Dosen FILKOM UB Instruktur International Webtraining on UAS
Fatwa Ramdani, D.Sc., S.Si., M.Sc. dosen sekaligus Ketua Grup Riset Geoinformatika Fakultas Ilmu Komputer, Universitas Brawijaya (FILKOM UB) dipercaya menjadi instruktur dalam acara “International Unmanned Aerial System: Techniques and Applications for Environmental Monitoring”. Dalam acara yang diselenggarakan daring dalam dua hari tersebut (28-29/7/2020) Fatwa adalah salah satu dari total 7 (tujuh) instruktur yang dipercaya sebagai narasumber. Adapun enam instruktur yang lain adalah praktisi dan akademisi dari dalam dan luar negeri. Mereka adalah Mr. Tsai, Sinda (Manager Strong Co.), Mr. Lai, Louis (Engineer, Strong Co.), Mr. Lee, Jason (Engineer Strong Co.), Dr. Chang, Kuan-Tsung (Dept. Of CEEI, Minghsin University of science and Technology, Taiwan), Dr. Bambang Semedi (CORECT-RG, FFMS, Universitas Brawijaya, Indonesia) dan Dr. Wang, Hsing Yu (National Taiwan Ocean University).
Acara dibagi menjadi dua topik utama, yaitu UAS introduction and Image Processing disampaikan hari pertama dan UAS Application for Environmental Monitoring disampaikan pada hari kedua. Fatwa menjadi pemateri keempat pada hari kedua dengan paparan materi hasil penelitiannya yang berjudul “Analysis of Advance Classifier Algorithm on Ultra-high Resolution Aerial Imagery of UAS: Multilayer Perceptron (MLP) vs RBF Neural Network (RBFNN)”. Dalam penelitiannya tersebut Fatwa membandingkan penggunaan MLP dan RBFNN dalam hal performa komputasi, akurasi dan presisi untuk mendeteksi bangunan dan daerah yang tertutup pepohonan dari UAV dataset. Area studi penelitiannya adalah wilayah Universitas Brawijaya di Malang, Jawa Timur, Indonesia.
Dari penelitiannya tersebut didapat kesimpulan bahwa MLP memiliki kelebihan dalam hal fast processing tapi hasilnya memiliki akurasi yang rendah. Sementara itu untuk RBFNN justru berlaku hal sebaliknya yaitu slow processing namun memberi hasil dengan higher accuracy. Oleh karena itu bagi yang fokus kebutuhannya adalah performa, bukan akurasi atau presisi hasil maka penggunaan MLP dapat dipertimbangkan karena MLP hanya butuh 5 menit untuk 10.000 iterasi. Sementara bagi yang fokus kebutuhannya adalah hasil dengan tingkat akurasi dan presisi yang tinggi maka penggunaan RBFNN dapat dipertimbangkan. Namun perlu diingat bahwa penggunaan RBFNN sangat memakan waktu karena membutuhkan sekitar 1 jam hanya untuk 20 iterasi. Artikel penelitian Fatwa tersebut dapat diakses di https://doi.org/10.1080/01431161.2019.1688413. [dna]
