Kegiatan Penelitian

Abstrak / Ringkasan Penelitian ini dilatarbelakangi oleh urgensi transformasi digital pada sektor logistik, khususnya perusahaan ekspedisi skala menengah seperti CV. Sigma Nuraga Project. Operasional perusahaan yang masih mengandalkan proses manual�seperti pencatatan air waybill, pembuatan invoice, dan pelacakan pengiriman�menyebabkan inefisiensi waktu, tingginya potensi human error, dan lambatnya respon terhadap pelanggan. Untuk mengatasi masalah ini, bertujuan untuk merancang Sistem Informasi Ekspedisi berbasis web yang terintegrasi. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) untuk memastikan proses yang cepat dan iteratif, disesuaikan dengan kebutuhan pengguna. Luaran yang ditargetkan dari penelitian ini adalah (1) Prototipe sistem informasi ekspedisi yang berfungsi penuh; (2) Peningkatan efisiensi operasional perusahaan yang terukur; (3) Artikel ilmiah yang siap dipublikasikan dalam jurnal nasional terakreditasi; dan (4) Laporan akhir penelitian yang komprehensif.

Abstrak / Ringkasan Masalah sampah di Indonesia terus bertambah seiring pertumbuhan penduduk dan ekonomi. Pelaporan manual membuat data tidak rapi, tidak konsisten, dan sering terlambat masuk ke SIPSN. Hal ini juga terjadi di Kendal, di mana laporan dari TPS masih memakai aplikasi pesan instan sehingga rawan salah catat. Penelitian ini bertujuan membuat sistem pelaporan sampah berbasis mobile yang terhubung dengan dashboard web, agar laporan lebih akurat, konsisten, dan cepat. Metode yang digunakan adalah RAD, dengan tahapan perencanaan, desain bersama pengguna, pembangunan sistem, serta uji coba menggunakan Black Box Testing dan UAT. Luaran yang ditargetkan berupa aplikasi mobile pelaporan sampah, sistem dashboard admin berbasis web, laporan penelitian, serta artikel ilmiah pada jurnal nasional. Sistem ini diharapkan mampu meningkatkan kualitas data sampah, mempercepat pelaporan ke SIPSN, dan mendukung pengambilan keputusan berbasis data pada Dinas Lingkungan Hidup.

Abstrak / Ringkasan Pembelajaran matematika di tingkat Sekolah Dasar sering kali memerlukan media konkret untuk membantu siswa memahami konsep bilangan dan operasi dasar. Soroban, atau abacus Jepang, telah terbukti sebagai alat manipulatif efektif dalam meningkatkan kemampuan berhitung, namun penggunaannya menurun seiring beralihnya pembelajaran ke media digital. Penelitian ini mengembangkan Simulasi Soroban Digital yang dikendalikan oleh gesture jari menggunakan computer vision berbasis MediaPipe agar anak-anak dapat belajar soroban secara lebih interaktif dan intuitif. Sistem memungkinkan pengguna menggerakkan bead soroban secara real-time dengan gerakan jari seperti menunjuk atau menjepit (pinch detection), sehingga pengalaman belajar menjadi lebih natural. Metode penelitian meliputi perancangan model interaksi gesture, pengembangan aplikasi soroban digital dengan Python�OpenCV�MediaPipe, serta uji coba pada siswa SD untuk menilai kemudahan penggunaan dan efektivitas pemahaman konsep bilangan. State of the art penelitian ini menggabungkan (1) pengembangan soroban digital, (2) gesture recognition berbasis computer vision, dan (3) media pembelajaran interaktif tingkat dasar. Kebaruan penelitian ini terletak pada integrasi soroban digital dengan kendali gesture real-time tanpa perangkat fisik tambahan. Luaran penelitian berupa artikel ilmiah SINTA 4, perangkat lunak soroban digital interaktif, serta laporan penelitian. Temuan penelitian diharapkan mampu menjadi alternatif media belajar matematika yang menarik, mudah digunakan, serta selaras dengan pendekatan pembelajaran abad 21.

