Eksplorasi Peran Matematika dalam Dunia Nyata: Dari Machine Learning hingga Model Keuangan yang Tangguh

Demomatika Seri 10 dilaksanakan pada tanggal 7 Juli 2025 di Ruang Sidang 1 Lantai 3 Departemen Matematika secara daring dan luring. Acara dimulai dengan sambutan dari Sekretaris Departemen Matematika FMIPA UGM, Dr. Noorma Yulia Megawati, S.Si., M.Sc., dan dilanjutkan sesi pertama yang dimoderatori oleh Dr. Solikhatun, M.Si. Pemateri pertama, Khoirunnisa’ Rizky Noor Fatimah, S.Si., dari Apple Developer Academy, membawakan materi berjudul How Math Took Me Into Machine Learning: A Journey from Pure Math to the Real World of Machine Learning, Mentoring, and Multimodal Models. Ia menceritakan bagaimana latar belakang pendidikan matematika murni mengantarkannya ke dunia machine learning, serta pentingnya konsep-konsep seperti aljabar linear dan kalkulus dalam pengembangan model.

Khoirunnisa’ menjelaskan bahwa saat ini proses pengembangan model machine learning semakin mudah melalui pendekatan plug and play dengan pustaka seperti CoreML dari Apple. Ia membagikan pengalamannya dalam membangun aplikasi-aplikasi berbasis machine learning, seperti Giroah, aplikasi pengenalan suara untuk membaca Al-Qur’an, dan aplikasi computer vision untuk membantu postur belajar memanah. Kini, ia tengah mengembangkan model multimodal deep learning yang menggabungkan pengenalan suara dan pergerakan mulut dalam rangka penelitian tesisnya.

Menurutnya, pengalaman langsung sangat penting dalam membangun model machine learning, terutama dalam proses kalibrasi data agar model dapat mengenali objek secara akurat. Ia menegaskan bahwa model tidak pernah 100% akurat, sehingga pemahaman mendalam terhadap matematika sangat krusial.

Saat ini, Khoirunnisa’ tengah mengembangkan model multimodal deep learning yang menggabungkan pengenalan suara dan gerakan mulut untuk kebutuhan penelitian tesisnya. Ia menekankan pentingnya pengalaman langsung dalam proses kalibrasi data, serta memperkenalkan konsep math mindset advantage, yakni pola pikir matematis yang mencakup logika, strategi pembuktian, dan kemampuan abstraksi. Pola pikir ini menjadi fondasi penting dalam menyederhanakan persoalan dunia nyata ke dalam bentuk yang dapat diproses oleh mesin.

Sesi kedua dilanjutkan dengan moderator Grandianus Seda Mada, M.Sc., yang memandu presentasi dari pemateri kedua, Vemmie Nastiti Lestari, S.Si., M.Sc., dosen Universitas Gadjah Mada. Vemmie memaparkan hasil penelitiannya dalam presentasi berjudul “Robust Time Series Clustering of GARCH (1,1) Models with Outliers.”

Dalam presentasinya, Vemmie menjelaskan bagaimana metode M-estimation terbukti lebih tangguh dibandingkan Quasi-Maximum Likelihood Estimation (QMLE) dalam proses klasterisasi model GARCH (1,1) yang mengandung outlier, seperti Additive Level Outliers (ALO) dan Additive Volatility Outliers (AVO). Dengan menggunakan algoritma klasterisasi Hierarchical dan K-means, penelitian ini membandingkan hasil klasterisasi berdasarkan parameter hasil estimasi dari kedua metode tersebut.

Hasilnya menunjukkan bahwa klasterisasi dengan M-estimation menghasilkan pengelompokan yang lebih baik, ditunjukkan dengan nilai C-index yang lebih kecil, baik pada data simulasi maupun studi kasus data saham dari Bursa Efek Indonesia. Penelitian ini menjadi langkah maju dalam pengembangan metode robust untuk analisis data deret waktu keuangan yang rawan outlier.

Kedua sesi ini ditutup dengan sesi tanya jawab yang berlangsung aktif dan antusias. Para peserta memanfaatkan kesempatan ini untuk menggali lebih dalam pengalaman dan pengetahuan para pemateri, membuat suasana diskusi menjadi hidup dan interaktif.

Kata kunci: Demomatika, Machine Learning, Time Series
Penulis: Priscilla Deviana Tachija
Foto: Fathan Rasyid Rahmadhan