Laptop untuk Data Analyst atau Data Scientist sebaiknya dipilih dari tools dan pekerjaan yang dijalankan. Mengolah laporan di Microsoft Excel, membuat dashboard di Power BI, dan melakukan model training di Python bukan satu jenis pekerjaan yang sama.
Sebelum terpaku pada label “laptop kencang”, jawab dua pertanyaan: apa yang akan dikerjakan, dan prosesnya berjalan di laptop atau di cloud?
Data Analyst dan Data Scientist: bedanya apa?
Data Analyst biasanya banyak bekerja dengan pembersihan data, query SQL, analisis, dan penyajian laporan atau dashboard. Tools yang digunakan bisa mencakup Microsoft Excel, Power BI, Tableau, atau Python.
Data Scientist dapat mengerjakan eksplorasi data, pemodelan statistik, serta eksperimen machine learning. Python atau R sering menjadi bagian dari workflow. Pembagian tugas bisa berbeda antarperusahaan, jadi nama jabatan saja belum cukup untuk menentukan spesifikasi laptop.
Cek tools dan sistem operasi
Tulis aplikasi yang benar-benar akan dipakai, termasuk versi dan sistem operasinya. Contohnya, persyaratan Power BI Desktop di dokumentasi Microsoft perlu diperiksa jika aplikasi tersebut menjadi bagian utama pekerjaanmu.
Untuk workflow Python, catat IDE atau editor, library, serta environment yang dibutuhkan. Jangan hanya menulis “bisa Python”. Jelaskan apakah kamu memakai pandas untuk data cleaning, scikit-learn untuk eksperimen model, atau PyTorch untuk pekerjaan tertentu.
RAM: lihat data yang diproses, bukan ukuran file saja
File berukuran tertentu di storage tidak otomatis membutuhkan RAM dengan ukuran yang sama saat diolah. Dokumentasi pandas tentang large datasets menjelaskan bahwa analisis dilakukan di memory dan beberapa operasi dapat membuat salinan data sementara.
Karena itu, uji dengan dataset contoh yang mewakili pekerjaanmu. Perhatikan juga aplikasi yang dibuka bersamaan. Browser, notebook, dashboard, dan aplikasi komunikasi ikut memakai sumber daya perangkat.
GPU tidak perlu dipilih tanpa melihat workflow
Pastikan dulu apakah pekerjaanmu menggunakan GPU dan apakah tools yang dipakai mendukungnya. Jangan menganggap semua aktivitas Data Science otomatis membutuhkan GPU tertentu.
Sebagai contoh, panduan instalasi PyTorch membedakan pilihan sistem operasi dan compute platform. Kompatibilitas library, driver, serta perangkat perlu dicek bersama. Jika proses berat dijalankan di cloud atau server, kebutuhan laptop lokalnya bisa berbeda dari laptop yang mengerjakan seluruh proses sendiri.
Bedakan workflow lokal dan cloud
- Lokal: dataset dan proses analisis berjalan di laptop. Uji kemampuan membuka data, menjalankan operasi utama, dan menyimpan hasil.
- Cloud atau remote: sebagian proses berjalan di layanan lain. Cek koneksi, browser atau remote client, izin akses, dan kenyamanan bekerja.
- Campuran: tulis proses mana yang lokal dan mana yang remote. Misalnya data cleaning di laptop, lalu model training di server.
Ini membantu kamu membahas spesifikasi berdasarkan kebutuhan nyata, bukan sekadar memilih komponen paling tinggi.
Uji dengan satu skenario kerja yang jelas
Gunakan dataset sintetis atau contoh yang diizinkan. Coba urutan pekerjaan sehari-hari: muat data, jalankan proses utama, buka laporan atau visualisasi, lalu ekspor hasil. Catat bagian yang terhambat dan kondisi saat pengujian.
Jika hasilnya lambat, telusuri apakah hambatannya berasal dari perangkat, konfigurasi aplikasi, akses ke server, atau koneksi. Satu hasil uji belum cukup untuk menyimpulkan bahwa semua pekerjaan akan berjalan sama.
Ringkasnya, siapkan lima informasi ini
- Tools, versi, library, dan sistem operasi yang digunakan.
- Contoh aktivitas serta karakteristik dataset.
- Proses yang berjalan lokal, remote, atau di cloud.
- Kebutuhan GPU yang sudah dikonfirmasi dengan dokumentasi tools.
- Hasil uji menggunakan contoh pekerjaan yang relevan.
Kalau istilah RAM dan storage masih terasa mirip, baca juga penjelasan RAM dan fungsi SSD. Keduanya perlu dipahami sebelum membandingkan spesifikasi laptop.
Gambar utama: diagram contoh fokus kerja dan tools Data Analyst serta Data Scientist. Peran dapat saling tumpang tindih.
