enid
enid

Doktor FTUI Mengembangkan Metode Objek Deteksi berbasis Super Resolusi pada Kendaraan Listrik Otonom

Mokhammad Mirza Etnisa Haqiqi, mahasiswa Program Doktor Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia (DTE FTUI), berhasil meraih gelar Doktor setelah menjalani sidang terbuka pada Senin (04/05). Melalui disertasinya yang berjudul Pengembangan Metode Objek Deteksi berbasis Super Resolusi pada Kendaraan Listrik Otonom, Mirza menjadi Doktor ke-199 di DTE FTUI dan ke-659 di FTUI, dengan predikat Cumlaude, IPK 4,00.

Penelitian yang dilakukan Mirza dilatarbelakangi oleh perkembangan kendaraan otonom yang signifikan. Hal ini menuntut kendaraan otonom memiliki sistem persepsi visual yang andal, akurat dalam berbagai kondisi lingkungan. Salah satu komponen kunci dalam sistem persepsi tersebut adalah deteksi objek, yang berfungsi untuk mengenali dan melokalisasi elemen penting di sekitar kendaraan seperti kendaraan lain, pejalan kaki, rambu lalu lintas, dan berbagai hambatan di jalan. Keandalan deteksi objek memiliki peran yang sangat penting karena secara langsung mempengaruhi kemampuan sistem dalam memahami lingkungan sekitar serta mendukung proses pengambilan keputusan kendaraan otonom.

Dalam praktiknya, kualitas citra yang diperoleh dari sensor kamera pada kendaraan otonom tidak selalu ideal. Berbagai faktor seperti keterbatasan resolusi sensor, jarak objek yang jauh, kondisi pencahayaan rendah, cuaca buruk, serta efek gerakan kendaraan dapat menyebabkan citra yang dihasilkan memiliki resolusi rendah, noise tinggi, serta kehilangan detil spasial penting. Sehingga, dalam penelitian ini, Mirza melakukan pendekatan berbasis pemrosesan citra, yaitu metode Super Resolusi, sebuah alternatif yang lebih fleksibel untuk meningkatkan kualitas informasi visual yang tersedia bagi sistem persepsi kendaraan otonom.

“Metode Super Resolusi secara khusus dirancang untuk merekonstruksi citra resolusi tinggi dari citra resolusi rendah dengan mempelajari hubungan spasial antara keduanya. Berbagai metode Super Resolusi berbasis deep learning, mulai dari convolutional neural network (CNN) hingga transformer, telah menunjukkan kemampuan yang signifikan dalam merekonstruksi detil tekstur dan struktur citra yang sebelumnya hilang. Kemampuan ini menjadikan Super Resolusi sebagai pendekatan yang potensial untuk meningkatkan kualitas citra yang digunakan sebagai masukan bagi sistem deteksi objek,” jelas Mirza.

Berdasarkan serangkaian eksperimen dan evaluasi yang dilakukan oleh Mirza, diperoleh kesimpulan bahwa pengembangan metode SR berbasis transformer menggunakan mekanisme Dense Residual Dense Block (DRDB), Adaptive Instance Normalization (AdIN) dan Channel Attention Block menggunakan mekanisme Squeeze and Excitation (CAB-SE) memberikan hasil rekonstruksi citra yang lebih baik. Hal ini terbukti dengan adanya peningkatan performa pada seluruh metrik evaluasi yang digunakan.

Begitu pula pada Integrasi metode SR berbasis transformer yang menggunakan Dense Residual Dense Block pada Deteksi Objek mampu meningkatkan kualitas citra secara global dan lokal, memperbaiki representasi objek kecil, serta meningkatkan akurasi dan robustnes deteksi objek tanpa memodifikasi arsitektur detektor utama. Hal ini juga terbukti dengan adanya peningkatan performa pada seluruh metrik evaluasi yang digunakan.

Dekan FTUI, Prof. Kemas Ridwan Kurniawan, S.T., M.Sc., Ph.D., menanggapi penelitian yang dilakukan Mirza. “Penelitian ini sangat bermanfaat bagi kemajuan teknologi, utamanya pada pengembangan kendaraan otonom. Meskipun begitu, masih terdapat berbagai tantangan teknis yang perlu dikaji.Kami berharap Mirza dapat terus melakukan penelitian-penelitian berikutnya guna meningkatkan performa dari kendaraan otonoml,” ujar Prof. Kemas.

Hasil penelitiannya dipresentasikan dalam sidang terbuka promosi doktor yang dipimpin oleh Prof. Kemas Ridwan Kurniawan, S.T., M.Sc., Ph.D., sebagai Ketua Sidang, Ajib Setyo Arifin, S.T., M.T., Ph.D., sebagai Promotor, dan Dr. Eng. Arief Suryadi Satyawan, M.T. (  (Badan Riset dan Inovasi Nasional, Bandung), sebagai Ko-Promotor. Tim penguji terdiri dari Prof. Dr. Ir. Dadang Gunawan, M.Eng., Prof. Dr. Ir. Muhamad Asvial, M.Eng., Prof. Dr. Muhammad Suryanegara, S.T., M.Sc., IPU., Mohammad Ikhsan, M.T., Ph.D., dan Dr.Eng. Ir. Sunu Wibirama, S.T., M.Eng., IPM (penguji eksternal Universitas Gadjah Mada, Yogyakarta).

***

Kantor Komunikasi Publik

Fakultas Teknik Universitas Indonesia

X