MEDIA-KAMPUS.COM – Pojok Statistik Universitas Islam Bandung (Unisba) kembali menunjukkan komitmennya dalam memperkuat literasi statistik di era transformasi digital. Melalui program Statistics Lecture bertajuk “Smart Modeling in Machine Learning: Strategi Pemilihan Metode Klasifikasi yang Tepat”, kegiatan ini digelar secara daring pada Sabtu (28/2/2026).
Sebanyak 111 peserta dari berbagai perguruan tinggi ternama di Indonesia turut ambil bagian. Di antaranya berasal dari Politeknik Statistika STIS, Institut Teknologi Sepuluh Nopember, Universitas Negeri Makassar, Institut Teknologi Sumatera, serta Universitas Sulawesi Barat.
Tak hanya kalangan akademisi, kegiatan ini juga diikuti peserta dari berbagai instansi, seperti Badan Pusat Statistik, Dinas Komunikasi Informatika, Statistik dan Persandian, serta Dinas Tenaga Kerja dan Transmigrasi, hingga masyarakat umum yang memiliki ketertarikan pada pengolahan data dan machine learning.
Kupas Tuntas Strategi Pemilihan Metode Klasifikasi
Kuliah statistik nasional ini menghadirkan Dr. Asrirawan, M.Si., dosen Program Studi Statistika Universitas Sulawesi Barat, sebagai narasumber utama. Acara dipandu oleh Dila Nurrahmah selaku Agen Pojok Statistik Unisba. Rangkaian kegiatan dimulai dengan pembukaan, dilanjutkan pemaparan materi, dan ditutup sesi diskusi interaktif yang berlangsung dinamis.
Dalam paparannya, Dr. Asrirawan menjelaskan fondasi dasar machine learning, dengan fokus pada metode klasifikasi. Ia memaparkan tahapan penting dalam proses klasifikasi, mulai dari input data, ekstraksi fitur, hingga proses prediksi sebagai output model.
Peserta juga dikenalkan pada beberapa jenis klasifikasi yang umum digunakan dalam analisis data, yaitu Binary classification, Multiclass classification, dan Multilabel classification.
Ketiga pendekatan tersebut memiliki karakteristik dan penerapan berbeda, tergantung pada kebutuhan analisis dan kompleksitas data.
Lebih lanjut, narasumber menguraikan sejumlah algoritma klasifikasi yang kerap digunakan dalam praktik, antara lain Logistic Regression, K-Nearest Neighbors (KNN), Decision Tree, Support Vector Machine (SVM), Naive Bayes, dan Random Forest.
Menurutnya, keberhasilan model machine learning tidak hanya bergantung pada algoritma yang dipilih, tetapi juga dipengaruhi oleh kualitas data, proses data cleaning, pemilihan hyperparameter, serta kemampuan mengatasi tantangan seperti overfitting, underfitting, dan imbalanced data.
Selain itu, penggunaan metode evaluasi yang tepat—misalnya melalui confusion matrix—menjadi langkah krusial untuk memastikan model memiliki tingkat akurasi dan reliabilitas yang optimal.
Antusiasme peserta terlihat jelas dalam sesi tanya jawab. Beragam pertanyaan muncul, mulai dari strategi pemilihan algoritma yang tepat hingga tantangan teknis dalam implementasi machine learning di berbagai bidang.
Melalui penyelenggaraan Statistics Lecture ini, Pojok Statistik Unisba berharap dapat meningkatkan pemahaman peserta terhadap metode klasifikasi dalam machine learning, sekaligus memperkuat literasi statistik di tengah pesatnya perkembangan teknologi berbasis data.
Kegiatan ini menjadi bagian dari komitmen berkelanjutan Unisba dalam membekali akademisi, praktisi, dan masyarakat umum dengan kemampuan analisis data yang relevan dan adaptif terhadap era digital. (sani/png)
