BERITA-JABAR.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).
Kegiatan ini menjadi bagian dari upaya berkelanjutan Unisba dalam meningkatkan pemahaman masyarakat akademik terhadap analisis data dan penerapan machine learning yang semakin relevan di berbagai sektor.
Sebanyak 111 peserta mengikuti kuliah statistik nasional ini. Mereka berasal dari sejumlah perguruan tinggi ternama di Indonesia, seperti Politeknik Statistika STIS, Institut Teknologi Sepuluh Nopember, Universitas Negeri Makassar, Institut Teknologi Sumatera, serta Universitas Sulawesi Barat, dan berbagai kampus lainnya.
Tak hanya dari kalangan akademisi, peserta juga berasal dari sejumlah instansi pemerintah dan lembaga, di antaranya Badan Pusat Statistik, Dinas Komunikasi Informatika, Statistik dan Persandian, serta Dinas Tenaga Kerja dan Transmigrasi. Kegiatan ini juga terbuka untuk masyarakat umum yang memiliki minat terhadap pengolahan dan analisis data.
Hadir sebagai narasumber, Dr. Asrirawan, M.Si., dosen Program Studi Statistika Universitas Sulawesi Barat, menyampaikan materi secara komprehensif mengenai konsep dasar machine learning, dengan fokus pada metode klasifikasi. Acara dipandu oleh Dila Nurrahmah selaku Agen Pojok Statistik Unisba.
Dalam pemaparannya, Dr. Asrirawan menjelaskan tahapan klasifikasi yang dimulai dari proses input data, dilanjutkan ekstraksi fitur, hingga proses klasifikasi untuk menghasilkan prediksi. Peserta juga diperkenalkan pada beberapa jenis klasifikasi yang umum digunakan dalam analisis data, yaitu Binary classification, Multiclass classification, dan Multilabel classification.
Jenis-jenis klasifikasi tersebut memiliki penerapan berbeda, tergantung pada karakteristik data dan kebutuhan analisis.
Algoritma Populer dan Faktor Penentu Keberhasilan Model
Selain membahas konsep dasar, narasumber juga menguraikan sejumlah algoritma klasifikasi yang sering digunakan dalam praktik machine learning, antara lain Logistic Regression, K-Nearest Neighbors (KNN), Decision Tree, Support Vector Machine (SVM), Naive Bayes. dan Random Forest.
Menurutnya, keberhasilan sebuah model tidak hanya ditentukan oleh pemilihan algoritma, tetapi juga oleh kualitas data, proses pembersihan (data cleaning), penentuan hyperparameter, serta kemampuan mengatasi persoalan seperti overfitting, underfitting, dan imbalanced data.
Selain itu, penggunaan metode evaluasi yang tepat—seperti confusion matrix—menjadi langkah penting untuk memastikan model memiliki tingkat akurasi dan keandalan yang optimal.
Antusiasme peserta terlihat dari sesi diskusi yang berlangsung aktif dan dinamis. Berbagai pertanyaan diajukan terkait implementasi machine learning, strategi pemilihan algoritma klasifikasi yang tepat, hingga tantangan teknis dalam proses klasifikasi data.
Melalui penyelenggaraan Statistics Lecture ini, Pojok Statistik Unisba berharap peserta dapat meningkatkan pemahaman tentang strategi pemilihan metode klasifikasi dalam machine learning, memperkuat literasi statistik, serta mengembangkan kompetensi analisis data untuk menghadapi perkembangan teknologi yang semakin berbasis data.(askur/png)***