Yogyakarta, 15 September 2025 – Mahasiswa Magister Kecerdasan Artifisial (MKA), Departemen Ilmu Komputer dan Elektronika (DIKE) FMIPA UGM yang terdiri dari Joanito Agili Lopo, Marina Indah Prasasti, Alfa Natasya Limbong, dan Alma Permatasari, di bawah bimbingan Afiahayati, S.Kom., M.Cs., Ph.D., berhasil meraih Best Paper pada International Conference on Artificial Intelligence Technology (ICoAIT) 2025. Konferensi yang digelar secara hybrid pada 10 – 11 September 2025 ini diikuti oleh peneliti dan akademisi dari berbagai negara.
Paper yang dipresentasikan berjudul “Reconstructing Autoencoder-like Multilayer Perceptron Architecture for Feature-Preserving Pooling in CNNs”. Penelitian ini memperkenalkan pendekatan baru dalam teknologi deep learning, khususnya di bidang image recognition. Tim UGM mengusulkan arsitektur Autoencoder-like Multilayer Perceptron (MLP) sebagai alternatif metode pooling konvensional pada Convolutional Neural Networks (CNNs), seperti max pooling dan average pooling, yang menyebabkan hilangnya detail penting dari citra.
Metode ini bekerja dengan memproyeksikan feature map ke ruang laten, kemudian merekonstruksinya kembali sebelum klasifikasi. Pendekatan ini tidak hanya menjaga informasi penting citra, tetapi juga tetap efisien tanpa menambah kompleksitas parameter yang berlebihan. Berdasarkan hasil pengujian menggunakan dataset MNIST, model Autoencoder-like MLP berhasil mencapai akurasi 98.2%, lebih tinggi dibandingkan metode Expansion Downsampling learnable-Scaling (EDS) (98.1%) dan melampaui T-Max-Avg pooling (87.6%). Selain itu, model ini unggul dalam efisiensi dengan waktu inferensi 7.33 detik, lebih cepat dibandingkan metode pembanding lainnya.
Keunggulan lain yang ditunjukkan penelitian ini adalah kemampuannya mempertahankan feature representation yang lebih kuat dan terpisah, sehingga mendukung klasifikasi yang lebih akurat bahkan pada data yang sulit. Dengan rancangan yang sederhana namun efektif, inovasi ini berpotensi diintegrasikan ke dalam arsitektur CNN modern maupun aplikasi berbasis AI yang membutuhkan pemrosesan data real-time.
Inovasi ini turut mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG 9 (Industri, Inovasi, dan Infrastruktur), dengan menghadirkan inovasi teknologi yang ramah sumber daya sekaligus relevan untuk berbagai kebutuhan industri.
Author: Marina
Editor: Rifki
#SDGs9
