Dapatkah ChatGPT Code Interpreter Menggantikan Junior Data Analyst?

Dalam era teknologi yang terus berkembang, banyak yang bertanya-tanya apakah kecerdasan buatan bisa menggantikan pekerjaan manusia, termasuk pekerjaan sebagai seorang junior data analyst. Salah satu teknologi terbaru yang telah diperkenalkan adalah ChatGPT Code Interpreter. Artikel ini akan menjelaskan tentang Code Interpreter dan sejauh mana kemampuannya dalam melakukan tugas data analyst.

Apa Itu ChatGPT Code Interpreter?

ChatGPT Code Interpreter adalah sebuah plug-in yang memungkinkan ChatGPT untuk menulis dan menjalankan skrip Python dan bahasa pemrograman lainnya. Ini termasuk kemampuan untuk mengimpor dan menganalisis data, membuat visualisasi data, serta memberikan wawasan dari data tersebut. Untuk mengaksesnya, Anda terlebih dahulu perlu menjadi pelanggan ChatGPT+ dengan biaya langganan bulanan.

Apa Yang Bisa Dilakukannya

Dengan Code Interpreter, ChatGPT memiliki potensi untuk menggantikan pekerjaan rutin seorang junior data analyst, terutama dalam tugas pelaporan yang sederhana. Namun, apakah ChatGPT benar-benar bisa menggantikan peran manusia? Untuk menjawab pertanyaan ini, kita perlu melakukan eksperimen percobaan langsung menggunakannya.

Eksperimen Menggunakan Data Mentah

Dalam eksperimen ini, kami mencoba menggunakan dua versi ChatGPT, yaitu GPT-3.5 dan GPT-4 dengan Code Interpreter, untuk menyelesaikan tugas analisis yang sederhana. Tugas tersebut melibatkan pembersihan data yang kotor, membuat visualisasi data, dan memberikan wawasan dari data tersebut. Namun, data yang diberikan memiliki format yang tidak konsisten, sehingga menjadi tantangan tersendiri bagi ChatGPT untuk bisa memahaminya.

Bentuk Penugasan

Data yang digunakan didapatkan dari hasil ekstraksi data pada Theresanaiforthat.com (situs web agregator alat AI) dalam format file CSV yang berisi tentang “Timeline Kemampuan AI terbaru”. Data ini sengaja dibuat mentah dan tidak beraturan untuk memberikan tantangan ekstra bagi ChatGPT dalam memahaminya.

Penugasan yang diberikan sebagai berikut:

“Dengan menggunakan Python, buat 2 grafik yang menunjukkan tren terkini”. Dengan kata lain, kami ingin melihat perkembangan signifikan dalam kemampuan AI dalam beberapa bulan terakhir.

Menggunakan GPT-3.5

Pada pengujian pertama menggunakan GPT-3.5, terdapat beberapa keterbatasan yang perlu dicatat. GPT-3.5 tidak memiliki fitur untuk mengunggah file, yang merupakan kendala utama. Meskipun GPT-3.5 ini mampu menghasilkan kode visualisasi, namun kemampuannya untuk memahami data yang tidak konsisten masih terbatas. Ini mengakibatkan hasil visualisasi kurang akurat, seperti yang terlihat pada gambar di atas. Seharusnya, berdasarkan data sebenarnya, total kemampuan AI pada akhir tahun 2023 seharusnya melebihi 250, namun GPT-3.5 gagal mencapai estimasi ini.

Selain itu, GPT-3.5 juga mengalami kesulitan untuk mendeteksi dan memberikan solusi untuk membersihkan data yang memiliki format yang kotor dan sulit dipahami. Ketika source code yang dihasilkan digunakan, seringkali muncul error dan bug.

Hal ini tentu menyebabkan tingkat frustasi bagi pengguna, yang harus secara berulang-ulang menyalin kode ke penerjemah Chat GPT, menjalankannya, menyalin kembali, menghadapi pesan kesalahan, dan mengulanginya lagi.

Menggunakan GPT-4.0 dengan Code Interpreter

Kemudian, kami menguji menggunakan GPT-4.0 dengan Code Interpreter. Meskipun membutuhkan beberapa upaya dan mencoba beberapa pendekatan, akhirnya Code Interpreter berhasil menciptakan kode visualisasi yang lebih baik, namun masih terdapat beberapa kesalahan yang perlu diperbaiki.

Hasil

Hasil eksperimen menunjukkan bahwa Code Interpreter dapat menjadi alat yang berguna untuk tugas analisis data sederhana, terutama setelah data dibersihkan dan dengan panduan yang sesuai. Namun, untuk tugas yang lebih kompleks dan data yang tidak terstruktur, Code Interpreter masih memiliki keterbatasan.

Keterbatasan

Artikel ini juga mencatat beberapa keterbatasan dari penggunaan Code Interpreter, seperti ketidakmampuan mengakses internet, keterbatasan dalam penggunaan Python, dan pembatasan dalam ukuran file yang dapat diunggah.

Kesimpulan 

Meskipun Code Interpreter menunjukkan potensi yang menarik dalam membantu tugas analisis data sederhana, masih ada banyak hal yang harus dipelajari oleh manusia untuk menjadi seorang data analyst yang berkualitas. Oleh karena itu, kami mengajak Anda dalam mempertimbangkan untuk belajar lebih lanjut tentang data science di Algoritma Data Science School sebagai langkah untuk meningkatkan kemampuan dan keterampilan Anda dalam menghadapi tantangan di era data digital ini. Yuk #JadiTalentaData untuk Indonesia sekarang!

AHMAD FAUZI

Jika Anda tertarik dengan artikel seputar Insight Data Science dan beragam topik menarik lainnya, jadilah orang pertama yang membacanya dengan melakukan subscribe blog dibawah ini!