Tujuh Mahasiswa Program Studi Informatika Program Magister UII Konsentrasi Sains Data dan Informatika Medis Mendapatkan Hibah Penelitian Tesis Magister dari DIKTI Pelaksanaan Tahun 2020. 

Program Studi Informatika – Program Magister, Universitas Islam Indonesia 

 

Mahasiswa penerima hibah penelitian tesis bersama para dosen pembimbing

 

Hibah Penelitian Tesis Magister DIKTI ditujukan untuk meningkatkan aspek kompetensi dalam menyusun ide dan argumen yang saintifik dalam koridor kualitas keilmuan bagi pengajar maupun lulusan pascasarjana. Hal ini akan diukur dengan tercapainya indikator dalam menulis dan mempublikasikan hasil penelitiannya melalui artikel di publikasi internasional bereputasi. Selain itu, hibah ini diharapkan juga untuk menjadi akselerator dalam penyelesaian studi magister dan terciptanya iklim akademik yang lebih dinamis dan kondusif di lingkungan perguruan tinggi. 

Menerima Hibah Penelitian Tesis Magister dari DIKTI

Di tahun pelaksanaan 2020 ini, Program Studi Informatika Program Magister UII di bawah bimbingan dua dosennya, yaitu Dhomas Hatta Fudholi, Ph.D. dan Dr.Ing. Ridho Rahmadi, menjulangkan prestasi dalam memperoleh penerimaan hibah untuk tujuh usulan proposal penelitian tesis magister dengan dana pendanaan penelitian total hingga 250 juta rupiah. Ketujuh proposal yang didanai ini merupakan usulan bersama tujuh mahasiswa dari konsentrasi Sains Data dan Informatika Medis. Usulan-usulan yang didanai mengangkat tema-tema terkini pada bidang sains data yang berfokus kepada Deep Learning dan Causal Modeling. Pertama, pada fokus Deep Learning, penelitian-penelitian yang diusulkan akan membuat model piranti cerdas yang dapat secara otomatis mengenali pola wajah dan gesture, preferensi pengguna, entitas obat, dan juga pergerakan saham. Model-model ini akan menggunakan data-data lokal penciri keunikan lokal, seperti lokasi wisata dan budaya di Yogyakarta, bahasa Indonesia dengan segala variasi slank dan interferensi bahasa daerah, serta rona dan fisiologis bangsa Indonesia. Kedua, pada fokus Causal Modeling, penelitian-penelitian yang diusulkan akan mengeksplorasi model hubungan sebab akibat pada konteks kanker, mulai dari hal-hal yang dialami oleh pasien hingga kerabat dan keluarganya. Hasil eksplorasi yang menunjukkan sebuah klausa mekanisme apa menyebabkan apa, akan membantu dokter, perawat, peneliti dalam mengembangkan intervensi yang efisien seperti terapi dan obat. 

Ketujuh mahasiswa beserta judul proposal dan ringkasan penelitian yang mendapatkan pendanaan adalah sebagai berikut:

1. Mochamad Rezky Satyatama

Judul Proposal: Travelling Recommendation Through Deep Social Media Image Post Learning

Ringkasan: Indonesia sebagai negara kepulauan yang besar memiliki banyak potensi, diantaranya adalah keragaman budaya dan memiliki banyak destinasi wisata. Penelitian ini bertujuan untuk merancang sistem rekomendasi travelling, untuk membantu para wisatawan dalam menentukan destinasi wisata yang sesuai dengan post dari social media mereka, terutama foto-foto travelling mereka sebelumnya. Sistem yang dikembangkan menggunakan pendekatan deep neural network untuk menganalisis konteks dari foto pengguna yang melihat tempat-tempat yang pernah dikunjungi sebelumnya dan memberikan rekomendasi yang disesuaikan dengan pariwisata di Indonesia.

