PT. TELEKOMUNIKASI INDONESIA, Tbk DIVISI DIGITAL SERVICE...
Transcript of PT. TELEKOMUNIKASI INDONESIA, Tbk DIVISI DIGITAL SERVICE...
1
KERJA PRAKTIK – KI141330
Pembuatan Data Preparation dan Data Visualization pada
Data Exchange (DX) Telkom Divisi Digital Service
PT. TELEKOMUNIKASI INDONESIA, Tbk
DIVISI DIGITAL SERVICE
Jl. Sisingamangaraja No.4, RT.2/RW.1, Selong, Kec. Kby.
Baru, Kota Jakarta Selatan, Daerah Khusus Ibukota Jakarta
12110
Periode: 1 Juli 2020 - 30 September 2020
Oleh:
Pembimbing Departemen
Dr. Eng. Chastine Fatichah S. Kom, M. Kom
Pembimbing Lapangan
Rakhman Imansyah S.T., M.T.
DEPARTEMEN TEKNIK INFORMATIKA
Fakultas Teknologi Elektro dan Informatika Cerdas
Institut Teknologi Sepuluh Nopember
Surabaya 2020
2
[Halaman ini sengaja dikosongkan]
3
KERJA PRAKTIK – KI141330
Pembuatan Data Preparation dan Data Visualization pada
Data Exchange (DX) Telkom Divisi Digital Service
PT.TELEKOMUNIKASI INDONESIA,Tbk
DIVISI DIGITAL SERVICE
Jl. Sisingamangaraja No.4, RT.2/RW.1, Selong, Kec. Kby.
Baru, Kota Jakarta Selatan, Daerah Khusus Ibukota Jakarta
12110
Periode: 1 Juli 2020 - 30 September 2020
Oleh:
Pembimbing Departemen
Dr. Eng. Chastine Fatichah S. Kom, M. Kom
Pembimbing Lapangan
Rakhman Imansyah S.T., M.T.
DEPARTEMEN TEKNIK INFORMATIKA
Fakultas Teknologi Elektro dan Informatika Cerdas
Institut Teknologi Sepuluh Nopember
Surabaya 2020
4
[Halaman ini sengaja dikosongkan]
5
LEMBAR PENGESAHAN
KERJA PRAKTIK
Pembuatan Data Preparation dan Data Visualization
pada Data Exchange (DX) Telkom Divisi Digital Service
Oleh:
Isnaini Nurul KurniaSari 05111740000010
Zahrul Zizki Dinanto 05111740000168
Mengetahui, Menyetujui,
Telkom STO Gambir Dosen Pembimbing
Pembimbing Kerja Praktik Kerja Praktik
Rakhman Imansyah S.T., M.T. Dr.Eng. Chastine Fatichah S.Kom, M.Kom
NIP: 197512202001122002
SURABAYA, OKTOBER, 2020
6
[Halaman ini sengaja dikosongkan]
7
Pembuatan Data Preparation dan Data Visualization
pada Data Exchange (DX) Telkom Divisi Digital Service
Nama Mahasiswa : Isnaini Nurul KurniaSari
NRP : 05111740000010
Nama Mahasiswa : Zahrul Zizki Dinanto
NRP : 05111740000168
Departemen : Teknik Informatika FTEIC-ITS
Pembimbing Departemen: Dr. Eng. Chastine Fatichah S.Kom,
M.Kom
Pembimbing Lapangan : Rakhman Imansyah S.T., M.T.
8
ABSTRAK
PT Telekomunikasi Indonesia (Persero) Tbk, atau Telkom
Indonesia atau biasa disebut Telkom adalah perusahaan BUMN di bidang informasi dan komunikasi serta salah satu penyedia jasa dan
jaringan telekomunikasi terbesar di Indonesia. Telkom mengklaim
sebagai perusahaan telekomunikasi terbesar di Indonesia, dengan
jumlah pelanggan telepon tetap sebanyak 15 juta dan pelanggan telepon seluler sebanyak 104 juta.
Salah satu proyek yang dikembangkan adalah Data
Exchange. Data Exchange atau disebut dengan DX adalah sebuah platform yang mempertemukan supplier dan demand data sehingga
DX berfungsi sebagai marketplace. Untuk mengembangkan
produktivitas perusahaan, Telkom mengoptimalkan pengolahan data sesuai dengan kebutuhan proses bisnis. Dalam pengolahan data yang
banyak, diperlukan suatu manajemen yang baik sehingga
menghasilkan informasi data yang mudah dipahami. Hal tersebut
menjadi fokus utama kegiatan kerja praktek yang dilakukan oleh penulis dalam pengoptimalan pengolahan data berupa data
preparation serta visualisasi data yang dapat memberikan informasi
yang mudah dipahami.
Dalam proses mengolah data, penulis menganalisis data
berdasarkan kebutuhan proses bisnis serta diperlukan adanya data preparation untuk mengubah data mentah menjadi data berkualitas.
Data preparation dapat berupa data cleansing, data integration, dan
data transformation. Dalam melakukan proses data preparation,
penulis menggunakan Bahasa pemrograman Python dan menggunakan tools jupyter notebook. Untuk menghasilkan
informasi data yang mudah dipahami diperlukan adanya suatu
visualisi data. Penulis menggunakan tools tableau, sehingga menghasilkan visualisasi data yang efektif dan efisien berupa
infografis.
Kata kunci : Data Preparation, Data Cleansing, Data
Integration, Data Transformation, Data Visualization, Jupyter
Notebook, Tableau, Infografis
9
KATA PENGANTAR
Puji syukur kami haturkan kepada Allah SWT karena berkat
rahmat-Nya kami dapat melaksanakan salah satu kewajiban kami
sebagai mahasiswa Departemen Teknik Informatika, yakni Kerja
Praktek (KP). Kami menyadari masih ada kekurangan baik dalam pelaksanaan
kerja praktik maupun penyusunan buku laporan ini. Namun, kami
berharap buku laporan ini dapat menambah wawasan pembaca dan
dapat menjadi sumber referensi. Kami mengharapkan kritik dan saran yang membangun untuk kesempurnaan buku laporan kerja
praktik ini.
Melalui buku ini, kami juga ingin menyampaikan rasa terima kasih kepada orang-orang yang telah membantu, baik langsung
maupun tidak langsung, dalam pelaksanaan kerja praktik hingga
penyusunan laporan. Orang-orang tersebut antara lain adalah:
1. Kedua orang tua penulis. 2. Ibu Dr. Eng. Chastine Fatichah, S. Kom, M. Kom selaku
dosen pembimbing kerja praktik.
