00:00:00
Hai ikan penjelasan lebih detil termasuk
00:00:02
Nanti akan saya share Agatha set awal ya
00:00:05
dataset awal dari dari apa yang kita
00:00:08
kerjakan sesuai dengan apa namanya
00:00:12
dengan studi kasus yang kemarin sempat
00:00:18
sudah saya ceritakan jadi kita akan
00:00:19
menggunakan case by pertambahan kasus
00:00:23
dan penyebaran copy 19 Indonesia menang
00:00:26
kebetulan histerisnya udah kita mulai
00:00:28
sejak awal dan dan kemudian masih
00:00:31
berjalan sampai saat ini dan dan kita
00:00:33
akan coba kolaborasi disitu ya Jadi kita
00:00:36
coba sama-sama lihat bagaimana kita bisa
00:00:39
kembangkan dari yang sudah ada Tuh jadi
00:00:40
muncul ide yang lebih lebih baik yang
00:00:43
lebih eksponensial saya akan menunjukkan
00:00:45
best lainnya sekarang dan kemudian
00:00:47
rekan-rekan saya akan meminta untuk
00:00:49
mengikuti pola yang bisa sampaikan jadi
00:00:51
karena hari ini kita membahas mengenai
00:00:53
exploratory data analysis nanti silahkan
00:00:57
setelah ini nanti datasheetnya saya
00:00:58
share juga di Eropa
00:01:00
dan kemudian dari data sheet itu
00:01:02
silahkan kemudian nanti di lakukan Idul
00:01:06
udah nanti Minggu depan di tipe sentasi
00:01:09
kan Griya oleh masing-masing sebanyak
00:01:12
simple ini juga alhamdulillah ini maupun
00:01:15
nya bagus sekitar tanggal 15 dua hari
00:01:18
yang lalu ini eh kita sudah satu tahun
00:01:22
lebih dua hari proses penelitiannya ini
00:01:25
berjalan Jadi untuk melakukan itu nah
00:01:29
jadi awalnya memang simpel saja mungkin
00:01:32
saya tidak terlalu banyak ya di sini ya
00:01:34
saya akan langsung jadi idenya adalah
00:01:36
bagaimana kita memberikan daya dukung
00:01:39
dari teknologi analisis beta untuk
00:01:43
melakukan mitigasi penyebaran copy 19
00:01:45
jadi lebih kearah mitigasi jadi
00:01:48
menampilkan data yang bisa memudahkan
00:01:50
pengambilan keputusan untuk kemudian
00:01:53
menentukan langkah kebijakan antisipasi
00:01:56
kedepan jadi proyek sapa Fokusnya ke
00:01:58
situ Jadi bukan untuk
00:02:00
Hai istilahnya itu Ping apa namanya eh
00:02:04
aku emang pakai hilangkan covert enggak
00:02:07
tapi lebih ke arah bagaimana kita
00:02:09
bereaksi terhadap situasi pertambahan
00:02:11
kasus yang terus-menerus mau naik mau
00:02:13
turun sehingga kemudian kita pakai
00:02:15
pendekatan analisis analisis yang bisa
00:02:17
kita paint dengan beberapa variabel dan
00:02:20
kemudian dari situ bisa digunakan untuk
00:02:23
menentukan apa yang harus diambil di
00:02:26
langkah kebijakan sebagai pemerintah
00:02:28
misalnya atau sebagai pihak-pihak yang
00:02:30
berkepentingan di semacam itu bi Nani
00:02:34
menarik jadi jadi akar belakangnya biar
00:02:38
temen-temen juga memahami kita sangat
00:02:40
paham bahwa dengan kita punya kekuatan
00:02:44
update analitis analisis yaitu bisa
00:02:46
punya potensi untuk kita tips lain untuk
00:02:50
mengelola data dalam jumlah yang besar
00:02:52
tapi juga bisa untuk belajar atau
00:02:55
memahami pola pertambahan kasus yang
