MEKK FEB UI: Abductive Reasoning Using Machine Learning in Management and Economics
Rifdah Khalisha – Humas FEB UI
DEPOK – (15/12/2021) Magister Ekonomi Kependudukan dan Ketenagakerjaan (MEKK) FEB UI mengadakan kuliah umum dengan tema “Abductive Reasoning Using Machine Learning in Management and Economics” secara daring, pada Rabu (15/12). Menghadirkan pembicara Abhishek Sheetal (Pengajar Nanyang Business School) dan pemandu acara Elda Luciana Pardede (Pengajar FEB UI).
Sheetal berbicara perihal keadaan Artificial Intelligence (AI) atau kecerdasan buatan dalam ilmu sosial. Menurut pendapat Jacobucci et al dan Nusinovici et al, kita harus berhenti menggunakan kecerdasan buatan. Tak sejalan, bagi Choudhury et al dan Sheetal et al, kita justru harus menggunakan kecerdasan buatan dengan lebih banyak.
Ia mengutarakan, “Pada abad ke-18, seorang pemikir pragmatis asal Amerika, Charles Sanders Peirce, merumuskan dan mengemukakan sebuah pemikiran penalaran baru bernama abduktif, proses pembentukan hipotesis penjelas terhadap seluruh peristiwa secara akurat.”
“Meski setiap metode berfungsi bagi jenis permasalahan yang berbeda, abduktif merupakan satu-satunya operasi logis yang memperkenalkan ide baru karena induksi hanya menentukan nilai dan deduksi hanya mengembangkan konsekuensi yang diperlukan dari hipotesis murni. Charles menyatakan bahwa abduksi sebagai model inferensi yang berbeda secara kualitatif dengan model inferensi tradisional, yaitu induksi dan deduksi,” tuturnya.
Sheetal menjelaskan perbedaan antara metode penalaran deduktif, induktif, dan abduktif, melalui premis-premis dan kesimpulan dari suatu inferensi dengan istilah aturan (rule), sebagai suatu pernyataan abstrak atau umum; kasus (case), sebagai pernyataan khusus yang berhubungan; dan kesimpulan (result), sebagai hasil observasi secara empiris.
Sederhananya, induktif berarti penarikan kesimpulan proposisi umum dari proposisi khusus, sedangkan deduksi berarti penarikan kesimpulan proposisi khusus dari sejumlah proposisi umum. Lalu, abduktif adalah kesimpulan argumentasi terbaik dari sekian banyak argumentasi yang mungkin sehingga sering disebut sebagai argumentasi menuju penjelasan terbaik.
“Penalaran abduktif harus melalui proses 2 langkah, yakni pembuatan hipotesis dari data yang tidak lengkap dan pemeriksaan hipotesis atau verifikasi,” ungkapnya.
Ia mendemonstrasikan penalaran abduktif menggunakan pembelajaran mesin (machine learning) untuk menghasilkan hipotesis, mengingat metode tradisional masih memiliki banyak kekurangan, di antaranya masih mengandalkan pengetahuan para ahli sehingga cenderung bias dan terbatas oleh imajinasi.
Pembelajaran mesin adalah sebuah metode analisis data—cabang dari kecerdasan buatan—yang mengotomatisasi pembuatan hipotesis. Sistem ini mampu mempelajari data, mengidentifikasi pola, dan mengambil keputusan, dengan sedikit intervensi manusia.
Prosesnya mulai dari memilih kumpulan data yang cukup besar, menentukan variabel terikat dengan proyek paralel ekonomi dan manajemen, membuat model pembelajaran mesin menggunakan kumpulan data yang teridentifikasi, menganalisis model, hingga memverifikasi proses abduktif.
Akhir kata, Sheetal mengatakan, “Saya ingin mengajak para peneliti untuk mulai menjalankan penelitian empiris dengan penalaran abduktif. Pembelajaran mesin adalah agnostik domain, matematika sederhana, dan metode terbaik untuk abduktif.” (hjtp)