Tim Unair Juara Machine Learning Competition

Jatim Newsroom- Mahasiswa Teknologi Sains Data (TSD) Fakultas Teknologi Maju dan Multidisiplin (FTMM) Universitas Airlangga (Unair) lagi-lagi menorehkan prestasinya. Tim Tentan meraih juara II Machine Learning Competition pada event data slayer Institut Teknologi Telkom. Tim tersebut beranggota Netri Alia Rahmi, Muhammad Reza Erfit, dan Elzandi Irfan Zikra.

Adapun penyisihan lomba tim Tentan mendapat akses pada 78.500 data spesifikasi kendaraan roda empat dan tingkat emisi karbon yang dihasilkan. Dari data itu, tim mendapat tantangan untuk menciptakan model Artificial Intelligence terbaik yang dapat memprediksi tingkat emisi karbon dengan berbagai spesifikasi lainnya dengan skor error sekecil-kecilnya.

 Tim Tentan berhasil melaju ke babak semifinal dengan menggaet model akhir yang memiliki kesalahan (RSME) sekitar 19,05 poin. Dalam sesi wawancara bersama ketua Tim Tentan, Netri Alia Rahmi mengatakan apabila kendaraan memiliki emisi sebesar 2.714.100 g/km, model yang diciptakan oleh tim Tentan memprediksi emisi kendaraan dengan akurasi yang luar biasa, hanya berbeda sekitar 19 gram.

Setelah mengikuti rangkaian babak penyisihan pada 1 hingga 14 Desember 2023, selanjutnya pada Jumat (15/12/2023), Tim Tentan diminta menjelaskan hasil coding melalui pengiriman notebook dan mengirimkannya dalam format pkl. Tim Tentan berhasil mendapatkan ranking 7 di antara 107 tim lainnya yang berkontribusi pada perlombaan itu.

Tim Tentan berhasil melaju ke babak final. Pada tahap tersebut, tim ditantang mempresentasikan approach yang telah dilakukan serta menjelaskan insight yang mereka dapatkan dari data serta rekomendasi apa yang akan diberikan kepada merek-merek kendaraan tersebut. Penilaian juara akhir didapatkan dari nilai ketiganya, yaitu akurasi model, kualitas notebook, dan keterampilan presentasi. Tim Tentan berhasil meraih juara II dengan skor akhir 182,98 poin.

Alia menyebutkan bahwa selama perjalanan lomba itu, terdapat beberapa tantangan yang dirinya dan kelompok hadapi. Misalnya, data yang diterima memiliki kompleksitas yang tinggi dengan keberadaan data-data yang yang kosong, satuan dalam format yang berbeda-beda, serta variasi tipe data yang beragam. Bukan hanya itu, inkonsistensi data dan banyaknya outlier turut menyulitkan pengolahan. Sehingga membutuhkan waktu yang cukup lama untuk mencapai ‘data clean’ yang siap untuk diolah Machine Learning.

Preprocessing tim tidak hanya mengatasi data yang kosong, tetapi juga mengharmonisasikan satuan data yang beragam, menangani inkonsistensi, dan mengidentifikasi serta menangani outlier. “Dari lomba ini, kami banyak melakukan riset-riset dan melakukan riview jurnal-jurnal mengenai emisi karbondioksida agar mendapatkan insight baru,” katanya, dalam rilis Unair, Kamis(11/1/2024).

Timnya kemudian membuat variabel baru bernama efisiensi mesin yang merupakan rasio dari variabel engine dan cylinders. Dari beberapa sumber, Tim Tentan melihat bahwa efisiensi mesin kendaraan merupakan faktor penting dalam emisi CO2 karena efisiensi mesin yang tinggi dapat mengurangi konsumsi bahan bakar. Sehingga menghasilkan emisi CO2 yang lebih rendah. “Dan benar saja, variabel ini menurunkan tingkat kesalahan model kami” jelas Alia sekaligus menutup sesi wawancara,” ucapnya.(mad/hjr)

 

 

#unair