1 modul 1

1 modul 1

• 1.
  KATA PENGANTAR Era Digitalisasipada Industri 4.0 di Indonesia saat ini dihadapkan pada tantangan hadirnya permintaan dan penawaran talenta digital dalam mendukung perkembangan ekosistem industri teknologi. Tantangan tersebut perlu dihadapi salah satunya melalui kegiatan inovasi dan inisiasi dari berbagai pihak dalam memajukan talenta digital Indonesia, baik dari pemerintah maupun mitra kerja pemerintah yang dapat menyiapkan angkatan kerja muda sebagai talenta digital Indonesia. Kementerian Komunikasi dan Informatika melalui Badan Penelitian dan Pengembangan Sumber Daya Manusia sejak tahun 2018-2019, telah menginisiasi Program Digital Talent Scholarship yang telah berhasil dianugerahkan kepada 26.000 penerima pelatihan di bidang teknologi informasi dan komunikasi. Program Digital Talent Scholarship ini ditujukan untuk memberikan pelatihan dan sertifikasi tema-tema bidang teknologi informasi dan komunikasi, diharapkan menjadi bagian untuk memenuhi permintaan dan penawaran talenta digital Indonesia. Tahun ini, Program Digital Talent Scholarship menargetkan pelatihan peningkatan kompetensi bagi 60.000 peserta yang bertujuan untuk meningkatkan keterampilan dan daya saing SDM bidang teknologi informasi dan komunikasi sebagai bagian dari program pembangunan prioritas nasional. Program pelatihan DTS 2021 ditujukan untuk meningkatkan keterampilan, keahlian angkatan kerja muda Indonesia, masyarakat umum dan aparatur sipil negara di bidang teknologi informasi dan komunikasi sehingga dapat meningkatkan produktivitas dan daya saing bangsa di era Industri 4.0. Program DTS 2021 secara garis besar dibagi menjadi Tujuh akademi, yaitu: Fresh Graduate Academy (FGA), Program pelatihan berbasis kompetensi bersama GlobalTech yang ditujukan kepada peserta pelatihan bagi lulusan S1 bidang TIK dan MIPA, dan terbuka bagi penyandang disabilitas; Vocational School Graduate Academy (VSGA), Program pelatihan berbasis kompetensi nasional yang ditujukan kepada peserta pelatihan bagi lulusan SMK dan Pendidikan Vokasi bidang TI, Telekomunikasi, Desain, dan Multimedia; Coding Teacher Academy (CTA), Program pelatihan merupakan program pelatihan pengembangan sumberdaya manusia yang ditujukan kepada peserta pelatihan bagi Guru setingkat SMA/SMK/MA/SMP/SD di bidang pemrograman. Online Academy (OA), Program pelatihan OA merupakan program pelatihan Online di bidang Teknologi Informasi yang ditujukan kepada peserta pelatihan bagi Masyarakat umum, ASN, mahasiswa, dan pelaku industri; Thematic Academy (TA), Program pelatihan TA merupakan program pelatihan multisektor bagi pengembangan sumberdaya manusia yang ditujukan kepada peserta pelatihan dari jenjang dan multidisiplin yang berbeda; Regional Development Academy (RDA), Program pelatihan RDA merupakan program pelatihan pengembangan sumberdaya manusia yang ditujukan untuk meningkatkan kompetensi ASN di Kawasan Prioritas Pariwisata dan 122 Kabupaten Prioritas Pembangunan. Digital Entrepreneurship Academy (DEA), Program pelatihan DEA merupakan program pelatihan pengembangan sumberdaya manusia yang ditujukan kepada talenta digital di bidang Usaha Mikro, Kecil, dan Menengah (UMKM). Selamat mengikuti Pelatihan Digital Talent Scholarship, mari persiapkan diri kita menjadi talenta digital Indonesia. Jakarta, 24 Februari 2021 Kepala Badan Penelitian dan Pengembangan Sumber Daya Manusia Kementerian Komunikasi dan Informatika Republik Indonesia Dr. Hary Budiarto, M.Kom Pendahuluan
• 2.
