Program Studi Informatika – Telkom University Surabaya

Tag: deep learning

  • CNN dan Revolusi Computer Vision 2020–2025

    CNN dan Revolusi Computer Vision 2020–2025

    Perkembangan pesat kecerdasan buatan dalam lima tahun terakhir telah membawa perubahan signifikan pada bidang computer vision. Pada periode 2020–2025, Convolutional Neural Network (CNN) menjadi arsitektur utama yang mendorong lompatan besar dalam kemampuan sistem untuk memahami dan menafsirkan informasi visual. Teknologi ini memungkinkan mesin mengenali objek, wajah, dan pola visual dengan tingkat akurasi yang semakin mendekati persepsi manusia (1).

    CNN dirancang untuk meniru cara kerja sistem visual manusia melalui operasi konvolusi dan ekstraksi fitur hierarkis. Lapisan awal CNN berfokus pada pendeteksian fitur sederhana seperti tepi dan tekstur, sementara lapisan yang lebih dalam menangkap representasi yang lebih kompleks, seperti bentuk dan objek utuh. Pendekatan ini terbukti sangat efektif dalam menangani data visual berdimensi tinggi (2).

    Pada periode 2020–2025, revolusi computer vision tidak hanya ditandai oleh peningkatan akurasi, tetapi juga oleh efisiensi model. Arsitektur seperti ResNet, EfficientNet, dan MobileNet mengalami penyempurnaan signifikan untuk mengurangi kompleksitas komputasi tanpa mengorbankan performa. Hal ini memungkinkan CNN diimplementasikan pada perangkat dengan sumber daya terbatas, seperti smartphone dan sistem embedded (3).

    Penerapan CNN dalam berbagai sektor industri semakin meluas. Di bidang kesehatan, CNN digunakan untuk analisis citra medis, seperti deteksi kanker dari citra radiologi dan pengenalan pola pada hasil pemindaian MRI atau CT scan. Dalam sektor otomotif, CNN menjadi komponen kunci pada sistem Advanced Driver Assistance Systems (ADAS) dan kendaraan otonom untuk mendeteksi objek, jalur, dan rambu lalu lintas (4).

    Revolusi computer vision juga terlihat pada perkembangan teknik object detection dan image segmentation. Model seperti YOLO, Faster R-CNN, dan Mask R-CNN memungkinkan sistem mendeteksi dan mengklasifikasikan banyak objek secara real-time. Kemampuan ini membuka peluang baru pada bidang pengawasan, industri manufaktur, dan analisis video skala besar (2, 5).

    Selain aspek teknis, periode ini juga ditandai oleh meningkatnya kesadaran terhadap isu etika dan privasi. Penggunaan CNN untuk pengenalan wajah dan pemantauan visual menimbulkan diskusi tentang perlindungan data dan bias algoritma. Oleh karena itu, penelitian terbaru mulai mengarah pada pengembangan model yang lebih transparan, adil, dan dapat dijelaskan, sejalan dengan prinsip Explainable AI (XAI) (6).

    Secara keseluruhan, CNN telah menjadi fondasi utama revolusi computer vision pada periode 2020–2025. Dengan kombinasi peningkatan performa, efisiensi, dan cakupan aplikasi yang luas, CNN tidak hanya mengubah cara mesin melihat dunia, tetapi juga membentuk masa depan interaksi antara manusia dan teknologi visual di berbagai sektor kehidupan.

    Referensi

    1. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature.
    2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
    3. Tan, M., & Le, Q. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML.
    4. Litjens, G., et al. (2017). A Survey on Deep Learning in Medical Image Analysis. Medical Image Analysis.
    5. Redmon, J., et al. (2016). You Only Look Once: Unified, Real-Time Object Detection. CVPR.
    6. Arrieta, A. B., et al. (2020). Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges. Information Fusion.
  • Cerebras dan Google TPU: Siapa Penguasa Baru Hardware AI?

    Cerebras dan Google TPU: Siapa Penguasa Baru Hardware AI?

    Ledakan kecerdasan buatan dalam satu dekade terakhir tidak hanya ditopang oleh algoritma baru, tetapi juga oleh hardware khusus yang dirancang untuk mempercepat komputasi. Dua nama yang sering muncul dalam diskusi teknologi akselerator AI adalah Cerebras Systems dengan Wafer-Scale Engine (WSE) dan Google dengan Tensor Processing Unit (TPU). Keduanya menawarkan pendekatan berbeda untuk memecahkan masalah inti deep learning: bagaimana memproses jutaan hingga miliaran parameter model dengan cepat, efisien, dan hemat energi. Pertanyaannya, siapa yang berpotensi menjadi penguasa baru hardware AI?

