Tags Posts tagged with "machine learning"

machine learning

Ilustrasi serangan jantung

Penyakit jantung adalah satu penyakit yang mematikan bahkan ada 20 juta orang mati setiap tahunnya karena penyakit kardiovaskular.

Agar tidak jatuh banyak korban lagi, tim peneliti University of Nottingham di Inggris mengembangkan algoritma berbasis kecerdasan buatan dan machine learning yang mampu memprediksi kemungkinan seseorang terkena serangan jantung atau stroke dengan tingkat akurasi yang lebih cermat dari dokter.

American College of Cardiology/American Heart Association (ACC/AHA) menggunakan patokan umur, tingkat kolesterol dan tekanan darah untuk memprediksi risiko seorang pasien terkena penyakit kardiovaskular.

Namun, ketepatan sistem itu menebak risiko seseorang berada pada tingkat 72,8 persen. Di bidang medis, angka itu memang tergolong cukup akurat, namun para peneliti di Inggris masih merasa belum puas.

Meski cukup akurat, Stephen Wang dan timnya masih mencari cara yang lebih baik untuk memperkirakan risiko seseorang terkena penyakit kardiovaskular. Kemudian, tim Wang memasukkan data sebanyak 378.256 pasien yang ada di Inggris. Hasil algoritma secara signifikan mengungguli pedoman AAA/AHA, mulai dari akurasi 74,5 ke 76,4 persen.

Menariknya, sistem AI mampu mengidentifikasi sejumlah faktor risiko yang tidak tercakup dalam ilmu kedokteran yang sudah ada, seperti penyakit mental yang berat dan konsumsi kortikosteroid oral.

“Ada banyak interaksi dalam sistem biologi. Itulah realitas tubuh manusia untuk mengeksplorasi hubungan mereka,” ujar Wang seperti dikutip IB Times.

Selain di bidang medis, saat ini sudah banyak teknologi kecerdasan buatan yang dipakai manusia. Misalnya, robot Asimo yang bisa menari dan berjalan. Di industri otomotif, ada teknologi komputer yang mampu mengolah data dengan cepat untuk memberikan peringatan pada pengemudi mobil untuk menghindari terjadinya tabrakan.

Adobe Sensei yang berbasis teknologi kecerdasan buatan (AI) dan machine learning mampu menyulap foto selfie menjadi lebih cantik alami.

Selfie sudah menjadi tren dan budaya di era digital. Namun, saat ini kualitas foto selfie kurang bagus dan alami serta bagian wajahnya cenderung bulat karena terkendala kemampuan lensa kamera smartphone. Jauh berbeda ketika foto selfie diambil dengan lensa portrait dari kamera digital.

Melihat hal itu, Adobe tertarik untuk membuat aplikasi mempercantik foto selfie. Perusahaan di balik software Photoshop itu sedang mengembangkan platform Adobe Sensei yang berbasis teknologi kecerdasan buatan (AI) dan machine learning untuk menyulap foto selfie menjadi lebih cantik alami.

Hebatnya, platform Adobe Sensei mampu mengenali wajah objek foto dan mengubah bentuknya menjadi tidak tampak bulat sehingga hasilnya mirip dengan hasil jepretan kamera digital dan tampak alami.

Bahkan, Adobe Sensei mampu memisahkan objek foto dan latar belakang sehingga pengguna bisa mengubah-ubah angle wajah setelah foto diambil dan menambahkan efek blur atau bokeh tanpa bantuan lensa kedua.

Platform Adobe Sensei

Kemampuan lainnya, Adobe Sensei mampu mengenali berbagai gaya foto selfie dan memungkinkan pengguna meniru gaya selfie orang lain, seperti dikutip SlashGear.

Selain itu, pengguna bisa menjepret foto selfie tanpa butuh kemampuan fotografi ataupun peralatan kamera yang mumpuni. Hal itu disebabkan photo retouching dan style matching merupakan salah satu metode paling sulit dalam melakukan pengeditan foto.

Cloudera, penyedia platform global terkemuka untuk mesin pembelajaran (machine learning) meluncurkan BASE (Big Analytics Skills Enablement) di Indonesia.

Cloudera, penyedia platform global terkemuka untuk mesin pembelajaran (machine learning) meluncurkan BASE (Big Analytics Skills Enablement) di Indonesia.

BASE merupakan sebuah ekosistem untuk menghasilkan tenaga kerja data profesional di masa depan.

