Anggi Andriyadi

Assistant Professor | Ph.D Student Tunghai University | Department of Industrial Engineering and Enterprise Information

[Anggi Andriyadi @Uncle_Gie]

Baru rilis paper yang saya tulis "setengah serius" di selingan waktu riset utama saya di Lab.

Awalnya paper ini targetnya hanya MDPI Ai yang cenderung peluang keterima papernya terbuka, karena tulisan ini hanya sekedar insight bagaimana gabungan multidataset publik bisa menghasilkan generalisasi yang lebih baik.

Namun Supervisor kami minta pindah ke Elsevier IoT dengan IF 7, tapi karena saya sedang fokus ke riset utama untuk disertasj, akhirnya dilanjutkan teman di Lab dengan menambahkan evaluasi energi, akurasi, ram, gpu dll di edge secara lebih serius.

Dia menulis kesimpulan yang tajam bahwa model deteksi kebakaran ringan yang dilatih mengggunakan beberapa domain dapat mempertahankan akurasi lintas linvkungan sekaligys berjalan sangat cepat dengan consuming daya rendah pada edge.

Kesimpulannnya, apakah tembus top tier jurnal harus mengguncang dunia dengan teori baru? Enggak juga, literally kami cuma gunain multidataset training dan yolo aja, buat tembus ke Elsevier IoT.

Yang dinilai bukan seberapa rumit metodenya, tetapi apakah masalahnya jelas, eksperimennya kuat, hasilnya berguna, dan dapat direproduksi oleh peneliti lain. Novelty tidak selalu berarti menciptakan teori baru.

Btw Jurnal ini cuma di review dalam kurun waktu kurang dari 5 bulan, dan free apc karena kami milih close access. Jadi milih yang free apc gak otomatis jurnalnya dianggurin bertahun-tahun di meja reviewer ya.

[Anggi Andriyadi @Uncle_Gie]

@SudutTakKasat Gaslight tipe ngutang hahaha

[Anggi Andriyadi @Uncle_Gie]

Ilmu yang saya pelajari dari Professor saya di LAB HPC, dia mengajarkan dalam riset computer vision, kontribusi tidak selalu harus berupa “mAP tertinggi di semua kondisi”. Kadang kontribusinya adalah membuat model lebih tahan ketika input mengalami degradasi.

kok bisa gitu?

"Darisitu gue diem"
(hahah.. ini beneran tulisan saya ya..)

Misalnya kita punya model object detection untuk kendaraan di jalan. Lalu kita misal membuat sebuah arsitektur yang tujuan awalnya untuk akurasi deteksi kendaran, Misal namanya metode "YOLO-XXX" yang anda susun dan ciptakan.

Model A dilatih dan diuji pada gambar normal Baseline-YOLO.

Lalu kita punya Model B yang ditambahkan arsitektur anda. Jadinya YOLO-Basline vs YOLO-XXX.

Ketika diuji pada gambar bersih, Model A baseline ternyata menang.

Model A clean: 0.70 mAP
Model B clean: 0.67 mAP

Setelah anda analisa, tampaknya model yang anda buat malah ngerusak arsitektur YOLO itu sendiri, lalu anda terfikir anda ingin abaikan model algoritma ini karena dianggap gagal.

Tapi, Prof saya selalu bilang mungkin aja metode anda itu memang kalah di suasana clean, karena YOLO saat itu sudah overpowered di data RGB yang jelas. tapi, gimana kalau diuji coba di data berbasis Fog (berkabut?), disitu baru tergeser arah risetnya dan mulai saya uji dikadaan yang extreme seperti berkabut, malam, hujan, atau blur.

Lalu saat diuji ternyata pada gambar berkabut berat:

Model A fog: 0.30 mAP
Model B fog: 0.38 mAP

Wah bisa gitu ya? nahh di sini pertanyaan risetnya bukan lagi: “siapa paling tinggi dan presisi di clean?”

Tapi:

“siapa yang kondisinya paling robust saat kondisi memburuk?”

