Perkembangan teknologi komunikasi nirkabel dan Internet of Things (IoT) menghadirkan tantangan baru dalam menjaga kualitas dan keandalan jaringan komunikasi. Semakin banyaknya perangkat yang menggunakan spektrum frekuensi secara bersamaan, seperti WiFi, Bluetooth, dan ZigBee, berpotensi meningkatkan interferensi yang dapat mengganggu proses pertukaran informasi. Menjawab tantangan tersebut, tim peneliti Departemen Teknik Elektro dan Informatika Sekolah Vokasi Universitas Gadjah Mada (UGM) mengembangkan teknologi deteksi dan klasifikasi interferensi berbasis machine learning. Penelitian yang dilakukan oleh Budi Bayu Murti bersama Alif Subardono, Nur Rohman Rosyid, Jans Hendry, Hidayat Nur Isnianto, dan Eka Indarto ini menjadi salah satu langkah dalam mendukung pengembangan infrastruktur komunikasi digital yang lebih cerdas dan andal. Penelitian tersebut memanfaatkan algoritma Support Vector Machine (SVM) dan Random Forest (RF) untuk mengidentifikasi tujuh kelas sinyal, meliputi Clean Signal, AWGN, Bluetooth, ZigBee, Narrowband Interference, Wideband Interference, dan Impulsive Noise. Hasil pengujian berbasis simulasi menunjukkan bahwa kedua algoritma mampu mengklasifikasikan berbagai jenis interferensi dengan kinerja yang baik, terutama ketika kondisi Signal-to-Noise Ratio (SNR) meningkat.
Meskipun menunjukkan hasil yang menjanjikan, implementasi teknologi ini pada lingkungan komunikasi nyata masih menghadapi sejumlah tantangan. Salah satunya adalah karakteristik interferensi yang dapat berubah secara dinamis akibat mobilitas perangkat, variasi kanal propagasi, dan perubahan kondisi lingkungan. Pada kondisi SNR rendah, perbedaan karakteristik antara sinyal yang diinginkan dan sinyal interferensi semakin sulit dikenali sehingga berpotensi menurunkan ketepatan klasifikasi. Tantangan lainnya berkaitan dengan kebutuhan pemrosesan data secara real-time. Sistem deteksi interferensi harus mampu mengidentifikasi gangguan dengan cepat tanpa membebani sumber daya komputasi dan konsumsi energi perangkat. Selain itu, perbedaan karakteristik antara data simulasi dan sinyal yang diperoleh dari perangkat komunikasi nyata memerlukan pengujian lebih lanjut untuk memastikan kemampuan generalisasi model. Oleh karena itu, pengembangan berikutnya diarahkan pada validasi menggunakan perangkat komunikasi nyata, peningkatan ketahanan algoritma terhadap variasi lingkungan radio, serta optimalisasi kompleksitas komputasi agar teknologi dapat diterapkan secara lebih efisien.
Penelitian ini mendukung pencapaian SDG 9: Industri, Inovasi, dan Infrastruktur, khususnya melalui penguatan inovasi teknologi dan pengembangan infrastruktur komunikasi digital yang tangguh. Kemampuan mendeteksi interferensi secara otomatis berpotensi mendukung peningkatan keandalan jaringan IoT, komunikasi industri, jaringan sensor nirkabel, dan sistem pemantauan spektrum. Melalui pengembangan penelitian secara berkelanjutan, UGM diharapkan dapat berkontribusi dalam menjembatani hasil penelitian berbasis simulasi menuju penerapan teknologi komunikasi cerdas yang lebih adaptif, efisien, dan bermanfaat bagi masyarakat.