3. Bapak Ary Mazharuddin Shiddiqi, S.Kom., M.Comp.Sc.,
Ph.D. selaku koordinator Kerja Praktik.
4. Bapak Rakhman Imansyah S.T., M.T., selaku pembimbing lapangan kerja praktik kami di Big Data Management, PT.
Telekomunikasi Indonesia, Tbk.
Surabaya, Oktober 2020
Isnaini Nurul KurniaSari, Zahrul Zizki Dinanto
10
[Halaman ini sengaja dikosongkan]
11
DAFTAR ISI
LEMBAR PENGESAHAN 5
ABSTRAK 8
KATA PENGANTAR 9
DAFTAR ISI 11
DAFTAR TABEL 14
DAFTAR GAMBAR 17
DAFTAR KODE 17
BAB I PENDAHULUAN 18
1.1. Latar Belakang . 19
1.2. Tujuan 19
1.3. Manfaat 20
1.4. Rumusan Masalah 20
1.5. Lokasi dan Waktu Kerja Praktik 20
1.6. Metodologi Kerja Praktik 21
1.7. Sistematika Laporan 23
BAB II PROFIL PERUSAHAAN 26
2.1. Profil Telkom Divisi Digital Service 26
2.2. Visi dan Misi Telkom Divisi Digital Service 26
2.3. Produk Telkom Digital Service 26
2.4. Anak Perusahaan PT. Telkomunikasi Indonesia 27
BAB III TINJAUAN PUSTAKA 30
3.1. Pemrograman 30
3.1.1. Python 30
12
3.1.2. Jupyter Notebook 31
3.1.3. Shell Script 31
3.2. Visualisasi Data 31
3.2.1. Tableau 31
3.3. Database 31
3.3.1. Postgresql 31
3.3.2. Pentahoo 32
BAB IV IMPLEMENTASI SISTEM 34
4.1. Analytical Data Visualization 34
4.1.1. Visualisasi Data dengan Tableau 34
4.2. Pembuatan Dashboard dengan Tableau 36
4.3. Ekstraksi Data Trend Apps Name 37
4.3.1. Ekstrasi Data dengan Apache Hive 37
4.3.2. Pemindahan Hasil Bash dari Server ke Local 38
4.3.3. Import CSV ke Database 39
4.3.4. Menggabungkan Tabel 40
4.4. Data Preparation 40
4.4.1. Crawling Data dari PDF 40
4.4.2. Data Cleansing 43
4.5. Menggabungkan Tabel 47
4.5.1. Melakukan Import Library dan File CSV 47
4.5.2. Melakukan Pembuatan Kolom Baru 48
4.5.3. Menggabungkan Kedua Tabel menjadi Satu 48
4.5.4. Menampilkan Kolom Penting dan Export CSV 50
13
4.5.5. Mengambil kolom penting dan export menjadi csv 50
BAB V PENGUJIAN DAN EVALUASI 52
5.1. Tujuan Pengujian 52
5.2. Kriteria Pengujian 52
5.3. Skenario Pengujian 52
BAB VI KESIMPULAN DAN SARAN 57
6.1. Kesimpulan 57
6.2. Saran 57
DAFTAR PUSTAKA 59
BIODATA PENULIS I 61
BIODATA PENULIS II 64
14
DAFTAR TABEL
Tabel 5.1 Kriteria dan Hasil Pengujian 55
15
DAFTAR GAMBAR
Gambar 4.1 Data Analitik Trend Aplikasi e-Commerce 34
Gambar 4.2 Data Analitik Trend Aplikasi Perbankan 35
Gambar 4.3 Data Analitik Trend Aplikasi Games 35
Gambar 4.4 Design Infografis di Bidang Communications 36
Gambar 4.5 Design Infografis di Bidang eCommerce 37
Gambar 4.6 Template Bash Script Create Tabel Komunikasi 38
Gambar 4.7 Template Bash Script Create Tabel eCommerce 38
Gambar 4.8 Template Bash Script Create Tabel Games 38
Gambar 4.9 Template Bash Script Create Tabel Banking 38
Gambar 4.10 Pemindahan CSV dari Server ke Local 39
Gambar 4.11 Import CSV ke Database menggunakan Pentahoo 39
Gambar 4.12 SQL Syntax untuk Penggabungan Tabel Games 40
Gambar 4.13 Import Library 40
Gambar 4.14 Inisialisasi Variable Page 41
Gambar 4.15 Convert dari pdf ke CSV per page 41
Gambar 4.16 Menggabungkan File CSV 41
Gambar 4.17 Membuka file CSV dan Menyimpan ke Array 41
Gambar 4.18 Rename Kolom 42
Gambar 4.19 Rename Kolom dan menghilangkan null id_kel 42
Gambar 4.20 Export File ke CSV 42
Gambar 4.21 Import Library 43
Gambar 4.22 Import Data dari CSV 43
Gambar 4.23 Menampilkan informasi tabel 43
16
Gambar 4.24 Mengisi Data Kosong pada Kolom 43
Gambar 4.25 Menampilkan Informasi Tabel Terbaru 44
Gambar 4.26 Menyeleksi id_kelurahan 44
Gambar 4.27 Menghilangkan noise integer 44
Gambar 4.28 Menampilkan Informasi Tabel 45
Gambar 4.29 Menambahkan Kolom Provinsi dan Keterangan 45
Gambar 4.30 Split String id_dukcapil 45
Gambar 4.31 Menambahkan Kolom Kelurahan_desa 46
Gambar 4.32 Mengambil dan Menyimpan Kolom 46
Gambar 4.33 Menampilkan Output Akhir dari Dataframe 46
Gambar 4.34 Export Dataframe ke File CSV 46
Gambar 4.35 Informasi Tabel Longitude dan Lattitude 47
Gambar 4.36 Tabel Master Dukcapil 47
Gambar 4.37 Import Library dan File CSV 47
Gambar 4.38 Membuat Kolom Baru 48
Gambar 4.39 Menggabungkan Dua Tabel 49
Gambar 4.40 Menampilkan dan Membaca Data 50
Gambar 4.41 Export to CSV 50
Gambar 5.1 Contoh Salah Satu Data Analitik Trend Apps Name 53
Gambar 5.2 Contoh Salah Satu Design Infografis Apps Name 53
Gambar 5.3 Ekstraksi Data dengan Hive 54
Gambar 5.4 Penggabungan Tabel Per Bulan Tiap Kategori 54
Gambar 5.5 Output Setelah Proses Cleansing Data 54
Gambar 5.6 Output Akhir dari Dataframe 55
17
DAFTAR KODE
18
BAB I
PENDAHULUAN
1.1 Latar Belakang
PT Telekomunikasi Indonesia (Persero) Tbk, atau biasa disebut Telkom Indonesia atau Telkom adalah perusahaan informasi
dan komunikasi serta penyedia jasa dan jaringan telekomunikasi
secara lengkap di Indonesia. Telkom memiliki jumlah pelanggan telepon tetap sebanyak 15 juta dan pelanggan telepon seluler
sebanyak 104 juta. Telkom merupakan salah satu BUMN yang
mayoritas sahamnya dimiliki oleh Pemerintah Indonesia.[1]
Seiring berkembangnya zaman, penggunaan data dan pengolahan data merupakan hal yang marak digunakan oleh
perusahaan-perusahaan. Banyak perusahaan-perusahaan swasta
maupun startup yang menggunakan data-data yang sudah diolah dalam menentukan pengambilan suatu keputusan bisnis. Telkom
sebagai salah satu BUMN, dan perusahaan yang bergerak di bidang
komunikasi dan informasi juga mulai menggunakan pengolahan data-data yang dimiliki. Hal ini ditujukan untuk menunjang proses
bisnis yang ada dan dapat terus bersaing dengan perusahaan-
perusahaan swasta. Langkah yang diambil Telkom adalah dengan
memiliki sebuah tim khusus, yaitu tim Big Data dibawah Telkom Divisi Digital Service untuk mengolah data dan memproses data agar
dapat berguna untuk menunjang proses bisnis di perusahaan.