00:02:57
makin dari hari ke hari jadi ke
00:03:00
bisa belajar punya nuits itu bahwa pop
00:03:03
Kenapa naik kenapa turun kenapa-kenapa
00:03:06
polanya jadi rendem dan lain sebagainya
00:03:08
sehingga kita bisa mengelola potensi
00:03:12
yang mitigasi di masa depan Jadi kalau
00:03:14
dilihat dari picturenya lagi ya kau kita
00:03:17
tarik lebih luas lagi kalau kita punya
00:03:19
pengetahuan ini bayangkan nanti suatu
00:03:21
saat kita punya es yang mirip yakobit
00:03:24
berikutnya begitu kita sudah siap dengan
00:03:27
semacam anaknya otonomnya
00:03:30
skenario-skenario tertentu ya untuk
00:03:32
untuk menghadapi lebih terdengar lebih
00:03:34
siap hari mudahnya semacam itu hari kita
00:03:36
mau bikin 7 ujungnya juga semacam
00:03:38
ngehits manajemen nah ini ini sudah
00:03:41
menjadi menarik jadi sudah sangat perang
00:03:44
sudah sudah pernah sudah berjalan cukup
00:03:46
panjang jadi kita bisa punya Insight
00:03:49
bahwa pertambahan kasusnya makin tinggi
00:03:51
kemudian tetapi ternyata masih belum
00:03:54
efektif Kenapa karena orang ternyata
00:03:56
dengan disajikan data semacam ini juga
00:03:58
belum bisa
00:04:00
semua tidak konsisten untuk menegakkan
00:04:02
protokol kesehatan kemudian kasusnya
00:04:04
juga masih sangat-sangat about what if
00:04:07
begitu ya dan seterusnya dan ini butuh
00:04:09
Solution yang permanen dan longterm gitu
00:04:12
untuk bisa melakukan mitigasi Dan ini
00:04:15
menjadi sangat penting untuk kita bisa
00:04:18
hasilkan ya Jadi nanti hasilnya tidak
00:04:20
hanya dashboard sama tetapi juga
00:04:21
analisis-analisis yang sifatnya semacam
00:04:23
ini tampaknya nih jadi kita bisa melihat
00:04:25
event TSB itu apa efeknya kemudian
00:04:28
ketika kurva melanda itu ada isu kVA
00:04:32
melanda itu ternyata enggak juga malah
00:04:34
naiknya tambah tinggi kemudian dan lain
00:04:36
sebagainya dan lainnya jadi itu bisa
00:04:38
kita lihat ya jadi kita bisa juga
00:04:40
mengklasifikasi onni house wife my
00:04:42
second wife dan seterusnya jadi semacam
00:04:45
nah ini juga kita terinspirasi ya kita
00:04:48
juga belajar dari beberapa pendekatan
00:04:50
serupa ini yang dilakukan oleh John
00:04:52
Hopkins University dibayangkan ya John
00:04:55
Hopkins University punya semacam mimpi
00:04:56
pakai setelah double kenapa kita tidak
00:04:59
di
00:05:00
mudah Harusnya kita punya juga semacam
00:05:01
Iya cuma ini isunya Saya minta minta apa
00:05:05
pengen punya domain misalnya coronavirus
00:05:08
woodside Oke masih hidup sampai sekarang
00:05:10
juga setelah setahun tidak diproses
00:05:12
prosesi racing Makanya kalau ditanya
00:05:14
kenapa alamatnya di Gema box.id karena
00:05:17
memang itu jadi itu memang kita enggak
00:05:18
bisa dapat domain itu sehingga untuk
00:05:21
kepentingan riset harus jalan kita harus
00:05:23
pakai domain luar begitu Itu juga sering
00:05:25
dapat pertanyaan tapi intinya sebagai
00:05:27
kepingin punya semacam ini sebenarnya
00:05:29
kemudian ini juga menarik nih
00:05:32
temen-temen dikawal covert 19 ini Mama
