AI Deteksi Penyakit Bukan Lagi Wacana: Kampus Turun ke Lapangan
AI deteksi penyakit adalah penerapan kecerdasan buatan dan machine learning kesehatan untuk mengidentifikasi, memprediksi, atau mencegah gangguan kesehatan secara lebih cepat, presisi, dan terukur dibanding pemeriksaan manual, dengan mengolah data klinis, citra medis, maupun parameter biologis untuk membantu tenaga medis mengambil keputusan yang lebih tepat dan aman bagi pasien.
Contohnya, tim Fakultas Kedokteran UNEJ mengembangkan Griffithsin Fine Drug Delivery System (G-Fine), sistem penghantaran obat yang memadukan bioteknologi, nanoteknologi, dan AI untuk mencegah transmisi HIV dari ibu hamil ke bayi (intrauterine transmission). G-Fine menggunakan protein antivirus Griffithsin yang diekstrak dari tembakau Nicotiana benthamiana, komoditas lokal yang diolah menjadi nanopartikel dan diformulasikan sebagai dissolving microneedle patch yang dioptimalkan dengan AI. Ini bukan sekadar eksperimen; inovasi medis berbasis potensi lokal tersebut diproyeksikan menjadi solusi masa depan yang efektif, aman, dan minim efek samping bagi bayi yang berisiko tertular HIV.
Penelitian lain di ranah AI deteksi penyakit datang dari sebuah kampus digital yang aktif mengembangkan machine learning kesehatan. Di sana, sivitas akademikanya mengerjakan riset prediksi kondisi kesehatan mental, deteksi kelelahan berbasis Explainable AI, serta pengenalan Bahasa Isyarat menggunakan Deep Learning, memperlihatkan bahwa laboratorium lokal mulai menjawab masalah nyata, bukan hanya mengejar publikasi.
Inovasi AI UMKM: Isolation Forest Jadi “Satpam” Transaksi Digital
Ledakan transaksi digital UMKM membawa dua sisi: peluang pertumbuhan dan risiko kebocoran. Ketika banyak pelaku usaha kecil beralih ke pembayaran nontunai, pengawasan manual terhadap ribuan transaksi per hari jelas mustahil. Di titik inilah inovasi AI UMKM mulai terasa dampaknya.
Mahasiswi Untag Surabaya, Maria Goreti Dhiki, mengembangkan sistem berbasis kecerdasan buatan dengan algoritma Isolation Forest untuk mendeteksi transaksi keuangan tidak biasa pada pelaku Usaha Mikro, Kecil, dan Menengah. Karyanya yang berjudul “Deteksi Anomali Transaksi Keuangan Menggunakan Isolation Forest dengan Time-Aware Feature Engineering” menjadikan AI sebagai penjaga garda depan terhadap aktivitas mencurigakan.
Penelitian ini lahir dari kenyataan bahwa penggunaan transaksi digital di kalangan UMKM kian tinggi, sementara sistem pengawasan belum memadai. Maria secara gamblang menyasar celah itu: ia ingin teknologi yang sederhana namun mampu membantu pelaku UMKM mengawasi transaksi lebih praktis dan cepat agar aktivitas tak wajar segera diperiksa. Ini contoh jelas bagaimana riset mahasiswa Indonesia mengisi kekosongan infrastruktur keuangan yang selama ini dibiarkan menjadi beban manual pemilik usaha.
Computer Vision Aplikasi di Pabrik: APD Diawasi Kamera, Bukan Hanya Satpam
Keselamatan kerja sering dianggap urusan prosedur kertas dan teguran lisan. Padahal, dalam praktik industri, pengawasan Alat Pelindung Diri (APD) sangat bergantung pada kedisiplinan manusia yang mudah lengah. Di sinilah computer vision aplikasi menjadi pengubah permainan: kamera, model AI, dan kode menggantikan cek visual manual yang melelahkan.
Mahasiswa Program Studi Teknologi Rekayasa Komputer Jaringan Universitas Bung Hatta, Isrif Alparisi, mengembangkan model Deteksi APD menggunakan algoritma You Only Look Once (YOLO) berbasis computer vision selama magang di sebuah perusahaan kecerdasan buatan. Sistem ini memanfaatkan AI dan computer vision untuk mendeteksi penggunaan APD di lingkungan kerja.