Salah satu proyek yang dikembangkan adalah Data Exchange. Data Exchange atau disebut dengan DX adalah sebuah platform yang
mempertemukan supplier dan demand data sehingga DX berfungsi
sebagai marketplace. Untuk mengembangkan produktivitas
perusahaan, DX mengoptimalkan pengolahan data sesuai dengan kebutuhan proses bisnis. Dalam pengolahan data diperlukan suatu
manajemen yang baik sehingga menghasilkan informasi data yang
mudah dipahami. Pengolahan data tersebut dilakukan dengan data preparation agar efektif & efisien dan data visualization untuk
memberikan informasi yang mudah dipahami.
19
Dalam proses mengolah data, penulis menganalisis data
berdasarkan kebutuhan proses bisnis. Data preparation diperlukan untuk mengubah data mentah menjadi data berkualitas dan berfungsi
untuk memanajemen data secara efektif dan efisien agar
menghasilkan data optimal & akurat dan sesuai dengan proses bisnis. Penulis melakukan data preparation meliputi data cleansing, data
integration, dan data transformation. Data cleansing dilakukan
dengan mengisi missing value, mengidentifikasi outlier, menangani
data noise, mengoreksi data yang tidak konsisten, dan menyelesaikan masalah redudansi data. Data integration dilakukan
dengan menggabungkan data dari beberapa sumber. Data
transformation berfungsi untuk mengubah suatu data supaya diperoleh data yang lebih berkualitas dengan cara menghilangkan
noise dari data (smoothing), meng-agregasi data, generalisasi data,
normalisasi data, dan pembentukan atribut/fitur.
Dalam melakukan proses data preparation, penulis
menggunakan bahasa pemrograman Python dan menggunakan tools jupyter notebook. Penulis menggunakan tools tableau untuk
menghasilkan visualisasi data berupa infografis sehingga
memudahkan pembaca dalam menerima informasi data secara praktis.
1.2 Tujuan
Tujuan kerja praktik ini adalah untuk mengembangkan
produktivitas perusahaan dengan mengoptimalkan pengolahan data
sesuai dengan kebutuhan proses bisnis dan menghasilkan informasi data yang mudah dipahami dengan menggunakan visualisasi data
berupa infografis.
1.3 Manfaat
Manfaat yang kami peroleh dari kerja praktik selama
menyelesaikan kerja praktik ini adalah sebagai berikut :
- Mengembangkan kemampuan untuk dapat memahami tahapan-tahapan persiapan data atau data preparation.
20
- Mengembangkan kemampuan untuk melakukan pemetaan
data sehingga diperoleh data yang optimal dan akurat. - Mengembangkan kemampuan untuk melakukan
visualisasi data berupa data infografis.
- Mengetahui penggunaan data agar dapat digunakan dalam menunjang proses bisnis di suatu perusahaan.
- Berpikir inovatif dan solutif terhadap suatu masalah.
- Memahami dan mengetahui kondisi nyata dalam
lingkungan kerja dan implementasi scrum dalam divisi sebuah perusahaan.
1.4 Rumusan Masalah Berikut ini rumusan masalah pada kerja praktik pada Data
Exchange (DX) adalah sebagai berikut :
1. Bagaimana cara mengoptimalkan data parameter pada
Data Exchange (DX) dilakukan secara efektif dan efisien? 2. Bagaimana cara memperoleh data parameter yang akurat
pada Data Exchange (DX)?
3. Bagaimana cara menggambarkan informasi data pada
Data Exchange (DX) agar mudah dipahami oleh masyarakat?
1.5 Lokasi dan Waktu Kerja Praktik
Kerja praktik ini dilaksanakan pada waktu dan tempat sebagai berikut:
Lokasi : Work From Home (WFH)
Alamat : 1. Gabusan, RT 01/05 Kel. Jombor, Kec.
Bendosari, Kab. Sukoharjo 2. Perum Griya Praja Indah RT 02/23 Kel.
Kuripan Kec. Purwodadi Kab. Grobogan
Waktu : 1 Juli 2020 - 30 September 2020 Hari Kerja : Senin s.d Jumat
Jam Kerja : 08.00 WIB - 17.00 WIB
21
1.6 Metodologi Kerja Praktik
Tahapan pengerjaan kerja praktik dapat dijabarkan sebagai
berikut:
1. Perumusan Masalah
Untuk mengetahui permasalahan apa yang harus diselesaikan,
diberikan penjelasan mengenai masalah yang dihadapi dan pendekatan seperti apa yang bisa dilakukan. Dijelaskan juga secara
rinci mengenai bagaimana alur mengolah data secara optimal dan
menghasilkan data yang akurat itu dapat berjalan. Penjelasan mengenai hal ini dijelaskan oleh pembimbing lapangan kerja praktik.
Dari penjelasannya dihasilkan catatan-catatan penting mengenai
tahapan dalam mengolah data berupa data preparation dan data
visualization. Dengan begitu dapat diputuskan bahasa pemrograman yang digunakan adalah python dengan tools pendukung Jupyter.
Untuk menghasilkan visualisasi data berupa data infografis, penulis
menggunakan tools tableau.
