GURU Besar Sekolah Teknik Elektro dan Informatika (STEI) Institut Teknologi Bandung (ITB) Prof Bambang Riyanto Trilaksono mengungkapkan, konsep deep learning digunakan dalam robotika dan sistem otonom, khususnya kendaraan otonom (tanpa pengemudi). Seperti apa aplikasinya?
"Secara sederhana, deep learning didasarkan pada neuron di dalam otak makhluk hidup yang digambarkan melalui model komputasi, lalu tersusun menjadi lapisan-lapisan yang disebut sebagai neural network," jelas Bambang seperti dilansir dari laman ITB.
Deep learning ini diaplikasikan dalam teknologi robot dalam melakukan motion (gerakan) dan mengombinasikan sistem-sistem elektronik dengan sistem sensor, kontrol, dan aktuator untuk melakukan pergerakan.
"Gerakan itu dilakukan melalui kaki, tangan (anggota tubuhnya) maupun dengan suatu software di mana AI (kecerdasan buatan) atau deep learning diimplementasikan," ujarnya.
Ia menyontohkan, salah satu teknologi yang terkait dengan robotika adalah mobil otonom tanpa pengemudi. Teknologi ini memanfaatkan sensor kamera, sensor radar, sensor lidar untuk mengenali objek-objek di sekitarnya dan mengukur jarak objek tersebut terhadap mobil.
Dengan begitu, mobil dapat mengambil keputusan mengenai apa yang harus dilakukannya. Selain sensor, mobil otonom dilengkapi oleh sistem lain yang sangat kompleks.
Terkait hal itu, Bambang mengatakan, saat ini ITB sedang mengembangkan autonomous tram bersama PT INKA dan startup Riset.ai.
"Tram driving assistance memungkinkan sistem tram otonom kita dapat mendeteksi objek, melakukan collision avoidance, menjalankan fitur speed limit assist, juga ada face recognition terhadap masinis dan driver attention warning untuk mendeteksi apakah pengemudi sedang mengantuk atau berkonsentrasi," bebernya.
Melampaui manusia
Aplikasi deep learning juga diterapkan dalam computer vision. Prof Dwi Hendratmo Widyantoro, selaku Ketua KK Informatika dan Guru Besar STEI ITB menjelaskan, prinsip deep learning dalam computer vision adalah adanya masukan berupa gambar dan keluaran yang mampu memprediksi menggunakan deep learning sesuai dengan permasalahannya.
Solusi-solusi tersebut, lanjut Dwi, kemudian diaplikasikan untuk deteksi objek, segmentasi gambar, pewarnaan gambar, rekonstruksi gambar yang rusak, pengenalan wajah dan pelacakan, pengenalan gerakan, analisis gambar medis (termasuk mendeteksi penyakit), hingga modifikasi gambar dengan gaya tertentu yang menghasilkan karya seni baru.
“Kinerjanya sudah cukup bagus. Dan untuk beberapa kasus, itu bisa melebihi manusia performanya,” ulasnya mengenai teknologi ini.
Pemaparan Prof Bambang Riyanto Trilaksono dan Prof Dwi Hendratmo Widyantoro di atas disarikan dari webinar bertajuk “Deep Learning for Industry 4.0”, belum lama ini. (H-2)