00:05:34
sekarang menjadi salah satu data yang
00:05:36
paling reliable yang dipakai oleh
00:05:38
temen-temen aka Wahlberg dan bahkan data
00:05:41
pemerintah pun kalah ya kualitasnya
00:05:43
dengan data yang mereka punyai Jadi
00:05:45
mereka bentuknya dataset dan kemudian
00:05:48
juga sering kita gunakan sebagai
00:05:50
benchmark kalau misalnya kita ada data
00:05:52
yang selisih dan seterusnya nah
00:05:55
tujuannya simple kita establishing
00:05:57
update-an datangnya terkuak live
00:06:00
berpacar ifikasi dan kualifikasinya
00:06:02
jelas kemudian visualisasinya itu sepeda
00:06:05
arah analisisnya untuk social
00:06:06
communication Dan harapannya high-impact
00:06:08
gadis macam nah kemudian yakni mungkin
00:06:12
tidak perlu dilihat tapi yang penyanyi
00:06:15
sebagai gambaran awal jadi ini sok-sokan
00:06:17
nih arsitektur yang saat ini berjalan
00:06:18
Jadi kita mengumpulkan data itu dari
00:06:21
crop personal kita jadi data-data
00:06:24
Freeport di Twitter di Instagram atau di
00:06:27
Facebook mengenai pertambahan
00:06:29
pertambahan kasus di masing-masing
00:06:30
daerah telah kumpulkan kemudian kita
00:06:32
juga perbandingkan dengan official data
00:06:34
yang dirilis oleh pemerintah setiap sore
00:06:36
Kemudian kita hubungan kita pompa kita
00:06:40
verifikasi juga dengan Google data dari
00:06:42
John Hopkins University atau Google
00:06:43
kemudian ada dari news portal di daerah
00:06:47
maupun di mana gitu ya biasanya mereka
00:06:49
juga Riris dan juga dari sosial media
00:06:52
bisa dari pemerintah juga atom
00:06:54
masing-masing Satgas di daerah kan punya
00:06:56
sosial media yang pada mau belasting
00:06:58
informasi itu kita comb
00:07:00
Hai datangnya kita Crawling setiap hari
00:07:03
kemudian kita cleansing kita labeli kita
00:07:05
definisikan masuk ke Club Sturridge kita
00:07:08
kita pakai dua mekanisme ya jadi Cloud
00:07:11
storage yang dipakai itu ada di aws
00:07:14
kemudian dia wes kita turunkan ke
00:07:16
website ini untuk nampung ide-ide taweez
00:07:19
tapi analitik visualisasinya kita
00:07:21
turunkan ke bawah kemudian didispersikan
00:07:23
ke Tipus lagi ke aplikasi kita yang ada
00:07:26
di internet jadi semacam itu jadi memang
00:07:28
tidak semuanya fully apa fully furnished
00:07:32
di klub kiri ya yang didata Extraction
00:07:34
pun juga yang melakukan delete sistem
00:07:36
komputer dan jaringan dari hal-hal
00:07:39
semacam ini mungkin kampus sepi tapi di
00:07:41
lab itu cukup panas kalau bahasa saya
00:07:44
karena mesinnya bekerja terus-menerus
00:07:45
Surya nah ini yang sementara ini kita
00:07:48
hasilkan jadi kita punya fasilitas
00:07:52
komputasinya semacam ini lebih KD saat
00:07:54
ini mungkin rekan-rekan juga udah lama
00:07:56
sekali nggak ke kampus ya enggak nengok
00:07:58
duet begitu sebenarnya
00:08:00
saat ini kita tanggung sejak tahun lalu
00:08:02
harapannya nih bisa menarik Tekan untuk
00:08:05
melakukan beli biasa ditemukan juga yang
00:08:07
pengen melakukan penelitian tesis nanti