2. Studi Literatur
Setelah ditentukan bahasa pemrograman, alur, algoritma-
algoritma terkait dan tools tambahan yang akan digunakan dilakukan
studi literatur mengenai cara implementasinya dalam bahasa python. Bahasa pemrograman python berfungsi untuk membantu penulis
dalam melakukan data preparation.Pada tahap ini dilakukan proses
pencarian, pembelajaran, pengumpulan dan pemahaman informasi serta literatur yang berkaitan untuk membantu dalam implementasi
ke dalam bahasa python.
Untuk membuat data visualization berupa infografis, penulis
menggunakan tools tableau dalam membuat analisis visual interaktif
dalam bentuk dashboard sesuai dengan pola analisis bussines intelegence. Pada tahap data preparation dilakukan proses
eksplorasi mengenai tools pentahoo dan postgresql untuk melakukan
integrasi data secara optimal. Informasi bisa diperoleh dari internet untuk istilah-istilah umum yang digunakan dalam proses
implementasi ke bahasa python dan tools tableau untuk
menghasilkan visualisasi data berupa infografis.
22
3. Analisis dan Perancangan
Tahap ini meliputi penjelasan tentang proses implementasi ke
bahasa python berdasarkan studi literatur. Tahap ini mendefinisikan alur dari implementasi. Langkah-langkah yang dikerjakan juga
didefinisikan ditahap ini sebagai berikut:
a. Memahami python sebagai bahasa pemrograman yang digunakan.
b. Memahami Jupyter Notebook sebagai tools pendukung yang
digunakan dalam membuat syntax. c. Memahami Tableau sebagai tools pendukung yang digunakan
dalam membuat visualisasi data infografis.
d. Memahami Tabula sebagai library pada python yang berfungsi
untuk melakukan data crawling tabel dari file berekstensi pdf untuk dibaca pada python.
e. Memahami pentahoo dan postgresql untuk integrasi data. f. Memahami metode scrum dengan prinsip-prinsip pendekatan
Agile yang bertumpu pada kekuatan kolaborasi tim, incremental
product dan proses iterasi untuk mewujudkan hasil akhir.
4. Implementasi
Implementasi didasarkan informasi yang sudah diperoleh dan
dipelajari dari tahap-tahap sebelumnya. Pada tahap ini penulis melakukan data preparation dengan melakukan proses/langkah
untuk mengolah data mentah menjadi data yang berkualitas sehingga
diperoleh input yang baik untuk data mining tools. Setelah melakukan data preparation penulis membuat visualisasi data agar
informasi data dapat mudah dipahami oleh masyarakat. Pengerjaan
dilakukan selama tiga bulan. Jika ada masukan atau evaluasi terhadap data preparation dan data visualization maka segera
diaplikasikan karena pengerjaan ini dilakukan dengan metode scrum
dengan teknik Agile sehingga memungkinkan untuk melakukan
perubahan atau update secara cepat dengan tim Data Exchange (DX).
23
5. Pengujian dan Evaluasi
Pengujian dilakukan dengan melakukan pengecekan pada
beberapa sampling data secara manual. Data yang sudah diproses dicek apakah sudah testandarisasi dengan akurat, sehingga dapat
dilanjutkan dan diproses lebih lanjut untuk menunjang proses bisnis
di Telkom. Jika ada beberapa kasus yang belum dapat ditangani oleh
program atau masih kurang efisien dari segi waktu maupun penggunaan memori, maka dapat dijadikan bahan evaluasi untuk
program yang dirancang.
6. Kesimpulan dan Saran
Kesimpulan yang kami dapatkan diantaranya adalah
visualisasi data berupa infografis menggunakan tools Tableau memudahkan masyarakat dalam memahami informasi data, dan
pembuatan data parameter melalui data preparation tergolong baik,
efektif dan efisien. Saran yang penulis berikan antara lain diperlukan
adanya persiapan dan eksplorasi data dalam pembuatan data parameter agar lengkap, efektif, dan efisien serta tidak memakan
waktu yang lama.
1.7 Sistematika Laporan
Laporan kerja praktik ini terdiri dari tujuh bab dengan rincian
sebagai berikut:
1. Bab I Pendahuluan Pada bab ini dijelaskan tentang latar belakang permasalahan,
tujuan, waktu pelaksanaan, serta sistematika pengerjaan kerja
praktik dan juga penulisan laporan kerja praktik.
2. Bab II Profil Perusahaan Pada bab ini, dijelaskan secara rinci tentang profil perusahaan
tempat kami melaksanakan kerja praktik, yaitu Telkom Digital Service.
3. Bab III Tinjauan Pustaka Pada bab ini, dijelaskan mengenai tinjauan pustaka dan literatur
yang digunakan dalam penyelesaian kerja praktik di Telkom Digital
Service.
4. Bab IV Implementasi
24
Pada bab ini, berisi penjelasan tahap-tahap yang dilakukan
untuk proses implementasi data preparation dan data visualization menggunakan bahasa pemrograman python. Visualisasi data berupa
data infografis menggunakan tools Tableau.
5. Bab V Pengujian dan Evaluasi
Pada bab ini, dijelaskan tentang hasil pengujian dan evaluasi
dari sistem yang telah dikembangkan selama pelaksanaan kerja
praktik di Telkom Digital Service.
6. Bab VI Kesimpulan dan Saran Pada bab ini, dipaparkan kesimpulan yang dapat diambil dan
juga saran selama pengerjaan kerja praktik.
25
[Halaman ini sengaja dikosongkan]
26
BAB II
PROFIL PERUSAHAAN
2.1 Profil Telkom Divisi Digital Service
Divisi Digital Service adalah salah satu Divisi “centralized”
di Telkom yang diperankan untuk penyelenggaraan aktivitas binis
dengan fokus pada pengelolaan pengembangan product scouping khususnya digital product innovation melalui coherence
inovation, discovery, incubation & acceleration (DIA) process,
research, standardization & quality assurane (RSQA) process, dan big data analytic.
2.2 Visi dan Misi Telkom Divisi Digital Service
Visi dan misi dari Perusahaan Telkom Divisi Digital Service
adalah sebagai berikut:
● Visi : Be the King of Digital in the Region. ● Misi : Lead Indonesian Digital Innovation and
Globalization.
2.3 Produk Telkom Digital Service
Produk dari Perusahaan Telkom Divisi Digital Service adalah sebagai berikut:
1. Bandung Digital Valley (BDV)
Program BDV ini terdiri dari Indigo Creative Nation
merupakan program apresiasi kepada startup/entrepreneur yang dinilai berhasil membuat ide, produk, maupun bisnis inovatif digital
yang diinginkan pelanggan (right product), serta mendorong
tumbuhnya digitalpreneur baru dalam industri digital.
2. UDATA Produk pengelolaan data yang kompleks menjadi suatu
insight, efektifitas, dan efisiensi dalam pengambilan keputusan dalam perusahaan dapat di tingkatkan.
