Pengantar Data Science

1.1 Apa Itu Data Science?

Data science adalah bidang interdisipliner yang menggunakan metode ilmiah, proses, algoritma, dan sistem untuk mengekstrak pengetahuan dari data terstruktur maupun tidak terstruktur. Bidang ini menggabungkan statistika, ilmu komputer, dan pengetahuan domain.

Istilah "data science" pertama kali digunakan pada tahun 2001 oleh William S. Cleveland, namun akar bidang ini sudah ada sejak puluhan tahun lalu. Yang berubah adalah skalanya — kita kini menghasilkan lebih banyak data dalam satu hari dibandingkan seluruh sejarah manusia sebelum tahun 2000.

1.2 Siklus Hidup Data Science

Setiap proyek data science mengikuti siklus umum. Meskipun langkah-langkahnya bisa bervariasi, tahap intinya tetap konsisten:

1.3 Peran & Keahlian

Ekosistem data mencakup beberapa peran yang saling tumpang tindih. Memahami perbedaannya membantu Anda memetakan karir dan berkolaborasi secara efektif.

1.4 Peralatan Data Science

Stack modern didominasi oleh Python. Berikut peta ekosistem alat yang akan Anda gunakan sepanjang kursus ini:

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

# 1. Muat data
df = pd.read_csv('customers.csv')

# 2. Persiapan data
df = df.dropna(subset=['age', 'income'])
X = pd.get_dummies(df['category'])
y = df['churned']

# 3. Split data
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# 4. Latih model
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

# 5. Evaluasi
print(classification_report(y_test, model.predict(X_test)))
# → precision: 0.91  recall: 0.88  f1: 0.89

1.5 Aplikasi Dunia Nyata

Data science telah mengubah hampir setiap industri. Berikut contoh konkret dengan detail teknis:

1.6 Etika & Bias

Sebagai data scientist, kita bertanggung jawab mempertimbangkan implikasi etis dari pekerjaan kita. Bias dalam data atau algoritma dapat menghasilkan dampak berbahaya pada skala besar.

• › Privasi Data: Hormati persetujuan pengguna, anonimkan data sensitif, patuhi regulasi (UU PDP Indonesia, GDPR Eropa). Data yang di-anonymisasi dengan buruk bisa di-deanonymize — kasus Netflix Prize 2007 membuktikannya.
• › Keadilan Algoritmik: Periksa bias pada atribut yang dilindungi (gender, ras, usia, disabilitas). Gunakan metrik keadilan seperti equalized odds, demographic parity, dan teknik debiasing seperti adversarial debiasing.
• › Transparansi: Buat keputusan model dapat diinterpretasi. Hindari model black-box di domain berisiko tinggi tanpa penjelasan. Gunakan SHAP/LIME untuk explainability. Publikasikan "model card" yang mendokumentasikan batasan.
• › Akuntabilitas: Tetapkan kepemilikan dan tanggung jawab yang jelas untuk hasil dan kegagalan model. Siapa yang bertanggung jawab jika model salah? Buat escalation path yang jelas.

1.7 Latihan & Refleksi

Uji pemahaman Anda dengan pertanyaan berikut sebelum melanjutkan ke bab berikutnya.