2. Dede Brahma Arianto

Judul Proposal: Named Entity Recognition untuk Obat di Indonesia

Ringkasan: Bidang biomedis memiliki banyak literatur tentang obat, baik obat kimia maupun obat herbal. Peningkatan jumlah informasi digital melalui media website mempengaruhi penambahan artikel website yang memuat informasi tentang obat. Pengawasan keamanan obat dalam mendukung pengambilan keputusan secara individu perlu dilakukan. Hal ini bertujuan untuk mencegah Adverse Drug Event (ADE) yang terjadi karena kesalahan dalam mengkonsumsi obat sehingga menimbulkan efek samping setelah mengkonsumsi obat. Penelitian ini bertujuan untuk membuat model Named Entity Recognition (NER) nama obat di Indonesia yang dapat digunakan oleh lembaga pengawas dalam mendeteksi dan mengekstrak nama obat secara otomatis dengan pendekatan Bidirectional Long Short-Term Memory (BLSTM).

3. Maghfirah Suyuti

Judul Proposal: Detecting Classroom Fatigue Through Deep Image Learning

Ringkasan: Stres atau depresi merupakan salah satu jenis gangguan kesehatan mental. Penderitanya bisa memiliki rasa cemas yang tinggi akan kondisi yang ditakuti. Salah satu gejala seseorang mengalami depresi adalah kelelahan. Di Indonesia, kelelahan berlebihan yang menyebabkan depresi, belum mendapatkan perhatian yang serius dan banyak kasus depresi yang belum tertangani. Terdapat sekitar 5% dari anak-anak dan remaja di Indonesia menderita depresi pada suatu titik waktu tertentu. Anak- anak di bawah tekanan pada saat belajar di sekolah, berada pada risiko yang lebih tinggi terhadap depresi. Penelitian ini bertujuan untuk mengembangkan fatigue detector yang mampu menganalisis kelelahan seseorang dari kamera di sebuah ruangan dengan melihat gesture dan posisi duduknya, dengan pendekatan Deep Image Learning. Sistem ini diharapkan akan membantu mendeteksi jumlah siswa yang kelelahan pada ruang belajar. Dengan demikian, dapat diprediksi seberapa tinggi tingkat kejenuhan kelas karena kelelahan.

4. Nurdi Afrianto

Judul Proposal: Improved Multi-factor Stock Price Prediction Through Sentiment Analysis

Ringkasan: Pasar efisien menyiratkan bahwa harga semua sekuritas yang diperdagangkan mencerminkan semua informasi yang tersedia. Maka, informasi menjadi parameter utama yang digunakan untuk membuat keputusan investasi yang tepat. Informasi pada pasar modal dapat digunakan untuk membuat strategi investasi, menentukan nilai harga saham pada masa depan dan pembentukan portofolio. Kehadiran Big Data dipercaya dapat menyelesaikan berbagai permasalahan yang ada dengan cepat, menyelesaikan data rumit dan jumlah data yang banyak. Tujuan dari penelitian ini adalah melakukan analisis dan dinamika hubungan antara isu dengan harga saham. Metode yang akan digunakan dalam penelitian ini menggunakan pendekatan Long Short-Term Memory (LSTM) yang merupakan bagian dari Deep Learning untuk analisis sequence.

5. Putri Mentari Endraswari

Judul Proposal: Identifikasi Hubungan Kausal antara Perasaan Beban Diri, Dukungan Sosial, dan Kebutuhan Spiritual Terhadap Cancer Related Fatigue Pada Pasien Kanker Payudara

