Data visualization bisa nurunin criminal rate, gimana caranya?🤔
.
.
.
A thread
Kalau minggu lalu kita bahas pelanggaran lalu lintas, minggu ini kita bahas tentang tindak kejahatan lain. Nih, kalau belum baca thread gimana AI bisa membantu polisi melihat siapa aja yang ngelanggar aturan lalu lintas, cek disini yaa:
Kejahatan memang menjadi masalah di seluruh penjuru dunia. Ga hanya mempengaruhi kualitas hidup korbannya, tingkat kejahatan juga berpengaruh ke pertumbuhan ekonomi dan reputasi dari sebuah negara. Makanya ga heran kalau berbagai negara mencoba buat nurunin angka kejahatannya
Dengan menggunakan artificial intelligence, kita bisa banget memprediksi kapan sih sebuah kejahatan akan terjadi, lokasinya, bahkan sampai orang yang mungkin akan melakukan kejahatan tersebut.
Kalau mimin ga salah, LAPD (Los Angeles Police Department) udah menerapkan sistem ini, jadi mereka bisa mencegah kejahatan terjadi. Nah, tentunya sebelum kita membuat sistem yang bisa memprediksi, kita kan butuh data kejahatan itu sendiri
Data-data ini nantinya akan digunakan untuk melihat gimana sih kondisi kejahatan di suatu daerah. Kalau data ini divisualisasikan, kita jadi bisa lihat daerah mana aja yang crime rate nya tinggi, jenis kejahatannya apa, dan adakah yang bisa di improve untuk nurunin crime ratenya
Yep, metaiin data kejahatan ini bisa dilakukan dengan menggunakan data visualization. Singkatnya, data visualization yang merupakan salah satu bentuk dari komunikasi visual ini akan merepresentasikan data yang kita miliki.
Oh iya, sebelumnya mimin udah pernah bahas loh tentang data visualization, cek part 1 nya di sini yaa
Nah, karena kejahatan itu erat banget kaitannya sama suatu daerah, maka visualisasi yang kita lakukan akan lebih memberikan insight kalau dipadukan dengan gambaran suatu daerah, alias pakai maps!
Oke, kita langsung aja ngulik jenis visualisasi apa aja yang bisa kita lakukan! Di sini kita akan pakai data kejahatan asli dari kepolisian Inggris ya guys.
Pertama: visualisasi menggunakan Google Maps.
Mimin yakin deh pasti kalian udah familiar banget sama tampilan Google Maps. Ga hanya berguna buat nunjukin lokasi public place aja, Google Maps juga bisa digunakan buat nunjukin lokasi yang rawan kejahatan.
Kalau kita perhatikan, visualisasi menggunakan Google Maps ini berisi tags yang kalau di klik, akan nunjukkin jenis kejahatan yang terjadi di suatu tempat.
Dengan informasi seperti ini, setiap orang bisa menghindari tempat yang rawan kejahatan dan tentunya pihak berwenang jadi tau apa yang harus dibenahi tempat tersebut.
Kedua: visualisasi 3D lokasi kejahatan
Visualisasi kedua ini sebenernya masih nyambung sama yang pertama tadi. Kalau kita perhatiin, visualisasi yang pertama itu kan banyak location tag warna merah yaa, nah kalau di klik, itu bisa nampilih 3D views dari lokasi kejahatan.
3D views ini bisa membantu penegak hukum maupun analis melihat gimana sih keamanan daerah tersebut dan memperkirakan spot spot mana aja yang mungkin bisa dijadikan tempat melakukan kejahatan selanjutnya.
Soalnya biasanya pelaku kejahatan itu kalau udah sekali berhasil, cenderung memilih korban dan tempat yang mirip seperti kejahatan yang ia lakukan sebelumnya. Dan terakhir 3D views bisa membantu polisi buat mahamin seluk beluk lokasi kejadian tanpa harus revisit TKP berkali kali
Ketiga: visualisasi berdasarkan tipe kejahatan
Kalau kalian perhatikan visualisasi ketiga ini, ada titik berwarna yang menggambarkan jenis kejahatan. Apa sih yang bisa kalian simpulin dari visualisasi ketiga ini?
Di visualisasi tersebut, kan yang paling dominan itu adalah titik warna pink, dan warna pink itu nandain anti-social behaviour. Artinya di daerah yang ada di maps itu, kejahatan yang paling sering ditemui adalah anti social behaviour.
Dari sini, pihak berwenang bisa melakukan intervensi buat nurunin angka anti social behaviour tersebut.
Keempat: visualisasi crime hotspot
Mungkin visualisasi keempat ini sekilas mirip sama yang ketiga tadi, bedanya adalah kita sekarang melihat gambaran yang lebih luas dari suatu daerah dan di sini ga diketahui jenis kejahatan apa yang terjadi.
Di visualisasi keempat ini, kita hanya melihat jumlah kejahatan di suatu daerah. Daerah dengan tingkat kejahatan tinggi akan diberi titik warna orange muda, orange tua, hingga merah.
