đŸŽ¯ Tujuan 🏛ī¸ Piramida DIKW 📂 Jenis & Struktur Data 🎮 DIKW Classifier Studio 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Analisis Data / 01. Apa Itu Data?
🤖 KKA · Unit 06 · Modul 01

Apa Itu Data? Bahan Bakar Utama Kecerdasan Artifisial

"Data is the new oil" — Data adalah fondasi tempat model AI belajar dan bernalar! Pelajari bagaimana fakta mentah ditransformasikan melalui piramida DIKW (Data $\rightarrow$ Informasi $\rightarrow$ Pengetahuan $\rightarrow$ Kebijaksanaan), serta pahami perbedaan data terstruktur, tak terstruktur, dan metadata digital.

⏱ī¸ Waktu: 45 Menit 🏛ī¸ Konsep: DIKW, Kuantitatif & Metadata 📝 Evaluasi: 20 Soal (4 Bagian)
đŸŽ¯

Tujuan Pembelajaran

Kompetensi yang akan kamu kuasai setelah menyelesaikan modul ini

01.
Memahami Konsep Dasar & Hierarki DIKW

Menjelaskan perbedaan mendasar antara data mentah, informasi berkonteks, pengetahuan terorganisir, dan kebijakan pengambilan keputusan.

02.
Membedakan Tipe & Sifat Data

Mengklasifikasikan data numerik kuantitatif (kontinu/diskrit) dan kualitatif kategorikal (nominal/ordinal).

03.
Mengenal Struktur Data (Structured vs Unstructured)

Memahami mengapa data terstruktur (tabel) mudah diolah komputer, sedangkan data tak terstruktur (video, gambar, suara) memerlukan bantuan AI.

04.
Mengetahui Peran Metadata & Prinsip GIGO

Memahami data tentang data (EXIF) dan prinsip Garbage In, Garbage Out dalam ekosistem machine learning.

1

Piramida Hierarki DIKW

Transformasi dari kumpulan angka mentah menjadi wawasan tindakan yang bijak

đŸ”ĸ 1. Data (Mentah)

Fakta mentah tanpa konteks. Contoh: angka 38.5. Kita belum tahu apa arti angka ini.

ℹī¸ 2. Informasi (Konteks)

Data diberi arti dan konteks. Contoh: "Suhu tubuh Andi saat ini adalah 38.5°C".

🧠 3. Pengetahuan (Pola)

Pemahaman pola. Contoh: "Suhu di atas 37.5°C menandakan Andi sedang demam/sakit".

💡 4. Kebijaksanaan (Aksi)

Tindakan tepat. Contoh: "Membawa Andi ke UKS, memberi obat penurun panas, dan istirahat".

2

Klasifikasi & Bentuk Struktur Data Digital

Mengenali format data yang diproses oleh sistem komputer dan model AI

1. Data Terstruktur

Tersusun rapi dalam baris dan kolom tabel spreadsheet atau database SQL. Sangat mudah dicari, disaring, dan dihitung statistik.

2. Data Semi-Terstruktur

Memiliki label tag tetapi tidak berbentuk tabel kaku. Contoh: file JSON API, dokumen XML, dan email berstruktur header.

3. Data Tak Terstruktur

Mencakup 80% data dunia: foto, audio rekaman, video TikTok, dan artikel teks bebas. AI diperlukan untuk mengekstrak maknanya.

🎮

Interactive DIKW Pyramid & Data Type Studio

Pilih contoh skenario fakta mentah dan amati bagaimana komputer memprosesnya hingga tingkat Kebijaksanaan!

DIKW Engine
📂 Pilih Skenario Studi Kasus Data:
Karakteristik Tipe Data:
Tipe: Kuantitatif Numerik (Desimal/Float) ¡ Sumber: Sensor Termometer Digital.
HIERARKI DIKW PROCESSOR ● TRANSFORMED
1. DATA MENTAH: 38.5
2. INFORMASI BERKONTEKS: Suhu badan Andi tercatat 38.5°C di ruang UKS.
3. PENGETAHUAN (KNOWLEDGE): Suhu > 37.5°C menandakan kondisi demam tinggi.
4. KEBIJAKSANAAN (WISDOM): Memberikan obat penurun panas dan menghubungi wali murid.
💡 Data tanpa konteks tidak memiliki nilai guna; informasi tanpa aksi bijak tidak menghasilkan solusi.
📝

Evaluasi Formatif: Apa Itu Data?

Uji pemahaman hierarki DIKW, klasifikasi tipe data, dan prinsip data AI (Total Skor: 100)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal ¡ Bobot: 25 Poin)

1. Urutan tingkatan hierarki DIKW dari tingkat paling dasar hingga puncak pengambilan keputusan adalah...

2. Prinsip terkenal dalam ilmu data GIGO (Garbage In, Garbage Out) memiliki arti bahwa...

3. Contoh data kategori Kualitatif / Kategorikal di bawah ini adalah...

4. Informasi tersembunyi yang menjelaskan data lain (misal tanggal jepretan foto, lokasi GPS kamera HP, dan ukuran file) disebut...

5. Mengapa data tak terstruktur (seperti ribuan rekaman video & postingan teks) memerlukan teknologi Kecerdasan Artifisial (AI) untuk menganalisisnya?

Bagian B

Benar atau Salah (5 Soal ¡ Bobot: 25 Poin)

1. Data mentah adalah fakta yang belum diproses dan belum memiliki arti konteks bagi pengambil keputusan.
2. Tabel spreadsheet nilai siswa dengan kolom NISN, Nama, dan Nilai termasuk jenis data terstruktur.
3. Portal data.go.id dan BPS merupakan contoh repositori penyedia dataset publik resmi di Indonesia.
4. Informasi dan Data memiliki definisi arti yang persis sama tanpa perbedaan apapun.
5. Kualitas data yang buruk (mengandung bias dan kesalahan) tetap akan menghasilkan model AI yang sangat pintar.
Bagian C

Menjodohkan Tingkat DIKW & Karakteristiknya (5 Pasangan ¡ Bobot: 25 Poin)

Bagian D

Urutan Siklus Pemanfaatan Data dalam Sistem AI (Bobot: 25 Poin)

Urutkan proses perjalanan data mentah hingga menjadi keputusan otomatis AI:

A. Mengumpulkan data mentah (fakta/angka) melalui sensor atau survei kuesioner
B. Membersihkan data dari format duplikat dan memberikan label konteks (Informasi)
C. Memasukkan dataset berkualitas ke algoritma machine learning untuk proses training
D. Model AI menemukan pola hubungan tersembunyi dari data latih (Pengetahuan)
E. Sistem AI memberikan rekomendasi tindakan atau keputusan yang akurat (Kebijaksanaan)
✨

Rangkuman Materi & Refleksi Belajar

Tuliskan pemahaman dan pengalaman belajarmu pada materi ini

1. Data Sebagai Fondasi: AI tidak akan bisa berpikir cerdas tanpa adanya data latihan yang berkualitas.

2. Nilai Guna DIKW: Ubah data mentah menjadi informasi berharga, temukan pengetahuan di baliknya, dan ambil keputusan bijak.

3. Kualitas Data (GIGO): Jagalah integritas dan kebersihan data agar kesimpulan yang dihasilkan selalu akurat dan adil.