YOGYAKARTA, JOGPAPER.NET — Dosen Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia (FTI UII), Dr Syarif Hidayat berhasil menemukan aplikasi pendeteksi jatuh (fall detection) seseorang. Aplikasi ini dengan cepat akan memberikan informasi melalui smartphone kepada anggota keluarga bila seseorang yang mengenakan alat fall detection terjatuh.
Syarif Hidayat mengemukakan hal tersebut kepada wartawan yang didampingi Rahadian Kurniawan MKom, Manager Akademik Keilmuan Program Studi Informatika, Program Magister FTI UII di Gedung KH Mas Mansur FTI UII, Selasa (28/1/2020). Temuan ini telah mengantarkan Syarif Hidayat meraih gelar doktor dari Departemen Ilmu Komputer dan Elektronika, Universitas Gadjah Mada (UGM) Yogyakarta. Syarif Hidayat lulus doktor bulan September 2019 dan menjad doktor kedelapan Jurusan Informatika FTI UII.
Dijelaskan Syarif Hidayat, Fall Detection menggunakan algoritme machine learning sehingga komputer dapat belajar layaknya manusia dalam mengenali pola. Misalnya, komputer bisa mengenali wajah dan sidik jari seseorang.
Fall Detection, kata Syarif Hidayat, menggunakan Random Forest atau salah satu algoritme Machine Learning yang memiliki akurasi paling tinggi. Microsoft menerapkan algoritme ini pada console game andalannya, yaitu XBOX 360.
“Sayangnya, model pengenalan pola yang dihasilkan algoritme ini membutuhkan sumber daya komputasi yang cukup besar. Sehingga algoritme ini hanya dapat diterapkan pada perangkat berspesifikasi tinggi,” kata Syarif.
Karena itu, Syarif Hidayat mengembangkan penelitiannya menggunakan tiga metode yaitu Splitting Criteria Optimization (SCO), Measured Tree Pruning (MTP), dan Accuracy-Based Tree Clustering (ATC). Ketiga metode tersebut mampu menghasilkan model pengenalan pola yang lebih ringkas.
Ada beberapa keuntungan menggunakan tiga metode tersebut. Pertama, program dapat dijalankan pada mesin berspesifikasi rendah. Kedua, penggunaan energi menjadi lebih efisien, sehingga daya tahan baterai perangkat lebih lama.
Hasil penelitian ini, kata Syarif, diujikan pada sistem deteksi jatuh manusia yang diterapkan pada perangkat bergerak. Metode penelitian ini membuat perangkat dapat digunakan lebih lama dan akurat.
“Metode ini diharapkan dapat diterapkan pada program pengenalan pola yang lain, seperti pengenalan wajah, sidik jari, suara, retina, dan lain-lain. Selain itu, hasil penelitian ini dapat membuka peluang bagi program pengenalan pola untuk dipasang pada perangkat kecil dengan spesifikasi rendah,” harapnya.
