🄽🄾🅃🄴 [184] Contoh penerapan Data Science: Melihat sifat fungsi Sinus dari data dengan statistik deskriptif

Bila kita hanya melihat dari grafik nilai fungsi Sinus saja, akan terdapat kesan bahwa setiap sudut (dalam radian) mendapat bobot yang serupa di dalam kontribusinya memberikan nilai fungsi Sinus.

Ternyata tidak begitu. Nilai fungsi Sinus di sekitar -1 dan 1 mendapat bobot frekwensi kejadian yang lebih besar dibandingkan nilai fungsi Sinus lainnya.

Ini bisa dilihat dari histogram untuk nilai fungsi Sinus dengan sudut-sudutnya (dalam radian) berupa 78.498 buah bilangan prima antara 2 sampai 1.000.000.

Dari histogram terlihat bahwa nilai fungsi Sinus yang berada di interval [-1, -0.75] dan di interval [0.75, 1] mendapat bobot frekwensi kejadian yang lebih dari dua kalinya dibandingkan bobot di interval nilai fungsi Sinus lainnya.

Dengan kata lain, nilai fungsi Sinus terlihat lebih berdesak-desakan di sekitar nilai maksimum dan minimum-nya dibanding di titik-titik lainnya.

Ini cara mendapatkan tambahan wawasan tentang sifat fungsi Sinus yang diperoleh dari data dengan statistik deskriptif melalui penggunaan histogram. Suatu cara yang mungkin bisa dikembangkan untuk masalah lainnya.

Inilah peragaan mekanisme kerja Data Science: data dianalisis dan informasi yang diperoleh bisa menambah wawasan baru.

Ini contoh peragaan singkat yang sederhana bagaimana Data Science bisa memberikan tambahan wawasan keilmuan yang diturunkan dari data pada sebuah domain knowledge.

Domain knowledge-nya bisa berupa apa saja: biologi, fisika, kimia, matematika, bisnis, keuangan, perbankan, perekonomian, logistik, linguistik, kesehatan, mesin, elektro, lingkungan, meteorologi, astronomi, material science, neuroscience, art & design dsb.

Dengan demikian Data Science bisa dipandang sebagai pendamping metode penelitian yang sudah tersedia sebelumnya bagi setiap domain knowledge yang menggunakannya.

Inilah ilustrasi potensi Data Science yang berperan sebagai sebuah paradigma baru di dalam pengembangan ilmu pengetahuan.

Data Science berpotensi pula untuk berperan sebagai pengembang budaya data; budaya pengambilan keputusan berbasis data (data-driven decision making) pada setiap organisasi.