Dosen UGM Raih Penghargaan Best Presenter pada Konferensi Internasional Kelautan ICMMBT 2023
MAGENTA -- Dosen Fakultas Geografi Universitas Gadjah Mada (UGM) Prof Pramaditya Wicaksono menerima penghargaan “Best Presenter” pada the 4th International Conference on Integrated Coastal Management & Marine Biotechnology (ICMMBT).
Konferensi yang digelar di Grand Inna Kuta di Bali pada 12-13 September 2023 tersebut diikuti oleh15 negara dengan tema “Good Practices and Innovations Towards Blue Economy.“
ICMMBT adalah konferensi internasional terkemuka yang mempertemukan para ahli, peneliti, dan pemangku kepentingan dari berbagai negara dalam bidang pengelolaan pesisir dan bioteknologi kelautan untuk membahas pendekatan dan praktik inovatif untuk pengelolaan pesisir dan laut berkelanjutan.
BACA JUGA: Mengenal Pramaditya Wicaksono, Guru Besar Termuda UGM di Usia 35 Tahun
Dalam konferensi tersebut, Pramaditya mempresentasikan hasil riset kolaborasi dengan judul Initial Development of a Multitemporal Seaweed Production Mapping and Monitoring System using Deep Learning for the South Sulawesi Seaweed Industry.
Kajian tersebut berfokus pada integrasi penginderaan jauh dengan memanfaatkan kecerdasan buatan (AI) khususnya deep learning untuk memetakan dinamika produksi rumput laut di sebagian provinsi Sulawesi Selatan.
Pramaditya menjelaskan fokus utama penelitian adalah ekstraksi informasi temporal, spektral, dan spasial dari citra satelit. Dengan mengkarakterisasi wilayah pertumbuhan berdasarkan karakteristik produksinya, sistem inovatif ini memfasilitasi perencanaan dan perumusan kebijakan yang lebih baik untuk industri rumput laut.
BACA JUGA: Survei: Instagram dan Tiktok UGM Paling Populer dari 15 Kampus Besar di Indonesia
“Hasil akhir dari prototype ini adalah kerangka pemetaan yang cepat, otomatis, dan hemat biaya yang menyediakan peta rumput laut multitemporal dan informasi status produksinya,” kata Pramaditya dikutip dari ugm.ac.id, Jumat (22/9/2023).
Menurut Pramaditya, pemetaan budi daya rumput laut secara umum bergantung pada interpretasi visual dari data penginderaan jauh, yang dapat bersifat subyektif dan tidak konsisten karena faktor keahlian dari sumber daya manusianya. Integrasi penginderaan jauh dengan kecerdasan buatan (AI), khususnya deep learning menjadi salah satu solusi yang menjanjikan untuk menjawab tantangan itu.
“Penelitian ini memperkenalkan penggunaan deep learning model untuk pemetaan budi daya rumput laut, dengan fokus khusus pada data satelit PlanetScope,” ungkap Guru Besar bidang Penginderaan Jauh Biodiversitas Pesisir di Fakultas Geografi UGM tersebut.
BACA JUGA: Mengenal Farrel, Mahasiswa Penyandang Disabilitas Netra UGM Lulus Cumlaude
PlanetScope, lanjutnya, merupakan citra satelit multispectral dan memiliki resolusi temporal tinggi. PlanetScope merupakan sumber data utama untuk tujuan penelitian ini, meski kualitas spektral dan radiometriknya terkadang kurang konsisten. Tim peneliti pun memanfaatkan deep learning model untuk mengatasi keterbatasan kualitas data. Hal tersebut dilakukan dengan memanfaatkan data training dari berbagai kondisi lingkungan lokasi budidaya rumput laut.
“Ada tiga tujuan utama dari penelitian ini yakni untuk mengeksplorasi deep learning untuk pemetaan budi daya rumput laut. Lalu, menerapkan model yang dikembangkan pada citra PlanetScope multitemporal untuk memperoleh dinamika budi daya rumput laut, dan menilai kelayakan evaluasi produksi rumput laut berdasarkan data penginderaan jauh multitemporal,” papar pria berusia 35 tahun ini.
Penelitian yang dilakukan Pramaditya merupakan hasil kolaborasi antara peneliti/dosen/mahasiswa/staf dari UGM termasuk Dr Sanjiwana Arjasakusuma, Setiawan Djody Harahap, Iklila Rahmatika, Elyana Inggrid Widiastuti, Elkhan Baihaqi, dan Yanuar Sulistyaningrum dengan dosen/peneliti dari The University of Queensland, Australia, yaitu Assoc. Prof Ammar Abdul Aziz dan Dr Fathin Ayuni Azizah. Penelitian kolaboratif ini didanai oleh The Partnership for Australia-Indonesia Research (PAIR).
BACA JUGA: Siap-Siap! UGM Trail Run 2023 Digelar di Kaliurang 1 Oktober