Research Activities

Abstract / Summary Teknologi Internet of Things (IoT) dalam sistem smart farming berbasis aeroponik memungkinkan pemantauan dan pengelolaan pertanian secara otomatis. Namun, sistem berbasis IoT rentan terhadap serangan siber, yang dapat menyebabkan kebocoran data, manipulasi informasi, serta gangguan sistem pertanian aeroponik. Selain itu, sistem pendinginan zona akar (Root Zone Cooling) yang digunakan dalam aeroponik masih memiliki keterbatasan dalam hal adaptasi terhadap perubahan lingkungan secara real-time. Dengan demikian, diperlukan solusi inovatif untuk meningkatkan keamanan data serta efisiensi sistem pendinginan dalam pertanian aeroponik berbasis teknologi cerdas. Urgensi penelitian yaitu mengembangkan sistem aeroponik berbasis Federated Root Zone Cooling dengan keamanan transmisi data menggunakan Elliptic Curve Cryptography (ECC) untuk mengoptimalkan pertumbuhan tanaman kentang. Model Federated Learning (FL) diterapkan untuk memungkinkan sistem pendinginan zona akar beradaptasi secara otomatis tanpa mengorbankan privasi data pengguna, sementara ECC digunakan untuk mengamankan transmisi informasi antar perangkat IoT. Dalam penelitian ini digunakan 3 lahan berbeda yang salaing terintegrasi elalui Federated IoT. Dengan kombinasi ini, diharapkan sistem mampu meningkatkan efisiensi penggunaan sumber daya serta memberikan perlindungan terhadap ancaman siber dalam pertanian aeroponik modern. Metode penelitian mencakup penerapan model Federated Learning untuk optimasi Root Zone Cooling, serta pengujian performa enkripsi ECC dalam menjaga keamanan data. Evaluasi dilakukan berdasarkan efisiensi pendinginan, pertumbuhan tanaman, akurasi model, serta ketahanan sistem terhadap serangan siber. Luaran yang ditargetkan pada tahun 1 adalah Hak Kekayaan Intelektual (HKI) bentuk Paten Sederhana dalam sistem aeroponik berbasis Federated Learning dan ECC (terdaftar), publikasi dalam jurnal internasional terindeks Scopus Q2 di �Journal of Food Science and Technology� (Accepted), dokumen feasibility study dan prototipe IoT berbasis quantum ECC. Luaran tahun 2 yaitu Hak Kekayaan Intelektual (HKI) bentuk Paten Sederhana dalam Quantum eroponik ECC tanaman kentang pada lahan greenhouse (terdaftar), publikasi dalam jurnal internasional terindeks Scopus Q1 di �IEEE Access� (Accepted), dokumen feasibility study dan prototipe IoT berbasis quantum federated ECC.

Abstract / Summary Penerapan Smart Greenhouse berbasis Internet of Things (IoT) semakin berkembang dalam sektor pertanian untuk meningkatkan efisiensi dan produktivitas, khsusnya pada in-situ dan ex-situ tanaman anggrek. Sistem ini rentan terhadap ancaman keamanan siber seperti brute force attack dan man-in-the-middle (MITM) attack, yang dapat menyebabkan manipulasi data sensor, gangguan operasional, hingga kebocoran informasi. Keamanan yang lemah dalam komunikasi IoT dapat menghambat adopsi teknologi ini secara luas dan menimbulkan kerugian signifikan, baik secara ekonomi maupun operasional. Oleh karena itu, diperlukan sistem enkripsi yang adaptif dan cerdas guna memastikan perlindungan data secara optimal. Tujuan penelitian ini adalah melakukan konservasi terhadap anggrek menggunakan IoT dengan model kemanan data berbasis enkripsi berbasis Hybrid Deep Learning untuk meningkatkan keamanan komunikasi pada Smart Greenhouse anggrek, khususnya dalam melindungi data perangkat IoT dari ancaman serangan siber. Proses aklimatisasi anggrek dilakukan dengan in vitro dan in vivo. Metode keamanan data IoT mengintegrasikan deep learning dengan teknik enkripsi adaptif, memungkinkan sistem mengenali pola serangan secara dinamis dan secara otomatis meningkatkan tingkat perlindungan data. Pendekatan ini dirancang untuk memastikan bahwa komunikasi data antarperangkat dalam Smart Greenhouse anggrek tetap aman, tanpa mengorbankan efisiensi operasional. Sistem yang dikembangkan akan mampu mengenkripsi data sensor secara real-time, seperti suhu, kelembaban, pH tanah, dan intensitas cahaya, dengan mempertimbangkan aspek kecepatan enkripsi, latensi komunikasi, serta efisiensi daya. Dengan implementasi metode ini, diharapkan dapat tercipta sistem keamanan data yang lebih andal dan adaptif terhadap berbagai ancaman keamanan siber dalam pertanian berbasis IoT. Luaran penelitian ini mencakup publikasi jurnal Scopus Q1 di Journal of King Saud University (status: accepted) sebagai kontribusi akademik di bidang IoT sekuriti, pendaftaran model sebagai inovasi dalam enkripsi data untuk sistem pertanian cerdas, penyusunan feasibility study.

Abstract / Summary Pengenalan ekspresi wajah (FER) memiliki peran krusial dalam interaksi manusia komputer, semakin relevan di era pembelajaran daring. Meskipun kemajuan signifikan telah dicapai, model FER saat ini masih menghadapi tantangan dalam mencapai akurasi dan efisiensi optimal, terutama dalam menangani dinamika temporal ekspresi. Penelitian ini bertujuan mengembangkan model FER yang efisien dan akurat melalui pendekatan hibrida, menggabungkan kekuatan representasi geometris landmark wajah yang diekstraksi MediaPipe dengan kemampuan pemodelan temporal Recurrent Neural Network (GRU). Metode penelitian meliputi ekstraksi landmark wajah dari dataset CK+ menggunakan MediaPipe, perancangan arsitektur model GRU, pelatihan dan evaluasi model secara komprehensif. Luaran yang ditargetkan adalah model FER berbasis landmark-GRU yang tervalidasi, publikasi ilmiah pada jurnal Q3, serta fondasi bagi pengembangan aplikasi deteksi partisipasi mahasiswa di kelas daring di masa mendatang. Penelitian ini diharapkan memberikan kontribusi signifikan pada bidang FER dan membuka jalan bagi aplikasi praktis dalam meningkatkan kualitas pembelajaran daring dan interaksi manusia komputer yang lebih intuitif.