Mahasiswa Program Magister Teknik Biomedis, Mahasti Namira, telah menyelesaikan penelitian inovatif di bidang kecerdasan buatan (Artificial Intelligence) dengan fokus pada penerapan computer vision dalam bidang kesehatan. Penelitian yang dilakukan selama periode Mei 2024 hingga Januari 2026 ini mengangkat judul “Peningkatan Kinerja Metode Faster Region-Based Convolutional Neural Network melalui Integrasi Modul Bidirectional Feature Pyramid Network dalam Identifikasi Bakteri Tuberkulosis pada Citra Ziehl–Neelsen.”
Tuberkulosis (TB) masih menjadi salah satu penyakit menular paling mematikan di dunia. Berdasarkan laporan Organisasi Kesehatan Dunia (WHO) tahun 2021, terdapat lebih dari sepuluh juta kasus baru TB dengan sekitar 1,5 juta kematian setiap tahunnya. Berangkat dari permasalahan tersebut, Namira mengembangkan solusi berbasis deep learning untuk meningkatkan akurasi dan efisiensi deteksi bakteri Mycobacterium tuberculosis pada citra mikroskopis.
Penelitian sebelumnya menunjukkan bahwa arsitektur Faster R-CNN mampu mencapai akurasi tinggi dalam deteksi TB, namun masih menghadapi kendala dalam mengidentifikasi basil berukuran kecil akibat keterbatasan representasi fitur multi-skala. Selain itu, kebutuhan GPU dengan kapasitas memori besar membuat implementasinya di lapangan menjadi kurang praktis. Untuk mengatasi hal tersebut, Namira mengusulkan pengembangan model dengan mengintegrasikan modul Bidirectional Feature Pyramid Network (BiFPN) ke dalam arsitektur Faster R-CNN.
Integrasi BiFPN ini bertujuan untuk meningkatkan kualitas fusi fitur multi-skala sekaligus menjaga efisiensi komputasi tanpa menambah kompleksitas model secara signifikan. Dengan menggunakan dataset sebanyak 1.265 citra yang diperluas menjadi 6.375 citra melalui teknik augmentasi, model yang dikembangkan berhasil mencapai performa yang sangat baik, yaitu 93,71% mAP@0,5. Selain itu, hasil deteksi menunjukkan korelasi yang sangat kuat dengan perhitungan manual (r = 0,997) serta nilai kesalahan yang rendah (MAE = 0,22).
Hasil tersebut menunjukkan bahwa peningkatan arsitektur jaringan secara terarah mampu mengatasi kelemahan utama metode deep learning konvensional dalam deteksi TB otomatis. Lebih dari itu, model yang dihasilkan juga relatif efisien sehingga berpotensi untuk diterapkan pada lingkungan dengan sumber daya terbatas.
Penelitian ini dibimbing oleh Ir. Ridwan Wicaksono, S.T., M.Eng., Ph.D dan Prof. dr. Titik Nuryastuti, M.Si., Ph. D, Sp.MK (K). Melalui penelitian ini, Namira berharap dapat memberikan kontribusi nyata dalam pengembangan sistem diagnosis tuberkulosis berbasis kecerdasan buatan, khususnya dalam meningkatkan akurasi dan keandalan deteksi bakteri pada citra Ziehl–Neelsen. Hasil penelitian ini juga diharapkan dapat menjadi dasar bagi pengembangan sistem pendukung keputusan medis yang membantu tenaga kesehatan dalam proses diagnosis secara lebih cepat, objektif, dan akurat.
Namira mengungkapkan bahwa pengalaman paling berkesan selama menempuh studi Magister Teknik Biomedis adalah kesempatan untuk mengintegrasikan ilmu teknik, kecerdasan buatan, dan aplikasi klinis secara langsung. Penelitian ini tidak hanya memperdalam pemahaman teknis dalam analisis citra medis, tetapi juga meningkatkan kesadaran akan pentingnya kolaborasi antara teknologi dan dunia kesehatan dalam menyelesaikan permasalahan nyata.
Secara keseluruhan, penelitian ini menjadi pengalaman yang sangat berharga karena tidak hanya memperkuat kemampuan analitis dan teknis, tetapi juga menegaskan pentingnya pendekatan multidisiplin dalam pengembangan solusi inovatif di bidang kesehatan. Namira mengikuti wisuda pascasarjana UGM pada 22 April 2026
Penulis: Arni
Editor: Dr. Rini, Namira