    Cerebras dikenal berani mendobrak batas desain chip konvensional dengan meluncurkan Wafer-Scale Engine, chip raksasa sebesar satu wafer penuh dengan luas lebih dari 46.000 mm² dan berisi ratusan ribu core khusus AI. Arsitektur ini memungkinkan komunikasi antar-core yang sangat cepat, sehingga meminimalkan bottleneck yang biasanya muncul pada GPU atau CPU. Menurut Feldman (2021), WSE-2 milik Cerebras mampu memberikan performa setara dengan ratusan GPU kelas atas, tetapi dengan latensi komunikasi jauh lebih rendah. Teknologi ini sangat cocok untuk melatih model AI skala besar seperti GPT atau model genomik yang membutuhkan paralelisme ekstrem.

    Sementara itu, Google TPU mengambil pendekatan berbeda. TPU didesain khusus untuk mempercepat operasi tensor dalam deep learning, terutama pada framework TensorFlow. Generasi terbaru, TPU v4, mampu memberikan performa hingga 275 teraflops per chip dan terintegrasi langsung dengan infrastruktur Google Cloud. Keunggulan TPU terletak pada skalabilitasnya: ribuan chip TPU dapat dikombinasikan dalam TPU Pod, yang menjadikannya salah satu sistem komputasi AI terbesar di dunia. Jouppi et al. (2021) menunjukkan bahwa TPU v4 memberikan efisiensi energi hampir 2x lipat dibanding GPU terbaru dalam beban kerja machine learning tertentu.

    Persaingan Cerebras vs Google TPU bukan sekadar angka performa, tetapi juga soal ekosistem. TPU unggul karena terintegrasi penuh dengan Google Cloud, sehingga mudah diakses perusahaan atau peneliti tanpa harus membeli hardware fisik. Sebaliknya, Cerebras lebih fokus pada sektor riset ilmiah dan institusi yang membutuhkan komputasi AI on-premise dengan kontrol penuh. Menurut Mattson et al. (2020), TPU lebih populer untuk aplikasi industri dan cloud-scale AI, sedangkan Cerebras lebih menonjol di bidang penelitian frontier, seperti genomika, material science, dan large language models (LLM).

    Meski begitu, keduanya sama-sama mendorong batas teknologi AI. Cerebras dengan chip raksasa berbasis wafer membawa paradigma baru dalam desain hardware, sementara Google TPU membuktikan kekuatan integrasi antara akselerator khusus dan ekosistem cloud. Schuman et al. (2022) menilai bahwa masa depan hardware AI kemungkinan tidak akan didominasi hanya oleh satu pemain, melainkan oleh kombinasi berbagai pendekatan, di mana Cerebras dan TPU menjadi pionir utama.

    Dengan demikian, tidak ada jawaban tunggal siapa penguasa baru hardware AI—Cerebras unggul dalam arsitektur revolusioner untuk riset frontier, sedangkan Google TPU memimpin dalam ekosistem cloud dan adopsi massal. Yang pasti, keduanya mewakili arah baru komputasi AI: semakin besar, semakin efisien, dan semakin dekat dengan kebutuhan model kecerdasan buatan yang kian kompleks.

    Referensi
    1. Feldman, A. (2021). The Wafer-Scale Engine: Accelerating AI Beyond GPUs. Communications of the ACM, 64(12), 34–38. https://doi.org/10.1145/3470496
    2. Jouppi, N. P., et al. (2021). Ten Lessons From Three Generations Shaped Google’s TPUv4i. Proceedings of the 48th Annual International Symposium on Computer Architecture (ISCA). https://doi.org/10.1145/3466752.3480110
    3. Mattson, P., Reddi, V. J., Cheng, C., et al. (2020). MLPerf: An Industry Standard Benchmark Suite for Machine Learning Performance. IEEE Micro, 40(2), 8–16. https://doi.org/10.1109/MM.2020.2974843
    4. Schuman, C. D., Potok, T. E., & Plank, J. S. (2022). Opportunities for Neuromorphic and Specialized Hardware in AI. Nature Computational Science, 2, 10–19. https://doi.org/10.1038/s43588-021-00184-y
    5. Cerebras Systems. (2023). Cerebras Wafer-Scale Engine 2 Technical Overview. Cerebras Technical Paper. https://cerebras.net
  • Mengenal Algoritma AI dan Dampaknya di Masa Mendatang: Edukasi Cerdas untuk Generasi Muda

    Mengenal Algoritma AI dan Dampaknya di Masa Mendatang: Edukasi Cerdas untuk Generasi Muda

    Telkom University Surabaya terus mengukuhkan peran aktifnya dalam menyebarluaskan literasi teknologi ke berbagai lapisan masyarakat, khususnya generasi muda. Melalui program Informatika untuk Masyarakat (IUM), berbagai kegiatan edukatif diselenggarakan untuk memperkenalkan konsep-konsep teknologi mutakhir secara sederhana dan aplikatif.