  Tujuan Pembelajaran • TujuanUmum Setelah mempelajari modul ini peserta latih diharapkan mampu menjelaskan lingkup pelatihan Artificial Intelligence untuk membuat sistem intelijen dari data menggunakan metodologi Data Science sesuai SKKNI. • Tujuan Khusus Adapun tujuan mempelajari unit kompetensi melalui modul Pengantar Pelatihan AI untuk Instruktur ini adalah untuk menyiapkan peserta latih sehingga pada akhir pelatihan diharapkan memiliki kemampuan sebagai berikut: 1. Mampu menjelaskan lingkup pelatihan bidang Artificial Intelligence 2. Mampu menjelaskan lingkup kompetensi yang diperlukan pada pengembangan sistem intelijensi menggunakan data 3. Mampu memasang tools utama yang diperlukan untuk menyelesaikan masalah dengan menggunakan data science. Latar belakang Unit kompetensi ini dinilai berdasarkan tingkat kemampuan peserta dalam memahami konsep dasar Artificial Intelligence termasuk konsep dari teknologi Artificial Intelligence. Adapun penilaian dilakukan dengan menggabungkan serangkaian metode untuk menilai kemampuan dan penerapan pengetahuan pendukung penting. Penilaian dilakukan dengan mengacu kepada Kriteria Unjuk Kerja (KUK) dan dilaksanakn di Tempat Uji Kompetensi (TUK), ruang simulasi atau workshop dengan cara: 1.1. Lisan 1.2. Wawancara 1.3. Tes tertulis 1.4. Metode lain yang relevan Deskripsi Pelatihan Tujuan utama dari modul pelatihan ini adalah untuk membantu para peserta memahami lingkup pelatihan pengembangan aplikasi intelijen menggunakan data science dan kompetensi yang diperlukan untuk. Kompetensi Dasar A. Mampu menjelaskan lingkup pelatihan Artificial Intelligence beserta kompetensi yang terkait untuk kegiatan Data science B. Mampu memasang tools untuk pengembangan kegiatan Data science Indikator Hasil Belajar
• 3.
  Peserta mampu memasangtools yang diperlukan dalam membuat aplikasi intelijen menggunakan pendekatan data science INFORMASI PELATIHAN Akademi Thematic Academy Mitra Pelatihan Kementerian Komunikasi dan Informatika Tema Pelatihan Data Scientist: Artificial Intelligence untuk Dosen dan Instruktur Sertifikasi • Certificate of Attainment; • Sertifikat Kompetensi Associate Data Scientist Persyaratan Sarana Peserta/spesifikasi device Tools/media ajar yang akan digunakan Memiliki laptop/komputer dengan spesifikasi minimal : • RAM minimal 2 GB (disarankan 4 GB) • Laptop dengan 32/64-bit processor • Laptop dengan Operating System Windows 7, 8, 10, MacOS X atau Linux • Laptop dengan konektivitas WiFi dan memiliki Webcam • Akses Internet Dedicated 126 kbps per peserta per perangkat • Memiliki aplikasi Zoom • Memiliki akun Google Colab Aplikasi utama yang akan digunakan selama pelatihan • Google Colab • Jupyter notebook Tim Penyusun Windy Gambetta, Ir., MBA (ITB) INFORMASI PEMBELAJARAN Unit Kompetensi Materi pembelajaran Kegiatan pembelajaran Durasi Pelatihan Rasio Praktek : Teori Sumber pembelajaran - Pengantar Pelatihan Daring/Online Live Class 2 JP LMS 4 JP @ 45 menit 70:30 LMS Materi Pokok
• 4.
  Penjelasan Pelatihan Sub MateriPokok • Silabus Pelatihan AI untuk Instruktur • Jadwal Pelaksanaan Pelatihan AI untuk Instruktur • Instalasi Berbagai Tool untuk Pelatihan
• 5.