[BACA: BASE, Cara Cloudera Atasi Kelangkaan Ilmuwan Data]

BASE memungkinkan para pelaku industri, pemerintah, dan institusi-institusi akademis untuk mendukung lebih banyak tenaga kerja profesional. Selain itu, BASE dapat menunjang Smart City di Indonesia dan menjembatani kesenjangan keterampilan tenaga kerja profesional data di pasar.

Rudiantara (Menteri Komunikasi dan Informatika, Republik Indonesia) mengatakan Indonesia harus berinvestasi dan membina profesional TI di dalam negeri untuk mewujudkan pemerataan kota digital di Indonesia.

“Para pelaku bisnis dan tenaga kerja profesional yang memiliki keterampilan BDA akan membawa Indonesia selangkah lebih maju dalam meraih kesuksesan,” katanya di Jakarta, Kamis.

Saat ini, Bank Danamon, Dell EMC, Microsoft, Red Hat, Telkomsigma, dan Data Science Indonesia telah bergabung dengan BASE Initiative di Indonesia. Tak hanya itu, institusi-institusi akademis seperti Universitas Multimedia Nusantara (UMN) dan Universitas Telkom juga memberikan pelatihan keterampilan data kepada mahasiswa mereka.

Daniel Ng (Senior Director Cloudera untuk wilayah Asia Pasifik dan Pencetus BASE) mengatakan BASE Initiative Cloudera menyatukan perusahaan-perusahaan dari sektor publik dan swasta untuk bekerja sama dengan komunitas big data, serta membina, melatih, berkolaborasi, dan mempekerjakan para tenaga kerja profesional big data.

“Dengan BASE, Indonesia dapat menghasilkan segudang tenaga kerja profesional big data dan memajukan inisiatif-inisiatif Smart City di negeri ini,” pungkasnya.

BASE Initiative melengkapi program Cloudera Academic Partnership (CAP). Melalui program CAP, Cloudera menghadirkan kurikulum open source berstandar industri yang lengkap dan tanpa biaya bagi lembaga-lembaga mitra yang dapat diaplikasikan ke dalam program studi ilmu komputer dan bisnis analitik.

Para staf pengajar dan mahasiswa dari lembaga-lembaga terkait juga mendapatkan akses terhadap software dan pelatihan dengan potongan biaya guna membantu mempercepat adopsi platform open source dan teknologi-teknologi terkait. Saat ini, terdapat lebih dari 100 lembaga akademis di seluruh dunia yang merupakan anggota CAP, termasuk UMN dan Universitas Telkom di Indonesia.

Ilustrasi ARM Dynamiq 1

Pabrikan manufaktur chip ARM meluncurkan teknologi Dynamiq yang meningkatkan kinerja prosesor multicore dalam menangani kecerdasan buatan, komputasi awan, dan beberapa perangkat elektronik terbaru.

Perusahaan yang berbasis di Cambridge, Inggris ini akan membenamkan teknologi itu pada prosesor ARM Cortex-A yang akan hadir di pasar pada tahun ini untuk industri otomotif, jaringan, server, dan perangkat primary komputer.

Prosesor ARM terbaru itu memungkin pengelolaan proses multicore yang fleksibel dan mampu menyelesaikan berbagai tugas dalam waktu bersamaan.

“Chip ini dapat mendukung “heterogeneous compute” atau menggunakan berbagai prosesor dalam satu mesin,” kata Nandan Nayampally (General Manager, ARM Compute Products Group) seperti dikutip Venture Beat.

Ilustrasi ARM Dynamiq 2

Teknologi Dynamiq juga mampu menjalankan berbagai tugas besar yang mengombinasikan prosesor bertenaga dan hemat daya sehingga membuatnya sangat fleksibel.

ARM melihat Dynamiq akan menjadi pergeseran mikroarsitektur terbesar sejak ARM mengumumkan arsitektur komputasi 64-bit pada 2011. Dalam lima tahun mendatang, ARM memprediksi ARM Dynamiq akan mengirimkan sebanyak 100 miliar chip dibandingkan pengiriman 5 tahun lalu yang hanya 50 juta chip.

Teknologi Dynamiq juga akan meningkatkan kinerja kecerdasan buatan dan machine learning sampai lima puluh kali lipat dalam tiga hingga lima tahun ke depan.

Untuk jaringan, ARM akan menggunakan 8 cores di dalam satu klaster sehingga mengurangi latensi dan membuat komunikasi lebih efisien. Untuk otomotif, Dynamiq menjanjikan fitur keselamatan dan bantuan berbasis AI.

