Sabtu, 30 Januari 2021 – Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Univeritas Brawijaya menyelenggarakan Online Lecture Series#1 yang selanjutnya disebut OLS#1. Kegiatan OLS#1 ini merupakan kegiatan internal yang dilaksanakan secara daring sebagai salah satu bentuk respon dari pandemi COVID-19. Kegiatan ini bersifat dari, oleh dan untuk civitas akademika di lingkungan internal Jurusan Statistika. Tujuan utama OLS#1 adalah untuk menambah wawasan dan memperdalam topik-topik keilmuwan statistika kepada Dosen, Tenaga Kependidikan, dan Mahasiswa di lingkungan Jurusan Statistika.
Seri pertama kegiatan OLS#1 mengangkat tema “Deep Neural Network (DNN) for Regression and Classification” dengan pemateri yaitu Bapak Samingun Handoyo, S.Si., M.Cs. yang merupakan dosen statistika dan kandidat Ph.D. dari Department of Electrical Enginering and Computer Science-International Graduate Program, National Chiao Tung University – Taiwan. Kegiatan OLS#1 dimulai pada pukul 08.15 WIB dengan pemutaran video profil Jurusan Statistika. Pada pukul 08.30 WIB tepat, acara dibuka oleh Ketua Jurusan Statistika yaitu Ibu Rahma Fitriani, S.Si., M.Sc., Ph.D dengan harapan semoga acara dapat berjalan dengan lancar dan dapat bermanfaat menambah wawasan bagi peserta workshop karena memuat materi dan praktek secara langsung menggunakan software.
Kegiatan OLS#1 terbagi menjadi 2 sesi, sesi pertama yaitu penyampaian materi DNN selama 60 menit. Pemateri menjelaskan mengenai aplikasi DNN untuk klasifikasi. Pemateri menggunakan data image dataset sebanyak 60.000 yang digunakan untuk klasifikasi. Untuk 1 image diwakili oleh 28×28 sel, kemudian image akan dikonversi kedalam nilai digital antara 0 sampai 255. Pemateri membagi 60.000 dataset menjadi 3 bagian dimana 50.000 sebagai training (45.000 real training dan 5000 validasi) dan data testing sebanyak 10.000. Hasil berupa grafik yang menunjukkan bahwa image 7 aktualnya adalah 7 dengan pemodelan DNN menghasilkan output 7 juga. Kemudian akan dilakukan perbandingan tingkat akurasi dari 2 model yang menunjukkan bahwa semakin besar nilai akurasi maka model tersebut adalah yang paling baik.
Pada penerapan DNN untuk aplikasi regresi, pemateri ingin mengetahui rasio covid-19 terhadap Exchage rate. Data diambil dari WHO untuk 5 negara, yaitu Indonesia, Malaysia, Japan, Perancis dan USA terhadap nilai exchage rate (nilai tukar terhadap rupiah). Pemateri melakukan pemodelan dan peramalan dengan skema regularisasi. Regularisasi bertujuan agar model yang dipakai bisa optimal dan tidak over fitting. Sebenarnya di statistika biasa digunakan regresi gulud atau regresi lasso. Ridge regression merupakan regresi yang diberikan regularisasi atau absolute parameter.
Pada 60 menit selanjutnya adalah sesi praktik dengan menggunakan software python. Peserta diminta secara langsung oleh pemateri untuk mencoba di laptop masing-masing agar dapat mengetahui kinerja DNN. Kegiatan OLS#1 ini sangat diminati oleh mahasiswa, melihat jumlah pendaftar sebanyak 167 mahasiswa dengan total kedatangan di aplikasi Zoom sebanyak 110 mahasiswa dan 17 dosen Jurusan Statistika. Meskipun selama kegiatan terdapat kendala jaringan yang menyebabkan suara dari pemateri tidak stabil terdengar, namun peserta sangat mengapresiasi kegiatan ini dan berharap agar Jurusan Statistika berkenan mengadakan kembali acara yang bertemakan seperti Dasar-dasar Phyton – R untuk kasus COVID-19, Data Mining, Analisis Bayes untuk Data Ekspresi Gen, Pemodelan Statistika untuk Natural Language Processing, Machine Learning untuk Teks dan Gambar (Redaktur: DAR/NSR).