Pada beberapa tahun terakhir ini data sains menjadi salah satu keterampilan yang paling dicari di berbagai sektor industri. Sayangnya, kemahiran ini cenderung dipersepsikan sebagai bidang yang hanya bisa diakses oleh individu yang mahir mengolah coding, matematika tingkat lanjut, atau statistik tingkat lanjut. Padahal, saat ini tersedia banyak platform dan tools yang memungkinkan siapa pun untuk mengakses kekuatan data sains tanpa harus menulis satu baris kode pun.

Salah satu pendekatan paling menjanjikan adalah penggunaan platform visual berbasis drag-and-drop, seperti Knime (Konstanz Information Miner), yang membuka peluang luas kepada pelaku bisnis, analis data pemula, hingga akademisi di Indonesia untuk terjun langsung ke bidang pengolahan data.

Oh ya, data sains tanpa coding berarti melakukan analisis, pemrosesan, dan visualisasi data melalui antarmuka grafis (graphical user interface/GUI), bukan dengan menulis skrip pemrograman seperti Python atau R. Tools semacam ini menyediakan "blok-blok" fungsional yang bisa disusun seperti puzzle untuk menjalankan pipeline data.

Salah satu tools populer adalah Knime sebagai platform open source yang memungkinkan pengguna untukmenggabungkan dan membersihkan data, membangun model prediktif, membuat visualisasi interaktif, dan mengekspor laporan otomatis.

Platform ini mengintegrasikan dengan kode Python dengan R jika dibutuhkan di tahap lanjut. Python dapat digunakan untuk pemrosesan data, sedangkan R untuk visualisasi dan analisis statistik lanjutan.

Arief Rama Syarif, praktisi dan konsultan data sains yang aktif memperkenalkan tools open source Knime di Indonesia, mengatakan Knime itu menjembatani gap antara teknikal dan non-teknikal.

"Banyak UMKM, institusi pendidikan, bahkan lembaga pemerintahan bisa menganalisis data mereka tanpa harus merekrut data scientist full-time. Ini benar-benar membuka peluang demokratisasi data sains,” ujar Arief di Jakarta, Senin (9/6/2025)

Arief, pada keterangan tertulisnya itu, mengoptimalkan Knime dalam berbagai pelatihan dan proyek implementasi, seperti pengolahan data survei kepuasan pelanggan, prediksi permintaan logistik berbasis data historis, dashboard analitik untuk sekolah dan universitas.

Indonesia sebagai negara dengan beragam entitas bisnis skala menengah dan kecil, memiliki peluang besar untuk mengadopsi solusi data sains tanpa koding. Misalnya sektor pendidikan, ritel dan UMKM, pemerintahan, serta tentunya kesehatan.

Optimalisasi tools seperti Knime itu relatif murah lantaran pengembangannya cukup dikerjakan satu analis dengan kemampuan logika dan pemahaman data dasar.

Arief mengatakan tantangan utama dalam penerapan data sains tanpa koding di Indonesia bukan pada teknologinya, tetapi pada kurangnya literasi data di kalangan pengambil keputusan, minimnya kurikulum berbasis praktikal di sekolah dan kampus, serta keterbatasan akses pelatihan intensif, terutama di daerah.

Namun, dengan dukungan kalangan komunitas serta lembaga seperti Yayasan Komunitas Open Source (pemberi pelatihan data sains gratis), pelatihan daring, dan upaya dari para praktisi. Adopsi platform ini diprediksi akan meningkat pesat dalam 3–5 tahun ke depan.

Arief menyebutkan data sains tidak lagi eksklusif untuk para coder (pengoding) atau ilmuwan komputer. Piranti seperti Knime itu mengubah lanskap ini dan memungkinkan siapa pun untuk terlibat dalam pengambilan keputusan berbasis data.

"Dengan edukasi yang tepat dan kemauan untuk belajar, Indonesia memiliki potensi besar untuk menjadi negara dengan kekuatan data yang merata dan inklusif," pungkasnya. (*)