    Salah satu kegiatan tersebut adalah seminar bertema “Mengenal Algoritma AI dan Dampaknya di Masa Mendatang” yang menyasar siswa-siswi SMA Negeri 18 sebagai peserta utama. Kegiatan ini bertujuan membuka wawasan pelajar mengenai dasar-dasar kecerdasan buatan (Artificial Intelligence/AI), serta bagaimana algoritma yang mendasarinya telah dan akan terus memengaruhi berbagai aspek kehidupan.

    Di tengah derasnya perkembangan teknologi digital, masih banyak pelajar yang hanya menjadi pengguna teknologi tanpa memahami bagaimana sistem cerdas bekerja atau potensi dampaknya di masa depan. Melalui pendekatan edukatif, interaktif, dan kontekstual, mahasiswa S1 Informatika Telkom University berperan sebagai fasilitator dalam menjelaskan konsep-konsep dasar algoritma AI, jenis-jenisnya, serta aplikasi nyatanya di dunia industri, pendidikan, hingga kehidupan sehari-hari.

    Dengan demikian, kegiatan ini tidak hanya menumbuhkan pemahaman teknis, tetapi juga membangun kesadaran etis dan kritis terhadap perkembangan teknologi.

    Peningkatan Literasi AI dan Analisis Sentimen Melalui Seminar Edukatif

    Dipimpin oleh Dimas Chaerul Ekty Saputra, S.Kom., M.Sc., Ph.D., seminar ini dilaksanakan oleh tim mahasiswa Informatika Universitas Telkom Surabaya dari Kelompok 9, yang terdiri dari Rafael (ketua), Marcel Hans, Wahyu Adam Anandika, Bima Arya Wismaya, Akmal Eggyte, dan Kayla Hactni.

    Kegiatan ini dilaksanakan di SMA Negeri 18 pada 15 April 2025, dengan partisipasi aktif dari para siswa sebagai peserta. Seminar ini dirancang untuk memperkenalkan konsep dasar algoritma kecerdasan buatan (AI) kepada pelajar, sekaligus membuka diskusi mengenai bagaimana algoritma-algoritma tersebut telah berperan dan akan terus berkembang dalam kehidupan masyarakat modern.

    Materi yang disampaikan mencakup pengenalan berbagai jenis algoritma AI seperti Decision Tree, K-Nearest Neighbor, hingga Neural Network, serta aplikasi praktisnya di berbagai bidang seperti kesehatan, transportasi, industri, dan pendidikan.

    Melalui pendekatan interaktif, siswa diajak memahami cara kerja dasar algoritma AI dan menganalisis dampaknya — baik dari segi manfaat maupun potensi tantangan etis dan sosialnya. Diharapkan, kegiatan ini dapat menumbuhkan ketertarikan pelajar terhadap dunia teknologi, sekaligus menyiapkan mereka menjadi generasi yang tidak hanya melek digital, tetapi juga siap berkontribusi di era kecerdasan buatan.

    Metode Interaktif dan Respons Siswa

    Agar materi lebih mudah dipahami dan menarik bagi peserta, seminar dilaksanakan dengan pendekatan presentasi visual, diskusi terbuka, dan kuis tanya jawab langsung di akhir sesi. Materi disampaikan dengan bahasa yang sederhana dan disertai ilustrasi yang membantu siswa memahami konsep algoritma AI secara mendasar.

    Siswa diberi kesempatan untuk bertanya dan menyampaikan pendapat mengenai bagaimana mereka melihat peran AI dalam kehidupan sehari-hari maupun di masa depan. Diskusi berlangsung aktif, menunjukkan minat dan rasa ingin tahu peserta terhadap perkembangan teknologi kecerdasan buatan.

    Melalui sesi tanya jawab, siswa menunjukkan pemahaman yang cukup baik terhadap materi yang disampaikan. Mereka juga mulai menyadari pentingnya memahami logika di balik teknologi yang mereka gunakan sehari-hari, serta dampak jangka panjangnya terhadap dunia kerja dan kehidupan sosial.

