Batasan Teknik Lanjutan

Dua belas chapter terakhir memperkenalkan peralatan yang makin tajam: deteksi anomali, SMOTE, ensemble, explainable AI, inferensi kausal, Bayesian, drift, geospasial, NLP, hingga jaringan saraf. Perkenalan itu tidak lengkap tanpa pasangannya — dan pasangannya bukan kekurangan, melainkan kejujuran: setiap teknik lanjutan membebankan biaya dalam waktu, kompleksitas, pemahaman, dan perawatan, dan biaya itu hanya terbayar bila masalahnya memang menuntut. Bab penutup Section ini menimbang sisi mana timbangan itu: kapan teknik lanjutan layak diangkat, kapan ia hanya memperindah laporan tanpa menambah keputusan yang lebih baik, dan bagaimana menjaga diri dari godaan “semakin canggih pasti semakin baik” yang memakan banyak proyek nyata.

Tiga Biaya yang Selalu Dibayar #

Teknik lanjutan tidak dibeli gratis. Tiga biayanya paling sering diremehkan:

Biaya	Wujudnya	Contoh dari Section ini
Waktu & komputasi	Pelatihan, penalaan, perangkat	Grid hyperparameter luas; deep learning butuh GPU
Pemahaman & kejelasan	Makin sulit dijelaskan ke pemangku kepentingan	SHAP dan permutation penting justru karena modelnya gelap
Perawatan	Makin banyak bagian yang bisa rusak diam-diam	Pemantauan drift menjadi pekerjaan berkelanjutan, bukan sekali jalan

Perhatikan simetri yang menipu pada baris kedua: sebagian teknik lanjutan (ensemble, deep learning) menciptakan masalah kejelasan yang kemudian dijawab teknik lanjutan lain (explainable AI). Kadang rantai itu perlu — model yang benar-benar jauh lebih akurat pantai dijelaskan dengan alat bantu. Tetapi rantai yang sama sering kali tak akan diperlukan bila model sederhana sudah menuntaskan pekerjaan: sebuah regresi logistik yang koefisiennya terbaca langsung tidak memerlukan lapisan penjelas tambahan.

Bukti Kecil: Kompleksitas yang Tidak Terbayar #

Percobaan sederhana sering menjadi obat yang efektif sebelum memutuskan naik kelas: adu tangga kompleksitas pada data Anda sendiri dan lihat apakah tiap anak tangga benar-benar dibayar. Kita jalankan pada data churn kecil (40 baris, satu fitur) — ukuran yang jarang absen di dunia nyata — dengan empat model dari paling sederhana ke paling kompleks:

python
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.dummy import DummyClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline

rng = np.random.default_rng(42)
n = 40   # data kecil khas proyek nyata
frekuensi = rng.integers(1, 20, n).astype(float)
skor = 0.5 * (20 - frekuensi) + rng.normal(0, 4.0, n)
churn = (skor > skor.mean()).astype(int)
X = frekuensi.reshape(-1, 1)

model = {
    "Baseline (modus)": DummyClassifier(strategy="most_frequent"),
    "LogisticRegression": make_pipeline(StandardScaler(), LogisticRegression()),
    "RandomForest (100)": RandomForestClassifier(n_estimators=100, random_state=42),
    "MLP (8 neuron)": make_pipeline(StandardScaler(),
                                    MLPClassifier(hidden_layer_sizes=(8,),
                                                  max_iter=2000, random_state=42)),
}

print(f"{'model':<22} {'akurasi CV':>12}")
for nama, m in model.items():
    skor_cv = cross_val_score(m, X, churn, cv=5)
    print(f"{nama:<22} {skor_cv.mean():>6.3f} ± {skor_cv.std():.3f}")

Output yang Dihasilkan:

text
model                    akurasi CV
Baseline (modus)        0.500 ± 0.000
LogisticRegression      0.675 ± 0.061
RandomForest (100)      0.600 ± 0.050
MLP (8 neuron)          0.675 ± 0.127

