ITS KUKUHKAN GURU BESAR
KaKom. Institut Teknologi Sepuluh Nopember (ITS) akan
mengukuhkan lagi 10 guru besar baru, Rabu nanti. Salah satunya adalah Prof.Dr.Heri
Kuswanto MSi, yang dikukuhkan sebagai guru besar Statistika di usia yang baru
menginjak 39 tahun dengan mengangkat orasi tentang pemanfaatan komputasi
statistik sebagai solusi untuk mengatasi ketidakpastian di era big data.
Dalam orasinya, Heri
yang pada pengukuhan kali ini tercatat sebagai guru besar termuda menjelaskan
bahwa untuk mewujudkan suatu keputusan yang tepat diperlukan adanya pendekatan
yang paling optimal. “Untuk itu perlu pemanfaatan komputasi statistik sebagai
solusi dalam mengatasi ketidakpastian di era big data ini,” tutur dosen
kelahiran Gresik, 26 Maret 1982 ini, di Surabaya.
Ahli komputasi statistika
tersebut menerapkan pendekatan ensembel untuk menghasilkan performansi prediksi
yang lebih bagus daripada hanya memanfaatkan model tunggal. Heri mengutip
ucapan terkenal bahwa the only thing certain - is uncertainty, yang berarti
ketidakpastian itu selalu ada atau pasti. Oleh karenanya, perlu adanya suatu
pendekatan untuk mengurangi ketidakpastian di berbagai fenomena yang serba
lincah, tidak menentu, kompleks, dan ambigu. Salah satu langkah yang umumnya
digunakan adalah melakukan pemodelan statistika.
Wakil Ketua Ikatan
Ahli Bencana Indonesia (IABI) ini menjelaskan bahwa dalam ilmu statistika,
ketidakpastian atau yang biasa disebut probabilitas ini dapat dijawab dengan
dua pendekatan. Cara pertama yakni dengan pendekatan teoritis melalui justifikasi
kebenaran sifat-sifat penaksiran yang harus dipenuhi dalam kaidah
statistika.
Namun, lanjutnya,
kasus-kasus tertentu tidak dapat diselesaikan dengan pendekatan ini. “Sehingga
perlu digunakan pendekatan kedua yakni secara komputasi yang saat ini sudah
menjadi backbone dari modern data science,” kata Heri. Pemodelan statistika
dapat menjadi solusi ketidakpastian karena manfaatnya di berbagai kepentingan
baik eksplorasi data guna mendapatkan informasi yang berguna di dalam data,
prediksi, klasifikasi, klasterisasi, dan lain sebagainya.
Heri menambahkan bahwa
kondisi pada era big data ini sudah tidak bisa lagi menggunakan model
statistika klasik untuk hasil yang akurat. Hal ini dikarenakan data besar ini
menimbulkan kemungkinan bias pada sampel dan tingkat interdependensi yang
lemah, tapi meluas pada data yang menambah risiko ketidakpastian.
Akan tetapi,
metode-metode statistika yang dikembangkan saat ini masih didominasi oleh
prinsip pemilihan model terbaik atau selection. Model ini dilakukan dengan cara
membandingkan beberapa jenis metode dan mencari metode dengan nilai rata-rata
error terkecil. Namun demikian, ini berarti ada pada satu atau beberapa titik
tertentu bahwa model terpilih ini bukanlah model terbaik. “Hal ini menunjukkan
bahwa dari sisi model, terdapat ketidakpastian dalam metode selection tadi,”
tandas Direktur Pascasarjana dan Pengembangan Akademik ITS ini.
Oleh karena itu,
munculnya konsep kombinasi yang didasari pada kenyataan bahwa satu model tidak
selamanya mendominasi model yang lain. Heri menyebutkan bahwa pada model
kombinasi kita tidak akan memilih satu model terbaik. Melainkan
mengkombinasikan output dari model-model yang ada dengan diberikan bobot
tertentu sesuai dengan kinerjanya. Hal ini bertujuan untuk menangkap ketidakpastian
dan konsep ini dinamakan ensemble approach.
