FMIPA IPB

Fast Forward Future

FMIPA / Mengkaji Statistical Modeling Daring Bersama Dosen IPB University dan Dosen Universitas Hasanuddin

Mengkaji Statistical Modeling Daring Bersama Dosen IPB University dan Dosen Universitas Hasanuddin
Berita Utama Departemen Fakultas IPB Liputan Khusus 

Mengkaji Statistical Modeling Daring Bersama Dosen IPB University dan Dosen Universitas Hasanuddin

Editorial

Program Studi Statistika dan Sains Data, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), IPB University gelar seminar online seri keempat (17/6). Seminar kali ini mengangkat topik Statistical Modeling, yang membahas subtopik Meningkatkan Akurasi Model Regresi dengan Studi Kasus Bahan Ferrolitik.

Narasumber yang hadir adalah Dr Muhammad Nur Aidi, dosen IPB University dari Departemen Statistika.
“Kelompok bahan feroelektrik masih menarik banyak minat dalam komunitas ilmiah. Bahan feroelektrik adalah bahan dielektrik yang memiliki polarisasi spontan dengan kemampuan mengubah polarisasi internalnya ketika terpapar di bawah medan listrik yang sesuai,” ujar Dr Nur Aidi.

Menurutnya, bahan-bahan feroelektrik sangat sensitif ketika menerima sinar. Sinar yang diberikan pada bahan tersebut sebagian akan diteruskan, diserap dan dipantulkan kembali. Bahan ini sangat berguna untuk saklar otomatis yang berhubungan dengan sinar dan listrik. “Oleh karena itu pola cahaya yang diserap, dipantulkan dan diteruskan ketika menerima cahaya sangat penting diketahui untuk mengetahui karakteristik bahan tersebut sehingga penggunaannya dapat optimal. Salah satu bahan tersebut adalah  strontium titanate dan Lithium niobate,” jelasnya.

Dalam seminar tersebut, hadir juga Sri Astuti Thamrin, PhD selaku dosen Departemen Statistika Universitas Hasanuddin guna membahas mengenai Pengambilan Keputusan dalam Ketidakpastian dengan Pemodelan Bayesian. “Metode Bayesian memungkinkan kita untuk berpikir secara berbeda tentang perkiraan (estimating) dan tafsiran (interpreting) parameter yang tidak diketahui, menggabungkan informasi sebelumnya dengan data, menjelaskan banyak sumber ketidakpastian dalam model, menjelaskan sistem yang kompleks menggunakan model hierarki atau multi level,” ujar Sri.

Sri juga mengungkapkan bahwa metode komputasi Bayesian juga memungkinkan untuk menggunakan non-standard distribution, fit very complex model, mendapatkan berbagai taksiran yang sangat luas, membuat berbagai kesimpulan yang sangat luas, berdasarkan langsung pada probabilitas posterior. (AMA/Zul)