Surabaya (beritajatim.com) – Tim Tentan Universitas Airlangga (Unair) Surabaya merebut podium kedua pada ajang Machine Learning Competition. Pada babak penyisihan, Tim Tentan memperoleh akses pada 78.500 data spesifikasi kendaraan roda empat dan tingkat emisi karbon yang dihasilkan.
Dari data itu, tim mendapat tantangan menciptakan model Artificial Intelligence terbaik yang bisa memprediksi tingkat emisi karbon dengan berbagai spesifikasi lainnya dengan skor error sekecil-kecilnya.
Tim yang beranggotakan mahasiswa Teknologi Sains Data (TSD) Fakultas Teknologi Maju dan Multidisiplin (FTMM) Unair itu kemudian melaju ke babak semifinal dengan menggaet RSME sekitar 19,05 poin.
“Kendaraan memiliki emisi sebesar 2.714.100 g/km, model yang diciptakan oleh tim memprediksi emisi kendaraan dengan akurasi luar biasa, hanya berbeda sekitar 19 gram,” ujar Ketua Tim Tentan Netri Alia Rahmi, ditulis Sabtu (13/1/2024).
Setelah mengikuti rangkaian babak penyisihan, selanjutnya 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.
Pada babak final, 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 menyebut, selama perjalanan lomba, ada sejumlah tantangan yang dihadapi. Misalnya, data yang diterima memiliki kompleksitas tinggi dengan keberadaan data-data yang kosong, satuan dalam format yang berbeda-beda, serta variasi tipe data yang beragam.
“Inkonsistensi data dan banyaknya outlier juga menyulitkan pengolahan. Sehingga membutuhkan waktu yang cukup lama untuk mencapai ‘data clean’ yang siap untuk diolah Machine Learning,” kata Alia.
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,” ungkapnya.
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.
Sebab, kata dia, 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” pungkasnya. [ipl/kun]