Terdapat banyak jenis
metode dalam pendekatan ensembel, beberapa metode yang digunakan oleh Heri
adalah Random Forest (RF), Logistic Regression Ensemble (Lorens), dan Bayesian
Model Averaging (BMA). Metode pertama yakni RF adalah suatu algoritma yang
digunakan pada klasifikasi data dalam jumlah yang besar. Klasifikasi RF
dilakukan melalui penggabungan pohon (tree) dengan melakukan training pada
sampel data yang dimiliki. Penggunaan pohon (tree) yang semakin banyak akan
mempengaruhi akurasi yang akan didapatkan menjadi lebih baik.
“Beberapa penelitian
saya yang menggunakan metode RF adalah memprediksi kekeringan di Nusa Tenggara
Timur menggunakan output TRMM dan MERRA serta penelitian performansi Random Forest
dibandingkan metode lainnya untuk mendeteksi kasus epilepsi,” ungkap doktor
Statistika lulusan Leibniz Hannover University, Jerman ini.
Metode kedua yakni
Lorens merupakan pendekatan ensembel untuk klasifikasi berbasis regresi
logistik. Lorens dapat mengatasi permasalahan data dengan dimensi yang besar
atau high dimensional data yang tidak dapat dimodelkan dengan regresi logistik.
Dengan memanfaatkan metode ini, Heri telah membuahkan beberapa penelitian
seperti klasifikasi enzim pada obat dan prediksi kasus Alzheimer
Sementara metode
ketiga yang digunakan oleh penerima Harvard Residency Program on Solar
Geoengineering ini adalah BMA. Menurutnya, BMA dapat melakukan pemilihan model
terbaik yang melibatkan ketidakpastian model dengan BMA merata-ratakan
distribusi posterior dari semua model yang mungkin terbentuk. BMA mampu
menentukan variabel mana saja yang relevan dengan data yang ada.
“Metode BMA seringkali
digunakan sebagai pendekatan untuk melakukan kalibrasi sehingga didapatkan
suatu prediksi berupa interval yang tidak terlalu lebar, namun akurasinya
tinggi,” imbuh Koordinator Divisi Riset dan Pengembangan Ikatan Statistisi
Indonesia (ISI) ini.
Heri telah
berkolaborasi dengan Badan Meteorologi Klimatologi dan Geofisika (BMKG) terkait
aplikasi ensemble forecast menggunakan BMA untuk melakukan prediksi cuaca di
Indonesia dengan memanfaatkan output HyBMG. Prediksi ini sangat berguna juga
sebagai referensi kalender tanam untuk petani.
Selain itu, Heri juga
tengah mengembangkan sistem prediksi kekeringan di Indonesia dengan output dari
North America Multimodel Ensemble (NMME) yang dikalibrasi menggunakan BMA. “Ke
depannya, diharapkan sistem ini akan dapat membantu pemangku kepentingan
terkait prediksi cuaca jangka pendek dan musiman, sebagai langkah mitigasi
bencana kekeringan, maupun hidrometeorologi lainnya,” kata Heri.
Di akhir, dosen yang
mendalami ilmu peramalan deret waktu dan ekonometrika ini memiliki harapan
bahwa pendekatan ensembel bisa semakin mainstream lagi di Indonesia. Telah banyak
contoh pengaplikasian pendekatan ensembel pada berbagai bidang ekonomi,
kesehatan, dan teknologi informasi. Sehingga, tidak menutup kemungkinan bahwa
pendekatan ensembel akan lebih besar lagi untuk bisa menyelesaikan berbagai
problem dengan ketidakpastian Indonesia yang tinggi di era big data ini. (Mak’skom.IPJT.JNR.30.3.21)
Views 1578