  A. Materi Pelatihan 1.Silabus Pelatihan 1.1 Deskripsi Pelatihan Pelatihan ini merupakan salah satu tema pelatihan Thematic Academy Digital Talent Scholarship 2021 yang ditujukan untuk meningkatkan keterampilan digital, khususnya dalam bidang data science, dan meningkatkan daya saing lulusan pelatihan di lapangan kerja dan dunia usaha industri informasi di bidang data science dalam menggunakan data untuk mendapatkan insights atau model pengetahuan yang dapat dipergunakan dalam membuat sistem pengambilan keputusan berbasis AI sederhana. 1.2 Output Pelatihan Setelah mengikuti pelatihan ini, peserta diharapkan mampu untuk: • Melakukan pengembangan model berbasis data mengikuti suatu metodologi Data Science • Menentukan objektif bisnis, teknis dan Rencana Projek Data Science • Mengumpulkan Data • Menelaah/ Menganalisis data • Menentukan objek atau Memilah Data • Membersihkan Data • Mengkonstruksi Data • Membangun Model • Melakukan Deployment Model 1.3 Aktivitas Pelatihan Pelatihan dilaksanakan secara daring/online, peserta belajar secara mandiri (Self- paced Learning) melalui laptop/komputer. Pada pelatihan ini peserta akan mendapatkan kesempatan bertanya dan berinteraksi dengan Instruktur pada Grup Kelas dan Live Session yang telah disediakan. Untuk lulus di pelatihan ini peserta diharuskan melewati:
• 6.
  • Modul belajardalam bentuk Video, Slide pembelajaran, dan potongan kode program • Ujian dalam bentuk exam • Ujian dalam bentuk praktek 1.4 Penilaian Sistem penilaian yang diterapkan bagi peserta terdiri atas beberapa komponen • Kehadiran minimal 70%, • Menyelesaikan Tugas Mandiri • Menyelesaikan Tugas Akhir • Ujian Akhir Sedangkan komponen penilaian yang dipakai adalah sebagai berikut: • Kehadiran x 10% • Tugas Akhir x 50% • Ujian Akhir x 40% 1.5 Jadwal dan Topik Pembelajaran Materi pembelajaran mengikuti Kompetensi Kerja Nasional Indonesia No 299 Tahun 2020 Bidang Keahlian Artificial Intelligence sub bidang Data Science untuk Skema Data Scientist. Untuk itu maka topik pembelajaran yang diberikan adalah sebagai berikut. Tanggal Topik Outcome Aktivitas Kelas JP Sabtu, 31/07/2021 Pengantar AI 1: • Pengantar Course • Pemasangan Tools Tools terkait terpasang di PC peserta Pemaparan materi menggunakan bahan ajar, dan diskusi 4JP Kelas 2JP Mandiri Minggu, 1/08/2021 Pengantar AI 2: Teknologi dan Aplikasi AI ● Peserta mampu memahami konsep dasar AI serta cabangnya ● Peserta mampu mengidentifikasi pemanfaatan AI Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Sabtu, 7/08/2021 Metodologi Pengembangan AI menggunakan data Peserta mampu mengetahui alur proses pengembangan Pemaparan materi 2JP Kelas 4JP Mandiri
• 7.
  aplikasi AI berbasisData menggunakan bahan ajar, dan diskusi Minggu, 8/08/2021 Tools Proyek data Science Peserta mampu memahami dan menggunakan dasar tools yang akan dipergunakan untuk menangani data (Python, pandas, numpy, dll.) Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Sabtu, 14/08/2021 Business Understanding: Menentukan objektif bisnis, teknis dan Rencana Projek Data Science Peserta mampu memahami langkah Business Understanding untuk menentukan masalah bisnis yang dapat diselesaikan dengan menggunakan tugas data analytics yang sesuai beserta metrics keberhasilannya. Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: J.62DMI00.001.1 - Menentukan Objektif Bisnis J.62DMI00.002.1 - Menentukan Tujuan Teknis Data Science J.62DMI00.003.1 - Membuat Rencana Proyek Data Science Minggu, 15/08/2021 Data Understanding 1: • Mengumpulkan Data • Menelaah Data dengan Metoda Statistik ● Peserta mampu melakukan pengambilan data untuk proses data science ● Peserta mampu melakukan telaah data menggunakan metoda statistik Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: J.62DMI00.004.1 - Mengumpulkan Data J.62DMI00.005.1 - Menelaah Data Sabtu, 21/08/2021 Data Understanding 2: Menelaah data dengan Visualisasi Peserta mampu menggunakan teknik visualisai untuk menganalisis data Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: J.62DMI00.005.1 - Menelaah Data Minggu, 22/08/2021 Data Preparation 1: Menentukan objek atau Memilah Data, Membersihkan Data, Memvalidasi Data ● Peserta mampu memilih objek untuk dipergunakan selanjutnya, baik memilih record ataupun atribut/ feature. Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri
• 8.