Abstrak / Ringkasan Salah satu unit yang mempunyai peran penting adalah Biro Umum, biro ini membantu layanan perguruan tinggi terkait fasilitas umum yang dibutuhkan segenap insan akademik, mulai dari pimpimpinan, dosen, tenaga kependidikan dan mahasiswa. Biro umum membawahi layanan aset, kebersihan, satuan pengamanan dan juga layanan peminjaman kendaraan operasional kampus. Permasalahan yang sering muncul pada unit peminjaman kendaraan adalah seringnya muncul peminjaman kendaraan pada waktu yang sama sehingga kesulitan untuk menentukan prioritas peminjam. Metode yang digunakan adalah simple additive weigthing untuk menghasilkan tujuan penelitian yaitu menghasilkan model prioritas peminjaman kendaraan kampus.

Abstrak / Ringkasan Penelitian ini mengembangkan prototipe sistem informasi manajemen logistik bencana berbasis web menggunakan data publik (BNPB, OpenStreetMap). Gap antara model optimasi teoretis dengan sistem praktis yang implementable menjadi urgensi penelitian. Penelitian sebelumnya menghasilkan model MILP untuk distribusi bantuan gempa Palu 2018, namun belum terimplementasi dalam sistem informasi yang dapat direplikasi. Tujuan penelitian: (1) merancang arsitektur sistem terintegrasi berbasis data publik, (2) mengimplementasikan prototipe dengan 3 modul (posko, inventori, koordinasi+GIS), (3) mengevaluasi usability dan functionality dengan akademisi dan mahasiswa. Metode Design Science Research digunakan dalam 5 fase: identifikasi masalah, desain solusi, development, evaluasi, dan komunikasi. Sistem dikembangkan dengan teknologi open-source (Laravel/CodeIgniter, PostgreSQL/MySQL, Leaflet.js) dalam 6 bulan. Evaluasi menggunakan pendekatan SDLC-based: verification testing (functional, performance, security) dan validation dengan domain experts. Luaran: publikasi Sinta 3, prototipe sistem, dan HAKI. Kebaruan: framework replicable menggunakan data publik, validasi dengan representative users, kontribusi open science. Penelitian ini membuktikan kelayakan teknis sistem terintegrasi dan menyediakan foundation untuk implementasi real-world dengan BPBD di masa depan.

Abstrak / Ringkasan Penelitian ini berada dalam payung kelompok keilmuan Intelligent Distributed Surveillance and Security (IDSS) � Dinus Research Group for AI in Medical Science (DREAM) yang berfokus pada pengembangan Medical AI end-to-end, mulai dari akuisisi data hingga deployment klinis yang aman dan terukur. Usulan riset ini mengembangkan pipeline citra X-ray toraks lintas-rumah sakit berbasis self-supervised learning untuk tiga fungsi utama: deteksi triase tuberkulosis (TB), deteksi kelainan paru multipel, dan generasi laporan radiologi terkalibrasi. Secara teknis, penelitian ini akan mengembangkan HyFusion v2, modul preprocessing adaptif berbasis metadata DICOM yang memvalidasi generalisasi lintas dataset dan menormalkan kualitas citra multi-sumber sebagaifondasi engine CXR di ekosistem OncoDoc AI. Berdasarkan modul ini, dibangun rangkaian model:(1) segmentasi dan klasifikasi TB menggunakan DeepLabv3�ResNet50 dan strategi self-supervised; (2) deteksi abnormalitas paru menggunakan YOLOv8 dengan penyetelan hiperparameter untuk meningkatkan sensitivitas lesi kecil; serta (3) generasi laporan radiologi berbasis grounding visual menggunakan MAIRA-2 yang diintegrasikan dengan skema human-in-the-loop untuk validasi klinis. Seluruh model selanjutnya dioptimalkan melalui quantization dan parallel computing (AWQ, VLLM) agar dapat di-deploy pada lingkungan komputasi terbatas di rumah sakit daerah. Dengan demikian, usulan ini secara langsung memperkuat roadmap DREAM pada pilar Medical AI for image processing dan multimodal medical AI, serta mendukung visi pengembangan produk OncoDoc/OncoPath sebagai platform kecerdasan buatan onkologi dan penyakit paru yang explainable, interoperabel, dan siap regulatori. Luaran yang ditargetkan mencakup artikel jurnal internasional bereputasi (Clinical imaging, Emergency radiology, Healthcare Informatics Research, Polish journal of radiology, dan South African journal of radiology), prototipe modul CXR engine terintegrasi dalam ekosistem OncoDoc, serta dataset CXR teranotasi dan terdokumentasi yang siap digunakan untuk perluasan riset Medical AI di kelompok keilmuan DREAM.

