WEST LAFAYETTE, Indiana β Zahra Ghorrati, kandidat doktor di Purdue University, mengembangkan kerangka kerja deep learning (pembelajaran mendalam) untuk Human Activity Recognition atau HAR (Pengenalan Aktivitas Manusia) menggunakan sensor yang dapat dipakai. "Wearables have the potential to transform fields like healthcare, elderly care, and long-term activity tracking," ungkap Ghorrati dalam wawancara eksklusif1. Penelitian ini didukung Polytechnic Summer Research Grant (Hibah Riset Musim Panas Politeknik) dari Purdue dan mengatasi tantangan data sensor yang bising serta tidak konsisten.
Inovasi Hierarkis dengan Logika Fuzzy
Fokus utama riset Ghorrati adalah membangun model yang adaptif terhadap berbagai dataset aktivitas manusia. Ia mengintegrasikan prinsip fuzzy logic (logika kabur) ke dalam arsitektur neural, memungkinkan sistem menangani ketidakpastian data dunia nyata dengan lebih baik. Pendekatan hierarkis yang dikembangkan mendeteksi aktivitas sederhana di level awal, kemudian mengenali perilaku kompleks di tingkat lebih tinggi2.
Keunggulan model ini terletak pada kesederhanaan dan biaya komputasi rendah. "The model can capture the natural uncertainty and variability of human movement," jelas Ghorrati3. Sistem bekerja dalam derajat kepercayaan, bukan klasifikasi kaku, membuatnya lebih interpretabel dan mirip cara manusia berpikir.
Evaluasi Benchmark dan Performa Kompetitif
Framework telah dievaluasi ketat pada beberapa dataset benchmark multivariate time series (deret waktu multivariat). Perbandingan sistematis dengan metode state-of-the-art (mutakhir) menunjukkan akurasi kompetitif dan interpretabilitas lebih baik. Purdue University sendiri aktif dalam riset AI, dengan superkomputer Gautschi yang debut di posisi ke-7 di antara universitas AS pada November 20244.
| Aspek π | Karakteristik |
|---|---|
| Teknologi Inti | Hierarchical Fuzzy Deep Neural Network |
| Keunggulan Utama | Biaya komputasi rendah, interpretabel |
| Aplikasi Target | Healthcare, elderly care, monitoring jangka panjang |
| Keunggulan vs Video | Portabel, non-intrusif, privasi terjaga |
| Tantangan Data | Noise, inkonsistensi, ketidakpastian sensor |
| Pendekatan | Deteksi bertingkat: sederhana β kompleks |
| Status Penelitian | Evaluasi benchmark, publikasi konferensi internasional |
Rencana Ekspansi ke Klasifikasi Time Series
Ghorrati berencana meningkatkan skalabilitas framework agar mampu menangani dataset berskala besar dan mendukung aplikasi real-time (waktu nyata). "I am excited to broaden the scope to the wider domain of time series classification," katanya5. Potensi aplikasi meluas ke klasifikasi suara, analisis sinyal fisiologis, dan domain berbasis waktu lainnya.
Target jangka panjang adalah model terpadu untuk analisis time series yang menyeimbangkan adaptabilitas, interpretabilitas, dan efisiensi. Pasar wearables berbasis AI diproyeksikan mencapai USD 304,8 miliar pada 2033, didorong adopsi rutinitas kesehatan baru6. Framework ini berpotensi menjadi fondasi aplikasi kesehatan, lingkungan, dan pengambilan keputusan berbasis data.
Kontribusi Akademik dan Kepemimpinan Komunitas
Selain riset disertasi, Ghorrati berkontribusi sebagai reviewer (penelaah) untuk konferensi CoDIT, CTDIAC, IRC, dan diundang untuk AAAI 2026. Ia juga menjabat Local Organizer dan Safety Chair (Ketua Keamanan) untuk AAMAS 2025 dan 20267. Di luar akademik, ia memimpin Purdue Tango Club, menumbuhkan keanggotaan dari 2 menjadi lebih dari 40 mahasiswa aktif.
Motivasi dan Saran untuk Calon Peneliti
Ketertarikan Ghorrati pada wearables dimulai di Paris, di mana ia diperkenalkan pada potensi monitoring berbasis sensor untuk perawatan kesehatan. Ia tertarik pada sifat diskret dan non-invasif perangkat ini dibanding metode berbasis video. "Wearables offered the perfect intersection of my interests," ujarnya8.
Bagi calon mahasiswa PhD, Ghorrati menyarankan tetap ingin tahu dan adaptif karena arah riset berevolusi cepat. Ia menekankan pentingnya menggabungkan disiplin ilmu, seperti psikologi, kesehatan, dan interaksi manusia-komputer dengan AI. Yang paling penting: pilih masalah yang benar-benar menarik minat. "That passion will sustain you through the inevitable challenges," tutupnya9.
Kesimpulan
Riset Zahra Ghorrati di Purdue University mendemonstrasikan potensi signifikan HAR berbasis wearable sensors dengan pendekatan hierarkis dan fuzzy logic. Model yang efisien secara komputasi dan interpretabel menjanjikan aplikasi luas di bidang kesehatan, perawatan lansia, dan monitoring aktivitas. Dengan rencana ekspansi ke klasifikasi time series yang lebih luas, penelitian ini dapat menjadi fondasi penting bagi sistem AI yang dapat dipercaya dan praktis untuk deployment dunia nyata.
Daftar Pustaka
- AIhub, "Interview with Zahra Ghorrati: developing frameworks for human activity recognition using wearable sensors," 3 Oktober 2025, https://aihub.org/2025/10/03/interview-with-zahra-ghorrati-developing-frameworks-for-human-activity-recognition-using-wearable-sensors/
- Ibid.
- Ibid.
- Purdue University, "New ranking demonstrates Purdue prominence in AI research supercomputing," 20 November 2024, https://www.purdue.edu/research/features/stories/new-ranking-demonstrates-purdue-prominence-in-ai-research-supercomputing/
- Op. cit., AIhub
- MSN, "Why the AI wearable market is set to grow by 10x - and it's not just new gadgets," 30 Oktober 2025, https://www.msn.com/en-us/health/other/why-the-ai-wearable-market-is-set-to-grow-by-10x-and-its-not-just-new-gadgets/ar-AA1PwIn0
- Loc. cit., AIhub
- Ibid.
- Ibid.
