Prof. Dr. Sonali Agarwal, professor dari Indian Institute of Information Technology, Allahabad India memaparkan materi dengan judul Technological RoadMap for Post Pandemic World. WHO Organisasi Kesehatan Dunia mendeklarasikan bahwa serangan virus SARS-COV2 sebagai pandemi yang telah menyerang dan menyebabkan lebih dari 100+ negara yang mengalami resesi ekonomi.
JAKARTA, Komite.id – Berkaca pada siklus 1 abad, di 100 tahun lalu pandemi flu menyerang dunia secara masif yang dikenal sebagai Spanish Flu di tahun 1918-1921 menyerang dunia dan menyebabkan banyak kasus kematian termasuk di Jawa pada era kolonialisme Belanda.
Berkaitan dengan hal tersebut, nyatanya pandemi telah banyak mengajarkan kita untuk bertahan dalam segala situasi. Bapak teori Evolusi Charles Darwin mengingatkan bahwa yang menang dalam sebuah peperangan antara manusia melawan virus bukan siapa yang kuat atau yang intelijen, namun siapa yang bisa beradaptasi dengan new normal perkembangan teknologi industri 4.0. Karena hanya manusia lah sebagai makhluk di alam semesta ini yang kini mempunyai kapasitas teknologi dan ilmu pengetahuan untuk berinovasi menciptakan alat, gadget, solusi, antibodi melawan virus COVID-19 menjadi the New Normal.
Pada dasarnya, teknologi anti virus dan gadget di era Flu spanyol 100 tahun yang lalu masih primitif, namun Tuhan menciptakan plasma Covalescent sebagai antibodi sel darah putih manusia untuk meningkatkan imunitas pertahanan melawan Flu Spanyol. Sebagai informasi, covalescent merupakan terapi yang menggunakan bagian plasma darah orang yang telah sembuh ke pasien lainnya yang dalam masa pengobatan untuk penyakit infeksi yang sama.
Pada era teknologi informasi nyatanya telah mengalami perkembangan pada berbagai aspek kehidupan manusia, salah satunya di bidang kesehatan. Dalam hal ini, pelayanan kesehatan menjadi salah satu bidang yang tengah diterapkan. Penerapan teknologi informasi pada bidang kesehatan ini diyakini dapat memberikan berbagai manfaat bagi perusahaan pelayanan kesehatan. Dengan adanya teknologi tersebut, manfaat yang diperoleh ialah tersedianya informasi kesehatan pasien secara akurat dan komprehensif, yang mana pihak layanan kesehatan dapat memberikan perawatan terbaik.
Masa pandemi juga diyakini telah memberikan sejumlah tantangan pada entitas untuk melakukan transformasi dalam menciptakan teknologi salah satunya penggunaan teknologi Artificial Intelligence. Prof. Dr. Sonali, mengatakan tantangan dari penggunaan ML dan DL membutuhkan skala data yang sangat besar seperti medical imaging atau data dari lingkungan, dimana kualitas (veracity) training data sangat minim dan noisy, sehingga membutuhkan proses cleansing data dan training & labeled sample data oleh professional medical. Untungnya juga pada era COVID-19 terjadi ledakan data COVID-19 baik yang positif (veracity) maupun yang negatif (noisy). Sayangnya data di Media Sosial sangat kotor (noisy) dan menghasilkan banyak laporan palsu (hoax) terkait COVID-19. Sehingga interpretasi noisy data membuat lambat, bias dan rendah kinerja mesin AI, DL dan ML dalam memprediksi dan melakukan spread analysis.
Selain Prof. Sonali menjadi narasumber keynote setia dari tiga tahun berturut-turut acara DataGovAi 2021, ia juga menyumbang tulisan dibuku ABDI “From Data Science to AI” dengan judul “Face Recognition System for Masked Faces Using Deep Learning”. Dimana tema tersebut membahas bagaimana melakukan pelacakan wajah seseorang yang tertutup dengan masker, sehingga mesin AI harus belajar mengenal berbagai jenis masker yang terdapat dalam databasenya serta belajar mengenal wajah sebelum masuk ke algoritma face detection untuk melakukan pengecekan final wajah menggunakan mulut.
Ada dua Data Set yang digunakan yaitu LFW (Labeled Faces in Wild) Database dan CASIA yang di kompilasi oleh Institute of Automation dari CASIA (Chinese Academy of Science) yang menyediakan GAIT (pola pejalan kaki) Database untuk pembelajaran mesin AI mengenal wajah seseorang yang sedang berjalan degan 3 Data Set A, B (multivew) dan C (infrared) CASIA. Untuk lebih detailnya dapat dibaca dibuku ABDI “From Data Science to AI”