  ● Peserta mampu melakukanproses pembersihan data dan untuk memperbaiki kualitas data. ● Peserta mampu melakukan proses memvalidasi data dan untuk memperbaiki kualitas data. Unit Kompetensi: J.62DMI00.007.1 - Menentukan Objek Data J.62DMI00.008.1 - Membersihkan Data J.62DMI00.006.1 - Memvalidasi Data Sabtu, 28/08/2021 Data Preparation 2: Mengkonstruksi Data Peserta mampu melakukan proses normalisasi data dan transformasi data sederhana Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi J.62DMI00.009.1 - Mengkonstruksi Data Minggu, 29/08/2021 Data Preparation 3: Mengkonstruksi Data Peserta mampu melakukan proses feature engineering Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: UK J.62DMI00.009.1 - Mengkonstruksi Data UK J.62DMI00.010.1 - Menentukan Label Data Sabtu, 4/09/2021 Membangun Model 1 ● Peserta mampu melakukan kegitan persiapan pemodelan seperti pembagian data, penyusunan scenario pemodelan. ● Peserta mampu melakukan proses pemodelan klasifikasi Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: J.62DMI00.012.1 - Membangun Skenario Model J.62DMI00.013.1 - Membangun Model Minggu, 5/09/2021 Membangun Model 2 Peserta mampu melakukan proses pemodelan regresi Pemaparan materi menggunakan 2JP Kelas 4JP Mandiri
• 9.
  bahan ajar, dan diskusi UnitKompetensi: UK J.62DMI00.013.1 - Membangun Model Sabtu, 11/09/2021 Membangun Model 3 Peserta mampu melakukan proses pemodelan clustering(?) Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: UK J.62DMI00.013.1 - Membangun Model Minggu, 12/09/2021 Membangun Model 4 Peserta mampu melakukan proses pemodelan ANN Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: UK J.62DMI00.013.1 - Membangun Model Sabtu, 18/09/2021 Membangun Model 5: Evaluasi Peserta mampu melakukan proses pemodelan dan membandingkan performansinya berdasar metrik evaluasi) Pemaparan materi menggunakan bahan ajar, dan diskusi 2JP Kelas 4JP Mandiri Unit Kompetensi: J.62DMI00.014.1 - Mengevaluasi Hasil Pemodelan J.62DMI00.015.1 - Melakukan Proses Review Pemodelan Minggu, 19/09/2021 Melakukan Deployment Model Peserta mampu melakukan deployment model menjadi sistem yang dapat dioperasikan (web) Pemaparan materi menggunakan bahan ajar, dan diskusi 2 JP Kelas 4JP Mandiri Unit Kompetensi J.62DMI00.016.1 - Membuat Rencana Deployment Model J.62DMI00.017.1 - Melakukan Deployment Model 1.6Tugas Besar atau Tugas Akhir Selama pembelajaran peserta mendapatkan tugas harian per orang dan tugas besar yang bersifat tugas kelompok. Deskripsi tugas besar adalah sebagai berikut. • Satu kelompok 3 orang (kecuali satu kelompok yang berjumlah 4 orang) • Anggota kelompok berada dalam satu kelas yang sama
• 10.
