Dosen Universitas AMIKOM Yogyakarta meraih 18 pendanaan dari Kementerian Pendidikan Tinggi, Sains, dan Teknologi pada Tahun Anggaran 2026. Dari jumlah tersebut, salah satu proposal yang memperoleh pendanaan berasal dari Nafi’atun Sholihah, S.Kom., M.Cs. Dalam artikel khusus ini, @amikomjogja mengangkat proposal beliau yang memperoleh pendanaan pada Program Penelitian skema Fundamental Reguler, yakni:
“Pengembangan model deep learning ringan berbasis EfficientNet-Lite untuk deteksi dini penyakit unggas pada smartphone guna mendukung kemandirian peternak rakyat”
Salah satu masalah yang dihadapi oleh peternak unggas adalah deteksi penyakit unggas yang seringkali membutuhkan waktu lebih lama untuk memastikan jenis penyakit, karena pemeriksaan biasanya harus menunggu hasil laboratorium atau konsultasi dengan dokter hewan, yang tentu membutuhkan waktu. Dari kebutuhan itulah penelitian ini dikembangkan. Fokus utamanya adalah membangun model deep learning yang ringan dan dapat dijalankan melalui smartphone, sehingga peternak bisa lebih cepat mengenali indikasi penyakit unggas hanya dari citra feses.
Melalui penelitian ini, Nafi’atun ingin menghadirkan model yang lebih sederhana dalam penggunaannya, sehingga peternak cukup memanfaatkan ponsel untuk memotret kondisi feses unggas dan memperoleh indikasi awal penyakit yang mungkin terjadi. “Mereka nanti bisa memanfaatkan handphone-nya itu untuk mengecek penyakit hewannya itu dengan memfoto citra fesesnya,” ujarnya.
Fokus utama proposal ini terletak pada pengembangan model deep learning ringan berbasis EfficientNet-Lite. Menurut Nafi’atun, banyak model kecerdasan artifisial yang akurat, tetapi masih terlalu berat jika dijalankan di perangkat seperti smartphone. Karena itu, penelitian ini diarahkan pada model yang tetap memiliki akurasi tinggi, tetapi proses komputasinya lebih ringan dan lebih cepat. “Kami mau mengembangkan yang EfficientNet-Lite ini supaya dia bisa bekerja di handphone dan dia bisa ringan prosesnya,” jelas Nafi’atun
Dalam rancangan penelitiannya, sistem akan mengenali empat kelas kondisi, yaitu satu kelas unggas sehat dan tiga kelas penyakit. Model dibangun dari citra feses unggas, karena dari citra tersebut dapat ditelusuri pola visual tertentu yang berkaitan dengan kondisi kesehatan ternak. Nafi’atun menilai pendekatan ini berpotensi mempermudah langkah awal peternak dalam mengambil tindakan, karena mereka tidak harus menunggu hasil laboratorium terlebih dahulu untuk memperoleh indikasi awal kondisi ternaknya.
Proposal ini juga diperkuat oleh kolaborasi lintas keilmuan. Nafi’atun menggandeng dosen dari Universitas Mercu Buana yang memiliki latar belakang peternakan, serta melibatkan dokter hewan untuk mendukung proses validasi. Kolaborasi ini dinilai penting karena penelitian yang menghubungkan informatika dengan kesehatan ternak tidak cukup hanya ditangani dari satu disiplin saja. Menurut Nafi’atun, kekuatan proposalnya justru terletak pada kemampuan menggabungkan sisi teknologi dengan pengetahuan bidang peternakan secara langsung.
Tantangan utama proposal ini terletak pada kebutuhan data yang sangat besar dan proses validasi hasil model dengan data laboratorium. Nafi’atun mengungkapkan bahwa model yang dikembangkan memanfaatkan data pelatihan dalam jumlah besar, bahkan mencapai sekitar 100.000 data. Namun, ketika nanti diuji di lapangan, hasil deteksi dari smartphone tetap perlu dibandingkan dengan hasil laboratorium untuk memastikan tingkat kecocokannya. Tantangan lain juga bisa muncul dari variasi perangkat, seperti perbedaan kualitas kamera dan warna hasil tangkapan gambar dari tiap jenis smartphone.
Meski demikian, arah besar proposal ini tetap jelas. Nafi’atun berharap apabila model yang dikembangkan menunjukkan hasil akurasi yang baik, maka penelitian ini dapat dilanjutkan ke tahap uji coba lapangan dan benar-benar dipakai oleh peternak. Baginya, keberhasilan penelitian bukan hanya soal model yang bekerja di atas kertas, tetapi soal apakah hasilnya benar-benar bermanfaat dan digunakan. “Target utama nanti bisa benar-benar terpakai oleh peternak-peternak itu,” ujarnya.
Penelitian ini memperoleh pendanaan melalui skema Fundamental Reguler, yaitu skema dalam Program Penelitian yang ditujukan untuk mendukung pengembangan riset mendasar dengan luaran utama berupa publikasi ilmiah internasional. Dalam penjelasannya, Bu Nafi menyebut bahwa posisinya saat ini sudah beralih dari skema Penelitian Dosen Pemula ke Fundamental Reguler, seiring perkembangan jenjang akademik dan capaian publikasinya. Bagi dia, skema ini menjadi ruang untuk mengembangkan model yang lebih matang sebelum nantinya bergerak ke tahap penerapan yang lebih luas.
Yang menarik, proposal ini lahir dari perpaduan dua bidang ilmu yang berbeda, yakni informatika dan peternakan. Bu Nafi menjelaskan bahwa ia sengaja membangun kolaborasi lintas keilmuan agar penelitian yang disusun tidak berhenti pada sisi teknis komputasi saja, tetapi juga kuat dari sisi kebutuhan lapangan. Dalam timnya, ia menggandeng mitra dari bidang peternakan, serta melibatkan dokter hewan untuk membantu memastikan bahwa hasil deteksi benar-benar relevan dan tervalidasi.
Keberhasilan proposal ini memperoleh pendanaan menunjukkan bahwa penelitian fundamental dapat tumbuh menjadi karya yang kuat secara akademik sekaligus dekat dengan kebutuhan masyarakat. Melalui pengembangan model deep learning ringan berbasis EfficientNet-Lite untuk deteksi dini penyakit unggas pada smartphone, Nafi’atun memperlihatkan bahwa teknologi kecerdasan artifisial dapat diarahkan untuk membantu peternak rakyat dengan cara yang lebih praktis, cepat, dan mudah dijangkau. Hal ini menegaskan satu hal penting: penelitian yang baik tidak hanya lahir dari kebaruan metode, tetapi juga dari kemampuan membaca kebutuhan lapangan dan menerjemahkannya menjadi solusi yang benar-benar dapat digunakan.
Fadya RY – Direktorat Kehumasan dan Urusan Internasional
In Collaboration With : Nafi’atun Sholihah
