AMEERALIFE.COM, JAKARTA -- Dosen Sekolah Vokasi Institut Pertanian Bogor (IPB) Program Studi Rekayasa Perangkat Lunak, Medhanita Dewi Renanti, pencipta aplikasi penerjemah tangis bayi Madsaz mengaku bahwa ia akan mengembangkan aplikasi untuk deteksi dini penyakit kronis.
Ke depan aplikasi ini akan ia kembangkan untuk lebih mengenali mimik wajah. Harapannya bisa mendeteksi penyakit. "Artinya penyakit yang kronis bisa dideteksi lebih awal dari suara," ujar Medhanita dilansir Antara.
Aplikasi penerjemah tangis bayi ini dikembangkan oleh Medhanita dengan acuan teori bahasa bayi Dunstan. Acuan itu mencakup lima klasifikasi, dari bayi lapar, bayi mengantuk, ingin sendawa, sakit perut atau ada gas, dan tidak nyaman karena popok basah, serta akibat udara panas atau dingin.
"Tingkat akurasi deteksi tangis bayi sudah mencapai 94 persen," kata dia.
Saat ini Medhanita sedang fokus mengembangkan aplikasi agar lebih robust (kokoh dan tangguh) terhadap gangguan suara lain atau noise. Sebab saat ada noise, akurasinya menurun.
"Harapan saya, untuk yang akan diluncurkan ke depannya bisa lebih kuat meskipun ada gangguan suara lain," ungkap dia.
Medhanita mengatakan, aplikasi Madsaz saat ini masih menggunakan teknologi machine learning (pengembangan mesin agar bisa belajar sendiri tanpa diarahkan oleh pengguna). Untuk peluncuran kedua, ia akan menggunakan teknologi deep learning (kecerdasan buatan yang mengajarkan komputer untuk memproses data dengan cara hampir mendekati otak manusia).
"Pada tesis (S2) saya, pakai teknologi machine learning. Saat ini saya sedang studi S3 sekaligus mengembangkan yang kemarin agar lebih robust terhadap noise menggunakan deep learning," ujar Medhanita.
Aplikasi Madsaz saat ini sudah bisa diunduh melalui Playstore di Android. Medhanita juga sedang mengembangkan agar aplikasi ini juga bisa diunduh melalui iOS.
"Secara teknis, tinggal unduh saja aplikasi ini di Playstore. Lalu pilih bahasa, direkam ketika bayi menangis, nanti ada keluarannya dan muncul solusinya. Sederhana sih, itu pun sangat cepat waktu identifikasinya, hanya lima detik sampai 20 detik," kata dia.
