Prof. Hilman Ungkap Terobosan Quantum Machine Learning dalam Dunia Medis di ICITRI 2025

Sukabumihitz – Universitas Nusa Mandiri (UNM) sebagai Kampus Digital Bisnis menyelenggarakan konferensi internasional International Conference on Information Technology Research and Innovation (ICITRI 2025). Pada kesempatan ini, UNM menghadirkan Prof. Dr. Hilman F. Pardede, peneliti senior dari Pusat Riset Kecerdasan Artifisial dan Keamanan Siber BRIN, sebagai salah satu keynote speaker. Dalam pemaparannya, ia menyoroti potensi besar Quantum Machine Learning (QML) untuk menjawab tantangan pengolahan data medis, terutama dalam deteksi kanker.

Prof. Hilman memaparkan bahwa pemanfaatan teknologi kecerdasan artifisial (AI) di bidang kesehatan semakin luas. Mulai dari analisis citra medis seperti MRI dan CT-Scan, pemetaan ekspresi gen, hingga DNA sequencing untuk diagnosis, evaluasi efektivitas obat, serta layanan konsultasi medis. Salah satu penelitian yang tengah dikembangkan berfokus pada penerapan machine learning dalam mendeteksi kanker berbasis citra medis.

Quantum Computing sebagai Solusi Inovatif

Meski begitu, ia menegaskan adanya hambatan serius berupa keterbatasan data dan ketidakseimbangan jumlah data antar kelas. Kondisi ini membuat model machine learning rentan mengalami overfitting. Untuk mengatasinya, ia memperkenalkan pendekatan Quantum Generative Adversarial Networks (QGAN) sebagai solusi baru yang lebih efektif.

“Dengan QGAN, kita dapat melakukan data augmentation secara lebih efektif, sehingga mampu mengatasi keterbatasan data medis. Pada riset kami dengan dataset kanker kulit HAM10000, pendekatan QGAN terbukti menghasilkan kinerja yang lebih baik dibandingkan metode klasik,” jelas Prof. Hilman pada presentasinya yang berlangsung hybrid di UNM kampus Margonda, Depok, Kamis (11/9).

Baca juga: Mahasiswa UNM Raih Hibah P2MW 2025 Lewat Inovasi Pakan Hewan Ramah Lingkungan

Dalam sesi tersebut, Prof. Hilman juga menguraikan perbedaan mendasar antara komputasi klasik dan kuantum. Ia menekankan bahwa quantum computing dengan konsep superposisi dan entanglement mampu memproses data dalam skala lebih kompleks dengan pemanfaatan sumber daya yang efisien.

Metode ini diyakini membuka peluang percepatan komputasi, mengatasi tantangan dimensi data yang tinggi, serta meningkatkan akurasi prediksi medis.

“Rapid advancement pada teknologi quantum membuka jalan bagi integrasi dengan machine learning, sehingga kita dapat menangani masalah seperti imbalanced data maupun curse of dimensionality yang sulit dipecahkan dengan metode klasik,” tambahnya.

Riset Lintas Sektor untuk Masa Depan

Tak hanya di bidang kesehatan, Prof. Hilman bersama tim BRIN juga mengembangkan riset machine learning di berbagai sektor, di antaranya:

1. Pertanian: deteksi penyakit tanaman teh, identifikasi klon, dan prediksi kualitas hasil panen.

2. Transportasi: prediksi kondisi pengemudi untuk mengurangi risiko kecelakaan serta pengembangan kendaraan otonom.

3. Lingkungan: analisis kualitas air berbasis citra digital dan peramalan curah hujan dengan model hybrid.

4. Energi: prediksi usia baterai lithium menggunakan model deep learning yang lebih tangguh.

5. Kesehatan: pencarian kandidat obat Covid-19 melalui text mining, serta prediksi interaksi obat dan target (Drug-Target Interactions).

Melalui paparannya, Prof. Hilman menegaskan bahwa meski machine learning klasik saat ini lebih mapan, potensi QML di masa depan sangat menjanjikan. Sinergi AI dan komputasi kuantum dinilai akan menjadi terobosan penting, baik untuk riset medis maupun berbagai bidang krusial lainnya.

UNM memprakarsai Konferensi ICITRI 2025 sebagai forum strategis bagi peneliti dunia untuk bertukar gagasan, sekaligus menampilkan kontribusi riset unggulan Indonesia melalui BRIN di bawah kepemimpinan Prof. Hilman.

Baca juga: Mahasiswa UNM Tembus Magang di Perusahaan Teknologi Nasional, Raih Prestasi hingga Kancah Internasional