Ringkasan: Pada tahun 2018, kematian yang diakibatkan oleh kanker payudara di Indonesia mencapai 17%. Kanker payudara menyebabkan CRF (Cancer Related Fatigue) atau gejala kelelahan dari efek samping pengobatan kanker itu sendiri. CRF dapat memberikan dampak negatif terhadap keadaan psikososial, spiritual, dan perasaan beban diri pada pasien. Untuk memahami lebih mendalam tentang CRF, kita perlu menjawab pertanyaan “Bagaimana mekanisme kausal (sebab-akibat) dari faktor-faktor yang berhubungan dengan CRF?”. Tujuan dari penelitian ini adalah untuk memodelkan hubungan kausal antara CRF dengan faktor psikososial, spiritual, dan perasaan beban diri dengan menggunakan metode Stable Specification Search for Cross-Sectional Data with Latent Variable (S3C-Latent). Model akhir yang didapatkan diharapkan dapat menjadi sebuah referensi saintifik dan praktis dalam menangani pasien kanker payudara.

6. Rizki Surtiyan Surya

Judul Proposal: Pemodelan Hubungan Kausal dari Faktor-Faktor Beban Keluarga Dalam Merawat Pasien Kanker Dengan Metode S3C-Latent

Ringkasan: Dalam konteks merawat pasien kanker, keluarga adalah orang-orang yang relatif paling dekat dan intens dalam memberikan perhatian. Kanker adalah penyakit yang membutuhkan proses pengobatan yang berjangka dan bertahap. Dampaknya, keluarga yang merawat pasien kanker pun dapat merasakan beban yang beragam. Beban keluarga dalam merawat pasien kanker meliputi beban fisik, psikologis, sosial, dan keuangan. Untuk memahami lebih jauh ke dalam permasalahan ini, kita perlu mempelajari hubungan antara faktor-faktor tersebut. Sejauh ini, studi-studi yang telah dilakukan masih sebatas memodelkan prediksi dan analisis korelasi, dan belum melihat pada satu pertanyaan fundamental: bagaimana hubungan kausal (sebab-akibat) antara faktor-faktor tersebut. Tujuan penelitian ini adalah untuk memodelkan hubungan kausal faktor-faktor beban keluarga dalam merawat anggota keluarga yang menderita kanker. Melalui penelitian ini, kami berharap dapat merekomendasikan model kausal yang berguna untuk keluarga, dokter, tenaga kesehatan dan semua pihak yang terlibat dalam menangani pasien kanker.

7. Miftakhurrohmat

Judul Proposal: Rancang Bangun Aplikasi Presensi Kelas Berbasis Pola Wajah Tersenyum dan Informasi Lokasi serta Waktu dari Wifi Terdekat dengan Pendekatan Deep Learning

Ringkasan : Kehadiran siswa dalam suatu pembelajaran di kelas seringkali menjadi syarat wajib dalam dunia pendidikan, dan menjadi tolok ukur penilaian terhadap siswa. Di lingkungan perkuliahan Universitas Islam Indonesia sebagai contoh, aturan minimal 75 % kehadiran adalah syarat untuk dapat mengikuti ujian. Aturan ini belum disikapi positif secara menyeluruh oleh mahasiswa; terkadang masih dijumpai  praktik-praktik curang dalam presensi, seperti yang dikenal dengan istilah titip absen. Dalam konteks administrasi, presensi berbasis tanda tangan menggunakan buku berpotensi pemborosan dan juga memperpanjang tahapan administrasi seperti rekapitulasi manual untuk dimasukkan ke dalam sistem. Penelitian ini bertujuan untuk merancang bangun aplikasi presensi kelas berbasis pengenalan pola wajah tersenyum, kesesuaian lokasi dan waktu presensi. Data presensi kemudian akan secara otomatis dikirim ke sistem akademik tanpa melalui proses rekapitulasi manual. Penelitian ini bertujuan untuk mengurangi potensi kecurangan di dalam mekanisme presensi, mengurangi penggunaan kertas, dan memudahkan rekapitulasi presensi. Penggunaan pola wajah tersenyum sebagai validasi presensi juga secara tidak langsung akan membawa suasana positif ke dalam kegiatan pembelajaran kelas. 

 

Sleman, 6 Februari 2020 

Program Studi Informatika – Program Magister Universitas Islam Indonesia