Dan yang lebih menarik, komposisinya bisa dirancang lebih presisi, berkat bantuan kecerdasan buatan (Artificial Intelligence/AI). Tim Peneliti USM sendiri terdiri dari Ngudi Hari Crista, Sudharto P Hadi, Erni Setyowati, dan Aimmatul Husna.

Penelitian mereka yang berjudul ‘Machine Learning Modelling of Acoustic Concrete Using Orange Data Mining’, dipaparkan dalam The International Conference on Artificial Intelligence and Its Applications (Icon-AI 2025), di Universiti Teknologi Malaysia (UTM), Kuala Lumpur, Rabu-Kamis (12-13/11/2025).

BACA JUGA: Dosen Teknik Elektro USM Perkenalkan Teknologi AI dalam Mendeteksi Stroke

Dalam paparannya, Ngudi membuktikan, komposisi beton akustik, seperti persentase agregat ringan, rasio pori, jenis serat, atau ukuran rongga, bisa diprediksi dampak akustiknya sebelum dicetak.

Dalam penelitiannya bersama kolega lain, mereka menggunakan platform open-source Orange Data Mining, untuk melatih algoritma machine learning. Antara lain, Random Forest, k-Nearest Neighbors, dan Support Vector Machine, dengan memasukkan data hasil uji laboratorium sebelumnya.

Hasilnya menunjukkan, model AI mampu memprediksi Noise Reduction Coefficient (NRC), yaitu ukuran seberapa besar suara diserap oleh material, dengan koefisien determinasi (R²) mencapai 0,987, artinya akurasi prediksi nyaris sempurna, sebesar 98,7 persen.

BACA JUGA: Tim PKM USM Beri Pelatihan Kabel Jaringan FO di SMK Pembangunan Mranggen

”Artinya, insinyur tak perlu lagi membuat puluhan contoh beton, lalu mengujinya satu per satu di ruang akustik yang mahal. Cukup masukkan komposisi rencana ke dalam sistim, dan dalam hitungan detik, AI memberi tahu, ‘Campuran ini akan menyerap suara hingga 65 persen di frekuensi 1.000 Hz’, atau berapa pun target reduksi kebisingan yang dibutuhkan,” ujarnya.

Menurut dia, inovasi itu sangat relevan untuk kota-kota padat seperti Semarang, Jakarta, atau Surabaya. Di mana kebisingan lalu lintas, pabrik, atau aktivitas komersial melebihi ambang batas aman WHO (55 dB siang hari).

Beton akustik bisa dipasang sebagai fasad gedung sekolah dekat rel kereta, dinding pembatas jalan tol, atau partisi ruang kelas, tanpa mengorbankan kekuatan struktural.

BACA JUGA: Mahasiswa Asing USM Juara 1 Lomba Menyanyi Indo-Pop Voice

”Kami tidak membuat material baru dari nol. Kami memanfaatkan bahan lokal, semen, pasir, agregat ringan, lalu mengoptimalkannya secara cerdas. Ini lebih murah, lebih cepat, dan ramah lingkungan,” ungkap Ngudi.

Ke depan, imbuhnya, model itu bisa diintegrasikan dalam perangkat lunak desain arsitektur atau sistem rekomendasi untuk kontraktor. Bahkan, kombinasi dengan sensor IoT memungkinkan beton “belajar” dari kondisi nyata, jika kebisingan ternyata lebih tinggi dari perkiraan. Sistim ini juga bisa menyarankan modifikasi untuk lapisan berikutnya.

”Di tengah upaya Indonesia membangun Smart City yang berkelanjutan, inovasi ini membuktikan, transformasi digital tak hanya terjadi di layar ponsel, tapi juga dalam material paling dasar pembangunan. Kini, beton bukan lagi benda mati. Ia bisa mendengar, belajar, dan merespons untuk kota yang lebih tenang, sehat, dan manusiawi,” ungkapnya.

Riyan

The post Peneliti Universitas Semarang Kembangkan Beton Akustik Cerdas appeared first on SuaraBaru.id.

Hasil penelitiannya itu, sukses mencuri perhatian dari beberapa negara. Bukan karena sorotan media, bukan pula karena anggaran riset miliaran rupiah, melainkan karena karyanya menyentuh urusan “hidup dan mati”, yakni deteksi dini stroke iskemik akut, penyebab utama kecacatan dan kematian di dunia.

Dalam acara itu, Andi berbicara dalam bahasa global, deep learning, transfer learning, dan convolutional neural network.

BACA JUGA: Tim PKM USM Beri Pelatihan Kabel Jaringan FO di SMK Pembangunan Mranggen

Bersama timnya, Dr Andi memaparkan sistim kecerdasan buatan, yang mampu membaca hasil Magnetic Resonance Imaging (MRI) otak pasien, lalu membedakan apakah gambar itu menunjukkan tanda-tanda stroke iskemik atau tidak, dalam hitungan detik, dengan tingkat ketepatan mencapai 96,5 persen.

”Bagi orang awam, angka itu terdengar abstrak. Tapi bagi para dokter di ruang gawat darurat, 96,5 persen berarti dari 100 pasien yang datang dengan gejala mencurigakan, hanya 3-4 kasus yang berisiko terlewat angka yang sangat kecil dalam dunia kedokteran gawat darurat, di mana setiap menit keterlambatan bisa berarti kehilangan dua juta sel otak,” kata Andi.

Menurut dia, sistim itu tak lahir dari udara kosong. Sistim itu dibangun di atas 2.400 gambar MRI otak, separuh dari pasien stroke, separuh dari orang sehat, yang dikumpulkan dari sejumlah rumah sakit di Indonesia.

BACA JUGA: Mahasiswa Asing USM Juara 1 Lomba Menyanyi Indo-Pop Voice

Tim Dr Andi memanfaatkan teknik transfer learning, atau mengambil “pengetahuan visual” yang sudah dimiliki AI dari dunia luar, lalu mengadaptasinya ke dunia medis.

Hasilnya, model VGG-16 mencapai performa puncak hanya dalam 50 epoch pelatihan, stabil tanpa gejala overfitting, yakni saat AI terlalu hafal data latih, dan gagal mengenali kasus baru.

Bahkan di antara empat arsitektur AI ternama yang diuji (VGG-16, VGG-19, ResNet50, dan InceptionV3), VGG-16 unggul bukan karena paling rumit, tapi karena paling konsisten. Lapis demi lapis filter 3×3 bekerja menangkap ciri-ciri visual dengan presisi tinggi, tanpa kehilangan fokus pada esensi diagnosis.

BACA JUGA: Tim PKM Dosen Teknik Sipil USM Dampingi Pemasangan U-Ditch untuk Drainase Jalan Semarang-Godong

Disampaikan juga, ini bukan tentang menggantikan radiolog. Ini tentang memberi mereka second pair of eyes, mata kedua yang tak pernah lelah, tak pernah terburu-buru, dan selalu siap 24 jam.

”Tentu jalan masih panjang. Dataset yang digunakan berasal dari satu negara, belum mencakup variasi etnis, usia ekstrem, atau komorbiditas kompleks. Model ini juga belum bisa membedakan jenis stroke, apakah akibat gumpalan jantung, aterosklerosis, atau emboli lainnya,” ungkap Andi.

Riyan

The post Dosen Teknik Elektro USM Perkenalkan Teknologi AI dalam Mendeteksi Stroke appeared first on SuaraBaru.id.