“Dynamiq akan membuat perusahaan lebih mudah mengadopsi teknologi bersama prosesor ARM,” pungkasnya.

Ilustrasi pencegahan bunuh diri.

Belum lama ini, masyarakat Indonesia dihebohkan dengan kasus seorang pria yang menyiarkan langsung proses bunuh dirinya lewat Facebook. Rupanya, kasus ini bukan pertama kalinya terjadi.

Pada bulan Januari lalu, seorang gadis 14 tahun gantung diri di rumahnya di Florida, AS, dan seorang pria 33 tahun menembak dirinya di dalam sebuah mobil di jalanan Los Angeles, seperti dilansir USA Today. Aksi keduanya disiarkan secara langsung di Facebook.

Sedangkan pada Oktober tahun lalu, seorang pria Turki menayangkan curahan hatinya di Facebook Live setelah diputuskan kekasihnya, sebelum akhirnya bunuh diri–motif yang mirip dengan kasus bunuh diri live di Jakarta akhir pekan silam.

Merespons fenomena tersebut, Facebook bertindak dengan mengintegrasikan perangkat pencegahan bunuh diri secara real-time di dalam Facebook Live. Mulai awal Maret lalu, Facebook menawarkan layanan live chat dari organisasi pencegahan krisis seperti National Suicide Prevention Lifeline dan Crisis Text Line melalui Facebook Messenger.

Facebook juga mengembangkan sistem kecerdasan buatan yang mampu membaca, menganalisis, dan mengenali post dan komentar di wall seorang pengguna untuk mengenali gejala-gejala kecenderungan bunuh diri. Jika seseorang dicurigai berpotensi melakukan bunuh diri, sistem akan mengirim sinyal bahaya kepada Facebook sehingga Facebook bisa menawarkan dukungan berupa konseling dan live chat.

Cara Facebook mencegah usaha bunuh diri.

Bukan hanya Facebook yang bereaksi menanggapi fenomena bunuh diri live. Wired melaporkan bahwa tim peneliti di Florida State University telah menguji sistem berbasis machine learning untuk mempelajari rekam medis dari 2 juta pasien di kota Tennessee, AS.

Hasil uji coba tersebut membuktikan bahwa algoritma yang digunakan pada sistem machine learning itu berhasil mencapai tingkat akurasi 80 sampai 90 persen. Algoritma ini menggabungkan berbagai faktor, seperti penggunaan obat pereda nyeri dan jumlah kunjungan ke UGD setiap tahun, untuk memprediksi apakah seseorang punya potensi bunuh diri atau tidak dalam dua tahun ke depan.

Sementara itu, Cogito, pengembang asal Boston, AS, sedang membuat aplikasi Companion yang dapat menggambarkan kesehatan mental seseorang dengan cara menganalisis suara orang tersebut.

Aplikasi itu ditanamkan di smartphone dan berjalan di latar belakang untuk merekam semua kata dan kalimat yang pengguna ucapkan. Aplikasi itu kemudian akan mencoba mengenali intonasi, energi, dan elemen-elemen vokal yang menyiratkan perasaan depresi dan perubahan mood lainnya sepanjang hari. Aplikasi itu juga memakai accelerometer pada ponsel untuk mendeteksi seberapa aktif pengguna yang bisa dijadikan indikator kondisi mentalnya.

Aplikasi Companion sedang diujicoba kepada para pasien dengan kelainan jiwa di sebuah rumah sakit di Boston. Jika aplikasi mendeteksi adanya kecenderungan depresi pada seorang pasien, dokter dan tenaga medis lainnya akan diberitahu agar mereka dapat segera mengecek kondisi pasien yang bersangkutan.

Ilustrasi IBM Watson

IBM Watson adalah machine learning tercerdas yang ada di pasar saat ini. Terbukti IBM Watson bisa memenangi kompetisi pengetahuan umum Jeopardy, main catur, bahkan menentukan pengobatan penderita kanker di Thailand.

Namun, Louis Richardson (IBM Watson Chief Storyteller) mengatakan bahwa IBM Watson tidak akan mampu mengalahkan kecerdasan manusia secara keseluruhan, mengingat IBM Watson hanya mendukung manusia dalam berbagai bidang.

“Watson memang memiliki kemampuan memahami data dan dapat lebih cerdas dibandingkan satu manusia. Tapi, Watson tidak akan pernah bisa mengalahkan kecerdasan umat manusia secara keseluruhan,” katanya di Jakarta.

