Dekan Fakultas Sains dan Teknologi (Saintek) UIN Sunan Kalijaga, Prof., Dr., Dra., Hj. Khurul Wardani, M.Si., dan Wakil Dekan 1, bidang Akademik dan Pengembangan Lembaga, di fakultas yang sama Prof. Dr. Ir. Shofwatul ‘Uyun, S.T., M. Kom., IPM., ASEAN Eng. bersamaan dikukuhkan sebagai Guru Besar. Prosesi pengukuhan kedua Guru Besar ini berlangsung di gedung Prof. H.M., Amin Abdullah, kampus UIN Sunan Kalijaga, Rabu, 17/1/2024. Keduanya dikukuhkan oleh Ketua Senat Universitas, Prof. Kamsi, dihadiri oleh Rektor UIN Sunan Kalijaga, Prof. H. Al Makin, para Wakil Rektor, para kepala biro, pimpinan Dekanat, pimpinan Unit/Lembaga/Pusat Studi, civitas akademik, dan kolega kedua Guru Besar.

Prof. Khurul Wardati dikukuhkan sebagai Guru Besar bidang Ilmu Aljabar berdasarkan SK Menteri Pendidikan, Kebudayaan, Riset dan Teknologi Nomor 36766/M/07/2023, tanggal 25 Juli 2023. Sementara Prof. Shofwatul Uyun dikukuhkan sebagai Guru Besar bidang Ilmu Sistem Cerdas, berdasarkan SK Menteri Kebudayaan, Riset, dan Teknologi Nomor 44735/M/07/2023, tanggal 16 Agustus 2023. Dalam orasi ilmiahnya yang mengangkat judul “Ideal Dasar Dibangun Oleh Titik Titik Pada Cycle Tanpa Exit Dalam Aljabar Liantasan Leavitt,” Prof. Khurul Wardati mengawali paparannya dengan menjelaskan bahwa, Aljabar merupakan salah satu cabang ilmu matematika yang tidak pernah absen menggunakan simbul dan operasi matematika. Dua obyek matematika ini menurut Prof. Khurul Wardati merupakan sebagian kecil dari ayat-ayat kauniah Allah. Dalam Q.S. A’raf ayat 179 Allah SWT memerintahkan manusia untuk berpikir supaya tidak sama dengan binatang.

Sementara tentang bidang yang ditelitinya tentang Aljabar Lintasan Leavitt Prof. Khurul Wardati menjelaskan, Aljabar Lintasan Leavitt merupakan gabungan teori Aljabar dengan teori Graf. Lanjimnya teori Graf dipandang sebagai cabang Matematika dan Ilmu Komputer tentang struktur yang yang menggambarkan titik titik (vertices) dengan sisi sisi (adges) penghubung titik, beserta sifat sifatnya. Selain dengan pendekatan Geometris, Kombinatorik, dan algoritmik, Graf dapat dipandang secara Aljabar dan biasa dikatakan sebagai Aljabar Graf. Graf yang terdiri dari titik titik dan sisi sisi dalam Aljabar Graf merupakan Graf berarah disingkat dengan Digraf. Atau sering disebut Quiver. Arah dari sisi dalam Quiver membentuk dua pemetaan, yaitu fungsi sumber (source) dan fungsi ujung (target) dari sisi. Quiver didefinisikan sebagai 4-tupel Q adalah dua fungsi yang secara berurutan mendefinisikan sumber dan target dari sisi. Pada kesimpulan hasil risetnya untuk meraih Guru Besar Prof. Khurul Wardati menyampaikan, humpunan semua titik pada Quiver Q di Sikel c tanpa eksit bersifat herediter.

Sementara itu dalam orasi ilmiahnya Prof. Shofwatul Uyun memaparkan gagasannya tentang Transformasi Digital Menggunakan Kecerdasan Buatan (AI) pada Smart Healthcare Beserta Tantangannya untuk Kemaslahatan Umat. Disampaikan Prof. Shofwatul Uyun, Manusia merupakan makhluk ciptaan Allah SWT yang paling sempurna dan dianugerahi kecerdasan yang luar biasa, tercermin dalam QS. al-Tiin ayat 4. AI, tepatnya disebut juga acting rationally, komputer mampu melakukan penalaran secara logis dan juga melakukan aksi secara rasional berdasarkan dari proses penalaran. Dalam perkembangannya, AI telah mengalami transformasi yang signifikan. Ada beberapa kondisi yang mendorong AI mengalami kebangkitan, antara lain: kecepatan dari processor komputer, kapasitas memori yang meningkat, dan peningkatan beberapa algoritma untuk pemrosesan data. Teknologi GPU yang semakin canggih mampu memberikan kemudahan komputer dalam menyelesaikan tugas optimasi. Adopsi pada machine learning secara luas menunjukkan bahwa backbone dari AI telah terbentuk.