    Apresiasi untuk Partisipasi Aktif Siswa dalam Seminar AI

    Penyerahan hadiah oleh mahasiswa kepada siswa SMAN 18 yang aktif dalam sesi diskusi

    Sebagai bentuk penghargaan atas partisipasi aktif selama sesi diskusi dan kuis, tim mahasiswa memberikan hadiah simbolis kepada siswa SMAN 18 Surabaya yang menunjukkan antusiasme dan pemahaman tinggi terhadap materi yang disampaikan.

    Momen ini menjadi bagian dari upaya membangun suasana pembelajaran yang menyenangkan dan memotivasi siswa untuk lebih percaya diri dalam menyampaikan pendapat serta bertanya seputar teknologi AI dan dampaknya.

    Kegiatan ini juga mencerminkan sinergi positif antara mahasiswa dan pihak sekolah, yang mendukung penuh jalannya seminar dan menciptakan ruang dialog terbuka bagi generasi muda dalam memahami perkembangan teknologi. Melalui penghargaan kecil ini, diharapkan semangat belajar siswa semakin tumbuh dan mereka terdorong untuk terus menggali potensi diri di bidang teknologi dan sains.

    Hasil dan Harapan Ke Depannya

    Kegiatan seminar “Mengenal Algoritma AI dan Dampaknya di Masa Mendatang” memberikan pemahaman dasar kepada siswa mengenai kecerdasan buatan serta dampaknya dalam kehidupan.

    Antusiasme peserta menunjukkan bahwa tema teknologi seperti AI relevan dan menarik bagi pelajar saat ini. Melalui pengalaman ini, mahasiswa dan siswa sama-sama memperoleh manfaat, baik dalam hal edukasi maupun penguatan komunikasi lintas jenjang pendidikan.

    Referensi & Dokumentasi

    • Astina Mandiri (2023). Perkembangan Kecerdasan Buatan dan Dampaknya pada Industri.
    • HIMASIS (2023). Dampak Teknologi AI terhadap Masa Depan.
    • Nathania, K. (2025). Sikap Kritis Generasi Muda terhadap Kondisi Sosial – UGM.

    Dokumentasi Kegiatan:
    Google Drive Link

    Tim Pelaksana:

    • Dosen Pembimbing: Dimas Chaerul Ekty Saputra, S.Kom., M.Sc., Ph.D.
    • Mahasiswa:
      • Salbani Rafael Tyo Balapradhana
      • Marcel Hans
      • Akmal Eggy Terea
      • Wahyu Adam Anandika
      • Kayla Hatcni Fachnisa
      • Bima Arya Wismaya
  • AI vs Komputasi Kuantum: Manakah yang Lebih Berisiko di Masa Depan?

    AI vs Komputasi Kuantum: Manakah yang Lebih Berisiko di Masa Depan?

    Seiring berkembangnya jaman, teknologi pun semakin berkembang pesat. Sering kali ada dua inovasi yang sering menjadi bahan perbincangan yaitu Kecerdasan Buatan (Artificial Intelligence/AI) dan Komputasi Kuantum (Quantum Computing). Kedua teknologi ini memiliki potensi transformatif yang luar biasa, namun juga membawa tantangan yang tidak dapat diabaikan. Dalam artikel ini,  kita akan membahas dampak positif dan negatif dari kedua teknologi tersebut dan membandingkan mana yang lebih berbahaya di masa depan.

    Apa itu AI dan Komputansi Kuantum?

    Kecerdasan Buatan (AI),  adalah teknologi yang memiliki kemampuan pemechan masalah layaknya manusia. AI didukung oleh algoritma pembelajaran mesin (machine learning) dan pembelajaran mendalam (deep learning) yang memungkinkan bagi sistem belajar dari data dan meningkatkan kinerjanya seiring waktu.

    Komputansi Kuantum (Quantum Computing),  adalah bidang ilmu yang menggunakan prinsip mekanika kuantum untuk memproses informasi dengan cara yang jauh lebih cepat dan efisien dibandingkan komputer klasik. Jika komputer konvensional menggunakan bit (0 dan 1) sebagai unit dasar penyimpanan data, maka komputer kuantum menggunakan qubit yang dapat berada dalam banyak keadaan sekalibus karena fenomena superposisi dan keterkaitan kuantum.

    Seiring dengan manfaat luar biasa yang ditawarkan, kedua teknologi ini juga membawa dampak yang signifikan dalam berbagai aspek kehidupan. Untuk memahami lebih lanjut, berikut adalah beberapa dampak positif dan negatif yang dihasilkan oleh masing-masing teknologi.

