Tim Peneliti Mahasiswa FILKOM UB Raih Prestasi Dalam SENTRIN dan SIET 2024
Tim peneliti mahasiswa Fakultas Ilmu Komputer, Universitas Brawijaya (FILKOM UB) yang terdiri atas Fadhilah Hilmi (TIF ’22), Kenzie Taqiyassar (TIF ’22), Naufal Romero Putra Pratama (TIF ’22), Satrio Condro Kusuma (TIF ’22), dan Hafiz Rizky Nurwachid (TIF ’22) telah berpartisipasi dalam dua acara ilmiah bergengsi sekaligus (15/10 & 16/10/2024). Kedua acara tersebut adalah Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) yang diselenggarakan di Indonesia, serta 9th International Conference on Sustainable Information Engineering and Technology (SIET) yang berlangsung di Kuala Lumpur, Malaysia. Dalam kegiatan tersebut, tim ini berada di bawah bimbingan Tirana Noor Fatyanosa, S.Kom., M.Kom., Ph.D.
Dalam SENTRIN 2024, tim mempresentasikan karya yang berkategori pembelajaran mesin dengan judul “Analisis Perbandingan Model Machine Learning Tree-based dan Non-tree Based untuk Tugas Klasifikasi”. Penelitian ini bertujuan untuk mengevaluasi performa model berbasis pohon keputusan dan bukan pohon keputusan dalam klasifikasi berbagai macam data tabular. Hasilnya menunjukkan bahwa model berbasis pohon keputusan, seperti CatBoost dan LightGBM, secara konsisten unggul dalam berbagai metrik dibandingkan model yang tidak berbasis pohon keputusan. Naskah ini kemudian mendapat sambutan positif dari peserta seminar dan mendapat penghargaan Best Paper untuk kategorinya.
Di sisi lain pada SIET 2024, mereka mempresentasikan penelitian berjudul “A Comparative Study: Can Deep Learning Outperform Tree-Based Models in Tabular Data Classification?” yang termasuk dalam kategori Machine and Deep Learning. Penelitian ini menunjukkan bahwa meskipun deep learning memiliki potensi, model berbasis pohon keputusan seperti LightGBM dan CatBoost tetap unggul dalam klasifikasi data tabular. Temuan ini memberikan dasar yang kuat untuk pengembangan dan peningkatan lebih lanjut dalam penerapan model deep learning di masa depan.
Fadhil, selaku perwakilan dari tim, mengungkapkan rasa bangga dan syukur atas kesempatan berpartisipasi dalam SENTRIN 2024 dan SIET 2024.
“Pengalaman mempresentasikan hasil penelitian di depan para akademisi dan praktisi menjadi momen yang sangat berharga. Penghargaan Best Paper yang kami raih diakui sebagai motivasi besar untuk terus berkontribusi dalam pengembangan ilmu pengetahuan, khususnya di bidang pembelajaran mesin. Harapan kami penelitian ini dapat menjadi referensi bagi praktisi dan peneliti lain dalam memilih model yang tepat untuk tugas klasifikasi data tabular, serta mendorong penelitian lebih lanjut yang mengintegrasikan berbagai pendekatan untuk hasil yang lebih optimal,” tutup Fadhil. (tnf/rr)
