Dua dosen dari Departemen Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), UGM, yaitu Dr. Iman Santoso, S.Si., M.Sc. dan Prof. Dr.Eng. Edi Suharyadi, S.Si., M.Eng., sukses berpartisipasi dalam riset internasional pengembangan metode deteksi mikroalga menggunakan sensor berbasis kromium dan kecerdasan buatan.
Riset kolaborasi ini melibatkan peneliti dari Fakultas MIPA UGM, Fakultas Biologi UGM, Badan Riset dan Inovasi Nasional (BRIN), Universitas Negeri Yogyakarta (UNY), Universitas Bengkulu, Universitas Singaperbangsa Karawang (Unsika), Nagoya University (Jepang), dan National Chung Hsing University (Taiwan).
Tim penelitian ini menemukan bahwa lapisan tipis kromium setebal 75 nanometer dapat berfungsi sebagai sensor optik yang sensitif terhadap keberadaan mikroalga. Pada ketebalan tersebut, terjadi perubahan fase cahaya hingga 40,6 derajat ketika sampel air yang mengandung mikroalga diujikan. Kromium dipilih karena lebih ekonomis dibandingkan logam mulia seperti emas atau perak yang biasa digunakan dalam sensor optik sejenis.
Data pantulan cahaya dari sensor ini bersifat kompleks dan tidak linear. Untuk mengolahnya, tim menggunakan tiga model machine learning, yaitu Deep Neural Network (DNN) untuk memprediksi pola sinyal, Support Vector Machine (SVM) untuk mengelompokkan jenis mikroalga, dan Autoencoder dengan K-Means untuk menemukan pola tersembunyi dalam data. Dengan integrasi ketiga model tersebut, proses deteksi dapat berlangsung tanpa pewarnaan kimia (label-free) dan lebih cepat dibandingkan metode konvensional.
Pengembangan teknologi ini turut mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG 6 tentang akses air bersih dan sanitasi layak, SDG 9 terkait inovasi industri dan teknologi, serta SDG 14 mengenai perlindungan ekosistem perairan. Melalui metode deteksi mikroalga yang lebih cepat dan efisien, riset ini diharapkan dapat membantu pemantauan kualitas air secara berkelanjutan dan mendukung pengelolaan lingkungan berbasis teknologi.
Penulis: Inna Mutifah
Editor: Inna Mutifah




