Machine Learning untuk Statistik Resmi di Negara-Negara Asia Pasifik- Pidato Kepala Perwakilan PBB di Indonesia, Gita Sabharwal

3 - 7 Februari 2025

Jakarta, Indonesia

Ibu Pudji Ismartini, Deputi Bidang Metodologi dan Informasi Statistik, BPS,

Bapak M. Habibullah, Deputi Bidang Statistik Produksi, BPS

Prof Setia Pramana, Wakil Direktur Politeknik Statistika STIS

Peserta dari Kantor Statistik Kazakhstan, Malaysia, Thailand, Timor Leste, Turki, dan Viet Nam,

Para Data Scientist dari BPS, Politeknik Statistika STIS, kementerian dan universitas,

Rekan-rekan, Bapak/Ibu, dan hadirin sekalian,

Dengan senang hati saya menyambut Anda dalam lokakarya machine learning untuk statistik resmi yang diselenggarakan oleh Indonesia dalam kapasitasnya sebagai pusat regional untuk data besar dan ilmu data untuk Asia dan Pasifik.

Saya tahu bahwa kita memiliki ruangan yang penuh dengan ahli statistik dan ahli data, termasuk rekan-rekan dari UN DESA dan UN ESCAP, yang memiliki kecintaan terhadap angka, metodologi, dan analisis.

Lokakarya ini merupakan kesempatan yang sangat baik untuk meningkatkan kapasitas Anda dan meningkatkan keahlian Anda dalam teknik machine learning, terutama karena pemerintah kini semakin mengandalkan bukti nyata secara real-time dalam merumuskan kebijakan.  

Teknologi mutakhir melalui machine learning akan berkontribusi besar terhadap percepatan SDG dan transformasi hijau di seluruh wilayah. 

Yang terpenting, machine learning bukan hanya tren teknologi, tetapi juga merupakan transformasi mendasar dalam metodologi statistik.

Indonesia merupakan tempat yang ideal untuk lokakarya machine learning ini.

Sebagai anggota G20 dengan ekonomi yang kuat dan agenda pembangunan yang berwawasan ke depan, Indonesia telah menggunakan teknologi ini untuk menguji dan meningkatkan informasi waktu nyata dalam mendukung prioritas nasional.

BPS telah menggunakannya untuk menilai tingkat produksi beras saat ini berdasarkan citra satelit, untuk memperkirakan distribusi geografis kemiskinan dengan menggunakan cahaya malam, dan untuk menganalisis data posisi untuk mengukur komuter perkotaan, dan statistik pariwisata.

Sebagai ahli statistik, Anda pasti berhadapan dengan banyak data.

Untuk melacak tren sosial-ekonomi, Anda harus memanfaatkan berbagai sumber data seperti sensus pemerintah dan data administratif dari kementerian.

Dalam menghadapi banyaknya data tersebut, ada permintaan yang meningkat dari para pemimpin politik untuk mengintegrasikan berbagai kumpulan statistik dan analisis data ke dalam satu wadah. 

Memanfaatkan machine learning akan membantu ahli statistik seperti Anda mewujudkan hal ini dengan mempercepat analisis, mengungkapkan pola tersembunyi dalam rim data, menghilangkan anomali, dan menghindari duplikasi.

Model machine learning yang dilatih untuk membuat prediksi yang tepat juga akan memungkinkan Anda untuk memberikan wawasan yang lebih dalam tentang tren dan hasil di masa depan. Hal ini akan membantu dalam mengelola risiko, memprediksi tren, dan membuat keputusan yang proaktif.

Yang tak kalah penting, machine learning akan menghasilkan peningkatan efisiensi yang cukup besar dan mempercepat intervensi kebijakan yang lebih tepat sasaran.  

Saya telah melihat manfaatnya secara langsung di Pusat Pengendalian Operasi Darurat Kementerian Kesehatan di Jakarta baru-baru ini.

Pusat ini memanfaatkan pembelajaran mesin untuk melacak keadaan darurat terkait kesehatan di seluruh negeri secara real-time untuk mendukung respons yang cepat terhadap keadaan darurat kesehatan, baik itu bencana alam maupun wabah penyakit pada manusia atau ternak.

Sistem serupa dapat digunakan untuk menilai data sensus dan administrasi yang kompleks untuk intervensi dalam mengurangi angka kematian ibu, meningkatkan perlindungan sosial untuk demografi tertentu, atau agenda penting lainnya yang sejalan dengan SDGs.

Namun, kita harus melakukan pendekatan terhadap perubahan teknologi dengan hati-hati untuk memastikan keandalan dan transparansi. 

Kita dapat melakukan hal ini dengan menurunkan margin kesalahan pada produk statistik, yang akan meningkatkan kepercayaan publik terhadap produk tersebut. 

Lokakarya ini memberikan kesempatan belajar untuk hal ini.  

Lokakarya ini juga akan memungkinkan kita untuk terhubung dengan rekan-rekan dari enam negara yang berbeda, memperluas jaringan profesional, memperdalam kemitraan, dan menjalin persahabatan yang langgeng.

Terima kasih.