Model A turun:
0.70 - 0.30 = 0.40

Model B turun:
0.67 - 0.38 = 0.29

Sehingga Selisihnya bisa dihitung, dengan rumus

Drop reduction = (Model A clean - Model A fog) - (Model B clean - Model B fog)

Drop reduction = 0.40 - 0.29 = 0.11

Kalau nilainya positif, berarti Model B lebih tahan terhadap degradasi fog.

Tapi ini belum cukup kalau hanya dari satu training run.
Deep learning bisa berubah karena seed, inisialisasi, data order, dan stochastic training.

Maka sebaiknya diuji beberapa seed. Misalnya 5 seed:
seed 1, 2, 3, 4, 5

Lalu kita hitung drop reduction untuk setiap seed.

Contoh hasil:
seed 1: +0.09
seed 2: +0.12
seed 3: +0.07
seed 4: +0.13
seed 5: +0.10

Anggap jadi Rata-ratanya +0.10.

Tapi kita juga perlu tahu: apakah efek ini stabil, atau cuma kebetulan?

Di sinilah confidence interval berguna. Confidence interval, sederhananya, adalah rentang estimasi efek.
Misalnya hasilnya:

mean drop reduction: +0.10 95%
CI: [+0.06, +0.14]

Karena seluruh rentangnya berada di atas nol, klaim “Model B lebih tahan terhadap fog” menjadi lebih kuat.

Tapi kalau hasilnya begini:
mean drop reduction: +0.10 95% CI: [-0.03, +0.23]
Maka efeknya belum stabil.
Kenapa?

Karena rentangnya masih melewati nol.
Artinya, berdasarkan eksperimen itu, efek sebenarnya masih mungkin positif, nol, atau bahkan negatif.
Jadi dalam riset, jangan hanya tulis: “model kami lebih robust.”

Tunjukkan juga: performa clean, performa degraded, besar penurunan dari clean ke degraded, perbandingan penurunan antar-model, multi-seed, confidence interval.

Dengan begitu, klaim robustness jadi lebih rapi.
Bukan sekadar “mAP kami lebih tinggi”.

Tapi:
“model kami mengalami penurunan performa yang lebih kecil saat kondisi visual memburuk, dan efeknya konsisten pada beberapa seed.”

Menurut saya ini salah satu cara penting membaca kontribusi riset computer vision.

Karena sistem dunia nyata jarang hidup di kondisi ideal.

Kamera bisa berkabut
Cahaya bisa buruk
Gambar bisa blur
Sensor bisa noisy.
Objek bisa kecil dan samar.

Kadang model terbaik bukan yang paling tinggi di data bersih, tapi yang paling tidak cepat tumbang saat data mulai rusak.

Penutupnya kalau arsitektur kita jelek di awal jangan buru-buru dibuang metodenya, tapi diuji secara menyuluruh, dibagian mana dia berguna. Kadang paper di computer vision bukan hanya liat mAP tertinggi, tapi juga liat mana yang berguna di niche keadaan tertentu.

Video:
Salah satu riset saya di LAB.

[Anggi Andriyadi @Uncle_Gie]

@ogiehart Tampaknya IPA teknik itu IPA tapi lebih ke applied science. Misal langsung pratik penggunaan science untuk kebutuhan industri, Misalnya, fisika dipakai untuk simulasi struktur bangunan, arsitektur, mesin, energi, atau sistem industri. Sedangkan IPA murni ya, keilmuan IPA umumnya.

[me @twetsfyp]

Opus Claude Is Insane.

This is a tutorial a 12 min on how Build 3D Websites in Minutes with Al (0 Design + 0 Coding) with Claude Opus 4.8

[Kang Heriko @heri_ko68]

BARU NEMU WEBSITE GILAA INI 🔥

Website **gratis unlimited** buat upscale gambar tanpa login sama sekali!

Fitur yang aku suka:
• Bisa upscale sampai 4x
• Ada noise reduction (Medium & High)
• Support foto & anime/artwork
• Hasilnya cukup bagus & cepat
• Bisa dipakai sepuasnya tanpa batas

Buat aku yang sering bikin aset Adobe Stock pakai AI, ini sangat membantu buat:
→ Naikin resolusi gambar yang kurang tajam
→ Perbaiki noise di gambar AI
→ Bikin versi 4K sebelum upload

Sudah coba belum ?
namanya waifu2x(dot)net

Kamu biasanya pakai tools upscale apa?
Apakah Waifu2x ini worth it menurut kamu?