00:08:09
Misalnya menjalankan engine beta atau
00:08:11
mungkin mesin learning itu kita sudah
00:08:14
siapkan enzimnya tapi terus terang ini
00:08:17
baru bisa dijalankan di delete Ya tidak
00:08:20
bisa dia internet juga bisa cpns.bpn
00:08:23
jadi semacam itu dan kemudian nanti bisa
00:08:26
kita sudah menghasilkan yakni kita
00:08:28
monitoring kemudian juga ada noise
00:08:30
manajemen portal dan juga the situation
00:08:32
data analytics biodata dashboard yang
00:08:34
dipakai untuk bokep1 daerah jadi semacam
00:08:38
itu nah ini ini menjadi menariknya yang
00:08:41
lainnya sebagai masih onkey risetnya
00:08:42
tapi enggak papa sehat-sehat juga nah
00:08:44
software yang data kita kumpulkan itu
00:08:47
bentuknya semacam ini menghilangkan saya
00:08:51
Saya berikan kepada rekan-rekan adalah
00:08:53
datangnya ini
00:09:00
di PicsArt nanti Nah kita punya data
00:09:06
dari ini datanya semacam ini sobat ya
00:09:09
Jadi kemungkinan agak sedikit berantakan
00:09:12
nggak papa ya jadi nah ini data
00:09:14
pertambahan kasus secara ada yang
00:09:16
sifatnya akumulatif ya akumulatif gitu
00:09:21
kemudian ada yang sifatnya itu
00:09:23
pertambahan harian begitu dan kemudian
00:09:26
ada yang ada di gala sungguh harian dan
00:09:29
meninggal kalian dari tiga jenis empat
00:09:33
jenis inilah 4 jenis dataset ini yang
00:09:35
kemudian punya atribut semua provinsi
00:09:37
itu kemudian kita kembangkan menjadi
00:09:39
semacam ini jadi naik
00:09:43
Hai menjadi analisis semacam ini masih
00:09:45
saya ingin menunjukkan bagaimana awal
00:09:49
apa ya Tentukan hasil yang saat ini
00:09:51
terjadi jadi yang yang pertama kita bisa
00:09:55
menghasilkan by number lah ya jadi
00:09:57
update Gitu pernah berpita menggunakan
00:10:00
model apa ini namanya tadi single
00:10:03
variable saja dulu seperti ini sebuah
00:10:05
tiga variabel tetapi kenapa tidak
00:10:08
digabung gitu grafiknya karena kalau
00:10:09
digabung nanti Skill dari data yang
00:10:12
tampil tidak jadi lidah Eko karena yang
00:10:14
di pertambangan kasus ini sudah ortunya
00:10:18
sekitar 15ribuan perhari begitu ya
00:10:22
maksimumnya sembuh itu kan juga 10ribuan
00:10:25
gitu tapi kalau yang meninggalkan masih
00:10:27
dibawah seribuan Jadi kalau nanti
00:10:29
dimunculkan skillnya dari kecil harus
00:10:31
kita harus mikir kita juga jadi itu
00:10:33
salah satu cara Kenapa karena kita
00:10:35
pingin ujung highlight bahwa 3 hal ini
00:10:37
harus diketahui dengan sangat baik dan
00:10:40
ini juga menarik Kenapa ngopo Mbak apa
00:10:42
misalnya
00:10:43
dibuat dalam konteks akumulatif ya
00:10:45
perhari Nah karena kalau kita ingin
00:10:48
menunjukkan bahwa bahwa ada pola disitu
00:10:51
jadi ini kita menunjukkan pola Ini
00:10:54
contohnya begitu ya Jadi ini apa adanya
00:10:56
dirinya data yang muncul berupa sistem
00:10:59
series jadi semacam itu nah kemudian ini
00:11:02
ada juga interpolasi dan eksponensial
00:11:05
menunya nama menunya tetapi sebenarnya
00:11:07
kita sudah bisa memperlihatkan analisis