Abstrak / Ringkasan Urgensi pengamanan data multimedia semakin meningkat seiring dengan melonjaknya distribusi citra dan video digital pada berbagai aplikasi kritis, mulai dari komunikasi daring, telemedicine, hingga penyimpanan berbasis cloud. Metode kriptografi konvensional sering menghadapi keterbatasan dalam menghadapi kompleksitas pola data visual, sehingga diperlukan pendekatan baru yang lebih adaptif dan tangguh. Penelitian ini bertujuan untuk mengembangkan skema enkripsi citra dan video berbasis deep learning (DL) yang dikombinasikan dengan symmetric encryption, sehingga mampu menghasilkan sistem pengamanan multimedia yang lebih kuat, efisien, dan sesuai dengan kebutuhan era komputasi modern. Metode yang diusulkan dimulai dengan merancang model Convolutional Neural Network (CNN) yang dipadukan dengan algoritma kriptografi simetris sebagai baseline untuk enkripsi citra dan video. Selanjutnya dilakukan optimasi arsitektur CNN, pelatihan dengan dataset multimedia berskala besar, serta evaluasi kinerja berdasarkan parameter keamanan, kompleksitas komputasi, dan ketahanan terhadap serangan. Penelitian ini dibagi menjadi dua fokus utama: pengembangan model enkripsi citra dan model enkripsi video. Masing-masing fokus menghasilkan dua varian model, yaitu Model 1 sebagai rancangan awal dan Model 2 sebagai hasil optimasi dengan pendekatan DL yang lebih adaptif. Luaran penelitian tahun pertama ditargetkan berupa lima keluaran utama: (i) Bibliometric analysis DL- Crytography in Multimedia pada jurnal intertasioanal (Scopus, Q3), (ii) Model 1 Image Encryption DL-Based dengan publikasi pada jurnal internasional bereputasi Computers & Electrical Engineering (Elsevier, Q3), (iii) Model 2 Image Encryption DL-Based dengan publikasi pada Signal Processing: Image Communication (Elsevier, Q3), (iv) Model 1 Video Encryption DL-Based dengan publikasi pada Computers & Electrical Engineering (Elsevier, Q3), serta (v) Model 2 Video Encryption DL-Based dengan publikasi pada Multimedia Systems (Springer, Q3). Dengan demikian, penelitian ini diharapkan memberikan kontribusi signifikan dalam pengembangan teknologi hybrid deep learning cryptography untuk multimedia yang aman, efisien, dan dapat diaplikasikan pada skala luas.

