Prof. Drs. Ir. Abdul Fadlil, M.T., Ph.D. memberikan pidato pengukuhan Guru Besar Universitas Ahmad Dahlan (Dok. Istimewa)
Salah satu contoh pengenalan pola yang cukup kompleks dalam bidang kecerdasan buatan ialah membuat mesin yang mampu mengenali sebuah gambar atau coretan tulisan tangan. Sejalan dengan hal itu, Prof. Drs. Ir. Abdul Fadlil, M.T., Ph.D. yang merupakan Guru Besar Bidang Ilmu Teknik Elektro Universitas Ahmad Dahlan (UAD) melakukan Penelitian dan Pengembangan Pengenalan Pola Berbasis Kecerdasan Buatan dan Aplikasinya.
Menurut Prof. Abdul Fadlil, Q.S. An-Nuhl ayat 78 merupakan salah satu sumber inspirasi bagi pengembangan kecerdasan buatan jaringan saraf tiruan untuk pengenalan pola ucapan wajah, tulisan tangan, dan lainnya. “Tujuan utama kecerdasan buatan ialah meniru proses kecerdasan yang dimiliki oleh manusia. Seseorang bisa menjadi cerdas karena adanya proses pembelajaran. Hal tersebut merupakan ciri utama dari sebuah sistem berbasis kecerdasan buatan,” tuturnya.
Pengenalan Pola
- Biometrik
Istilah biometrik dapat diartikan sebagai data-data biologis seseorang. Oleh karena itu, pengenalan biometrik merupakan pengenalan yang bekerja dengan mengambil data biometika seseorang. Data biologis tersebut berupa data fisik seperti sidik jari, bentuk geometri tangan atau jari, retina, bentuk telinga, atau rambut. Data yang bersifat perilaku seperti ucapan, tanda tangan, gerak mimik bibir, gerak langkah kaki.
- Non-Biometrik
Pengenalan pola yang bukan dari data biologis seseorang atau non-biometrik contohnya ialah pengenalan pola batik, pengenalan jenis darah, dan lainnya.
Komponen Sistem Pengenalan Pola
- Akuisisi data
Pada proses ini menggunakan sensor misalnya kamera ponsel, mikroskop, dan pemindai yang akan digunakan untuk mengambil data.
- Pre-processing
Merupakan proses transformasi dari data mentah yang berfungsi membantu proses menghasilkan ekstraksi ciri yang berkualitas.
- Ekstraksi ciri
Proses yang dilakukan untuk mendapatkan penajaman perbedaan ciri untuk suatu objek yang labelnya sama akan diperoleh pola yang mirip. Sedangkan untuk label yang berbeda diperoleh pola yang terlihat bedanya.
- Klasifikasi
Pada dasarnya proses pengelompokan atau pemisahan data mentah yang sudah menjadi pola dari sejumlah data. Kemudian menjadi kelompok kelas yang dimaksud.
- Keputusan akhir
Proses yang dilakukan dengan memanfaatkan hasil penetapan kategori dan menghubungkan antara masukan dengan pola target untuk menentukan keputusan akhir.
Ucapan yang disampaikan seseorang dapat digunakan untuk mengidentifikasi kondisi emosi seseorang. Emosi seseorang merupakan perasaan intens yang ditujukan kepada orang lain atau sesuatu yang diungkapkan melalui ucapan atau dapat diungkapkan dengan raut wajah.
Prof. Abdul Fadlil mengatakan, pengenalan emosi berdasarkan ucapan bertujuan untuk membandingkan hasil akurasi pengenalan emosi berdasarkan ucapan menggunakan ekstraksi ciri Linier Predictive Coding (LPC) dan Mel-Frequency Cepstrum Coefficients (MFCC) dengan teknik klasifikasi Jaringan Saraf Tiruan.
Ia menambahkan bahwa strategi pemanfaatan Artificial Intelligence (AI) pada tahun 2020 hingga 2045 memberikan arah pemanfaatan AI untuk pemerintahan, layanan publik, keuangan, kesehatan, pendidikan, dan lainnya. “Sejalan dengan hal itu, kami bersama mahasiswa melakukan pengembangan sistem monitoring dan terapi potensi cedal berdasarkan ucapan serta monitoring dan terapi strok berdasarkan ucapan,” imbuhnya. (umh)
uad.ac.id