3. ATOM Produk jasa pembuatan aplikasi mobile android dan IOS
Apple dengan cepat, mudah, professional dan harga terjangkau.
27
4. PeduliLindungi
Aplikasi yang dikembangkan untuk menghentikan penularan
Coronavirus Disease (COVID-19). Aplikasi ini mengandalkan kepedulian (peduli) dan partisipasi masyarakat untuk saling
membagikan data lokasinya saat bepergian agar penelusuran riwayat
kontak dengan penderita COVID-19 dapat dilakukan.
2.4 Anak Perusahaan PT. Telekomunikasi Indonesia
1. PT. Telekomunikasi Seluler (Telkomsel)
2. Telkomsel Finance B.V (TFBV)
3. Telekomunikasi Seluler Finance Limited (TSFL)
4. PT. Multimedia Nusantara (Telkom Metra)
5. Mojopia (Metranet)
6. PT. Sigma Cipta Caraka (TelkomSigma)
7. PT. Sigma Solusi Integrasi
8. PT. Sigma Karya Sempurna
9. PT. Signet Pratama
10. PT. Sigma Tata Sadaya
11. PT. Sigma Metrays Solution
12. PT. Graha Telkomsigma 13. PT. Administrasi Medika (AdMedika) 14. PT. Finnet Indonesia (Finnet) 15. PT. Melon Indonesia (Melon)
16. PT. Patra Telekomunikasi Indonesia 17. PT. Infomedia Nusantara (Infomedia) 18. PT. Balebat Dedikasi Prima (Balebat)
19. PT. Telekomunikasi Indonesia International (TII/Telin)
20. PT. Telekomunikasi Indonesia International (Hong Kong) Ltd. (Telin Hong Kong)
21. PT. Telekomunikasi Indonesia International Pte., Ltd. (Telin
Singapore)
22. Telekomunikasi Indonesia Internasional, S.A. (Telin Timor
Leste)
28
23. Telekomunikasi Indonesia International Australia Pty., Ltd.
(Telkom Australia)
24. Scicom (MSC) Bhd. (Scicom) 25. PT. Infrastruktur Telekomunikasi Indonesia (Telkom Infra) 26. PT. Dayamitra Telekomunikasi (Mitratel/Dayamitra)
27. PT. Graha Sarana Duta (TelkomProperty/GSD) 28. PT. Telkom Akses
29. PT. Napsindo Primatel Internasional (Napsindo)
29
[Halaman ini sengaja dikosongkan]
30
BAB III
TINJAUAN PUSTAKA
Pada bab ini, akan dijelaskan mengenai dasar teori yang digunakan selama proses kerja praktik.
3.1. Pemrograman
3.1.1. Python
Bahasa Pemrograman tinggi yang dapat melakukan eksekusi
sejumlah instruksi multi guna secara langsung (interpretative)
dengan metode orientasi objek serta menggunakan semantic dinamis
untuk memberikan tingkat keterbacaan syntax.
Python bahasa pemrograman open source, banyak sekali perusahaan yang mengembangkan bahasa pemrograman python
secara komersial untuk memberikan layanan. Python diklaim
mampu memberikan kecepatan dan kualitas. Hal ini didukung oleh adanya library dengan modul-modul baik standart maupun tambahan
misalnya Numpy,Scipy, dan lain-lain.
3.1.1.1. Pandas Pandas adalah sebuah librari berlisensi BSD dan open source
yang menyediakan struktur data dan analisis data yang mudah
digunakan dan berkinerja tinggi untuk bahasa pemrograman
Python.[2]
3.1.1.2. Numpy
Sebuah library pada python yang berfungsi untuk melakukan operasi vektor dan matriks dengan mengolah array dan array
multidimensi. [3]
3.1.1.3. Tabula Merupakan library pada python yang berfungsi untuk
melakukan data crawling tabel dari file berekstensi pdf untuk dibaca
pada python.
3.1.1.4. Tqdm
Tqdm merupakan modul python yang berguna untuk
menampilkan progress bar dengan perulangan yang sederhana.[4]
31
3.1.1.5. FuzzyWuzzy
FuzzyWuzzy merupakan modul Python yang berguna untuk
untuk mendapatkan persentase kemiripan pada sebuah string dengan string lainnya.
3.1.1.6. OS
OS merupakakan modul python yang berguna untuk Menjalankan Perintah Unix Dalam Program Python.
3.1.1.7. Glob
Glob adalah module Python yang digunakan untuk membuat daftar urutan file dari hasil pencarian pada direktori atau file dalam
satu direktori.
3.1.2. Jupyter Notebook
Jupyter pengembangan dari IPython, IPpython disini
bertindak sebagai kernel dan Jupyter menggunakan antarmuka Notebook Interface lebih mirip document interaktif. Jupyter ini
adalah editor dalam bentuk web applikasi di localhost komputer kita
dan banyak yang bisa dilakukan seperti menulis kode Python.
3.1.3 Shell Script
Script shell adalah program komputer yang dirancang untuk
dijalankan oleh shell Unix, sebuah interpreter baris perintah.
3.2. Visualisasi Data
3.2.1 Tableau Tableau adalah sebuah tools yang dapat mempermudah
pembuatan analisis visual interaktif dalam bentuk dashboard.
3.3. Database
3.3.1 Postgresql
PostgreSQL adalah sebuah sistem basis data yang dapat
dugunakan secara bebas menurut Perjanjian lisensi BSD. Perangkat lunak ini merupakan salah satu basis data yang paling banyak
digunakan saat ini, selain MySQL dan Oracle. PostgreSQL
32
menyediakan banyak fitur yang berguna untuk berbagai keperluan
basis data.
3.3.2. Pentahoo Pentahoo adalah perangkat lunak intelijen bisnis yang
menyediakan integrasi data, layanan OLAP, pelaporan, dashboard
informasi, penggalian dan ekstraksi data, transformasi, kemampuan untuk memuat data.
33
[Halaman ini sengaja dikosongkan]
34
BAB IV
IMPLEMENTASI SISTEM
Pada bab ini membahas tentang implementasi dari data
preparation dan data visualization pada data exchange (DX) Big
Data Management, Telkom. Implementasi ini akan dibagi ke dalam berbagai kategori sesuai dengan task yang diberikan. Berikut adalah
implementasinya data preparation dan data visualization sebagai
berikut:
4.1 Analytical Data Visualization
Pada tahap ini dilakukan proses visualisasi data pelanggan
indihome pada data top 10 trend industri berbagai macam kategori
sebagai berikut :
4.1.1 Visualisasi Data Dengan Tableau Pada tahap ini, kami bertujuan untuk melakukan visualisasi
terhadap data pelanggan indihome terhadap penggunaan top 10 trend
industri eCommerce yang ditunjukkan pada gambar 4.1, bidang
Perbankan ditunjukkan pada gambar 4.2, serta bidang Games ditunjukkan pada gambar 4.3.