00:11:13
terkait dengan proyeksi sebenarnya lebih
00:11:16
proyeksi yang kita tampilkan tidak
00:11:17
proyeksi yang dalam beberapa hari nanti
00:11:20
juga ada anomali sebenarnya karena ini
00:11:22
ada data-data yang error saya Kita lihat
00:11:25
nanti sama-sama bisa menganalisis tapi
00:11:27
kita bisa lihat kalau kita lihat dari
00:11:29
prediksi linearitas kita itu memang
00:11:33
mulai menurun ini aja disimpan nanti itu
00:11:36
dikoreksi tapi potensial kita beberapa
00:11:37
saat sampai sekitar Akhir Januari itu
00:11:41
masih tepat ya jadi semacam itu jadi
00:11:43
Emang pertamanya linear Kenapa begitu
00:11:45
karena sebenarnya pertambahan kasus di
00:11:47
Indonesia itu kalau Insert yang kita
00:11:49
dapat itu sangat tergantung dari daya
00:11:52
tampung rumah sakit dan juga kemampuan
00:11:55
testingnya jadi gitu jadi ya Jadi ya tau
00:12:00
sendiri kan kalo postingnya segitiga
00:12:01
datang yang bisa diambil segitu kemudian
00:12:04
ini juga eksponensial juga menarik waktu
00:12:06
itu juga masih oke sampai-sampai akhir
00:12:08
ini kemudian ini terjadi intervensi yang
00:12:10
cukup luar biasa menurut saya bisa
00:12:12
menurun semacam ini tadi contohnya
00:12:14
semacam itu kemudian ada juga ini
00:12:18
pertumbuhan
00:12:20
Hai di Semarang itu ya
00:12:25
Hai yakni pertumbuhan masih biasa saja
00:12:28
sih sebenarnya gak lama
00:12:32
the lounge
00:12:36
the lounge
00:12:38
t-shirt
00:12:41
Indonesia
00:12:43
I make masih agak lama kemudian kita
00:12:46
pindah duluan bisa dilihat juga ini peta
00:12:49
persebaran padi yang menggunakan spasial
00:12:51
analisis ya jadi kita bisa lihat
00:12:53
menggunakan pola ini tidak sekedar hanya
00:12:57
menempatkan data di Spesialnya tetapi
00:12:59
juga menaruh perkembangan datanya
00:13:03
Persita pake skill dan contohnya SQL
00:13:06
jadi kita bermain dengan skala dengan
00:13:08
membandingkan dengan populasi jadi makin
00:13:11
populasi tinggi dengan cast yang tinggi
00:13:13
Maka warna daerahnya menjadi lebih gelap
00:13:16
begitu nyanyi juga menarik ini pakai
00:13:19
kartu di beol tidak salah dikit jadi
00:13:22
kita komplain cukup banyak dulu waktu
00:13:25
beberapa tools
00:13:27
OK Google nah kemudian ini Datau dipicu
00:13:30
ini sudah expired dengan hadiah tidak
00:13:32
pakai kemudian ini ada Cluster Map juga
00:13:35
tampaknya sudah tidak dipakai karena
00:13:38
informasinya tidak ada
00:13:40
sport
00:13:42
ngetik sorry maaf
00:13:46
Oh ya jadi gitu
00:13:48
the lounge
00:13:49
Hai Fani menunjukkan Bagaimana perubahan
00:13:53
tadi ya ada satu yang kita bahas juga
00:13:56
bagaimana dulu itu didominasi satu
00:14:00
provinsi sebagai episentrum tapi
00:14:01
akhir-akhir ini sudah sudah sangat
00:14:04
melebar kemana-mana jadi tidak ada satu
00:14:07
ini apa provinsi yang menguasai hidup
00:14:10
ini awal-awal kan Jakarta jadi tetapi
00:14:12
akhir-akhir ini beberapa beberapa
00:14:15
provinsi juga memiliki pola tertentu
00:14:17
jadi ini contoh untuk memperlihatkan apa
00:14:20
ya pola-pola episentrumnya kemudian kita
