AGENDA RISET

Visual intelligence yang andal dalam keterbatasan dunia nyata.

Riset saya mengkaji bagaimana computer vision dapat mempertahankan akurasi sekaligus menjadi lebih efisien, interpretabel, dan berguna ketika data, komputasi, dan kepercayaan terbatas.

Konstelasi riset

Empat pilar riset yang terhubung

Arahkan pointer atau fokuskan node untuk melihat keterkaitan setiap pilar dengan proyek, publikasi, dan praktik pendidikan.

Medical & Clinical Vision

Klasifikasi, segmentasi, dan riset decision support pada citra X-ray, MRI, CT, ultrasound, retina, dan dermatologi.

Medical & Clinical Vision

Klasifikasi, segmentasi, dan riset decision support pada citra X-ray, MRI, CT, ultrasound, retina, dan dermatologi.

Medical imaging
Transfer learning
Segmentasi
Evaluasi klinis

Model Visual Efisien

Efisiensi ruang fitur, arsitektur ringan, reduksi dimensi, dan desain model untuk keterbatasan komputasi.

CNN efisien
Seleksi fitur
Pembelajaran multiskala
Kompresi model

AI yang Dapat Dijelaskan & Andal

Mekanisme perhatian, penjelasan visual, evaluasi melampaui akurasi, dan framing bertanggung jawab untuk penggunaan berisiko tinggi.

Attention
Interpretabilitas
Evaluasi robust
Responsible use

Pendidikan AI & Kapabilitas Manusia

Demo interaktif, pengembangan guru, pendampingan mahasiswa, dan cara membuat konsep AI dapat diamati serta diajarkan.

Literasi AI
Learning tools
Pengembangan guru
Pendampingan mahasiswa

Dari perbandingan model menuju horizon riset yang koheren

Fondasi

Eksperimen komparatif machine learning dan transfer learning pada kesehatan, pertanian, dan pengenalan visual.

Konsentrasi

Medical imaging, ekstraksi fitur visual, mekanisme attention, dan studi arsitektur berorientasi efisiensi.

Lintasan saat ini

Proyek terdanai mengenai pneumonia anak, ruang fitur citra kulit, dan kolaborasi health AI.

Horizon riset

Computer vision yang andal, efisien, dan dapat dijelaskan pada data terbatas serta heterogen.

Horizon riset

Computer vision yang andal dan efisien untuk data terbatas, heterogen, dan berisiko tinggi, dengan menghubungkan model multiskala ringan, mekanisme penjelasan, dan evaluasi dunia nyata yang ketat.

ReliableEfficientExplainableReal-world

Metode dan kapabilitas teknis

CNN dan transfer learningMekanisme attention visualKlasifikasi dan segmentasi citraEkstraksi fitur dan reduksi dimensiBenchmarking model dan ablation studyMachine learning klasik dan ensembleDemo computer vision berbasis browserFraming keterbatasan dan penggunaan bertanggung jawab

Publikasi terpilih

Lihat semua

2026Conference Paper

Does Explicit Reasoning Improve Translation? Benchmarking Chain-of-Thought vs. In-Context Learning for Indonesian-English Language Pairs

IEEE conference proceedings

Language, Audio & Digital IntelligenceCo-author

Google Scholar

2025Conference Paper

CBAM-Enhanced Classification Head for VGG16-Based Pneumonia Detection

Conference proceedings

Medical Imaging & Clinical AIFirst author

Google Scholar

2025Journal Article

Integrating VGG Re-trained Feature Extraction with Machine Learning for Knee Osteoarthritis Severity Levels Detection Using X-ray Images

ITEGAM-JETIA

Medical Imaging & Clinical AIFirst author

Google Scholar

2025Proceedings Article

SE-VGG16: Enhanced classification of skin cancer lesions using VGG16 backbone with squeeze-and-excitation blocks

Procedia Computer Science

Medical Imaging & Clinical AICo-author

Google Scholar

2024Journal Article

Color and Attention for U: Modified Multi Attention U-Net for a Better Image Colorization

JOIV: International Journal on Informatics Visualization

Vision, Biometrics & MultimediaCo-author

Google Scholar

2024Journal Article

Overcoming Overfitting in CNN Models for Potato Disease Classification Using Data Augmentation

EMACS Journal

Agriculture, Environment & Applied VisionFirst author

Google Scholar

Kontak

Mulai dari hasil yang ingin dicapai.

Untuk kolaborasi riset, diskusi laboratorium, undangan berbicara, pengembangan pendidik, layanan akademik, atau prototipe AI terapan.

simeonyudaprasetyo@gmail.com WhatsApp