Gambar 4.1 Data Analitik Trend Aplikasi e-Commerce
35
Gambar 4.2 Data Analitik Trend Aplikasi Perbankan
Gambar 4.3 Data Analitik Trend Aplikasi Games
36
4.2 Pembuatan Dashboard dengan Tableau
Pada tahap ini dilakukan proses pembuatan dashboard trend
Apps name pengguna indihome di Indonesia dengan menambahkan keterangan informasi terhadap visualisasi data yang telah dilakukan.
Infografis dashboard pada bidang trend Apps name Communications
ditunjukkan pada gambar 4.4, sedangkan infografis dashboard pada bidang trend Apps name eCommerce ditunjukkan pada gambar 4.5
sebagai berikut :
Gambar 4.4 Design infografis di bidang Communications
37
Gambar 4.5 Design infografis di bidang eCommerce
4.3 Ekstraksi Data Trend Apps Name
Pada tahap ini dilakukan prosesekstraksi data yaitu melakukan
ekstraksi join data dengan apache hive,mengambil hasil ekstrak data dengan filezilla, melakukan import data dengan pentahoo, dan
menggabungkan data dengan sql postgresql.
4.3.1. Ekstraksi Data Dengan Apache Hive
Pada tahap ini dilakukan proses untuk membuat bash script
menggunakan modul apache hive yang terdapat di terminal server. Kami mengambil data sesuai kategori (Communication dan banking)
satu persatu dan diambil sesuai bulan yang dibutuhkan. Template
bash script untuk mendapatkan data pada kategori Communications ditunjukkan pada gambar 4.5, template bash script kategori
eCommerce ditunjukkan pada gambar 4.6, template bash script
kategori Games ditunjukkan pada gambar 4.7, template bash script
kategori Banking ditunjukkan pada gambar 4.8 sebagai berikut :
38
Gambar 4.6 Template Bash Script Create Tabel Komunikasi
Gambar 4.7 Template Bash Script Create Tabel eCommerce
Gambar 4.8 Template Bash Script Create Tabel Games
Gambar 4.9 Template Bash Script Create Tabel Banking
4.3.2 Pemindahan hasil bash dari server ke local Pada tahap ini dilakukan proses pemindahkan data dari server
ke local menggunakan filezilla ditunjukkan pada gambar 4.10
sebagai berikut :
39
Gambar 4.10 Pemindahan CSV dari Server ke Local
4.3.3 Import csv ke database
Untuk melakukan import ke database postgresql, platform
yang digunakaan adalah hadoop, dimana apps ini mendukung sercara optimal untuk melakukan perpindahan data ke database
dalam skala besar. Import csv ke database menggunakan Pentahoo
ditunjukkan pada gambar 4.11 sebagai berikut :
Gambar 4.11 import csv ke database menggunakan Pentahoo
40
4.3.4 Menggabungkan tabel
Setalah meimport csv ke database, langkah selanjutnya adalah
melakukan penggabungan semua bulan pada tabel kategori yang ditargetkan. Berikut adalah query untuk melakukan penggabungan
bulan pada kategori yang sama ditunjukkan pada gambar 4.12
sebagai berikut:
Gambar 4.12 Sql syntaq untuk penggabungan tabel Games
Pada gambar 4.12 adalah contoh query penggabungan tabel kategori Games. Untuk menggabungkan tabel, tabel yang diimport
adalah semua bulan menjadi 1 kategori yang sama.
4.4 Data Preparation
Pada tahap ini dilakukan proses data preparation dengan mendapatkan data dari pdf dan melakukan cleansing data agar data
tersebut lengkap dan dapat diproses untuk diolah dengan baik.
4.4.1 Crawling data dari pdf
4.4.1.1 Mengimport library yang dibutuhkan dapat dilihat pada
gambar 4.13 sebagai berikut :
Gambar 4.13 Import library
41
4.4.1.2 Menginisiasi variabel page yang ingin dicetak dan
pembuatan direktori untuk menyimpan hasil output. Inisialisasi variable page dapat dilihat pada gambar 4.14 sebagai berikut :
Gambar 4.14 Inisialisasi variable page
4.4.1.3 Melakukan convert dari pdf ke csv page per page pada case
ini output dari file csv per page disimpan didalam direktori. Convert data dari pdf ke csv dapat dilihat pada gambar 4.15 sebagai berikut:
Gambar 4.15 Convert dari pdf ke csv page per page
4.4.1.4 Menggabungkan file csv tersebut menjadi 1, dapat dilihat
pada gambar 4.16 sebagai berikut :
Gambar 4.16 Menggabungkan file CSV
4.4.1.5 Membuka file csv tersebut dan menyimpannya dalam
sebuah array.dan menggabungkannya dapat dilihat pada gambar
4.17 sebagai berikut :
Gambar 4.17 Membuka file CSV dan menyimpan ke dalam array
42
4.4.1.6 Merename dan menata ulang column menggunakan pandas
dapat dilihat pada gambar 4.18 sebagai berikut :
Gambar 4.18 Rename kolom
4.4.1.7 Melakukan filter menghilangkan id_kelurahan null
menggunakan pandas dan menampilkannya dapat dilihat pada
gambar 4.19 sebagai berikut :
Gambar 4.19 Rename kolom dan menghilangkan null pada id_kel
4.4.1.8 Melakukan export file ke csv dapat dilihat pada gambar 4.20
sebagai berikut :
Gambar 4.20 Export file ke CSV
43
4.4.2 Data Cleansing
4.4.2.1 Mengimport library yang dibutuhkan dan melakukan inisiasi variabel dapat dilihat pada gambar 4.21 sebagai berikut :
Gambar 4.21 Import library
4.4.2.2 Melakukan import data dari csv dapat dilihat pada gambar
4.22 dan menampilkan informasi tabel dapat dilihat pada gambar 4.23 sebagai berikut :
Gambar 4.22 Import data dari csv
Gambar 4.23 Menampilkan informasi tabel
4.4.2.3 Mengisi data kosong pada kolom kabupaten dan kecamatan
dapat dilihat pada gambar 4.24, dan menampilkan informasi tabel dapat dilihat pada gambar 4.25 sebagai berikut :
Gambar 4.24 Mengisi data kosong pada kolom
44
Gambar 4.25 Menampilkan informasi tabel
4.4.2.4 Menyeleksi kolom kelurahan sesuai dengan output yang diminta dengan menghilangkan id_kelurahan yang digit kurang dari
11, karena data yang valid yang memiliki lebih dari 10 digit.