Produk ini bukan sekadar tugas magang; ia menunjukkan kemampuan komputer untuk menyelesaikan persoalan nyata industri, terutama pemantauan perlengkapan keselamatan. Model tersebut diserahterimakan secara resmi pada 6 Agustus 2026 sebagai hasil pembelajaran yang mengintegrasikan teori, praktik, dan kebutuhan industri, dengan harapan mendorong lebih banyak mahasiswa menciptakan teknologi aplikatif yang memberi manfaat langsung.
ICITRI dan 11 Artikel: Bukti AI Lokal Layak Panggung Global
Satu argumen klasik yang sering muncul: riset mahasiswa Indonesia bagus, tapi tidak kompetitif di panggung global. Fakta terbaru membantah asumsi ini. Sebuah konferensi internasional bergengsi di bidang teknologi informasi menerima 79 artikel ilmiah, dan 11 di antaranya berasal dari dosen dan mahasiswa Universitas Nusa Mandiri. Angka ini bukan kecil; itu menandai kehadiran nyata kampus lokal dalam percakapan global tentang AI dan inovasi digital.
Topik yang diangkat beragam: AI, Generative AI, machine learning, computer vision, pengolahan citra, teknologi kesehatan, hingga sistem cerdas. Ada riset Generative AI untuk klasifikasi risiko kredit, Vision Transformer untuk tanaman, Deep Learning untuk memilah kualitas buah, identifikasi kualitas kulit untuk industri UMKM, klasifikasi penyakit tanaman, image watermarking, hingga pengenalan ekspresi wajah. Di ranah machine learning kesehatan, mereka meneliti prediksi kondisi kesehatan mental, deteksi kelelahan berbasis Explainable AI, dan pengenalan Bahasa Isyarat Indonesia menggunakan Deep Learning.
Menurut Ketua LPPM kampus tersebut, keterlibatan mahasiswa bersama dosen dalam publikasi internasional adalah strategi membangun budaya riset dan memperluas pengalaman akademik. Ia menegaskan harapan agar keterlibatan ini terus berkembang sehingga menghasilkan lebih banyak kolaborasi dan karya ilmiah yang bermanfaat bagi masyarakat. Singkatnya, riset mahasiswa Indonesia tidak lagi berhenti di rak perpustakaan kampus; ia mulai diuji dan diakui komunitas ilmiah global.
Dari Lab ke Masyarakat: Saatnya Industri Mengambil Estafet
Rangkaian contoh di atas menunjukkan pola yang konsisten: riset mahasiswa Indonesia bukan lagi latihan akademik, melainkan percobaan serius menjembatani teori dan praktik. G-Fine menunjukkan bahwa machine learning kesehatan dapat dikawinkan dengan bioteknologi dan nanoteknologi untuk AI deteksi penyakit yang menargetkan HIV sejak dalam kandungan. Isolation Forest pada transaksi UMKM membuktikan inovasi AI UMKM bisa lahir dari skripsi, bukan hanya dari startup mapan. Sistem deteksi APD berbasis YOLO memperlihatkan computer vision aplikasi yang langsung menjawab kebutuhan keselamatan kerja di industri.
Namun jika estafet berhenti di kampus, semua capaian ini akan mandek sebagai prototipe. Industri kesehatan, keuangan, dan manufaktur perlu berani mengadopsi, menguji, dan menyempurnakan solusi yang lahir dari riset mahasiswa Indonesia. Di sisi lain, pemerintah dan kampus harus mempermudah hilirisasi: regulasi uji klinis yang jelas untuk G-Fine, skema integrasi AI deteksi anomali ke sistem pembayaran UMKM, hingga standar penerapan computer vision untuk keselamatan kerja. Tanpa ekosistem yang mendorong kolaborasi, G-Fine hanya akan menjadi cerita sukses lomba, Isolation Forest hanya akan tinggal di PDF skripsi, dan deteksi APD akan berhenti di ruang magang.
Ke depan, tim FK UNEJ sudah berkomitmen menyempurnakan riset G-Fine agar dapat diproduksi luas dan memberi dampak nyata bagi masyarakat dunia. Sementara itu, kampus yang aktif di ICITRI berharap partisipasi mereka memicu lebih banyak kolaborasi dan karya ilmiah berguna. Pertanyaannya bukan lagi apakah kampus mampu memproduksi inovasi AI, tetapi apakah ekosistem di luar kampus siap menyambut, menguji, dan mengkomersialisasikannya demi manfaat publik.
