Sesi Kuliah Tamu dengan Topik “Extending the Power of Deep Learning into Astronomy” oleh Dr. Dayang Nurfatimah Awang Iskandar dari Universiti Malaysia Sarawak (UNIMAS)
Kamis, 12 November 2020
Pada hari Kamis, 12 November 2020 yang lalu telah diadakan sesi kuliah tamu (guest lecture) di Magister Teknik Informatika (MTI), Universitas Bina Nusantara dengan pembicara Dr. Dayang Nurfatimah Awang Iskandar, seorang associate professor dari Universiti Malaysia Sarawak (UNIMAS). Beliau memperoleh gelar PhD atau S3 dari Royal Melbourne Institute of Technology, S2 dari Monash University di Melbourne, dan S1 dari UNIMAS. Sesi kuliah tamu diadakan secara online di tengah pandemi COVID-19 saat ini menggunakan platform Zoom. Materi yang disampaikan berjudul “Extending the Power of Deep Learning into Astronomy”. Topik ini erat kaitannya dengan bidang riset Beliau di dunia Artificial Intelligence, khususnya deep learning, dan relevan dengan sejumlah topik penelitian thesis mahasiswa MTI yang juga berada dalam tema yang sama. Sesi tersebut dihadiri oleh 42 mahasiswa jalur MasterTrack, yakni program bundle S1 dan S2 Teknik Informatika di Universitas Bina Nusantara.
Di awal perkuliahan, pembicara memaparkan perbedaan antara Machine Learning, Statistical Learning, Deep Learning, dan Artificial Intelligence (Gambar 1). Machine Learning merupakan subfield dari Artificial Intelligence, di mana mesin dapat melakukan pembelajaran secara otomatis dengan campur tangan minimum dari manusia dan ditujukan untuk menemukan pola tertentu dari suatu data dan melakukan prediksi. Di sisi lain, statistical learning merupakan subfield dari Matematika, di mana membutuhkan banyak campur tangan manusia dalam membuat formula atau persamaan Matematika yang ditujukan untuk memperoleh estimasi tertentu dari data yang ada, tetapi tidak mampu melakukan prediksi apapun. Deep learning merupakan subfield dari Machine Learning di mana ekstraksi fitur eksplisit tidak dibutuhkan seperti halnya di Machine Learning. Deep learning dapat menemukan fitur-fitur yang relevan dengan menerima data mentahnya saja.
Gambar 1. Perbedaan Machine Learning, Statistical Learning, Deep Learning, dan Artificial Intelligence
Perkuliahan dilanjutkan dengan pemaparan sejumlah arsitektur deep learning beserta karakteristiknya masing-masing, yakni Multilayer Perceptrons, Convolutional Neural Network (CNN), dan Recurrent Neural Network (RNN). Ulasan dilengkapi dengan berbagai contoh aplikasi yang menggunakan ketiga jenis arsitektur deep learning tersebut. Salah satunya adalah pemanfaatan deep learning untuk melakukan klasifikasi terhadap gambar objek di bidang Astronomi, yakni klasifikasi planetary nebulae secara biner. Jika suatu objek gambar diidentifikasi sebagai planetari nebulae, maka tahap berikutnya adalah melakukan klasifikasi bentuknya, antara lain elips, bundar, atau bipolar. Gambar 2 menunjukkan beberapa gambar yang menjadi bagian dari The Galaxy Zoo dataset, yang digunakan dalam penelitian tersebut.
Gambar 2. Beberapa gambar elliptical galaxy yang diambil dari The Galaxy Zoo dataset
Selain itu, deep learning juga dapat digunakan untuk melakukan perburuan meteorit. Komponen-komponen yang dibutuhkan adalah drone yang membawa sebuah Single Board Computer (SBC), kamera optik, dan GPS. SBC digunakan untuk melakukan analisis setiap frame video yang tertangkap kamera menggunakan model deep learning, yakni Convolutional Neural Network (CNN). Masih banyak contoh lain di bidang Astronomi yang menggunakan pendekatan deep learning. Hal ini membuka wawasan para mahasiswa peserta kuliah tamu mengenai potensi deep learning yang luar biasa, khususnya di bidang Astronomi.
Gambar 3. Sejumlah cuplikan sesi guest lecture via Zoom
Di akhir perkuliahan, dibuka sesi tanya jawab di mana para mahasiswa diberi kesempatan untuk bertanya lebih jauh ke pembicara. Sesi ini juga menjadi penutup acara kuliah tamu yang berlangsung selama kurang lebih 1,5 jam. Dengan diadakannya sesi kuliah tamu seperti ini, mahasiswa dapat memperoleh lebih banyak ilmu dan membuka wawasan mereka, khususnya terkait implementasi ilmu yang sudah dipelajari di dunia penelitian maupun industri.
Penulis: Amalia Zahra, S.Kom., Ph.D.