Kalau dicontoh ini, daerah yang jadi hotspot kejahatan adalah daerah yang banyak titik orange nya itu guys. Nah, maps yang isinya hotspot kejahatan bisa membantu policy makers buat nganalisis mengapa suatu daerah bisa punya crime rate yang tinggi dibandingkan daerah lain
Dengan begini, policy makers bisa membuat kebijakan yang lebih baik, menargetkan sasaran kebijakan yang tepat, dan merumuskan hukum yang sesuai.
Visualisasi kelima: laporan frekuensi kejahatan
Visualisasi ini berguna untuk melaporkan jumlah kejahatan dari waktu ke waktu. Kalau diperhatikan, tabel visualisasi kelima ini terdiri dari waktu dan jumlah kejahatan bulanan berdasarkan jenis kejahatannya.
Dengan melihat tabel ini, kita jadi bisa tau kira - kira jenis kejahatan apa yang lagi meningkat dan bisa mengantisipasinya.
Visualisasi keenam: laporan frekuensi kejahatan dengan grafik dan bar
Mirip dengan visualisasi yang sebelumnya, visualisasi keenam ini juga memperlihatkan trend dari jenis-jenis kejahatan.
Bedanya adalah visualisasi ini memperlihatkannya dalam bentuk grafik dan bar jadi yang liat grafiknya bisa langsung tau ‘oh kejahatan a lagi ningkat’ tanpa harus baca laporan angka kejahatan harian / bulanan
Dan grafik ini diupdate dari waktu ke waktu di grafik yang sama, jadi bukan kepisah misal laporan bulan A di halaman 1, bulan B di halaman 2, dst. Nah, grafik keenam ini merupakan visualisasi terakhir yang bisa dibuat menggunakan data kejahatan.
Atau kalau kalian ada ide lain tentang visualisasi data kejahatan, boleh banget reply dan berbagi insight ke temen-temen pembaca lainnya hehe. Terus hal apa nih yang bisa kita petik dari thread kali ini?
Kita jadi tau kalau ternyata data visualization itu ga cuma berguna buat bisnis aja, tapi juga ke bidang yang lebih luas, contohnya kaya di thread ini. Nah, karena data visualization itu penting, ga ada salahnya nih kalau kalian belajar cara membuat visualisasi
di kelas non degree program Data Scientist / Business Intelligencenya Pacmann.AI! Kalian juga bakal belajar berbagai materi lain yang dibutuhkan buat jadi seorang DS dan BI yang handal loh! Cek kurikulum lengkapnya di bit.ly/brosurpacmannai yaaa
Buruan daftar sekarang juga yuk! Soalnya lagi ada 💸 PROMO EARLY BIRD 💸 loh! Yuk, dapatkan potongan diskon dengan cek info dibawah ini
Peninggalan Pabrik Gula Belanda di Jawa yang Masih Terasa di Abad 21🍭
.
.
.
A thread
*pict: Collectie Stichting Nationaal Museum van Wereldculturen
Ingat tweet ini? Nah, hari ini mimin mau ngulik nih tentang paper yang memadukan aspek ekonomi dan sejarah era kolonial, menarik banget nih perpaduannya!
Oh iya sebelum kita mulai, disclaimer dulu nih: paper ini bertujuan untuk memaparkan dampak kolonialisme di Indonesia dalam jangka panjang dan tidak membenarkan kolonialisme Belanda terhadap Indonesia jaman dulu yaaa. Oke tanpa mengulur lebih lama lagi, ayo kita mulai threadnya!
Kapal Ever Given yang stuck dari minggu lalu di Terusan Suez ini akhirnya ‘bebas’ pada hari senin kemarin. Tapi di selang seminggu itu, kejadian ini menghasilkan puluhan meme dan juga kerugian sebesar miliaran dolar bagi berbagai pihak.
Hola semuanya! Pasti kalian udah denger dong tentang partai catur yang sangat fenomenal minggu lalu yang memecahkan rekor penonton catur tertinggi di dunia!
Sekarang mimin mau bahas tentang bot catur yang kemarin sempat jadi perbincangan nih, tapi disini mimin engga ngejudge yahh 🤣
Melihat COVID-19 vaccine efficacy secara sederhana
Implementasi dasar Bayesian inference
.
.
.
A thread
Di thread kali ini, yuk kita bahas gimana cara mengestimasi efek dari vaksin secara keseluruhan. Nah, ini baru kita bakal mulai pake Bayesian inference. Apa tuh Bayesian inference? Kok bayes ada di mana-mana, sih?
Sebelum memulai thread, disclaimer dlu nih! Data yang kita gunakan itu data yang masih belum lengkap, sehingga kesimpulan dari thread ini bisa jadi belum akurat. Kita bakal fokus ke gimana caranya mengimplementasikan Bayesian inference di kasus vaksin COVID-19 saja, ya!