Departemen Teknologi Rekayasa, di bawah naungan Program Studi D4 Teknologi Rekayasa Pembangkit Energi (TRPE), Fakultas Vokasi, Universitas Negeri Malang (UM), menyelenggarakan kuliah tamu internasional bertajuk “AI-Driven Medical Image Analysis Model for Automated Disease Detection and Classification”. Kegiatan ini merupakan bentuk nyata komitmen departemen dalam menghadirkan inovasi pendidikan kelas dunia dengan mengundang Ir. Dr. Mohd Firdaus bin Abdullah dari Universiti Teknologi MARA (UiTM) Pulau Pinang, Malaysia. Sebagai bagian dari upaya penguatan kapasitas akademik, program ini mengintegrasikan pemahaman mendalam tentang Artificial Intelligence (AI) untuk menjawab tantangan pengolahan data visual kompleks di sektor kesehatan dan energi.

Tujuan Kegiatan ini bertujuan untuk meningkatkan kompetensi teknis mahasiswa dalam penguasaan metodologi Deep Learning dan Machine Learning. Secara strategis, kuliah tamu ini dirancang untuk menjembatani kesenjangan antara teori akademis dan kebutuhan industri global, khususnya dalam pengembangan sistem Computer-Aided Diagnosis (CAD) serta implementasi pemeliharaan prediktif pada infrastruktur pembangkit energi melalui pemanfaatan teknologi cerdas.

Metodologi Kegiatan dilaksanakan pada tanggal 21 Oktober 2026 bertempat di Gedung Aula Kenanga B32, Fakultas Vokasi UM. Melalui skema kemitraan pendidikan lintas negara, materi disampaikan melalui paparan riset mendalam mengenai arsitektur Deep Convolutional Neural Network (DCNN). Proses pembelajaran ini mencakup transfer pengetahuan teknis selama total 8 jam layanan akademik, yang melibatkan pembedahan algoritma segmentasi citra digital hingga analisis sekuensial menggunakan metode Optical Flow.

Hasil Kuliah tamu ini sukses menarik minat 120 mahasiswa sebagai beneficiaries utama, didukung oleh 4 dosen dan 8 mahasiswa pelaksana. Data aktual menunjukkan tingkat keberhasilan teknis yang signifikan dalam simulasi model yang dipaparkan, yakni akurasi klasifikasi citra thorax mencapai 99,6% menggunakan DCNN dan akurasi klasifikasi lesi sebesar 98% melalui algoritma Artificial Neural Network (ANN). Ir. Arya Kusumawardana, S.Pd, M.T., selaku Ketua Program Studi Teknologi Rekayasa Pembangkit Energi, menyatakan, “Melalui kolaborasi berkelanjutan dengan pakar global, kami berupaya menjamin pendidikan terjangkau yang berkualitas bagi mahasiswa guna membekali mereka dengan kompetensi teknologi cerdas yang relevan bagi masa depan industri energi global.” Hasil ini menegaskan bahwa model deteksi otomatis yang dikembangkan memiliki potensi efisiensi yang melampaui metode konvensional seperti Medium Tree yang hanya mencapai 90,0%.

Kontribusi SDG Kegiatan ini berkontribusi secara signifikan terhadap SDG 4 (Pendidikan Berkualitas), khususnya Target 4.3, dengan menyediakan akses pendidikan inklusif pada keahlian teknis tingkat lanjut. Keterlibatan dosen dalam sesi ini juga berfungsi sebagai sarana pelatihan guru secara tidak langsung dalam memperbarui materi ajar berbasis riset terkini. Pada aspek SDG 9 (Industri, Inovasi, dan Infrastruktur), khususnya Target 9.5, inovasi dalam Machine Learning ini membuka peluang riset terapan pada sistem kelistrikan. Terakhir, melalui SDG 17 (Kemitraan untuk Mencapai Tujuan), kolaborasi berkelanjutan antara UM dan UiTM memperkuat sinergi internasional dalam riset dan teknologi. Tantangan dan Rekomendasi Tantangan utama yang diidentifikasi adalah integrasi etika AI dalam pengambilan keputusan medis dan teknis serta ketersediaan dataset lokal yang masif. Rekomendasi masa depan mencakup pengembangan laboratorium komputasi berperforma tinggi di Fakultas Vokasi untuk mendukung simulasi real-time serta perluasan kerja sama riset terapan untuk deteksi korosi pada komponen turbin menggunakan prinsip Computer Vision yang telah dipelajari.