 |
| Foto: Novri Suhermi SSi MSi sebagai peraih penghargaan The Best Poster. |
Salah satunya dosen Departemen Statistika ITS, Novri Suhermi SSi MSi, yang membuktikan kepiawaiannya memetakan konsumsi energi yang ada di Lancaster University, Inggris dan berhasil membawa pulang penghargaan the Best Poster dalam Machine Learning Summer School (MLSS) yang diadakan oleh Telkom University.
Novri merancang poster yang berhubungan dengan pemodelan konsumsi energi dari universitas tempatnya mengenyam pendidikan S3 saat ini. Konsumsi energi merupakan sejumlah energi yang dieksploitasi langsung dari sumber daya alam tanpa adanya proses konversi. Berdasarkan keterangan Novri, poster yang dipresentasikannya merupakan riset dari program S3 yang sedang dijalankan. Riset tersebut bertujuan untuk memodelkan pola konsumsi energi tiap waktunya.
Lebih lanjut, laki-laki berusia 28 tahun ini juga menjelaskan kegunaan dari risetnya yang ditampilkan dalam bentuk poster, yaitu mengidentifikasi faktor-faktor yang mempengaruhi besarnya konsumsi energi dan memprediksi besarnya konsumsi energi di masa depan. Dalam hal ini, konsumsi energi di Lancaster University terdiri dari beberapa jenis, di antaranya pencahayaan, pemanas, penggunaan air, dan konsumsi listrik umum. “Faktor-faktornya bisa meliputi tingkat okupansi, desain bangunan, pengaturan maintenance, dan cuaca,” tutur dosen yang juga lulusan ITS tersebut, di Surabaya, Kamis(13/8/2020).
Ahli analisis data itu turut membeberkan bahwa untuk membuat poster tersebut, diperlukan data yang cukup banyak karena di Lancaster University terdapat lebih dari 100 gedung kampus dan terdapat ribuan sensor yang mencatat konsumsi energi yang tersebar di seluruh gedung. Tidak sampai di situ, data yang tercatat dikumpulkan secara real time. Komputasi waktu nyata adalah kondisi pengoperasian dari suatu sistem perangkat keras dan perangkat lunak yang dibatasi oleh rentang waktu dan memiliki tenggat waktu.
Dalam mengolah datanya, Novri menggunakan metode yang dinamakan Functional Data Analysis (FDA). Yakni merupakan serangkaian metode untuk menganalisis data melalui kurva, permukaan statistik, dan kontinum. Novri mengimbuhkan bahwa metode FDA memungkinkan penggunanya untuk memodelkan data secara fleksibel yang bersifat multidimensional, berfrekuensi tinggi (high-frequency), dan dalam skala besar.
Dengan banyaknya gedung di kampus dan beragam jenis konsumsi energi, metode FDA membantu penggunanya untuk melakukan otomasi dengan skala besar sehingga peneliti bisa mengetahui hasilnya. Misalnya, di gedung apa, lantai berapa, ruang apa, dan waktu kapan konsumsi energinya tidak efisien. “Informasi-informasi ini nantinya akan ditindaklanjuti ke pihak stakeholder supaya dibuat kebijakan untuk penghematan energi, contoh selanjutnya adalah kita membuat prediksi besarnya energi konsumsi di masa depan,” terang dosen yang berasal dari Riau tersebut. (mad/one).