Richardson mengatakan kehadiran Watson membantu manusia melakukan banyak hal dan memungkinkan penggunanya untuk bekerja lebih cerdas. Tetapi, kecerdasan Watson hanya sebatas menghadirkan informasi untuk mendukung proses pengambilan keputusan.

“Watson akan membantu manusia untuk mengeksplorasi data lebih jauh dan menemukan solusi terbaik untuk setiap permasalahan. Watson hanya membantu mempersingkat proses pengambilan keputusan tetapi tidak mungkin Watson bertindak sebagai pengambil keputusan,” ujarnya.

Karena itu, IBM Watson tidak bisa berdiri sendiri dan tetap membutuhkan bantuan serta kecerdasan manusia untuk memahami dan mempelajari data.

IBM Watson sendiri mengusung Cognitive Computing (CC) yang merupakan platform teknologi yang menggabungkan berbagai disiplin ilmu seperti machine learning, natural language processing (NLP), speech and image recognition, dan sebagainya.

Cognitive computing adalah cara memindahkan kemampuan kognitif manusia ke dalam komputer sehingga komputer dapat berpikir lebih cepat dan mendekati cara berpikir manusia. IBM telah memelopori hal ini dengan menghadirkan IBM Watson.

IBM Watson

Penyebaran berita hoax alias palsu memang sangat meresahkan warga dan bisa menyulutkan api permusuhan. Media jejaring sosial Facebook dan Twitter dkk pun menyiapkan strategi khusus berupa tools untuk mengatasai berita hoax di media jejaring sosialnya.

Ternyata, teknologi machine learning IBM Watson bisa mengenali dan memberantas berita hoax yang menyebar di media sosial. Bahkan, ada salah institusi pemerintah yang telah menggunakan IBM Watson untuk menganalisa dan mengenali isu-isu SARA termasuk berita hoax yang menyebar di media sosial.

Novan Adian (Country Manager Hardware IBM Indonesia) mengatakan IBM Watson memiliki prospek yang besar di Indonesia IBM Watson memiliki banyak kemampuan dan memiliki kecerdasan yang luar biasa. IBM Watson bisa digunakan untuk bidang kesehatan, finansial dan industri lainnya.

“Saat ini ada dua perusahaan di Indonesia yang sudah menggunakan IBM Watson. Yang satu perusahaan swasta yang menggunakan IBM Watson untuk bidang finansial. Satu lagi, instansi pemerintah yang menggunakan IBM Watson untuk menganalisa isu-isu yang menyebar di media dan media sosial termasuk isu SARA dan berita Hoax,” katanya di Jakarta.

Sayangnya, Novan tidak ingin menyebutkan nama perusahaan dan instansi yang telah menggunakan IBM Watson di Indonesia karena masalah kerahasiaan. Nantinya, instansi pemerintah itu akan cepat mengambil keputusan dan menangkis penyebaran berita Hoax itu di Indonesia.

Meskipun pintar dan canggih, tidak serta merta membuat IBM Watson bisa diterima begitu saja di Indonesia. Novan mengatakan tidak semua perusahaan ingin membagi data-datanya kepada IBM Watson.

“Apakah semua perusahaan ingin men-share datanya ke IBM Watson?. Tidak semuakan,” ucapnya.

Sebelum menjalankan tugasnya, perusahaan atau instansi harus mengajarkan atau menginput data-data kepada IBM Watson terlebih dahulu.

IBM Watson sendiri mengusung Cognitive computing (CC) yang merupakan platform teknologi yang menggabungkan berbagai disiplin ilmu seperti machine learning, natural language processing (NLP), speech and image recognition, dan sebagainya.

Cognitive computing adalah bagaimana manusia memindahkan kemampuan kognitif manusia ke dalam komputer sehingga komputer dapat berpikir lebih cepat dan mendekati cara berpikir manusia. IBM telah mempelopori hal ini dengan menghadirkan IBM Watson.

Cognitive computing memiliki empat kemampuan utama yaitu pemahaman, pembentukan hipotesis, kemampuan belajar dan komunikasi dengan manusia.

“Di masa depan, setiap keputusan manusia akan dibuat berdasarkan informasi dari sistem kognitif seperti Watson, dan kehidupan kita akan jadi lebih baik karenanya,” ucapnya.

“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.

TERBARU

Jimmy Wales (Pendiri Wikileaks)Berita hoax alias palsu telah menjadi musuh bersama masyarakat. Jimmy Wales (Pendiri Wikipedia) meluncurkan Wikitribune, sebuah portal berita berbasis komunitas...