LPPM UNIVERSITAS NUSA MANDIRI Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nusa Mandiri
Tim peneliti Universitas Nusa Mandiri (UNM) menunjukkan capaian dalam pelaksanaan Hibah Penelitian DPPM Kemdiktisaintek Tahun 2026 melalui penelitian berjudul “Integrasi Segmentation Free Convolutional Neural Networks dan Interpretasi Fitur untuk Klasifikasi Whole Slide Image Sitologi Serviks.” Capaian tersebut disampaikan dalam kegiatan Monitoring dan Evaluasi (Monev) Internal Laporan Kemajuan Hibah Penelitian DPPM Kemdiktisaintek Tahun 2026 yang diselenggarakan oleh Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Nusa Mandiri.
Penelitian yang dilaksanakan melalui skema Penelitian Disertasi Doktor (PDD) ini diketuai oleh Prof. Dr. Ir. Dwiza Riana, S.Si, M.M., M.Kom., IPU, ASEAN.Eng,. dengan anggota Dr. Nita Merlina, M.Kom. dan Esron Rikardo Nainggolan, M.Kom sebagai mahasiswa bimbingan. Penelitian berfokus pada pengembangan metode berbasis Artificial Intelligence (AI) untuk klasifikasi Whole Slide Image (WSI) sitologi serviks dengan mengintegrasikan segmentation-free Convolutional Neural Networks (CNN) dan pendekatan interpretasi fitur.
Penelitian ini mengembangkan kerangka Serviks-TechXAI yang dirancang untuk menggabungkan kemampuan klasifikasi dengan interpretasi hasil. Hingga tahap laporan kemajuan, tim telah menyelesaikan dua tahapan awal, yaitu preprocessing untuk meningkatkan kualitas citra dan Adaptive Informative Patch Selection (AIPS) untuk memilih bagian citra yang informatif. Hasil AIPS menunjukkan bahwa rata-rata 73,4% bagian yang tidak informatif dapat dieliminasi, sehingga diperoleh patch yang lebih relevan sebagai dasar untuk tahap klasifikasi berikutnya.
Capaian penelitian juga menghasilkan beberapa luaran. Artikel pada prosiding internasional yang terindeks IEEE Xplore telah dipublikasikan pada 12 Agustus 2026, sementara artikel pada Jurnal Informatika dan Teknologi Komputer (JITK) SINTA 2 telah disubmit dan masih dalam proses review. Selain itu, tim telah menghasilkan pipeline preprocessing, metode AIPS, Adaptive Rule Engine, dataset terpilih, dan visualisasi heatmap sebagai bagian dari tahapan metodologis penelitian.
Tahap selanjutnya akan diarahkan pada klasifikasi WSI berbasis Multiple Instance Learning (MIL) dengan mekanisme attention, serta penerapan Grad-CAM dan SHAP untuk mendukung interpretasi hasil klasifikasi. Tahapan tersebut menjadi bagian lanjutan dalam pengembangan kerangka Serviks-TechXAI. Melalui penelitian ini, tim peneliti UNM terus mendorong pengembangan teknologi AI yang tidak hanya berorientasi pada kemampuan klasifikasi, tetapi juga memperhatikan aspek interpretasi hasil. Capaian yang diperoleh hingga tahap ini menjadi landasan bagi penyelesaian tahapan penelitian berikutnya sesuai dengan target yang telah ditetapkan.
