Pengukuhan Prof. Dr.Eng. Agus Naba, S.Si., M.T dalam bidang ilmu Sistem Cerdas 

    Pengukuhan Prof. Dr.Eng. Agus Naba, S.Si., M.T dalam bidang ilmu Sistem Cerdas 
    Prof. Dr.Eng. Agus Naba, S.Si., M.T dikukuhkan sebagai profesor dalam bidang ilmu Sistem Cerdas

    KOTA MALANG - Dr.Eng. Agus Naba, S.Si., M.T dikukuhkan sebagai profesor dalam bidang ilmu Sistem Cerdas, Sabtu (13/08/2022), di gedung Samantha Krida Universitas Brawijaya (UB). Ia merupakan profesor aktif ke-27 dari Fakultas MIPA, dan profesor aktif ke-170 di UB, serta ke-298 dari seluruh profesor yang telah dihasilkan UB.

    Dalam pidatonya, Ia menawarkan Pendekatan “Heuristic Artificial Intelligence Modeling (HAIM)” untuk mendukung industri 4.0.

    Ia memaparkan, teknologi sistem cerdas merupakan salah satu teknologi kunci dan memegang peran sentral sebagai driving force pada industri 4.0. Teknologi sistem cerdas menawarkan berbagai teknik pemodelan sistem cerdas untuk membangun model sistem cerdas berbasis data. Namun masih terdapat beberapa kendala pada pemodelan sistem cerdas.

    Prof. Dr.Eng. Agus Naba, S.Si., M.T

    Salah satu kendalanya adalah data yang tersedia pada industri umumnya terisolasi atau spesifik, tidak konsisten dan berkualitas rendah. Dengan kualitas data yang buruk dan kompleks, diolah dengan teknik preprocessing standar, serta optimasi parameter yang bersifat spekulatif, tentunya sulit mengharapkan pemodelan sistem cerdas akan menghasilkan model optimal. Model sistem cerdas yang dihasilkan bersifat black-box yang validitasnya sulit dijamin sepenuhnya.

    Secara umum kendala-kendala yang dihadapi dalam pemodelan sistem cerdas bersumber dari tiga hal berikut: 1) pemodelan hanya murni berbasis data (induktif) tanpa memperdulikan pengetahuan perilaku sistem, 2) teknik optimasi parameter model bersifat spekulatif sehingga terjebak dalam parameter optimum lokal, dan 3) metode preprocessing data bersifat umum tanpa memperhatikan kompleksitas dan keunikan atau karakteristik data.

    Menurut Agus Naba, pendekatan deduktif menjadi pilihan bijak selagi pengetahuan sistem tersedia. Teknik optimasi perlu dibuat lebih sistematis dan terarah, tidak lagi spekulatif. Sedangkan bergantung pada kasusnya, teknik preprocessing perlu dibangun secara spesifik berbasis keunikan sistem. Bila langkah-langkah ini bisa dilakukan, pemodelan sistem cerdas akan lebih efektif dan efisien dan potensi cacat model sistem cerdas bisa berkurang.

    Untuk mengatasi kendala-kendala ini, Agus Naba mengusulkan suatu strategi yang diberi nama Heuristic AI Modeling (HAIM) atau pemodelan sistem cerdas heuristik. HAIM menyarankan tiga hal: 1) pendekatan deduktif atau gabungan deduktif-induktif lebih diprioritaskan dalam pemodelan sistem cerdas, 2) algoritma optimasi yang spekulatif diganti dengan yang lebih sistematis dan terarah, dan 3) unit preprocessor untuk ekstraksi fitur unik data perlu didesain secara spesifik per kasus.

    Beberapa riset yang telah berhasil dipecahkan Agus Naba dengan menerapkan pendekatan HAIM. Contohnya, estimasi kecepatan angin pada turbin angin menggunakan model fuzzy yang dibangun secara heuristik-deduktif, optimasi pengontrol model fuzzy lebih terarah untuk memecahkan masalah pendulum terbalik, deteksi pneumonia pada citra sinar-X, deteksi obyek mobil, dan deteksi jenis gangguan pada jaringan listrik. (Irene)

    kota malang
    Achmad Sarjono

    Achmad Sarjono

    Artikel Sebelumnya

    JJS Semarak HUT Kemerdekaan RI, Memupuk...

    Artikel Berikutnya

    Sempat Kabur, DPO Asal Kejati Aceh Ditangkap...

    Berita terkait

    Rekomendasi berita

    Tahap Dua, 2 Tersangka Korupsi PT. Waskita Beton Precast Segera Disidang
    Langkah Kompolnas dan Divisi Humas Polri Bangun Sinergitas Berikan Pelayanan Terbaik Kepada Masyarakat
    Perkembangan Terkini atas Pemberitaan Surat Tuntutan Para Terdakwa dalam Perkara Pembunuhan Brigadir J
    Kapolda Jatim Pimpin Upacara Serah Terima Jabatan Pejabat Polda dan Kapolres Jajaran
    dr. Hj. ST Saenab NB, M.Kes, DPO Korupsi RSUD Daya Kota Makasar Ditangkap Tim Tabur Kejagung

    Tags