Data Science and Geoscience: How They Met?
Machine Learning terdengar seperti sesuatu hal yang sangat menjanjikan saat ini, selain menghadirkan sisi cerah yang membuat orang percaya bahwa masa depan akan semakin lebih baik lagi, dan lebih mudah. Machine Learning juga membuat orang-orang khawatir peran mereka dalam bekerja akan digantikan oleh si mesin ini suatu saat di masa depan. Daripada mengkhawatirkan terus tentang hal ini, mengapa tidak sebaiknya kita pelajari lebih dalam seluk beluk si mesin ini dan mencoba bekerjasama dengannya daripada harus bersaing dengannya.
Machine learning dan dunia geoscience sudah sangat akrab sekarang. Secara pribadi awalnya saya skeptis terhadap perkembangan machine learning di dunia geofisika, namun itu salah besar, setelah belajar lebih dalam geofisika lebih dalam saya baru sadar bahwa inti dari geofisika adalah data, dan data merupakan makanan dari Machine learning. Hal inilah yang membuat machine learning dan geoscience memiliki ikatan yang begitu kuat.
Untuk mempelajari machine learning harus melewati beberapa fase terlebih dahulu. Kalau diibaratkan dengan melakukan travelling ada beberapa hal yang harus diperhatikan sebelum melakukan travelling itu sendiri yang pertama adalah transportasi. Transportasi memiliki makna benda atau hal yang mengantarkan kita menuju tujuan travelling, begitu juga dengan machine learning untuk mengantarkan kita sampai tahap melakukan machine learning kita harus memilih hal yang dapat mengantarkan kita ke sana. Itu adalah bahasa pemograman, dan bahasa pemograman yang sangat populer dalam melakukan tugas ini adalah Python dan R. Kemudian masuk ketahap berikutnya, seorang traveller harus menentukan plan yang tepat untuk mencapai tujuannya, mulai dari packing sampai itinerary harus direncanakan dengan matang. Tahap ini merupakan tahap awal yang membosankan, namun percayalah tahap ini akan sangat membantu kedepannya dalam melakukan travelling kedepannya. Dalam melakukan machine learning tahap ini dinamakan Data Preprocessing. Data preprocessing merupakan tahap yang krusial mengingat benar atau tidaknya pemodelan yang dilakukan dengan machine learning kedepannya sangat bergantung dari tahap ini. Tahap ini meliputi cleaning data, handling missing data, splitting data, dan lain sebagainya. Selanjutnya kita akan membahas tentang tahap ini lebih lanjut, bagaimana me-handling data, terutama data geofisika dengan contoh kasus real.
