Yogyakarta, 4 Februari 2026 — Tuberkulosis (TBC) masih menjadi salah satu tantangan kesehatan utama di Indonesia. Menjawab persoalan tersebut, tim peneliti dari Program Studi Magister Teknik Biomedis, Sekolah Pascasarjana Universitas Gadjah Mada (UGM) bekerja sama dengan Departemen Teknik Elektro dan Teknologi Informasi (DTETI) Universitas Gadjah Mada (UGM) mengembangkan inovasi bertajuk Sistem Pendeteksian Bakteri Endemik Otomatis Berbasis Kecerdasan Buatan (Artificial Intelligence/AI) dan Internet of Things (IoT).
Inovasi yang mengintegrasikan otomatisasi mekanik dan kecerdasan digital ini secara resmi diperkenalkan kepada publik dalam acara Open House DTETI yang berlangsung pada 21–22 November 2025 di Gelanggang Inovasi dan Kreativitas (GIK) UGM.
Ketua tim peneliti, Ir. Ridwan Wicaksono, S.T., M.Eng., Ph.D., menegaskan bahwa percepatan dan konsistensi diagnosis merupakan kunci utama dalam memutus mata rantai penularan TBC. Menurutnya, proses diagnosis manual masih menghadapi kendala waktu pemeriksaan yang panjang serta potensi kesalahan manusia.
“Kami memanfaatkan teknologi untuk mengatasi keterbatasan diagnosis konvensional. Dengan sistem yang terintegrasi penuh, mulai dari persiapan sampel hingga analisis data, kami berharap inovasi ini dapat membantu fasilitas kesehatan di Indonesia melakukan deteksi TBC secara massal dengan lebih cepat, akurat, dan konsisten,” ujar Ridwan di sela-sela pameran.
Sistem yang dikembangkan menawarkan solusi menyeluruh atau end-to-end melalui rangkaian proses otomatis. Tahap awal dimulai dari proses pewarnaan sampel dahak (sputum) menggunakan metode Ziehl–Neelsen (ZN) yang dilakukan secara otomatis. Dengan dukungan mikrokontroler ESP32, sistem ini mampu mengendalikan pompa suntik untuk reagen, pompa air, serta modul pemanas secara presisi, sehingga proses pewarnaan bakteri TBC menjadi lebih konsisten tanpa intervensi langsung manusia.
Selanjutnya, inovasi ini juga mencakup pengembangan mikroskop otomatis berbasis sistem motorized. Mikroskop konvensional dimodifikasi agar mampu melakukan pencarian fokus secara otomatis menggunakan stepper motor, sehingga citra bakteri dapat ditampilkan dengan ketajaman optimal tanpa ketergantungan pada keterampilan operator.
Citra hasil pengamatan kemudian diunggah ke platform berbasis IoT yang terintegrasi dengan data pasien. Pada tahap ini, kecerdasan buatan berperan dalam menganalisis citra secara otomatis untuk menghitung jumlah bakteri serta menentukan tingkat keparahan infeksi. Sistem ini dilengkapi fitur AI Assistant yang mampu memberikan penjelasan hasil analisis sekaligus rekomendasi langkah medis lanjutan, menyerupai konsultasi awal dengan tenaga ahli.
Keandalan medis dari sistem ini diperkuat melalui kolaborasi lintas disiplin dengan Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan (FKKMK) UGM. Pengujian dilakukan menggunakan sampel sputum asli pasien TBC di bawah supervisi Prof. Titik Nuryastuti, sehingga teknologi ini teruji pada kondisi klinis yang nyata.
Inovasi ini merupakan hasil kolaborasi dosen dan peneliti muda lintas bidang, yang terdiri atas Ir. Ridwan Wicaksono, S.T., M.Eng., Ph.D.; Dr. Indah Soesanti, S.T., M.T.; Nadya Aji Salsabila, S.T., M.Sc.; Mahasti Namira, S.T.; Anisa Nur Rahmalina; serta Gabriel Aryo Wicaksono, S.T. Kehadiran sistem ini diharapkan dapat menjadi kontribusi nyata UGM dalam mendukung upaya eliminasi TBC di Indonesia melalui pemanfaatan teknologi cerdas.
Sumber: Ridwan Wicaksono
Editor: Asti Rahmaningrum
Foto: Ridwan Wicaksono