Penulis yang berasal dari Fakultas Farmasi Universitas Airlangga bekerja sama denganPoliteknik Negeri Semarang, Indonesia, Tokyo Metropolitan University, Japan and Chiba Institute of Technology, Japan memperkenalkan DeepEdge-AD, sebuah kerangka kerja baru untuk deteksi anomali secara real-time dalam proses ekstraksi daun industri menggunakan IoT dan edge computing. Ia menggunakan jaringan adversarial generatif peramalan untuk deteksi anomali (ForGAN-AD), sebuah model pembelajaran mendalam yang mengintegrasikan peramalan probabilistik dengan GAN untuk mendeteksi anomali dalam data sensor streaming. Inovasi utama meliputi (1) arsitektur hibrida yang menggabungkan metode statistik dan pembelajaran mendalam, (2) implementasi edge computing yang mencapai latensi sangat rendah (waktu pelatihan 0,0019 detik), dan (3) sistem umpan balik loop tertutup untuk optimasi parameter otomatis. DeepEdge-AD mengungguli metode tradisional, mencapai Area Under the Curve (AUC) sebesar 0,9720 dan skor F1 makro sebesar 0,7148 pada dataset daun Moringa. Validasi pada dataset publik (NYC Taxi: AUC 0.7462; AnoShift Kyoto: AUC 0.7613) menegaskan kemampuan generalisasinya, menjadikannya solusi mutakhir untuk deteksi anomali secara real-time di lingkungan edge.
Penulis: Retno Widyowati
Untuk informasi yang lebih lengkap dapat dilihat pada artikel aslinya dengan judul: “DeepEdge-AD: Deep Anomaly Detection in Edge Computing-Driven Leaf Extraction Machines” pada International Journal of Intelligent Engineering and Systems 2025; 18(3):432-447 dengan tautan berikut ini: https://oaji.net/articles/2023/3603-1742094540.pdf
