Ketiga mahasiswa tersebut, yakni Muhammad Yusuf Kardawi, Alifya Febriana, dan Nona Zarima. Penelitian dibimbing dosen Jurusan Teknik Elektro dan Komputer USK, Kahlil Muchtar, yang juga Koordinator Prodi Teknik Komputer, USK itu.
Penelitian Yusuf berupaya mendeteksi penyakit osteoarthritis lutut melalui teknik kecerdasan buatan. Artikel yang diterima di ICWT tahun ini lebih dari 80 artikel dari berbagai dunia, termasuk Malaysia, Libya, India, Korea Selatan, dan Sri Lanka.
Penelitian lantaran masih banyak ditemukan perbedaan persepsi di kalangan ahli radiologi dalam menentukan tingkat keparahan osteoarthritis lutut, serta membutuhkan waktu relatif lama dan ketelitian tinggi dari ahli radiologi untuk menganalisa gambar hasil sinar-X lutut pasien.
“Penelitian ini mengusulkan sebuah CAD (Computer Aided Design) sebagai sistem pendukung untuk mendeteksi osteoarthritis lutut berdasarkan gambar Sinar-X melalui teknik Deep Learning yang dijalankan pada ponsel pintar,” kata Yusuf dikutip dari laman usk.ac.id, Selasa, 9 Agustus 2022.
Kemudian, Nona Zarima menganalisis dampak modifikasi gambar malaria terhadap akurasi pendeteksian melalui teknik kecerdasan buatan. Artikel ilmiahnya diterima pada CyberneticsCom dengan judul Pemanfaatan Fitur Tekstur Local Binary Pattern pada Klasifikasi Penyakit Malaria Berbasis Deep Learning.
“Alasan yang melatarbelakangi penelitian ini ialah dalam diagnosis malaria, umumnya tenaga medis melakukan secara visual melalui alat mikroskopis, yang tingkat keakuratannya bergantung terhadap pengalaman dan keahlian dari tenaga medis itu sendiri,” kata Nona.
Dia menuturkan hal itu memerlukan proses panjang dan dapat berujung pada diagnosis yang salah. Sehingga, penelitiaan ini mengusulkan sebuah sistem berbasis komputer yang memanfaatkan fitur tekstur untuk mengklasifikasikan penyakit malaria melalui pembelajaran mendalam (deep learning).
Sementara itu, penelitian Alifya Febriana yang dipresentasikan dalam konferensi CyberneticsCom berjudul USK-Coffee Dataset: A Multi-Class Green Arabica Coffee Bean Dataset for Deep Learning (Klasifikasi Multi-Kelas Biji Kopi Arabica Green Bean dengan Menggunakan Deep Learning).
“Penelitian ini dilatarbelakangi oleh meningkatnya permintaan ekspor biji kopi di Indonesia ke berbagai negara. Namun, setelah dilakukan survei ke KNT Coffee di Banda Aceh, ternyata teknik dalam menyortir biji kopi masih manual menggunakan tangan, tanpa menggunakan teknologi, begitu pula dengan negara penghasil kopi lainnya,” beber Alifya.
Alifya menyebut hal ini menyebabkan proses sortir membutuhkan waktu lebih lama, membutuhkan banyak pekerja dalam sortasi, membutuhkan tingkat fokus yang tinggi, dan berpotensi menyebabkan stres dan kelelahan pekerja. Meski, mesin teknologi penyortir biji kopi telah banyak dijual di e-commerce, namun mesin tersebut hanya bisa menyortir biji kopi bagus dan rusak dengan harga yang sulit dijangkau.
Dampaknya, pekerja kopi masih harus menyortir biji kopi berdasarkan varietasnya secara manual. Oleh karena itu, Alifya mengusulkan untuk membuat sebuah model komputer yang dapat melakukan deteksi dan klasifikasi biji kopi arabika berdasarkan tipe biji kopi rusak, peaberry, longberry dan premium.
Dia berharap hal itu dapat menjadi langkah awal bagi peneliti lain dalam pengembangan teknologi sortasi biji kopi dan membantu petani menyortir biji kopi. Alifya juga memperkenalkan dataset biji kopi arabika yang dinamakan USK-Coffee Dataset.
Dataset ini berisi 8.000 gambar kopi dari 4 kelas dan akan terus bertambah. Dataset tersebut dapat diakses secara publik melalui https://comvis.unsyiah.ac.id/usk-coffee/. Prosiding ICWT dan CyberneticsCom setiap tahunnya telah dipublikasikan di IEEE Xplore dan terindeks Scopus.
Sementara itu, Wakil Rektor III USK, menjelaskan ICWT adalah konferensi yang diselenggarakan rutin oleh Sekolah Teknik Elektro dan Informatika (STEI) Institut Teknologi Bandung. Tahun ini, konferensi ICWT berkolaborasi dengan UIN Sunan Gunung Djati (UIN-SGD) sebagai patron yang berlangsung 21-22 Juli 2022 di Yogyakarta. Sedangkan, IEEE CyberneticsCom ialah konferensi unggulan dari IEEE Indonesia Section.
“Saya mengucapkan selamat atas capaian yang diraih tiga mahasiswa USK. Ini menunjukkan anak-anak kita mampu menghasilkan karya ilmiah yang bereputasi internasional,” kata Mustanir.
| Baca juga: Fakultas Teknik USK Raih Peringkat Tujuh Nasional Versi Scimago |
Cek Berita dan Artikel yang lain di
Google News