Abstrak / Ringkasan Indonesia menghadapi tantangan besar dalam distribusi bantuan pada bencana banjir yang terjadi secara berulang setiap tahun, menyebabkan kerugian ekonomi triliunan rupiah serta korban jiwa dalam jumlah signifikan. Meskipun penelitian optimasi logistik bencana gempa telah menunjukkan peningkatan efisiensi distribusi hingga 30%, karakteristik unik bencana banjir seperti perubahan aksesibilitas infrastruktur secara dinamis, kenaikan muka air bertahap, serta respons multi-fase�menuntut pendekatan optimasi yang berbeda dan hingga kini belum terakomodasi secara memadai dalam model yang ada. Keterbatasan model optimasi logistik eksisting yang bersifat statis menyebabkan ketidakmampuan sistem dalam merespons perubahan kondisi lapangan secara real-time, termasuk perubahan akses jalan, ketinggian air, dan pola evakuasi. Penelitian ini bertujuan mengembangkan sebuah framework terintegrasi untuk optimasi distribusi logistik bantuan bencana banjir yang adaptif terhadap dinamika lapangan, dengan mengintegrasikan data geospasial dan temporal ke dalam model matematika Dynamic Mixed Integer Linear Programming (MILP), serta merancang sistem manajemen rantai pasok darurat yang memiliki ketahanan tinggi terhadap gangguan infrastruktur akibat banjir. Metodologi penelitian meliputi pengembangan model optimasi adaptif, integrasi analisis spasial berbasis GIS, studi kasus multi-lokasi pada kejadian banjir di Indonesia, serta validasi melalui simulasi skenario banjir historis. Hasil penelitian diharapkan menghasilkan model optimasi yang tervalidasi secara teknis dan aplikatif, serta sebuah prototype decision support system (DSS) yang dapat digunakan sebagai alat bantu pengambilan keputusan oleh lembaga penanggulangan bencana. Luaran penelitian meliputi publikasi ilmiah pada jurnal nasional terakreditasi (SINTA 1 atau SINTA 2), pengajuan Hak Kekayaan Intelektual (HKI) atas model dan sistem yang dikembangkan, prototype sistem pendukung keputusan, laporan penelitian, serta materi ajar berbasis hasil penelitian. Penelitian ini diharapkan dapat meningkatkan efektivitas dan ketepatan distribusi bantuan bencana banjir serta memberikan kontribusi nyata dalam penguatan sistem logistik kebencanaan di Indonesia.

Abstrak / Ringkasan Salah satu jenis serangan siber dengan dampak yang paling signifikan dan memiliki frekuensi kejadian tinggi adalah Distributed Denial of Service (DDoS). Serangan ini kerap menjadi metode utama para penyerang karena mampu menurunkan kinerja jaringan, membuat layanan situs web tidak dapat diakses, bahkan menyebabkan kegagalan pada server. Upaya pendeteksian serangan DDoS secara umum dapat dilakukan melalui dua pendekatan, yaitu anomaly-based detection dan signature-based detection. Kedua metode tersebut terbukti efektif dalam mengidentifikasi pola serangan yang telah diketahui sebelumnya. Namun, pendekatan tradisional ini memiliki keterbatasan dalam mendeteksi serangan yang terus berevolusi dan muncul dengan variasi baru. Berbagai studi telah dilakukan untuk mengembangkan metode deteksi serangan DDoS. Sejumlah penelitian memanfaatkan dataset UNSW-NB15, yang terdiri dari empat berkas dengan total 2.540.047 record. Di antara penelitian tersebut, kinerja terbaik dicapai oleh Bouke dan rekan-rekannya. Dengan menerapkan metode seleksi fitur dan algoritma Decision Tree, penelitian tersebut mampu memperoleh akurasi hingga 98%. Dataset UNSW-NB15 tersebut memiliki karakteristik distribusi kelas yang tidak seimbang. Sekitar 96% instance merupakan kelas �Normal�, sementara sisanya tersebar ke sembilan kelas lainnya. Lebih dari itu, beberapa kelas bahkan tidak mencapai 1% dari total dataset. Hal tersebut dapat meyebabkan model kurang belajar dari kelas-kelas dengan kondisi minoritas ekstrem. Beberapa penelitian mengusulkan teknik oversampling dan undersampling untuk mengatasi masalah keseimbangan kelas. Namun pada kasus minoritas ekstrim, maka undersampling harus menghapus kelas dominan dengan jumlah yang sangat besar. Begitu juga dengan teknik oversampling yang akan menghasilkan data sintetis yang terlalu besar. Peneliti mengusulkan untuk menggabungkan beberapa kelas minoritas ekstrem untuk dapat dijadikan satu kelas sebagai �other attacks�. Penelitian ini melakukan pendekatan untuk mempertahankan kaslian record dataset ketika meningkatkan jumlah record pada kelas. Dengan metode yang kami usulkan, diharapkan dapat menghasilkan model klasifikasi yang mampu mengenali serangan dengan baik mesekipun keterbatasan dalam membedakan tipe serangan. Penelitian ini akan menghasilkan luaran utama berupa publikasi pada jurnal Kinetik dengan alamat url: https://kinetik.umm.ac.id/index.php/kinetik.