Dari Deteksi Polip hingga Hama Sawah, 3 Mahasiswa UPH Manfaatkan Komputasi GPU jadi Inovasi

Dengan data batimetri publik dari GEBCO, ia membangun titik-titik yang mewakili kondisi wilayah penelitian, lalu menghitung jalur antartitik memakai pemodelan graf dan algoritma Floyd–Warshall. Karena beban komputasinya besar, ia mengembangkan pendekatan paralel berbasis GPU.

Pada simulasi dengan 30.000 titik, perhitungan yang memakan sekitar 104 menit di CPU selesai dalam sekitar 50 hingga 60 detik, atau percepatan hingga sekitar 122 kali. Angka ini berlaku pada konfigurasi pengujiannya dan bukan jaminan seluruh perencanaan kabel bawah laut bisa secepat itu, sebab validasi data dan survei lapangan tetap diperlukan.

| Baca Juga: Kisah Leo/Daniel: Dari The Babies hingga Dua Medali Emas Bulu Tangkis Asian Games 2026

Di bidang pertanian, Bryan Daniel Angelino dari program studi Sistem Informasi UPH mengembangkan SIPETIK, sistem pemantauan yang mendeteksi hama lewat kamera dan menampilkan hasilnya di dasbor.

Idenya muncul dari percakapan dengan petani di Wonogiri, Jawa Tengah, yang kesulitan memantau lahan secara terus-menerus.

Pada awalnya, modelnya masih keliru dan sempat menganggap manusia sebagai hama. Setelah dilatih mengenali objek lain, tingkat alarm palsu yang semula 12,5 persen turun menjadi nol persen dalam pengujian, dengan hasil deteksi mendekati 90 persen akurat.

Kecepatan pemrosesan ikut meningkat. Menurut Bryan, CPU menghasilkan sekitar enam frame per detik, sedangkan akselerasi GPU membuatnya naik menjadi sekitar 70 frame per detik.

| Baca Juga: Andien Tambah Lagi Sekolah Anak Percaya, Warga Kampung Apung Bisa Dapat Pendidikan Gratis

Pada konfigurasi dengan Tensor Cores dan ray tracing, ia melaporkan angka hingga 133 frame per detik. Waktu pelatihan model pun berkurang dari sekitar 6,3 jam menjadi satu jam empat menit pada perangkat yang berbeda. Kinerja SIPETIK tetap perlu diuji pada kondisi lahan, pencahayaan, dan jenis hama yang lebih beragam.

Ketiga proyek itu berangkat dari persoalan nyata, lalu diuji dengan data dan angka yang bisa dipertanggungjawabkan. Dukungan perangkat juga datang lewat program GeForce Campus Leaders, yang memberi kesempatan mahasiswa terpilih mengembangkan proyek berbasis AI dan komputasi GPU bersama mitra industri. (*)