ITS Miliki Guru Besar Termuda Berusia 39 Tahun

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 ensemble 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 ensemble 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," terang Heri.

Di akhir, dosen yang mendalami ilmu peramalan deret waktu dan ekonometrika ini memiliki harapan bahwa pendekatan ensemble bisa semakin mainstream lagi di Indonesia. Telah banyak contoh pengaplikasian pendekatan ensemble pada berbagai bidang ekonomi, kesehatan, dan teknologi informasi.

Sehingga, tidak menutup kemungkinan bahwa pendekatan ensemble akan lebih besar lagi untuk bisa menyelesaikan berbagai problem dengan ketidakpastian Indonesia yang tinggi di era big data ini.