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

VIVIA MEDIA — Tiga mahasiswa Universitas Pelita Harapan (UPH) mengembangkan prototipe berbasis kecerdasan buatan atau artificial intelligence (AI) untuk persoalan di bidang kesehatan, jaringan telekomunikasi, dan pertanian.

Ketiganya memanfaatkan graphics processing unit (GPU) untuk mempercepat proses komputasi yang sebelumnya memakan waktu lama.

Proyek tersebut dipaparkan dalam bincang-bincang Dari Kampus untuk Masa Depan: NVIDIA GeForce RTX 50 Series Perkuat Inovasi AI di Dunia Pendidikan di UPH, Lippo Village Karawaci, Tangerang, Banten, Rabu (14/10).

Country Consumer Business Lead NVIDIA Indonesia, Adrian Lesmono, menilai mahasiswa perlu didorong bergerak dari sekadar pengguna menjadi pengembang solusi berbasis AI. “Transformasi dari AI user menjadi AI builder perlu dimulai dari kampus. Kami ingin mendorong mahasiswa dari berbagai disiplin ilmu untuk tidak hanya menggunakan AI, tetapi juga membangun solusi inovatif,” ujarnya.

| Baca Juga: Dari Popok Kain hingga Mesin Kapsul Jamu, Munculnya Inovasi Berangkat dari Masalah Sehari-hari

Salah satu proyek datang dari Ritchie Cedrick Adrian, mahasiswa semester tiga program studi Artificial Intelligence UPH. Bersama timnya, ia meningkatkan kemampuan model AI dalam mendeteksi polip pada usus besar melalui citra medis.

Polip di organ ini berpotensi berkembang menjadi kanker kolorektal, sehingga deteksi dini menjadi penting. Mereka memanfaatkan informasi bayangan pada citra polip, yang dapat memberi gambaran tambahan tentang bentuk dan posisi objek, sebagai masukan bagi model deteksi.

Kendala terbesar Ritchie adalah lamanya pelatihan model. Dengan central processing unit (CPU), satu model membutuhkan sekitar satu hari. Setelah beralih ke GPU, waktunya turun menjadi satu jam 21 menit dalam pengujian yang dipaparkan, atau sekitar 14 hingga 19 kali lebih cepat.

Meski begitu, pendekatan ini masih dalam tahap pengembangan dan bukan pengganti pemeriksaan medis. Ketepatan serta kemungkinan penerapannya di lingkungan klinis masih perlu diuji lebih lanjut.

| Baca Juga: Debu Semen hingga Mesin Jahit, Dua Seniman Raih Grand Prize Kompetisi Seni Asia Tenggara

Persoalan berbeda diangkat Annabel Kineta Jovinne Caron, mahasiswi semester tujuh program studi Informatika UPH. Ia mengembangkan pendekatan komputasi untuk membantu simulasi perencanaan jalur kabel serat optik bawah laut di Selat Makassar.

Jalur kabel tidak bisa ditentukan dengan menarik garis lurus antarpulau, karena kedalaman laut, kemiringan dasar perairan, dan kondisi geografis turut menentukan keamanan pemasangan. Annabel berangkat dari perhatian pada wilayah terdepan, terluar, dan tertinggal (3T) yang masih sulit mengakses internet.

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. (*)