Mau menang NBA? Eits! Tanya Data Scientist-nya dulu!
Siapa di sini yang nggak asing sama LeBron James, Michael Jordan, atau Shaquille O’Neal? Pasti kalian suka nonton NBA, ya? Tidak diragukan lagi, pemain basket profesional berlatih keras setiap hari agar bisa memasukkan bola ke ring lawan. Selain para pemain, kalian mungkin juga kenal dengan pelatih yang menyiapkan pemain untuk bertanding. Tanpa pelatih, pemain basket profesional pun bisa cedera karena salah latihan atau bermain tanpa strategi. Ngomong-ngomong tentang strategi, yang menyiapkan strategi bukan hanya pelatih lo. Saat ini NBA juga mengandalkan data scientist untuk memenangkan pertandingan. Sebenarnya apa peran data scientist untuk NBA?
Sebelumnya tau nggak kalau di arena NBA ada kamera yang merekam seluruh pertandingan? Kamera tersebut nggak hanya untuk penonton di rumah, tapi juga untuk dianalisis data scientist. Tiap kamera merekam 25 gambar tiap detiknya, jadi untuk 40 menit pertandingan akan ada banyak sekali gambar. Nah dari gambar-gambar itu, data scientist akan menandai posisi pemain dan bola yang bisa dianggap seperti titik di lapangan. Kebayang kan gimana susahnya data scientist menandai setiap orang dari ribuan gambar.
Dari kumpulan titik itu, pelatih dan data scientist bisa melihat seluruh keadaan di lapangan dan menganalisis permainan perlahan. Misal si A mau memasukkan bola, kalau ia dihalangi oleh 2 lawan tentu peluang tembakannya masuk jadi lebih kecil. Tapi kalau si A berhasil, bisa jadi si A lebih jago dibandingkan pemain lainnya. Pelatih jadi terbantu deh buat menentukan pemain mana yang harus main saat pertandingan dan mana yang duduk di kursi cadangan.
Nah, sudah cukup terbayang tentang data scientist, kan? Tapi data scientist itu harus bisa apa saja sih? Dari NBA tadi kita tahu data scientist mengolah data mentah dari kamera hingga jadi titik yang bergerak. Ini tidak semudah itu lo, Ferguso. Diperlukan kemampuan programming untuk menghubungkan posisi pemain di setiap gambar jadi titik yang bergerak. Selain programming, data scientist juga harus bisa memberitahu pelatih kemungkinan sebuah tembakan akan berhasil atau tidak. Karena itu data scientist juga berhubungan dengan matematika yaitu statistika untuk melihat peluang yang ada di lapangan.
Nggak cuma itu, data scientist juga sudah membuat perubahan di dunia basket. Data scientist mempertimbangkan tembakan jarak jauh yang bernilai 3 poin lebih sulit dilakukan daripada tembakan dari dekat ring, tapi poinnya lebih tinggi. Kalau kemungkinannya dihitung, skor akhirnya akan jadi lebih tinggi jika pemain basket memperbanyak tembakan 3 poin di tiap pertandingan. Jika pelatih tahu fakta ini, tentu ia akan memperbanyak latihan tembakan jarak jauh daripada berebut bola di depan ring seperti anak SD. Hayo, siapa yang katanya main basket tapi sebenarnya cuma rebutan bola, hehehe.
Nggak cuma di bidang olahraga nih, data science juga bisa dikembangkan ke berbagai hal asalkan ada pergerakan yang bikin benda bisa dimodelkan sebagai titik di atas kertas. Misal pelacakan paket dari toko online bisa dikembangkan menjadi pelacakan real-time. Kamu bisa duduk santai dan menunggu di rumah tanpa khawatir paket dicuri di jalan, kalaupun dicuri harusnya paketmu masih bisa dilacak jadi pencurinya pun akan ditangkap :)
Profesi data scientist diperkirakan akan terus berkembang karena kebutuhannya semakin meningkat. Gaji rata-ratanya di US saja sudah mencapai $130000 per tahun, ini setara dengan
1,89 miliar rupiah lo. Kalau dibagi 12, setiap bulan data scientist dibayar lebih dari 150 juta! Ini 5 kali gaji presiden Indonesia lo, apa kalian tertarik? Kalau tertarik, yuk mulai belajar programming dan statistik mulai sekarang!
Penulis
Rifda Almira Firdausi (Teknik Biomedis 2018)
Editor
Aisya Nur Kamila (Teknik Biomedis 2018)
Mohamad Alamsyah (Teknik Biomedis 2018)