  • Tujuan: MenerapkanMetodologi AI (Data Science) untuk menyelesaikan permasalahan pada satu organisasi (data nyata) • Outcome: Suatu aplikasi intelijen dalam bentuk aplikasi berbasis web yang menggunakan pengetahuan hasil dari proses pembelajaran (data science) • Data yang dipergunakan a. Bersifat bebas dengan memperhatikan etika pengumpulannya (legal, menjaga privasi, dll.) diharapkan dari organisasi atau perusahaan sendiri. b. Tidak diperbolehkan dari dataset umum seperti dari repositori uci.edu ataupun dataset dari kaggle, netflix atau repositori lainnya. c. Diperbolehkan dari data awal dari open data dalam negeri seperti Portsl Satu Data data.go.id. • Penilaian a. Kemajuan berkala (per minggu) b. Hasil akhir aplikasi berupa aplikasi web yang dideploy di suatu cloud. Jadwal pelaksanaan adalah sebagai berikut. Minggu Tanggal Materi Yang dikumpulkan Batas 1 31-7-2021 dan 1-8- 2021 Pembentukan Kelompok Daftar Anggota kelompok 6-8- 2021 2 7-8-2021 dan 8-8- 2021 Metodologi Data Science Deskripsi Masalah (draft) 13-8- 2021 3 14-8-2021 dan 15-8- 2021 Business Understanding Data Understanding- 1 -Perbaikan Deskripsi Masalah - Hasil Telaahan Data (Statistik) 20-8- 2121 4 21-8-2021 dan 22-8- 2021 Data Understanding- 2 Data Preparation-1 - Hasil Telaahan Data (Visualisasi) - Hasil Perbaikan Data (Cleansing) 5 28-8-2021 dan 29-8- 2021 Data Preparation-2 Data Preparation-3 - Hasil Perbaikan Data a. Normalisasi/Transformasi b. Feature Engineering 3-9- 2021 6 4-9-2021 dan 5-9- 2021 Membangun Model- 1 Klasifikasi Model Klasifikasi dan/ atau Regresi 10-9- 2021
• 11.
  Membangun Model- 2 Regresi 711-9-2021 dan 12-9- 2021 Membangun Model- 3 Clustering Membangun Model ANN - Model Clustering - Model ANN 17-9- 2021 8 18-9-2021 dan 19-9- 2021 Evaluasi Deployment - Aplikasi Web 26-9- 2021 2. Pemasangan Tools yang Diperlukan dalam Pembelajaran Beberapa tools yang akan dipergunakan selama pembelajaran adalah sebagai berikut: • Python • Development Environment: o Google Colab (https://colab.research.google.com/). ○ Jupyter Notebook (https://jupyter.org/) ● Library python seperti ○ NumPy, ○ SciPy, ○ Pandas, ○ Matplotlib, ○ Seaborn, ○ Scikit-learn 2.1Instalasi python Interpreter bahasa python dapat didownload sesuai dengan sistem operasi yang dipergunakan di situs http://www.python.org/downloads/windows/ Untuk sistem Windows, tergantung dari versi windows yang dipergunakan maka pemasangan dapat dilakukan dengan mengikuti Langkah sebagai berikut. • Pilih versi stabil (stable version) yang akan didownload, yaitu: python-3.9.6 atau python-3.8.10 • Buka (dengan melakukan klik 2x) file installer python yang baru saja didownload • Ikuti langkah instalasi sampai selesai
• 12.
  • Lakukan pengujianapakah python berhasil terpasang dengan membuka promp Command > lalu mengetikkan python atau pyton3 • Jika terpasang maka akan ditampilkan versi pythonnya 2.2 Instalasi Library python Sementara library python yang akan dipasang dapat dilakukan dengan melalui pip atau conda. 2.2.1 Menggunakan pip Dari command prompt lakukan Contoh pip install numpy pip install scikit-learn
• 13.