#AITools #AdobeStock #ImageUpscaler #FreeTools

[🐦‍🔥ラディックス 🇵🇸🇵🇸🇵🇸 @radixhidayat]

Kalo kamu suka liat opini bodoh berseliweran, mungkin penyebabnya bisa ditarik ke 13 tahun yg lalu. Those kids are now full grown adults by now.

[Anggi Andriyadi @Uncle_Gie]

@sbmptnfess Sebagai mantan kepala kantor urusan internasional, hal kayak gini lumrah, gak usah samain dengan kampus eropa yang mungkin tdk melakukannya. Hal ini tujuannya untuk promosi, agar mhs. Asing mau belajar di kampus top Indonesia. Bhkn Taiwan aja masih report rank kampus di QR.

[Trystanto @Trystanto2]

Fetish orang Indonesia dengan pemeringkatan. Padahal ini mah cuma bullshit

University of Gottingen, almamaternya Oppenheimer, Max Born dan punya 47 peraih nobel, itu rankingnya di bawah UI dan UGM. Terus jadi University of Gottingen itu lebih buruk dari UI dan UGM?

[miw. @lilaccountz]

cium tangan pasangan : 😠😤🤬😖⛔️💢
pekerja seks : 🥰😍🤩😘😋💝

indahnya media feminis indonesia

[Anggi Andriyadi @Uncle_Gie]

@empty__core gak bisa ya. saya tinggal di Taiwan, harga beras disini mahal, beras kwl paling standar itu 42 NT/Kg, alias 23rb/kg, jadi 10kg, bisa jadi 230rb. cuma gaji orang disini minimal 30.000 - 60.000 NTD/Bulan alias 17-36 juta IDR/bulan. Jadi rationya 1,4% dari gaji bulanan mrk.

[HAELE 3D - Anatomy Drawing Reference Tools @haele3d]

I am an indie dev working on an anatomy pose reference app for artists.

- Create custom poses
- Customize the lighting
- Switch between various anatomy models

Would you use this for drawing? It is call HAELE 3D - Pose Studio Max.

[archeerl @archeerl]

Video klarifikasi dri Prihantini terkait pencatutan tanpa izin kepada Ayuna Kemala Safira !!

Prihantini sudah bikin video, dan ibu rifaldy juga sudah
Ditunggu untuk mas rifaldy dan adiknya Sahnaz.

[AYi @AYi_AInotes]

免费领6个月ChatGPT Pro，
价值$ 1200🤩

这可能是今年对开发者最实在的福利了，

没有硬性Star数要求，
有项目链接基本都能过，

只要你是任何一个公开开源项目的维护者，哪怕只有你一个人在维护，
都可以去申请试试：
https://t.co/YsVgw6RrPU

[wind 🍉🏒 @thetaintedsrrw]

Prihantini tetap mencoba mempertahankan travel grantnya dgn mengirim screenshot2 kepada pihak organizer seolah2 ada boycot personal dari kami, walaupun sudah mengakui dan minta maaf secara publik melalui akun instagram baru mereka. Berikut email yang kami dapatkan dari organizer.

[Never @neVerAl0nely___]

Gagal Kendalikan Kecepatan di Tikungan Longken, Xenia Hantam Dua Motor dan Tembok Pembatas di Sembalun

Kecelakaan lalu lintas yang melibatkan satu unit mobil dan dua sepeda motor terjadi di Jalan Raya Desa Sajang, Kecamatan Sembalun, Kabupaten Lombok Timur pada Jumat (15/5) petang.

Insiden yang terjadi sekitar pukul 18.00 WITA tersebut diduga dipicu oleh laju kendaraan roda empat yang hilang kendali saat melintasi jalanan menikung.

