Dari Machine Learning Ke Khilafah

ilustrasi

Oleh : Budi Santoso Purwokartiko

Ketika pada 1995, Vapnik ilmuwan asal Rusia, mengajukan Support Vector Machines (SVM) sebagai salah satu metoda learning atau data mining (Statistical Learning Theory, Vapnik, 1995) banyak orang terkesima. Bertahun--tahun orang ramai membicarakan metoda ini sebagai tool baru yang menakjubkan. Orang lupa bahwa pada 1969, 26 tahun sebelumnya, OL Mangasarian dari Wisconsin University pernah mengajukan hal yang mirip. Yang membuat SVM sangat populer adalah adanya mekanisme kernel mapping dimana data di ruang input dipetakan ke ruang feature dengan dimensi baru dan di sana data yang nonlinear separable akan menjadi linear separable. Karya Mangasarin tidak punya fitur itu sehingga tidak banyak mendapat perhatian.
Selain keunggulan mekanisme kernel map, solusi SVM adalah golbal optimum. Ini berbeda misalnya dengan Artificial Neural Network (ANN) dimana solusinya bersifat local optimum karena permasalahanhya adalah nonlinear dan pendekatan trainingnya menggunakan pendekatan heuristik. Sedangkan SVM yang formulasinya berupa convex programming dan algorima pemecahannya menggunakan sequential quadratic programming yang memastikan solusinya global .

Banyak orang yang sedang belajar machine learning atau data mining menganggap bahwa SVM sebagai senjata ampuh yang memberi akurasi tinggi untuk memprediksi. Mereka belum tahu bahwa SVM hanya salah satu metoda di luar artificial neural network, linear discriminant, nonlinear discriminant, decision tree, naives bayes dan masih banyak lagi. Anggapan ini yang sering mendorong orang begitu ngefans dengan SVM.

Seandainya kita menerapkan SVM, masih banyak hal harus di tune in, seperti pilihan fungsi kernel, parameter kernel, rasio data training dan data testing. Jadi SVM bukan metoda yang tinggal pakai. Selain itu data juga perlu dipreprocess dengan baik sebelum dimasukkan kedalam SVM.

Bagi mereka yang sudah lama berkecimpung dalam data mining akan tahu bahwa tidak ada metoda terbagus untuk semua set data, untuk semua kondisi. Jadi SVM tidak selalu superior. Memang secara analytic dan empirik dibuktikan SVM mempunyai keunggulan, tetapi tidak selalu unggul.

Dalam sebuah workshop Data Mining yang saya ajar, para peserta begitu ingin belajar SVM diantara metoda lain. Mereka tidak tahu bahwa jika discriminant analysis ditambah dengan mekanisme kernel mapping juga bisa menghasilkan performansi yang bagus, begitu juga ANN.

Begitu juga ketika Kamarkar (1984) mengajukan pendekatan baru dalam menyelesaikan persoalan Linear Programming (LP) dengan Interior Point method(IPM), banyak yang terkesima. Pendekatan baru yang muncul setelah Dantzig mengajukan Simplex pada 1947. Jika simplex pencarian solusi optimal dimulai dari satu titik ekstrim (BFS) ke titik ekstrim yang lain, maka IPM memulai dari titik interior lalu bergerak ke arah yang lbih rendah (descent point) untuk ahirnya menuju titik optimal di titik ekstrim. Orang ramai membicarakan IPM lalu dikembangkan untuk diterapkan pada nonlinear programming.

Banyak sekali paper ditulis mengupas IPM dengan berbagai variasi. Namun Simplex masih tetap paling disukai mengingat solusinya yang global optimal. Dengan kemajuan teknologi komputasi, problem LP skala besar masih bisa diselesaikan dengan Simplex dalam waktu yang cepat. IPM tidak seperti yang dibayangkan ketika awal dilaunching, bahkan ketika itu majalah Times pun ikut membahas karya Kamarkar yang sangat akademis itu. Namun sampai kini masih kalah populer dibanding Simplex.

Dalam ranah lain, ketika para pembelajar agama di tahap awal atau orang yang pengetahuan agamanya terbatas dan tidak dibarengi dengan pengetahuan sejarah, antropologi, sosiologi maupun filsafat, mungkin akan menganggap paradigma baru yang disampaikan dengan memikat dipercaya sebagai senjata ampuh menyelesaikan segala persoalan. Dalam hal ini langsung saja saya sebut, khilafah. Konsep khlafah adalah konsep tentang sistem kekuasaan bukan persoalan agama..

Tetapi memperkenalkan konsep itu lewat ajaran agama akan lebih memikat , mudah masuk ke dalam ingatan orang atau hati para pembelajar dan dianggap sebagai amalan agama berpahala jannah. Tapi bagi mereka yang sudah lama belajar soal agama, ilmu pemerintahan, sejarah, filsafat dan ilmu sosial yang lain, akan sadar bahwa sistem khilafah hanyalah salah satu pilihan. Dia tidak akan bagus dalam segala kondisi. Apalagi jika sistem atau konsepnya sendiri belum jelas, maka akan sangat banyak hal yang masih perlu penyempurnaan dan langkah-langkah pendahuluan sehingga sistem itu bisa diterapkan.

Mirip seperti tune in parameter dalam supervised learning. Pembelajar pemula dengan sedikit wawasan dan pengalaman, cenderung percaya khilafah itu sebagai senjata sapu jagad. Segala persoalan jawabannya adalah khilafah!!

Padahal belum pernah belajar atau menganalisis sistem yang lain. Padahal di sana belum jelas seperti apa nanti sistem ekonominya, sistem perbankannya, sistem moneternya, sistem hubungan luar negeri, sistem jaminan kesehatan, sistem pengelolaan SDA, sistem pendidika , dsb. Belum lagi jika ngomong detil apakah akan ada kelurahan, kecamatan, kabupaten, provinsi, parlemen, kejaksaan, kehakiman, dsb. Berderet-deret ketidakjelasan yang lain. Semua masih gelap kecuali menerapkan syariah Islam. Itu pun perlu detil operasionalnya. Para pembelajar hanya bermodal keyakinan tanpa sifat kritis lalu menerima khilafah sebagai jalan keluar segala macam masalah.
Seperti pembelajar data mining yang hanya kenal SVM lalu ngefans berat. Pendekatan lain akan dianggap inferior. Bedanya para fans SVM tahu ada bukti analytic dan empirik, dan tidak berpikir itu sebagai tiket ke surga, itu hanya tool dalam machine learning. Khilafah belum ada tinjauan analitik maupun empirik, modalnya hanya keyakinan. Gimana mau ditinjau secara analitik jika ketua organisasinya saja belum paham detil konsep yang diusungnya. Pernahkah ada cerita sukses sistem khilafah diterapkan?

Pokoknya khilafah. Yang lebih aneh lagi adalah para pengikutnya yang pernah belajar metodologi penelitian dengan konsep statistik inferensinya. Mereka percaya hipotesa tanpa data. Mereka yakin segala persoalan toolnya sama.

Sumber : Status Facebook Budi Santoso Purwokartiko

Monday, May 27, 2019 - 09:30
Kategori Rubrik: