Oleh: Rino Laharto

Data is the new oil, itulah kata-kata yang saat ini sering kita dengar di era industri 4.0. Data adalah jenis kekayaan baru bahkan lebih berharga dari minyak, data yang valid menjadi salah satu kunci keberhasilan sebuah pengambilan keputusan di suatu perusahaan bahkan negara. Dalam modern werfare, kunci kemenangan dalam pertempuran adalah memiliki data musuh secara lengkap mulai dari jenis senjata yang digunakan, jumlah personil militer, penempatan lokasi pasukan dan lain-lain untuk kemudian data tersebut dianalisis dan diambil kesimpulan (insight) bagaimana strategi untuk mengalahkan musuh tersebut.  untuk mendapatkan insight yang benar mengenai data dalam suatu perusahaan diperlukan orang-orang yang mampu dan memiliki kualifikasi sebagai data scientist.

Ibarat pilot, data scientist adalah orang yang berada di balik kendali teknologi pengolahan data pada era industry 4.0. Tanggung jawab data scientist dimulai dari analisis data sampai mendapatkan insight atau rekomendasi untuk pengembangan bisnis. Data scientist melakukan tugasnya yaitu menganalisis big data yang terakumulasi dalam suatu perusahaan. Profesi ini mengharuskan seseorang yang berkecimpung dalam dunia data, memiliki kemampuan analisis data serta mengolah data dari berbagai sumber dan memastikan konsistensi dataset, kemudian memilih faktor atau algortima yang mempengaruhi kesimpulan kedepannya. Seorang data scientist juga harus dapat membuat infografis untuk memudahkan para pengambilan keputusan dalam memahami data, hasil akhirnya yaitu data visualization. Selain itu data scientist harus memiliki keterampilan untuk mengembangkan informasi yang berguna dalam pengembangan bisnis dengan penguasaan ilmu di bidang statistik dan machine learning.

AirNav Indonesia sebagai satu-satunya ATS Provider di Indonesia yang mengelola ruang udara di Indonesia dengan total luas FIR yang saat ini dikelola sebesar 5.193.252 Km2 dengan luas wilayah sebesar 4.110.752 serta memiliki jumlah lalu lintas penerbangan sebanyak 5.800 movement/hari (tahun 2019). AirNav Indonesia mengelola lebih dari 104 ATS rute domestik sepanjang 38.728 nm, dengan 27 rute di Jakarta FIR sepanjang 8.660 nm, 69 rute rute domestic di Ujung Pandang FIR sepanjang 24.796 nm dan 8 rute di antara Jakarta FIR dan Ujung Pandang FIR sepanjang 5.270 nm. Selain itu AirNav juga mengelola 66 ATS rute internasional sepanjang 39.247 nm dengan rincian 33 rute di Jakarta FIR Jakarta sepanjang 16.600 nm, 24 rute di Ujung Pandang FIR sepanjang 14.384 nm dan 9 rute di antara Jakarta FIR dan Ujung Pandang FIR sepanjang 8.262 nm. 

Dari data di atas, AirNav Indonesia sebagai ATS Provider yang mengelola wilayah udara lebih besar dari Eropa ini akan menghasilkan data yang sangat besar pula. Pengelolaan big data ATS harus dikelola dengan baik agar pengambilan keputusan yang dibuat menjadi efektif dan efesien serta mengutamakan keselamatan penerbangan tentunya. Dengan data yang sangat besar dan lengkap di AirNav seperti saat ini kita miliki, kita juga harus mampu mengelola big data menggunakan statistik, programming R dan machine learning (Artificial intelligence) untuk kemudian dianalisis dan dibuat visualisasinya untuk pengembangan layanan, risk metrics, event classification, klusterisasi, sektorisasi, prediksi traffic, unmannded traffic management, safety key performance indicator, CDM, predictive maintenance, wx impact prediction, Performance data to improve trajectory prediction, serta anomali detection di bidang ATS untuk medapat akar suatu permasalahan.  Penggunaan statistik dan machine learning dalam pengelolaan data biasanya menggunakan Regression analysis, Data clustering, K-means, Data dimensionality reduction, Singular value decomposition, Principal component analysis (PCA) dan sebagainya.

Reff:

1.Friedman, Jerome H. “Greedy function approximation: A gradient boosting machine.” Annals of statistics (2001): 1189-1232

2 Lundberg, Scott M., and Su-In Lee. “A unified approach to interpreting model predictions.” Advances in Neural Information Processing Systems, 2017

3 Ribeiro, Marco Tulio, Sameer Singh, and Carlos Guestrin. “Why should I trust you?: Explaining the predictions of any classifier.” Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. ACM 2016

4 Marco Tulio Ribeiro, Sameer Singh, Carlos Guestrin. “Anchors: High-Precision Model-Agnostic Explanations.” AAAI Conference on Artificial Intelligence (AAAI), 2018

5. Abdalla, A. S., & Marojevic, V. (2020). Machine Learning-Assisted UAV Operations with UTM: Requirements, Challenges, and Solutions. arXiv preprint arXiv:2006.14544.

6 CANSO Strategic Working Group (S&I STWG), “Impact of new concepts stemming from UTM to ATM”, White Paper, to appear, 2021

7.SESAR project MALORCA, https://www.sesarju.eu/projects/malorca

8. CANSO, Emerging-Technologies-for-Future-Skies-Whitepaper-Artificial-Intelligence

9. Artificial Intelligence for big data