Mari kita telaah hasilnya:

Baseline 0,500 menegaskan bahwa sinyalnya lemah: dengan 40 baris dan satu fitur bising, tidak ada model yang berhak klaim hebat — dan itu sendiri temuan penting: kumpulkan data lebih dulu, bukan algoritma.
Regresi logistik unggul atau seri dengan yang jauh lebih kompleks: 0,675 berbanding 0,600 (random forest) dan 0,675 (MLP). Kompleksitas tidak membeli apa pun di sini.
MLP membayar dengan ketidakstabilan: simpangan bakunya 0,127 — dua kali regresi logistik. Model paling kompleks justru paling goyah ketika datanya tipis; lima lipatan validasi silang memberinya hasil bagus dan buruk secara bergantian.
Pesan praktisnya bukan “jangan pakai model kompleks”, melainkan “biarkan bukti yang mengangkat Anda ke sana”: naik kelas hanya setelah baseline sederhana terkalahkan dengan selisih yang lebih besar daripada simpangan bakunya.

Data Berkualitas Melampaui Algoritma #

Pengalaman lintas proyek membentuk satu pepatah yang ulet: kualitas data dan perumusan masalah mengalahkan pilihan algoritma hampir di setiap kasus. Model tercanggih pada fitur yang salah menghasilkan jawaban yang salah dengan percaya diri; model sederhana pada pertanyaan yang tepat dan data yang bersih menghasilkan keputusan yang berubah hasil. Seluruh perjalanan course ini memang dibangun dengan urutan itu: pemahaman data (Section dasar-data), pembersihan (data-cleaning), eksplorasi (eksplorasi-data), statistika, fitur (feature-engineering) — semuanya BAHAN BAKU — baru kemudian model dan teknik lanjutan. Urutan itu bukan kebetulan kurikulum; ia cermin urutan dampak di lapangan.

Daftar Periksa Naik Kelas #

Rangkuman seluruh Section dalam bentuk yang bisa ditempel di dinding:

Baseline dulu — model paling sederhana adalah tolok ukur wajib; teknik lanjutan harus mengalahkannya lebih besar daripada simpangan bakunya.
Data sebelum algoritma — tambah baris atau perbaiki fitur lebih sering menolong daripada ganti model.
Sederhana yang cukup lebih baik daripada kompleks yang sama — biaya pemahaman dan perawatan nyata, dibayar setiap bulan, bukan sekali.
Teknik lanjutan adalah jawaban atas masalah spesifik — anomali untuk anomali, SMOTE untuk ketimpangan, drift untuk operasi berjalan; bukan bumbu penyemangat laporan.
Evaluasi tetap raja — split yang jujur, leakage yang dijauhi, dan interval ketidakpastian yang disebut; tidak ada teknik yang membatalkan bab pertama Section ini.

Rangkuman #

Setiap teknik lanjutan membebankan biaya waktu, kejelasan, dan perawatan; hanya masalah yang menuntut yang pantas membayarnya.
Pada data kecil, model kompleks bisa kalah dari regresi logistik dan membayar dengan ketidakstabilan — biarkan bukti, bukan selera, yang mengangkat kompleksitas.
Kualitas data dan perumusan masalah hampir selalu lebih menentukan daripada pilihan algoritma; urutan course ini adalah urutan dampak di lapangan.
Tiga pertanyaan sebelum naik kelas: apa yang gagal dicapai model sederhana, apakah kegagalannya terbukti, dan siapa membayar perawatannya.
Teknik lanjutan adalah alat untuk masalah spesifik — bukan gelar kelayakan proyek.

Teknik, fondasi, dan alat kini lengkap di tangan kita — dari matematika dasar hingga jaringan saraf, dari statistika hingga etika pembacaan hasil. Pertanyaan berikutnya bukan lagi “teknik apa”, melainkan “bagaimana seluruh teknik ini disusun menjadi cara kerja yang bisa diulang, diaudit, dan dipercaya”. Itulah medan Section berikutnya: Data Science Workflow .