    Dampak Positif AI dan Komputasi Kuantum

    Kecerdasan Buatan (AI)

    1. Peningkatan Efisiensi dan Produktivitas
      AI memungkinkan otomatisasi berbagai proses bisnis dan industri, meningkatkan efisiensi kerja, serta mengurangi beban kerja manusia dalam tugas yang repetitif dan teknis.
    2. Transformasi di Bidang Kesehatan
      Dengan kemampuan analisis data yang canggih, AI membantu tenaga medis dalam mendiagnosis penyakit lebih akurat, mempercepat pengembangan obat, dan meningkatkan kualitas layanan kesehatan bagi pasien.
    3. Keamanan dan Prediksi Risiko
      AI memainkan peran penting dalam meningkatkan keamanan dengan sistem pemantauan cerdas, analisis pola kriminalitas, serta deteksi ancaman siber yang lebih akurat dan responsif.

    Komputasi Kuantum

    1. Revolusi dalam Ilmu Pengetahuan dan Teknologi
      Komputasi kuantum memungkinkan penyelesaian masalah kompleks yang tidak dapat ditangani oleh komputer klasik, seperti simulasi molekuler untuk penelitian medis dan eksplorasi energi baru.
    2. Optimalisasi Sistem yang Kompleks
      Dalam bidang keuangan, transportasi, dan logistik, komputasi kuantum menawarkan solusi optimal untuk meningkatkan efisiensi operasional dan pengambilan keputusan berbasis data.
    3. Keamanan Data yang Lebih Canggih
      Meski berpotensi mengancam sistem keamanan siber saat ini, teknologi kuantum juga membuka peluang untuk pengembangan enkripsi baru yang lebih kuat dan aman, seperti Quantum Key Distribution (QKD).

    Dampak Negatif AI dan Komputasi Kuantum

    Kecerdasan Buatan (AI)

    1. Manipulasi Informasi dan Privasi
      Penggunaan AI dalam pembuatan deepfake dan penyebaran disinformasi dapat mengancam kepercayaan publik serta mempengaruhi opini dan keputusan masyarakat secara tidak etis.
    2. Disrupsi Tenaga Kerja dan Kesenjangan Sosial
      Otomatisasi yang didukung AI berpotensi menggantikan pekerjaan manusia dalam berbagai sektor, yang dapat meningkatkan pengangguran dan memperlebar kesenjangan ekonomi jika tidak dikelola dengan baik.
    3. Ancaman Keamanan dan Etika
      AI otonom, termasuk dalam bidang militer dan sistem pengambilan keputusan kritis, menimbulkan tantangan etis dan keamanan jika tidak ada regulasi yang ketat dalam penggunaannya.

    Komputasi Kuantum

    1. Risiko Terhadap Keamanan Data Global
      Komputasi kuantum memiliki kemampuan untuk memecahkan enkripsi yang digunakan saat ini, yang dapat membuka celah bagi ancaman siber, pencurian data, dan pelanggaran privasi berskala besar.
    2. Kesenjangan Akses dan Biaya Tinggi
      Teknologi kuantum masih sangat mahal dan kompleks, yang dapat memperlebar kesenjangan teknologi antara negara dan organisasi yang memiliki sumber daya besar dengan mereka yang tidak.
    3. Potensi Penyalahgunaan oleh Pihak Tidak Bertanggung Jawab
      Jika teknologi ini jatuh ke tangan yang salah, dampaknya bisa sangat besar, mulai dari eksploitasi sistem keuangan hingga serangan siber yang sulit diatasi.

    Kesimpulan: Mana yang Lebih Berisiko?

    Dalam jangka pendek, AI memiliki risiko yang lebih nyata, terutama dalam hal manipulasi informasi, otomatisasi yang berpotensi menggantikan tenaga kerja manusia, serta tantangan etika dalam penggunaannya. Namun, dalam jangka panjang, komputasi kuantum dapat menjadi ancaman yang lebih besar, khususnya jika digunakan untuk meretas sistem keamanan global dan merombak infrastruktur digital yang ada saat ini.

    Kombinasi AI dan komputasi kuantum juga bisa menjadi alat yang sangat kuat untuk kemajuan peradaban, tetapi jika tidak diatur dengan baik, dampaknya bisa sangat merugikan. Oleh karena itu, pendekatan yang berpusat pada manusia, regulasi yang ketat, serta pengembangan etika dalam penerapan teknologi sangat diperlukan untuk memastikan bahwa inovasi ini digunakan demi kebaikan bersama.

    Referensi :

    https://tekno.kompas.com/read/2023/11/28/17150057/5-dampak-positif-dan-negatif-dari-artificial-intelligence-yang-perlu-diketahui?page=all&utm_

    https://aws.amazon.com/id/what-is/artificial-intelligence

Secret Link