adalah perusahaan outdoor apparel North Face yang juga memanfaatkan AI untuk membantu konsumen memilih produk yang tepat.

Implementasi AI pun tidak cuma di sisi pengguna. IBM Watson memiliki fitur Order Optimizer yang akan memberikan saran terkait strategi inventori toko retail. Saran itu diberikan setelah menganalisa pola pembelian konsumen, tingkat laku sebuah produk, sampai kondisi cuaca yang mempengaruhi pembelian sebuah produk.

Implementasi AI juga bisa digunakan untuk menyediakan produk yang personal dan menjawab kebutuhan tiap konsumen. Dengan menganalisis social profile, preferensi personal, sampai tren yang ada saat ini, industri retail bisa memberikan produk yang sesuai berbasis individu. Dengan begitu, setiap konsumen merasa kebutuhannya terpenuhi dan mendapat sentuhan personal dari toko retail tersebut.

Pendek kata, AI dan machine learning akan mentransformasi industri retail dalam skala yang luar biasa.

Artificial Intelligence untuk Semua

Penerapan AI dan machine learning sebenarnya tidak cuma untuk industri retail. Semua industri bisa menjadikan AI sebagai competitive advantage.

Untuk mengetahui lebih jauh bagaimana AI bisa mentransformasi industri perbankan, telekomunikasi, sampai e-commerce, Anda bisa mengikuti acara CTI IT Infrastructure Summit 2017. Pada acara bertajuk “Machine Learning: Capitalizing the Information of Everything to Drive Your Digital Business”, Anda bisa belajar dari perusahaan yang telah berhasil memanfaatkan machine learning.

Segera daftarkan diri Anda di www.itinfrastructuresummit.com mengingat tempat yang terbatas.

Membedakan foto sepatu dan baju adalah sebuah pekerjaan yang sangat mudah dilakukan manusia. Namun bagaimana jika ada jutaan foto yang harus disortir?

Masalah seperti ini benar dialami oleh Lazada. Setiap produk yang dipampang di platform mereka harus diperiksa dan diverifikasi. “Apakah kualitas fotonya bagus? Apakah nama produknya akurat? Setelah itu, kami harus menempatkannya di kategori produk yang tepat,” cerita John Berns (SVP Head of Data Science, Lazada).

Awalnya, Lazada melakukan proses tersebut secara manual oleh manusia. Namun mengingat setiap tahun ada 30 juta foto yang harus diolah, proses manual tersebut menuntut waktu dan tenaga yang tak sedikit. Hal inilah yang mendorong Lazada untuk membangun sistem berbasis teknologi machine learning.

“Sistem ini bisa melihat gambar, menganalisis, lalu menaruhnya di kategori yang tepat,” kata Berns. Ketika dilakukan secara manual, proses verifikasi biasanya berlangsung 30 detik Namun ketika menggunakan sistem berbasis machine learning, waktu yang dibutuhkan hanya sekitar 5-6 detik.

Akurasi sistem tersebut juga bisa diandalkan. “Sekitar 90% produk dapat diklasifikasikan berdasarkan machine learning, sementara sisanya masuk ke dalam suggestion untuk diproses secara manual,” tambah Berns.

Implementasi Luas

Machine learning sendiri adalah salah satu cabang ilmu komputer yang memiliki kemampuan belajar dari pola data, baik yang diberikan sebelumnya maupun data baru. Machine learning erat kaitannya dengan computational computing karena mengandalkan pola statistik dari data yang ia proses. Seperti contoh di atas, sistem machine learning Lazada bisa mengenali foto sebuah baju karena ia mengenali ciri-ciri baju dari jutaan foto baju yang telah ia proses.

Teknologi machine learning sebenarnya bukan hal yang baru. Pada tahun 1960, Joseph Weizenbaum membuat komputer bernama Eliza yang mengambil pendekatan machine learning. Namun implementasi machine learningmendapat momentumnya dalam beberapa tahun terakhir karena ekosistem yang mendukung. Contohnya peningkatan kecepatan komputasi yang bisa memproses data ukuran raksasa dengan lebih cepat. Selain itu, algoritma machine learning juga kian matang seiring kian seriusnya perusahaan teknologi raksasa, seperti Google, Microsoft, dan Amazon, dalam mengimplementasikan machine learning.

Perusahaan dari berbagai industri pun kini mulai melirik machine learning sebagai competitive advantage. Survei yang dilakukan MIT terhadap 168 perusahaan dengan pendapatan di atas US$500 juta menunjukkan, 76% responden telah menggunakan aplikasi berbasis machine learning untuk mengejar kenaikan pendapatan.

Sementara lembaga survei McKinsey menyebut, lebih dari selusin bank di Eropa telah mengganti sistem statistik yang biasa mereka gunakan dengan sistem baru berbasis machine learning. Hasilnya pun sangat positif. Bank yang telah menggunakan machine learning ini berhasil meningkatkan pendapatan 10% terhadap produk baru, serta penurunan churn (angka nasabah yang berhenti menggunakan jasa keuangan) sampai 20%.

Hal ini bisa dicapai karena sistem berbasia machine learning bisa memberikan rekomendasi yang lebih presisi dalam menawarkan produk baru maupun mendeteksi nasabah yang akan berhenti. Dalam konteks yang lebih luas, machine learning juga bisa digunakan untuk memprediksi potensi fraud, meningkatkan layanan masyarakat dan kesehatan, serta memperbaiki pola pelatihan olahraga.

Pendek kata, machine learning adalah tools yang akan membantu tiap perusahaan dalam meningkatkan kinerja mereka. Pertanyaan besarnya, apakah perusahaan Anda siap mengimplementasikannya?

Ingin tahu lebih banyak bagaimana machine learning bisa membantu perusahaan Anda?

Anda ingin tahu lebih banyak bagaimana machine learning bisa membantu perusahaan Anda? Anda bisa mengikuti CTI IT Infrastructure Summit yang akan diselenggarakan pada 8 Maret 2017. Pada acara yang bertajuk “Machine Learning: Capitalizing the Information of Everything to Drive Your Digital Business”, narasumber dari berbagai industri akan berbagi strategi mereka dalam mengimplementasikan machine learning.

Segera daftarkan diri Anda di http://www.itinfrastructuresummit.com/preregister mengingat tempat yang terbatas.

TERBARU

Presiden Direktur CTI Group Harry SurjantoSaat ini pemerintah Indonesia sedang giat membangun infrastruktur seperti jalan-jalan tol di Indonesia termasuk juga tol laut. Namun,...