Kapolsek Sembalun, IPTU Lalu Subadri, membenarkan peristiwa laka lantas tersebut. Menurutnya, kecelakaan bermula ketika mobil Daihatsu Xenia dengan nomor polisi L 1906 DAA yang dikemudikan oleh Miftah Luthfi (30), seorang mahasiswa asal Semarang, melaju dari arah Sembalun menuju Lombok Utara.

Setibanya di tikungan jembatan Dusun Longken, Desa Sajang, pengemudi kendaraan roda empat (R4) tersebut diduga memacu kendaraannya dengan kecepatan cukup tinggi. Pada saat yang bersamaan, dari arah berlawanan (Bayan menuju Sembalun), datang dua unit sepeda motor Honda Beat yang dikendarai oleh rombongan mahasiswi asal Pemenang, Lombok Utara.

Tak berhenti di situ, setelah menghantam motor, mobil Xenia tersebut baru berhenti setelah menabrak tembok pembatas jalan di lokasi kejadian.

Kecelakaan ini melibatkan dua unit Honda Beat, yakni dengan nomor polisi DR 5104 ED yang dikendarai oleh Safira Haeria (23) berboncengan dengan Sakila Maulida (20), serta Honda Beat DR 5041 RE yang dikendarai oleh Silva Faoza (20) berboncengan dengan Minnatul Maula (20).

Beruntung, tidak ada korban jiwa dalam insiden ini. Para pengendara motor hanya mengalami luka lecet pada bagian kaki, sementara pengemudi mobil dilaporkan dalam keadaan sehat tanpa luka. Namun, kerugian materiil cukup signifikan terlihat dari kondisi bagian depan mobil Xenia yang mengalami ringsek parah.

IPTU Lalu Subadri menjelaskan bahwa setelah dilakukan mediasi antara pihak keluarga pengendara motor dan pengemudi mobil, kedua belah pihak sepakat untuk tidak melanjutkan perkara ini ke ranah hukum.

[Anggi Andriyadi @Uncle_Gie]

@JoeJoeIDX Bosnya asik banget beud wkwkw

[Anggi Andriyadi @Uncle_Gie]

@Telkomsel ini pendaftaran sim card baru gimana sih, masa gagal terus, dari kamera depan iphone sampai google pixel sama aja, tidak kenali wajahnya! ini sistem anda yang bapuk atau gimana sih? saya DM gak pernah dibales!

[K @ChillaiKalan__]

GPT Image 2 and Seedance 2.0 on @SocialSight

POV: First-person handheld shot of a young adult male street photographer walking casually through the extremely crowded streets of Shibuya, Japan on a sunny daytime, surrounded by hundreds of pedestrians rushing across the famous Shibuya Scramble Crossing, tall buildings with huge digital billboards, neon signs, and busy city atmosphere.

@-image as the exact character reference for the woman — her full appearance, face, hair, outfit, and style must strictly and perfectly match the uploaded reference image @-image .

0-4 seconds: Natural handheld walking motion forward through the crowd. The photographer spots @-image standing at the edge of the sidewalk, fully focused and looking down at her smartphone.

4-7 seconds: He gently approaches closer to her. Photographer’s voice (friendly, clear English): “Hey there!”

7-10 seconds: @-image looks up from her phone toward him with a warm, confident smile. Photographer: “You look absolutely beautiful in that outfit!”

10-13 seconds: Photographer continues: “I’m a street photographer and I’d really love to take some photos of you if you’re okay with that?”

13-15 seconds: Woman @-image nods enthusiastically and replies in clear English: “Sure, that sounds fun! I’d love to pose for you.” She then strikes a graceful pose. Photographer’s hands raise the DSLR camera into the foreground (camera and hands visible in POV), framing her perfectly as if about to shoot. Gentle shutter click sound.

Cinematic realistic style, vibrant urban colors of busy Shibuya, bright daytime lighting with natural sunlight, sharp focus on the woman @-image , dynamic crowded background with moving pedestrians, smooth natural handheld movement, high detail textures, friendly and positive atmosphere, clear audible English dialogue with natural lip sync, subtle city background sounds with footsteps, crowd chatter and traffic noise, enthusiastic yet respectful mood, 15-second video.