Kegiatan FMF DTE FTUI kembali dilaksanakan dan memasuki Seri 3. Pekan ini, FMF DTE FTUI menghadirkan pemateri dari Data Engineering and Intelligent Systems Research Group (DEIS-RG) yang diketuai oleh Prof. Dr. Drs. Benyamin Kusumoputro., M.Eng. Seperti biasanya FMF pada (30/09/2) pun dilaksanakan di Auditorium MRPQ, DTE FTUI.
“DEIS-RG adalah sebuah riset grup Intelligent Systems, yang mana data-data Intelligent Systems di-engineered sehingga dimasukkan untuk Intelligent Systems. Yang akan didapatkan dari Data Engineering adalah action recognition, human detection, dan human tracking,” ungkap Prof. Benyamin sembari memberikan sambutan.
Pada kesempatan ini, Arsyad Ramadhan Darlis, mahasiswa Program Doktor DTE FTUI dan juga anggota Data Engineering and Intelligent Systems Research Group (DEIS-RG) menjadi presenter pada FMF Sesi 3. Beliau memaparkan topik “Deep Learning-based Classification of Humans and Animals using mmwave Radar”. FMF kali ini pun dimoderatori oleh Yus Natali.
Riset yang dilakukan Arsyad ini dilatarbelakangi oleh peristiwa ketika pasca bencana, yang mana reruntuhan menutupi manusia dan objek bukan manusia. Pada saat monitoring sistem, hewan melakukan kesalahan dalam melakukan penyelamatan manusia di balik reruntuhan. Maka, diperlukan sebuah sistem nirkabel yang dapat mengklasifikan manusia dan objek bukan manusia khususnya hewan ketika pasca bencana.
Selain itu, dibutuhkan juga sebuah sensor dengan resolusi yang lebih tinggi. Secara teori, ketika referensinya semakin tinggi, range resolution. Range Resolution Ini akan menunjukkan tingkat sistem dalam membedakan objek yang berbeda. Akan digunakan UWB Radar 24 GHz, dan untuk meningkatkan resolusi digunakan mmwave Radar berada dalam frekuensi 27 GHz.
“Proses klasifikasi metode yang digunakan adalah double veceiver mmwave radar berbasis CNN. Digunakannya metode klasifikasi ini untuk meningkatkan akurasi yang jauh melebihi metode yang menggunakan BPNN atau deep learning. Tingkat akurasinya pun rata-rata 99% pada klasifikasi 3 kelas, 82% pada 6 kelas, dan 68% pada 10 kelas. Metode ini pun bisa mengungguli beberapa penelitian lain. Selain itu, metode ini pun bisa memecahkan masalah false alarm dalam aplikasi penyelamatan manusia pasca bencana,” kata Arsyad.
***
Biro Komunikasi Publik
Fakultas Teknik Universitas Indonesia