Aris Rakhmadi, Lulusan Pertama S3 Informatika UAD
Aris Rakhmadi, lulusan pertama Program Studi S3 Informatika Universitas Ahmad Dahlan (UAD) (Foto. Humas UAD)
Program Studi S3 Informatika Fakultas Teknologi Industri (FTI) Universitas Ahmad Dahlan (UAD) menorehkan pencapaian yang membanggakan dengan menggelar ujian disertasi perdananya. Agenda bersejarah ini dilaksanakan pada Senin, 05 Oktober 2026, dan sekaligus menandai lulusan serta mahasiswa pertama yang menempuh ujian tersebut. Aris Rakhmadi, mahasiswa tercatat sebagai mahasiswa pertama yang sukses menempuh ujian sekaligus lulusan perdana S3 Informatika FTI UAD.
Ujian tersebut dipimpin oleh Prof. Drs. Ir. Abdul Fadlil, M.T., Ph.D. selaku Ketua Penguji. Adapun anggota penguji terdiri atas Prof. Ir. Anton Yudhana, S.T., M.T., Ph.D.; Prof. Ir. Sunardi, S.T., M.T., Ph.D.; Prof. Dr. Ir. Imam Riadi, M.Kom.; serta Prof. Dr. Ir. Jazi Eko Istiyanto, M.Sc., IPU, ASEAN Eng.
Aris memaparkan hasil penelitian disertasinya yang berjudul “Pendekatan Multi-Arsitektur CNN dalam Pengenalan Bahasa Isyarat Arab untuk Aksesibilitas Qur’ani bagi Penyandang Disabilitas Rungu-Wicara”. Penelitian ini dimaksudkan untuk mengenali isyarat huruf Arab dengan memanfaatkan beberapa arsitektur Convolutional Neural Network (CNN), sehingga penyandang disabilitas rungu-wicara lebih mudah mengakses Al-Qur’an.
Aris menjelaskan, penelitian terdahulu kebanyakan hanya memakai satu arsitektur. Karena itu, ia mencoba mengeksplorasi beberapa arsitektur sekaligus, lalu membandingkan hasilnya. Empat arsitektur yang digunakan ialah VGG, ResNet, MobileNet, dan EfficientNet.
Menurut Aris, keempatnya dipilih karena dipandang sebagai sampel yang mewakili kebanyakan arsitektur CNN. VGG memiliki struktur yang sederhana tetapi lebih berat, ResNet memiliki residual connection yang memungkinkan pelatihan jaringan lebih dalam, MobileNet dirancang untuk perangkat dengan sumber daya terbatas, sedangkan EfficientNet menitikberatkan efisiensi komputasi.
Ia menyampaikan bahwa pada tahap awal ia membangun dataset sendiri. Pada eksperimen berikutnya, ia menggunakan dataset publik berisi sekitar 7.800 citra yang terbagi ke dalam 31 kelas. Sebanyak 70 persen data dipakai untuk pelatihan model, dan variasi citra diperkaya melalui proses augmentasi, salah satunya rotasi.
Penelitian ini menyimpulkan bahwa setiap arsitektur CNN memiliki keunggulan berbeda dalam mengenali bahasa isyarat Arab. ResNet50 menghasilkan performa paling baik, MobileNet menjadi yang paling ringan dengan jumlah parameter paling sedikit, sedangkan EfficientNet-B0 menunjukkan performa yang relatif seimbang dengan hasil memuaskan.
Meski masih terbatas pada citra statis dengan metode kitabah, penelitian ini menjadi pijakan awal bagi pengembangan teknologi yang membantu penyandang disabilitas rungu-wicara mengakses Al-Qur’an.
Dengan terselenggaranya ujian disertasi perdana ini, diharapkan mutu akademik Program Studi S3 Informatika FTI UAD semakin unggul, serta terus konsisten mencetak generasi doktor dan akademisi yang andal, inovatif, serta mampu menghasilkan riset-riset berkualitas tinggi yang berdampak nyata bagi kemajuan ilmu pengetahuan dan masyarakat luas. (Septia)