00:14:25
juga punya proyeksi Kalau tidak salah si
00:14:28
masih santai
00:14:33
Hai nah ini proyeksi peta apa namanya
00:14:36
Farel apa kita mengasumsikan bahwa
00:14:42
variabel antar-antar na antardaerah itu
00:14:45
berpengaruh Widya jadi makanya nanti
00:14:48
menjadi sangat penting tidak contohnya
00:14:51
mungkin Disini di ini kita displaynya
00:14:54
pakai Google data studio saja tidak yang
00:14:57
ribet-ribet begitu ya
00:15:00
Oh begitu tadi bisa diakses yang
00:15:03
terpercaya agak lambat ini teman Maaf
00:15:05
kayak gitu nanti contohnya semacam ini
00:15:07
jadi kita bisa memperlihatkan
00:15:09
eksponensial pertambahan kasus di today
00:15:12
akumulatif tetapi tracktion perharinya
00:15:15
juga bisa dilihat dari semacam itu ya
00:15:17
jadi semacam itu nah pertanyaannya nanti
00:15:21
adalah dari rekan-rekan sekalian itu
00:15:24
nanti saya minta setelah datasheetnya
00:15:26
nanti kita bagikan lakukan langkah
00:15:30
melakukan analisis ide atau exploratory
00:15:33
data analysis Nah mungkin tidak semua
00:15:37
komponen analisis DVD itu bisa dilakukan
00:15:40
untuk data ini tapi Silahkan dicoba dan
00:15:43
lihat hasilnya tidak harus teman-teman
00:15:45
menggunakan apa ya apa namanya tidak
00:15:49
harus semuanya dipakai tapi kalau
00:15:51
misalnya dicoba dicoba saat apa di
00:15:53
dicoba Kemudian Kemudian mendapatkan
00:15:56
satu asumsi bahwa Oke tampaknya
00:16:00
kwini ini enggak bisa ini tidak m situ
00:16:02
ya sudah dititipkan alasannya jadi tidak
00:16:05
kemudian tidak dilakukan tapi dilakukan
00:16:07
tapi hasilnya apa Oh ternyata tidak
00:16:09
sesuai tidak perlu dilakukan alasannya
00:16:11
apa bisanya gitu jadi teman-teman
00:16:13
seperti melakukan anu ya checking
00:16:15
analisis gitu ya setiap komponen dari
00:16:18
ide itu sebenarnya seberapa seberapa
00:16:21
visible untuk dilakukan ini bentuknya
00:16:24
bisa saya sarankan tidak dalam bentuk
00:16:26
apa namanya bentuknya reporter yang
00:16:29
tidak-tidak PowerPoint hari ini ada
00:16:32
worth itu dibikin repot semacam dikasih
00:16:35
judul misalnya elek export data analisis
00:16:38
SWOT data analysis apa identification of
00:16:41
something gitu untuk data yang kita
00:16:43
lakukan jadi nanti Misalnya dari sampai
00:16:45
statistik Honda rilis Imin bisa hasilnya
00:16:48
seperti ini median muncul kayak gini dan
00:16:51
seterusnya sampai sampai sampai mana
00:16:53
yang paling paling dominan nah tujuannya
00:16:55
adalah mencoba untuk memposting teman
00:16:58
bisa mendapatkan set of
00:17:00
ISIS yang dalam sehingga ini kemudian
00:17:03
nanti di next berikutnya bisa-bisa Kita
00:17:05
tentukan metode apa yang bisa kita
00:17:08
kerjakan untuk level yang lebih Advance
00:17:11
jadi kira-kira begitu baik nah itu
00:17:15
kira-kira yang akan dilakukan kalau dan
00:17:18
ini pesta di yang akan kita pakai
00:17:20
sebagai bagian dari apa namanya dari
00:17:24
absen dari kayak gitu Jadi nanti Minggu
00:17:27
depan saya akan cek dan saya minta
00:17:30
mengorok
