JAKARTA, NusamandiriNews–Program Studi (prodi) Ilmu Komputer (S2) Fakultas Teknologi Informasi (FTI) Universitas Nusa Mandiri (UNM) kembali menggelar agenda rutin berupa diskusi online laboratorium riset. Diskusi dengan tajuk “Jumat Ngelmu : Research Sharing #6”, acara rutin Kampus Digital Bisnis UNM ini sukses digelar pada Jumat (6/1). Kegiatan ini menghadirkan narasumber dari alumni yang membawakan materi diskusi tentang hasil penelitian tesisnya.
Dr. Agus Subekti selaku Ketua prodi (Kaprodi) Ilmu Komputer (S2) mengatakan kegiatan ini kembali digelar secara rutin dalam rangka diskusi hasil penelitian mahasiswa dan alumni Prodi Ilmu Komputer (S2).
Baca juga: Jumat Ngelmu, Jadi Forum Sharing Alumni dan Mahasiswa S2 Ilmu Komputer
Prodi Ilmu Komputer (S2) UNM Kembali Gelar Diskusi Online
“Kegiatan positif ini terus dilakukan agar dapat memfasilitasi berbagi ide dan bahan penelitian dari mahasiswa untuk didiskusikan dan menjadi gambaran untuk mempersiapkan penelitian tesis mahasiswa yang menginjak semester 1, 2 dan 3, maupun untuk menambah wawasan bagi peserta umum,” terangnya dalam rilis yang diterima, Rabu (11/1).
Diskusi laboratorium riset Image Processing ini menghadirkan narasumber Muh Jamil dengan judul penelitian Segmentasi dan Pemisahan Citra Pap Smear Overlapping dengan Metode Deep Learning dan Watershed.
Muh Jamil menjelaskan penelitian ini dilatar belakangi oleh banyaknya kasus kanker serviks dimana kanker ini menempati urutan tertinggi ke 4 yang diderita oleh wanita di seluruh dunia.
“Penelitian ini dilakukan dengan membangun sebuah model segmentasi berbasis deep learning dengan merekayasa dataset citra sintetis Pap smear untuk dapat memaksimalkan ketersediaan dataset RepomedUNM sebagai dataset training,” jelasnya.
Sedang diskusi bidang Data Mining disampaikan oleh Aliyah Kurniasih yang mempresentasikan penelitiannya di sesi 2 dengan judul Transfer Learning dengan Model Fine-Tuning IndoBERT untuk Pengaduan Masyarakat dalam Bahasa Indonesia.
Dalam pemaparannya, Aliyah memberikan saran bagi peneliti yang mengambil bidang text mining agar peneliti selanjutnya menyelidiki signifikansi dari setiap langkah preprocessing teks.
“Karena dari hasil penelitian ini didapatkan bahwa ada perbedaan yang signifikan dalam hasil kinerja antara model dengan dan tanpa preprocessing teks menggunakan GRU dan MLP,” ungkapnya. (UMF)