Menyeleksi kolom id_kelurahan dapat dilihat pada gambar 4.26 sebagai berikut :
Gambar 4.26 Menyeleksi kolom id_kelurahan
4.4.2.5 Menghilangkan integer pada kolom desa, kelurahan,
kecamatan, dan kabupaten dengan menghilangkan noise integer dan \r pada kolom kabupaten, kecamatan, kelurahan, dan desa.
Menghilangkan noise integer dapat dilihat pada gambar 4.27 dan
menampilkan informasi tabel dapat dilihat pada gambar 4.28 sebagai berikut :
Gambar 4.27 Menghilangkan noise integer
45
Gambar 4.28 Menampilkan informasi tabel
4.4.2.6 Menambahkan kolom provinsi yang diisi oleh variabel
provinsi dan membuat kolom keterangan berisi keterangan row
apakah kelurahan atau desa dapat dilihat pada gambar 4.29 sebagai berikut :
Gambar 4.29 Menambahkan kolom provinsi dan keterangan
4.4.2.7 Split string dari id_dukcapil untuk mendapatkan id
kabupaten, kecamatan dan kelurahan dapat dilihat pada gambar 4.30
sebagai berikut :
Gambar 4.30 Split string id_dukcapil
46
4.4.2.8 Menambahkan kolom kelurahan_desa yang merupakan
gabungan dari kolom desa dan kelurahan dapat dilihat pada gambar 4.31 sebagai berikut :
Gambar 4.31 Menambahkan kolom kelurahan_desa
4.4.2.9 Mengambil dan menyimpan kolom yang diperlukan dapat
dilihat pada gambar 4.32 sebagai berikut :
Gambar 4.32 Mengambil dan menyimpan kolom yang diperlukan
4.4.2.10 Melihat output akhir dari dataframe dapat dilihat pada gambar
4.33 sebagai berikut :
Gambar 4.33 Menampilkan output akhir dari dataframe
4.4.2.11 Melakukan export dataframe ke file csv dapat dilihat pada
gambar 4.32 sebagai berikut :
Gambar 4.34 Export dataframe ke file csv
47
4.5 Menggabungkan Tabel
Pada tahap ini dilakukan proses penggabungkan hasil dari
tabel master dukcapil yang telah di cleansing dengan data baru yang memiliki longitude dan latitude yang memiliki id berbeda tetapi
memiliki nama kelurahan dan kabupaten yang mirip dan beberapa
tidak identik. Informasi tabel longitude dan latitude dapat dilihat
pada gambar 4.35, dan informasi tabel master dukcapil dapat dilihat pada gambar 4.36 sebagai berikut :
Gambar 4.35 Informasi tabel longitude dan latitude
Gambar 4.36 Tabel master dukcapil
4.5.1. Melakukan import library dan file csv
Gambar 4.37 Import library dan file csv
48
4.5.2. Melakukan pembuatan kolom baru yang berisi pengurangan
kata pada kolom kabupaten_kota dan kecamatan, dan pengkapitalisasi string kolom ke 7 yang berisi nama kabupaten serta
menghilangkan duplikasi tabel dukcapil agar data ringan saat
menjalankan script s. Membuat kolom baru dapat dilihat pada gambar 4.38 sebagai berikut :
Gambar 4.38 Membuat kolom baru
4.5.3. Menggabungkan kedua tabel menjadi satu berdasarkan nama
kecamatan dan kabupaten yang sama menggunakan library similarity fuzzywuzzy,dimana yang memiliki similarity lebih dari
40% akan diambil dan dicari yang tertinggi di kolom kabupaten dan
kecamatan. Penggabungan kedua tabel dapat dilihat pada gambar 4.39 sebagai berikut :
49
Gambar 4.39 Menggabungkan dua tabel
50
4.5.4. Menampilkan informasi data dari penggabungan tabel dapat
dilihat pada 4.40 sebagai berikut :
Gambar 4.40 Menampilkan tabel
4.5.5. Mengambil kolom penting dan mengexportnya menjadi csv dapat dilihat pada gambar 4.41 sebagai berikut :
Gambar 4.41 Export to csv
51
[Halaman ini sengaja dikosongkan]
52
BAB V
PENGUJIAN DAN EVALUASI
Bab ini menjelaskan tahap uji coba dilakukan terhadap
visualisasi data tableu, script python, fungsi query yang telah kami buat sebagai berikut :
5.1. Tujuan Pengujian
Pengujian dilakukan dengan hasil visualisasi data berupa
informasi yang mudah dipahami serta script python. Pengujian juga
dilakukan dengan fungsi query terhadap tabel data yang telah
dimasukkan kedalam database yang bertujuan untuk melakukan
perhitungan jumlah baris tabel total dan yang memiliki value null.
5.2 Kriteria Pengujian
Penilaian atas pencapaian tujuan pengujian didapatkan dengan
memperhatikan beberapa hasil yang diharapkan berikut ini:
- Melakukan data preparation berupa data integration, data
cleansing, dan data transformation untuk menghasilkan data
yang lengkap.
- Dengan visualisasi data, menghasilkan informasi data yang
akurat dan mudah untuk dipahami oleh masyarakat.
- Hasil visualisasi data berhasil di publish dengan baik di
website Data Exchange (DX).
- Menghilangkan noisy data dan mengisi missing value pada
data.
5.3 Skenario Pengujian
Skenario pengujian dilakukan dengan melakukan query perhitungan row dan null terhadap data yang telah dimasukkan
kedalam database.
1. Hasil Pengujian
Terdapat hasil dari code yang telah dibuat pada Bab IV sebelumnya sebagai berikut :
53
- Data Visualization Hasil implementasi visualisasi data berupa data analitik trend apps
name (salah satunya di bidang Games) dapat dilihat pada gambar 5.1
dan visualisasi berupa pembuatan dashboard infografis dapat dilihat
pada gambar 5.2 sebagai berikut :
Gambar 5.1 Contoh Salah Satu Data Analitik Trend Apps Name
Gambar 5.2 Contoh Salah Satu Design Infografis Apps Name
54
- Data Preparation
Hasil implementasi Data preparation atau persiapan data berupa
ekstrasi data dengan hive dapat dilihat pada gambar ,
Gambar 5.3 Ekstraksi Data dengan Hive
Gambar 5.4 Penggabungan tabel tiap bulan pada masing” kategori
Pada tahap ini juga dilakukan proses data preparation dengan mendapatkan data dari pdf dan melakukan cleansing data agar data
tersebut lengkap dan dapat diproses serta diolah dengan baik. Hasil
implementasi tersebut dapat dilihat pada gambar 5.5 yaitu output file
setelah dilakukan proses data preparation sebagai berikut:
Gambar 5.5 Output Setelah Proses Cleansing Data
55
Pada tahap ini diperlukan proses penggabungan kedua tabel berdasarkan nama kecamatan dan kabupaten yang sama menggunakan library similarity fuzzywuzzy. Hasil output akhir dapat dilihat pada gambar 5.6 sebagai berikut :
Gambar 5.6 Output Akhir dari Dataframe
2. Evaluasi Pengujian
Hasil evaluasi pengujian hasil implementasi dapat dilihat pada
tabel 5.1 kriteria dan hasil pengujian sebagai berikut :
Tabel 5.1. Kriteria dan Hasil Pengujian
No. Kriteria Pengujian Hasil
Pengujian
1. Melakukan data preparation berupa data
integration, data cleansing, dan data
transformation untuk menghasilkan data
yang lengkap.
