Potensi Transformasi Deep Learning dalam Berbagai Domain: Studi Literatur pada Manufaktur dan Layanan Kesehatan

Abstract

Penerapan deep learning di sektor manufaktur dan layanan kesehatan untuk meningkatkan efisiensi, akurasi, dan otomatisasi. Di sektor manufaktur, kolaborasi manusia-robot menghadapi tantangan dalam merencanakan tugas dan mengendalikan gerakan robot di lingkungan tak terstruktur, sementara deteksi cacat geometris pada produk menggunakan data awan titik 3D membutuhkan teknologi yang mampu menangani data kompleks. Di sektor layanan kesehatan, deep learning memainkan peran penting dalam segmentasi citra medis dan triage departemen gawat darurat untuk meningkatkan kecepatan dan akurasi pengambilan keputusan medis. Penelitian ini menggunakan studi literatur untuk mengeksplorasi berbagai aplikasi deep learning dalam kedua sektor tersebut, seperti penggunaan mixed reality head-mounted display (MR-HMD), deep reinforcement learning (DRL), dan model PointNet++ dalam manufaktur, serta aplikasi deep learning dalam segmentasi citra medis dan analisis data rekam medis elektronik di layanan kesehatan. Hasil penelitian menunjukkan bahwa deep learning meningkatkan efisiensi kolaborasi manusia-robot, memperbaiki deteksi cacat geometris, serta meningkatkan akurasi dan kecepatan proses triage di layanan kesehatan. Kesimpulannya, deep learning memiliki potensi transformasi besar di berbagai sektor dan membuka peluang untuk otomatisasi serta pengambilan keputusan berbasis data yang lebih canggih.