Hasil riset Prof. Shofwatul Uyun 10 tahun terakhir, yang memfokuskan pada pengembangan dan kontribusi kecerdasan buatan pada dua isu, yaitu smart healthcare serta lingkungan hidup. Pada pidato pengukuhan kali ini, Prof. Shofwatun Uyun fokus menyampaikan perkembangan AI pada bidang healthcare. Menurutnya, AI berkembang pesat pada bidang healthcare, karena pada bidang tersebut peran AI masih sangat dibutuhkan terutama dalam pengambilan keputusan klinis berbasis evidence.

Dijelaskan Prof. Shofwatul Uyun, AI bukanlah sebuah teknologi tunggal, melainkan serangkaian proses dan perilaku cerdas yang dihasilkan oleh model dan algoritma komputasi. Machine learning merupakan salah satu kemampuan teknik dasar dari AI. Neural network merupakan salah satu algoritma pembelajaran yang terawasi (supervised learning) yang disebut dengan machine learning konvensional (shallow learning).

Proses pembelajaran pada machine learning bertujuan untuk mendapatkan model pada domain data tertentu. Proses perolehan model tersebut seringkali disebut dengan “black box”. Output yang dihasilkan tidak dapat dijelaskan, oleh karena itu Defense Advanced Research Project Agency (DARPA) menciptakan istilah ''Explainable AI'' (XAI) yang disebut dengan “white box”. XAI mampu memberikan penjelasan mengenai metode, prosedur, dan output dari proses yang harus dimengerti oleh pengguna.

Sementara itu, ada beberapa jenis teknologi pencitraan medis yang sudah banyak diimplementasikan pada dunia kedokteran, antara lain: pencitraan yang berbasis sinar-X yaitu radiologi, tomografi terkomputasi, mammografi, pencitraan berbasis teknologi molekuler dan pencitraan lainnya seperti resonansi magnetik dan ultrasonografi. Penerapan sistem cerdas dalam analisis data hasil pencitraan medis telah membawa perubahan dalam deteksi dan diagnosis penyakit kanker. Dengan memanfaatkan teknik computer vision dan machine learning, dapat mengidentifikasi pola subtil dalam gambar medis yang mungkin terlewatkan oleh mata manusia.

Pencitraan medis memiliki peran penting pada smart healthcare menggunakan beberapa teknologi pencitraan canggih yang mampu menangkap gambar detail tubuh manusia. Hasil dari pencitran medis tersebut memudahkan para ahli medis memvisualisasikan dan menganalisis anatomi tubuh, mendeteksi kelainan, dan memantau kemajuan perawatan.

Dalam perawatan medis cerdas menggunakan pencitraan medis untuk meningkatkan efisiensi, akurasi, dan aksesibilitas layanan kesehatan. Data dikumpulkan dari berbagai sumber, selanjutnya dilakukan proses data fusion menggunakan algoritma machine learning. Tahap akhir pada siklus ini adalah terbentuknya model prediksi yang memberikan hasil diagnosa atau beberapa rekomendasi healthcare lainnya.

Demikian paparan Prof. Shofwatul Uyun tentang kecanggihan penerapan AI pada bidang healthcare. Namun menututnya, Di sisi lain, pengembangan dan penerapan teknologi AI tidak mudah, banyak tantangan serta biaya yang sangat besar. Ada beberapa hal yang perlu ditindaklanjuti agar peran AI dalam bidang smart healthcare dapat lebih dioptimalkan, diantaranya: Kurangnya tenaga kerja yang terlatih dengan baik untuk mengawal implementasi AI; Ketidakcocokan teknologi AI dengan infrastruktur yang sudah ada sebelumnya; dan Kurangnya akses ke database medis, hal tersebut menghambat pengembang AI dalam mendapatkan model terbaik karena kurangnya data latih, khususnya pada proses pelatihan machine learning (ML), demikian tegas Prof. Shofwatul Uyun. (Tim Humas)