Terpenuhi
2. Menghilangkan noisy data dan mengisi
missing value pada data.
Terpenuhi
3. Dengan melakukan visualisasi data,
menghasilkan informasi data yang
akurat dan mudah untuk dipahami oleh
masyarakat.
Terpenuhi
4. Hasil visualisasi data berhasil di publish
dengan baik di website Data Exchange
(DX).
Terpenuhi
56
[Halaman ini sengaja dikosongkan]
57
BAB VI
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Kesimpulan yang diperoleh setelah melakukan proses
data preparation dan data visualization pada Data Exchange
(DX) Telkom DDS adalah sebagai berikut :
1. Membuat visualisasi berupa infografis telah sesuai dengan
proses bisnis dan permintaan perusahaan, sehingga
informasi mudah dipahami oleh masyarakat.
2. Seluruh hasil visualisasi data berhasil di publish dalam
server Tableau Data Exchange (DX) PT Telkom Indonesia.
3. Pembuatan berbagai data parameter melalui data
preparation tergolong lengkap dan baik sehingga siap
untuk digunakan dan diolah dengan baik untuk visualisasi
ataupun pengolahan data lainya.
4. Telah melakukan proses data preparation dan data
cleansing sehingga kualitas data menjadi lebih baik dan
lengkap.
6.2. Saran
Saran yang penulis berikan untuk pembuatan parameter
dan visualisasi data yaitu persiapan data parameter yang
lengkap sangat diperlukan untuk melakukan visualisasi data,
oleh karena itu untuk pembuatan data parameter, diperlukan
pengalaman eksplorasi data agar data parameter yang akan
diolah baik dan lengkap.
58
[Halaman ini sengaja dikosongkan]
59
DAFTAR PUSTAKA
[1] Telkom, “Telkom Indonesia”, [Online]
https://id.wikipedia.org/wiki/Telkom_Indonesia [Accessed 8 Oktober 2020]
[2] Python, “Pandas”, [Online]
https://medium.com/@16611092/mengenal-pandas-dalam-python-cc66d0c5ea40
[Accessed 8 Oktober 2020]
[3] Python, “numpy”, [Online]
https://medium.com/@yasirabd/pengenalan-numpy-pandas-matplotlib-b90bafd36c0
[Accessed 8 Oktober 2020]
[4] Python, “tqdm”, [Online]
https://www.codepolitan.com/5-modul-python-yang-wajib-anda-
coba
[Accessed 8 Oktober 2020]
60
[Halaman ini sengaja dikosongkan]
61
BIODATA PENULIS I
Nama : Isnaini Nurul KurniaSari
Tempat, Tanggal Lahir : Sukoharjo, 26 Juni 1999 Jenis Kelamin : Perempuan
Agama : Islam Status : Belum menikah
Alamat Asal : Gabusan RT 01/05 Kel Jombor, Kec Bendosari, Kab Sukoharjo, Jawa Tengah
Alamat Surabaya : -
Telepon : 085735632955 Email : [email protected]
PENDIDIKAN FORMAL 2017 – sekarang : Mahasiswa S1 Teknik Informatika ITS
2014 – 2017 : SMA Negeri 1 Sukoharjo
2012 – 2014 : SMP Negeri 1 Sukoharjo
2006– 2012 : SD Negeri Gayam 1
KEMAMPUAN
Programming (C, C++, Python, Java)
Software Microsoft (Microsoft Word, Excel, dan PowerPoint)
Data Analytics (Python)
Data Science (Python)
Business Intelligence (Python)
Web Programming (HTML, PHP, CSS, Javascipt)
Database Manajemen (Oracle, MySQL, Pentahoo, Hadoop)
DataVisualization (Tableau)
Bahasa (Indonesia, Inggris)
AKADEMIS
Kuliah : Departemen Teknik Informatika – Fakultas Teknologi Elektro dan Informatika Cerdas
62
(ELECTICS) Institut Teknologi Sepuluh
Nopember Surabaya
Angkatan 2017 Semester : 7 (Tujuh) IPK : 3.59 (Semester 6)
63
[Halaman ini sengaja dikosongkan]
64
BIODATA PENULIS II
Nama : Zahrul Zizki Dinanto
Tempat, Tanggal Lahir : Grobogan, 14 Agustus 1998 Jenis Kelamin : Laki-laki
Agama : Islam Status : Belum menikah
Alamat Asal : Perumahan Griya Praja Indah RT 02 RW
23, Kel Kuripan, Kec Purwodadi, Kab Grobogan, Jawa Tengah
Alamat Surabaya : -
Telepon : 082137594134 Email : [email protected]
PENDIDIKAN FORMAL 2017 – sekarang : Mahasiswa S1 Teknik Informatika ITS
2014 – 2017 : SMA Negeri 1 Purwodadi
2012 – 2014 : SMP Negeri 1 Purwodadi 2006– 2012 : SD Negeri 12 Purwodadi
KEMAMPUAN
Programming (C, C++, Python, Java)
Software Microsoft (Microsoft Word, Excel, dan PowerPoint)
Data Analytics (Python)
Data Science (Python)
Business Intelligence (Python)
Web Programming (HTML, PHP, CSS, Javascipt)
Database Manajemen (Oracle, MySQL, Pentahoo, Hadoop)
DataVisualization (Tableau)
Bahasa (Indonesia, Inggris)
AKADEMIS
Kuliah : Departemen Teknik Informatika – Fakultas Teknologi Elektro dan Informatika Cerdas
65
(ELECTICS) Institut Teknologi Sepuluh
Nopember Surabaya
Angkatan 2017 Semester : 7 (Tujuh) IPK : 3.46 (Semester 6)
66