Indonesia 
English 
Yogyakarta, 6 Agustus 2026 – Program Studi Magister Kecerdasan Artifisial (MKA), Departemen Ilmu Komputer dan Elektronika (DIKE) FMIPA UGM menggelar kuliah tamu bertajuk “Distributed and Machine Learning: Industry Applications (2)” pada Kamis, 6 Agustus 2026, di Ruang Turing, Gedung DIKE Lantai 4. Kegiatan ini menghadirkan Reetabrata Har, Ph.D., dari Quipus Systems (quipus-labs.com), sebagai pembicara.
Reetabrata Har mengawali pemaparannya dengan menjelaskan konsep dasar federated learning, yaitu skema yang memungkinkan berbagai institusi saling belajar tanpa saling melihat data satu sama lain. Ia menguraikan alur kerjanya dalam empat tahap utama. Pertama, tahap input, saat masing-masing institusi memproses datanya sendiri, seperti pola login dan log jaringan. Kedua, tahap pelatihan (training), saat model dilatih secara lokal di tiap institusi untuk mengenali pola dan hubungan antara data masukan dan keluaran. Ketiga, tahap berbagi (sharing), saat hanya bobot atau parameter hasil pembelajaran model, bukan data mentah, yang dikirim ke server pusat. Keempat, tahap agregasi (aggregate), saat bobot dari seluruh institusi digabungkan menjadi satu model global yang lebih kuat dan lebih tangguh dalam mengenali ancaman yang belum pernah terdeteksi sebelumnya oleh institusi mana pun. Ia turut memaparkan perbandingan sejumlah metode machine learning dari sisi kesesuaiannya diterapkan dalam skema federated learning, seperti Logistic Regression, XGBoost, Random Forest, dan model neural network, dengan meninjau kelebihan dan kekurangan masing-masing metode, mulai dari kemudahan agregasi antarinstitusi, tingkat akurasi, beban komunikasi antarmodel, hingga isu client drift.
Dalam paparannya, Reetabrata turut memperkenalkan pendekatan yang dikembangkan Quipus Systems, perusahaan berbasis di Sydney, Australia, yang berfokus pada AI kolaboratif dengan prinsip privacy-preserving untuk deteksi penipuan (fraud) dan ancaman siber. Alih-alih mengumpulkan data dari berbagai institusi ke satu pusat data, pendekatan ini memungkinkan tiap organisasi melatih model AI-nya secara lokal, sehingga data mentah tidak pernah keluar dari infrastruktur masing-masing dan hanya pembaruan model yang dibagikan untuk memperkuat model gabungan. Skema ini dirancang tetap patuh terhadap regulasi perlindungan data seperti GDPR, sekaligus mengatasi tantangan umum seperti minimnya data pada organisasi baru (cold start problem) dan celah deteksi (blind spot) yang kerap terjadi bila data hanya bersumber dari satu institusi.
Sesi tanya jawab menghadirkan diskusi menarik seputar tantangan data imbalance dalam kasus deteksi fraud, mengingat data kasus penipuan pada praktiknya jauh lebih sedikit dibandingkan data transaksi normal. Menanggapi hal ini, Reetabrata menjelaskan sejumlah metode penanganan data imbalance, salah satunya Synthetic Minority Oversampling Technique (SMOTE) yang telah ia terapkan secara langsung, sembari menyebutkan beberapa pendekatan alternatif lain yang menurutnya menjanjikan secara teori, meski belum sempat ia uji coba. Sesi ini menjadi bagian dari rangkaian Industry Applications yang secara berkelanjutan dihadirkan MKA DIKE UGM untuk mendekatkan mahasiswa dengan penerapan nyata AI di dunia industri.
Melalui kuliah tamu ini, DIKE FMIPA UGM berperan aktif menjembatani mahasiswa dengan praktisi industri global, memperkaya wawasan penerapan kecerdasan artifisial di luar konteks akademik semata. Kegiatan ini turut mendukung capaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 4 (Pendidikan Berkualitas) melalui penyediaan forum pertukaran wawasan akademik-industri, SDG 9 (Industri, Inovasi, dan Infrastruktur) melalui pengenalan pendekatan machine learning terdistribusi yang inovatif, SDG 16 (Perdamaian, Keadilan, dan Kelembagaan yang Tangguh) melalui potensi penerapannya dalam memperkuat deteksi kejahatan siber dan penipuan finansial, serta SDG 17 (Kemitraan untuk Mencapai Tujuan) melalui kolaborasi lintas institusi dan lintas negara yang menjadi inti dari pendekatan federated learning itu sendiri.
Author: Alissa Dyah Ayu Permatasari
Editor: Hikmah Nursidik
#SDGs4 #SDGs9 #SDGs16 #SDGs17
