Apa itu Data Science?

Setiap hari aplikasi yang kita pakai mencatat jejak: transaksi di kasir, klik di toko daring, sensor di pabrik, hingga rating yang kita berikan. Data science adalah bidang yang mengubah jejak-jejak tersebut menjadi keputusan yang lebih baik. Pada chapter ini kita akan memahami definisi data science, tiga komponen yang membentuknya, dan bentuk pertanyaan nyata yang dijawab oleh data science — supaya materi pada chapter-chapter berikutnya memiliki peta yang jelas.

Definisi Singkat #

Data science adalah disiplin yang memadukan statistika, pemrograman, dan pemahaman domain untuk mengekstraksi temuan yang bermakna dari data. Definisi ini sering diringkas menjadi perpotongan tiga lingkaran yang dipopulerkan oleh Drew Conway pada tahun 2010: keahlian matematika dan statistika, keahlian hacking (dalam arti keterampilan pemrograman), dan substansi ahli (domain expertise).

Ketiga komponen tersebut bekerja bersama, bukan berdiri sendiri:

Tanpa statistika, kita hanya menghitung; tanpa pemrograman, kita hanya berteori; tanpa pemahaman domain, kita menjawab pertanyaan yang keliru. Seorang data scientist yang menganalisis penjualan kopi, misalnya, perlu memahami musim panen dan perilaku pelanggan kafe — bukan sekadar mampu menjalankan fungsi groupby().

Pertanyaan yang Dijawab Data Science #

Cara paling cepat memahami data science adalah melihat bentuk pertanyaan yang dijawabnya. Secara umum pertanyaan tersebut terbagi dalam tiga keluarga:

• Deskriptif — “apa yang terjadi?” Contoh: berapa rata-rata transaksi per pelanggan bulan lalu?
• Prediktif — “apa yang mungkin terjadi?” Contoh: berapa stok kopi yang sebaiknya disiapkan pekan depan?
• Preskriptif — “apa yang sebaiknya kita lakukan?” Contoh: segmen pelanggan mana yang paling efektif diberi diskon?

Ketiga keluarga pertanyaan tersebut menuntut peralatan yang berbeda. Pertanyaan deskriptif cukup dijawab dengan agregasi dan visualisasi; pertanyaan prediktif membutuhkan model machine learning; pertanyaan preskriptif menambahkan simulasi dan optimasi di atas prediksi. Perjalanan kita pada Course ini mengikuti urutan tersebut: kuasai dulu cara menjelaskan data, sebelum belajar memprediksi.

Sekilas Wujud Nyatanya #

Mari kita lihat betapa sederhananya titik awal data science: sebuah pertanyaan dan sekumpulan angka. Sebuah kafe mencatat nilai transaksi (dalam ribuan rupiah) dari lima pelanggan pada suatu pagi. Kita ingin tahu berapa nilai transaksi rata-rata dan pelanggan mana yang bertransaksi di atas rata-rata.

pelanggan = ["Budi", "Siti", "Dewi", "Rani", "Agus"]
transaksi = [42, 18, 65, 30, 25]

rata_rata = sum(transaksi) / len(transaksi)
print("Rata-rata transaksi:", rata_rata)

for nama, nilai in zip(pelanggan, transaksi):
    if nilai > rata_rata:
        print(nama, "bertransaksi di atas rata-rata")

Output yang Dihasilkan:

Rata-rata transaksi: 36.0
Budi bertransaksi di atas rata-rata
Dewi bertransaksi di atas rata-rata

Mari kita telaah baris-baris kode di atas:

1. Baris 1-2 (pelanggan, transaksi): dua list menyimpan data yang sejajar — nama pelanggan dan nilai transaksinya. Posisi ke-i pada kedua list merujuk pelanggan yang sama.
2. Baris 4 (rata_rata = ...): rata-rata dihitung dengan sum() dibagi len(). Ini contoh statistika paling dasar yang dibangun dari pemrograman paling dasar.
3. Baris 7-9 (for nama, nilai ...): zip() memasangkan tiap nama dengan transaksinya, lalu if menyaring pelanggan yang nilainya melebihi rata-rata. Keluarannya adalah jawaban atas pertanyaan deskriptif pertama kita.

Contoh di atas memang masih jauh dari data science sesungguhnya — data lima baris bisa dihitung dengan kalkulator. Namun polanya sudah lengkap: ada pertanyaan, ada data, ada hitungan, dan ada tafsiran. Ketika jumlah barisnya menjadi lima juta dan pertanyaannya berubah menjadi “berapa transaksi minggu depan?”, kalkulator tidak lagi cukup — di situlah seluruh peralatan Course ini berperan, dari pandas hingga machine learning.

Perjalanan Kita Selanjutnya #

Kini kita memegang definisi kerja: data science adalah perpaduan statistika, pemrograman, dan pemahaman domain untuk menjawab pertanyaan dari data. Pertanyaan besar berikutnya adalah posisi data science di tengah bidang sejenis — data analysis, machine learning, dan data engineering — yang sering dipakai bergantian di lowongan pekerjaan. Kita mulai dari gambaran industrinya pada chapter Peran Data Science di Industri, lalu membahas ketiganya satu per satu.