Bhtari Divakalyana Putri

    FOLLOW  

Pemanfaatan Algoritma Machine Learning dalam Memprediksi Hasil Pemilu Melalui Data Quick Count

Riset dan Teknologi | Monday, 06 May 2024, 16:31 WIB

Pemilu atau pemilihan umum 2024 telah usai dilaksanakan. Hasil pemilupun telah diumumkan oleh Komisi Pemilihan Umum (KPU) secara resmi. Namun, sebelum hasil dari KPU diumumkan terdapat beberapa lembaga survei dan media massa yang memberikan hasil perhitungan cepat atau yang biasa disebut quick count. Biasanya hasil dari quick count dan hasil perhitungan yang dilakukan oleh KPU tidak jauh berbeda, hal tersebut pun sudah terbukti dari pengumuman hasil pemilu beberapa waktu silam. Walaupun begitu, prediksi hasil pemilu selalu menjadi sorotan utama bagi pengamat politik, masyarakat luas, dan partai politik.

1. Definisi Teknologi Machine Learning sebagai Alat Prediksi Hasil Pemilu

Pada era saat ini, teknologi berkembang sangat cepat. Salah satu teknologi yang dikembangkan beberapa tahun belakangan ini adalah artificial intelligence(AI) atau kecerdasan buatan. Kecerdasan buatan merupakan suatu sistem yang dikembangkan pada mesin maupun komputer dan sistem tersebut dapat memiliki kecerdasan yang sama seperti manusia (Manongga D & dkk, 2022). Dalam artificial intelligence(AI) terdapat beberapa sub keilmuan yang salah satunya adalah machine learning. Machine learning dapat didefinisikan sebagai aplikasi komputer dan algoritma matematika yang diadopsi dengan cara pembelajaran yang berasal dari data dan menghasilkan prediksi di masa yang akan datang (Goldberg & Holland, 1988). Dengan berkembangnya teknologi dan metode analisis data saat ini, machine learning digunakan sebagai suatu alat untuk memprediksi hasil pemilu. Salah satu sumber data yang digunakan adalah data quick count. Data quick count ini di dapat dari sampel hasil pemilihan di beberapa TPS dengan metodologi tertentu (Nafiatul M, 2024)

Pemanfaatan algoritma machine learning dalam memprediksi hasil pemilu melalui data quick count merupakan sebuah inovasi yang menggabungkan teknologi dan analisis data untuk memberikan perkiraan hasil pemilu secara cepat dan akurat. Machine learning bekerja dalam beberapa tahap, yang pertama adalah pengumpulan data hasil pemilu dari setiap daerah. Data yang digunakan untuk memprediksi hasil pemilu adalah data quick count. Setelah data berhasil dikumpulkan, data akan dibersihkan agar tidak ada kesalahan atau inkonsistensi. Selanjutnya mesin akan memilih model yang sesuai untuk mengolah data quick count. Tahap yang ketiga mesin akan dilatih dengan data quick count yang sudah diproses. Machine learning akan terus melatih dirinya sehingga seiring berjalannya waktu, hasil yang dikeluarkan keakuratannya semakin meningkat. Kemudian mesin akan mengidentifikasi pola dari kumpulan data sehingga mesin bisa membuat prediksi yang lebih sistematis. Dan yang terakhir mesin akan dievaluasi dengan cara memecah data menjadi set pengujian serta pelatihan.

2. Manfaat dan Kekurangan Machine Learning sebagai Alat Prediksi Hasil Pemilu

Penggunaan machine learning dalam proses quick count dapat memberikan keakuratan yang lebih baik daripada metode tradisional. Selain itu, prediksi menggunakan data quick count memungkinkan pemantauan dan pengawasan yang lebih transparan dari berbagai pihak. Machine learning dalam memprediksi hasil pemilu juga memberikan wawasan tentang faktor faktor yang mempengaruhi hasil pemilu. Memprediksi hasil pemilu dengan teknologi machine learning juga sangat membantu karena machine learning dapat mengolah data yang berukuran besar. Meskipun teknologi ini menghasilkan keluaran yang cepat dan akurat, tetapi machine learning memiliki beberapa kelemahan seperti data bias dan manipulasi data.