Semarang, Dosen Universitas Bina Darma Palembang Usman Ependi meraih gelar doktor usai mempertahankan disertasinya pada ujian Disertasi Program Studi Doktor Sistem Informasi (DSI) Sekolah Pascasarjana Universitas Diponegoro (Undip) dan meraih predikat cumlaude dengan IPK 4,00 pada Senin, 26 Februari 2024 di Gedung TTB A Sekolah Pascasarjana Undip.
Dr Usman Ependi melakukan penelitian dengan judul “Pengembangan Model Penilaian Kota Pintar Menggunakan Crowdsourced Data dan Long Short-Term Memory Berbasis General Systems Theory”.
Bertindak sebagai Ketua Penguji sekaligus Dekan Sekolah Pascasarjana Undip Dr. R.B. Sularto, S.H., M.Hum., Sekretaris Penguji sekaligus Ketua Program Studi Doktor Sistem Informasi Undip Prof. Dr. Drs. Rahmat Gernowo, M.Si. Adapun bertindak sebagai Promotor Prof. Dr. Adian Fatchur Rochim, S.T., M.T. dan Ko Promotor Dr.Eng. Adi Wibowo, S.Si., M.Kom.
Penguji I Prof. Dr. Ir. Hadiyanto, S.T., M.Sc., IPU, Penguji II Prof. Dr. Ir. R. Rizal Isnanto, S.T., M.M., M.T., IPM dan Penguji eksternal dari ITB Prof. Dr. Ing. Ir. Suhardi, M.T.
Menurut Dr Usman Ependi bahwa dalam rangka mencapai pemahaman yang lebih mendalam mengenai ekosistem perkotaan melalui penilaian kota pintar, terdapat keterbatasan yang signifikan dalam teknik evaluasi tradisional. Keterbatasan tersebut mencakup sumber data yang tidak selalu sesuai, kurangnya data yang komprehensif, dan kendala waktu nyata.
“Perkembangan signifikan dalam ketersediaan crowdsourced data telah memberikan gambaran dinamis yang berharga mengenai sistem perkotaan. Kesadaran akan pentingnya data ini mendorong penelitian ini untuk mengembangkan sebuah model penilaian kota pintar dengan menggunakan crowdsourced data, tujuan utamanya mengatasi kesenjangan dalam pemahaman tentang interaksi perkotaan, di saat bersamaan menangani tantangan data tidak seimbang yang berasal dari crowdsourced data,” ungkap Dr Usman Ependi.
Ia menambahkan penelitian ini mengadopsi pengembangan model didasari dari prinsip General Systems Theory (GST) untuk kota pintar dengan pendekatan melalui Metodologi Ilmu Desain. Selain itu, penanganan data tidak seimbang ditekankan dengan penggunaan hibrid level data yang menggabungkan oversampling dan undersampling, yang mencakup Random Over Sampling dan Neighborhood Cleaning Rule (ROS-NCL) dengan algoritma klasifikasi long short-term memory (LSTM).
Hasil dari penelitian ini adalah sebuah model penilaian kota pintar yang komprehensif. Model ini menyediakan pemahaman yang mendalam tentang ekosistem perkotaan melalui tiga dimensi utama keberlanjutan: sosial, ekonomi, dan lingkungan. Model ini juga mencakup dua belas indikator yang relevan dengan dimensi-dimensi ini. Validitas dan efektivitas model ini telah diuji secara empiris melalui studi kasus pada empat kota di Pulau Jawa Indonesia, yakni Surabaya, Semarang, Bandung, dan Jakarta. Hasil penilaian dari model ini dipresentasikan melalui analisis multidimensi, memberikan pandangan mendalam tentang setiap kota yang dapat digunakan untuk panduan pengembangan dan perbaikan pada masa mendatang. Selain itu, pendekatan ROS-NCL dan algoritma LSTM terbukti sangat efektif dalam mengatasi ketidakseimbangan data dalam klasifikasi crowdsourced data ke dimensi dan indikator penilaian kota pintar, mendemonstrasikan superioritasnya dibandingkan dengan pendekatan lain dalam hibrid level data.