  Untuk setiap libraryyang diperlukan silakan lakukan instalasi. 2.2.2 Menggunakan anaconda Anaconda dapat didownload dari situs https://docs.anaconda.com/anaconda/install/windows/ Lakukan instalasi sesuai urutan di bawaah ini. • Unduh Anaconda Installer dari situs tersebut • Klik dua kali file installer yang telah diunduh untuk menjalankannya • Tekan “I Agree” setelah membaca informasi tentang lisensi • Pilih instalasi tunggal (“Just Me”) dam tekan tombol Next • Pilih folder tujuan untuk instalasi • Pilih apakah akan menambahkan Anaconda ke dalam variable environment PATH. • Pilih apakah akan menjadikan Anaconda sebagai default • Tekan tombol Install dan tekan Next • Jika sudah terpasang dengan baik akan ditampilkan boks dialog sebagai berikut.
• 14.
  Anaconda juga dapatdipasang melalui command prompt conda install <nama-library>
• 15.
  2.3Instalasi Lingkungan Pengembangan Terdapatdua lingkungan yang akan dipergunakan yaitu google colab dan Jupyter Notebook. 2.3.1 Google Colab Seperti layanan Google lainnya, Google Colab merupakan sebuah layanan cloud sehingga untuk menggunakannya pengguna haraus terhubung dengaan internet. Layanan ini dapat dipergunakan untuk menulis dan mengeksekusi Python di browser anda tanpa mengkonfigurasi, dapat menggunakan GPU, dan dapat di-share dengan rekan kerja. Pergunakan link https://colab.research.google.com di browser anda untuk mengakses google colab. 2.3.2 Jupyter Notebook Berbeda dengan Google Colab, Jupyter Notebook adalah lingkungan pengembangan local sehingga dapat dipergunakan tanpa terhubung dengan internet. Akibatnya kemampuannya sangat tergantung pada kemampuan peralatan computer pribadi yang dipergunakan. Jupyter notebook juga dapat dipasang dengan berbagai cara. Dua di antaranya adalah melalui pip dan melalui Anaconda. Jika menggunakan pip maka di command prompt lakukan perintah pip install jupyter
• 16.
  Untuk mengaktifkan jupyternotebook lakukan perintah di bawah ini pada command prompt: Jupyter notebook Window akan muncul sebagai berikut. Sementara jika sudah memiliki Anaconda Navigator jika sudah memiliki Anaconda Navigator, bisa dilihat apakah status Launch atau Install. Jika install maka berarti belum terpasang dan untuk memasangnya silakan klik satu kali pada pilihan jupyter notebook. Jika sudah terpasang (status Launch) silakan di-klik Launch untuk menjalankan/ mengaktifkan.
• 17.
  Jupyter notebook siapdipergunakan jika tampilan seperti di bawah ini terlihat.
• 18.
  Untuk masuk kenotebook Python untuk menggunakannya dapat dengan memilih tombol New seperti di bawah ini. Lingkungan pemrograman python akan muncul seperti ini.
• 19.
  Tugas Dan ProyekPelatihan 1. Instalasi berbagai tools aplikasi yang diperlukan 2. Menjalankan program python (hello word) Link Referensi Modul Pertama 1. Dokumen siabus Thematic Academy Digital Talent Scholarship Artificial Intelligence untuk Instruktur, Kementerian Komunikasi dan Informatika, 2021 2. Standard Kompetensi Kerja Nasional Indonesia No 299 Tahun 2020 Bidang Keahlian Artificial Intelligence sub bidang Data science: https://skkni.kemnaker.go.id/tentang-skkni/dokumen 3. https://www.anaconda.com 4. https://jupyter.org 5. https://colab.research.google.com 6. https://www.python.org 7. https://numpy.org 8. https://scikit-learn.org 9. https://pandas.pydata.org 10. https://www.scipy.org 11. https://matplotlib.org 12. https://seaborn.pydata.org Link Pertanyaan Modul Ketiga Bahan Tayang Power Point Link room Pelatihan dan Jadwal live sesi bersama instruktur Zoom Penilaian Komposisi penilaian Tugas Pengantar Pelatihan: Nilai 100
• 20.
  Target Penyelesaian ModulPertama 1 hari / sampai 6 JP