Dalam ekosistem kota pintar (Smart City), peningkatan pesat perangkat nirkabel dan beragam standar komunikasi menimbulkan kemacetan spektrum dan interferensi sinyal. Kondisi ini dapat menghambat komunikasi yang andal dan berlatensi rendah, padahal sangat dibutuhkan oleh berbagai aplikasi seperti keselamatan publik, pemantauan lingkungan, serta transportasi cerdas.
Menanggapi permasalahan tersebut, tim peneliti yang terdiri atas Budi Bayu Murti dan Alif Subardono mengusulkan penerapan teknologi Radio Kognitif (Cognitive Radio/CR), yang memungkinkan Secondary Users (SUs) memanfaatkan kanal yang tidak digunakan oleh Primary Users (PUs) melalui proses penginderaan spektrum adaptif. Namun, metode konvensional seperti Energy Detection (ED) dinilai kurang efektif pada kondisi Signal-to-Noise Ratio (SNR) rendah. Sistem tidak mampu mengenali jenis modulasi sinyal yang merupakan salah satu aspek penting untuk komunikasi adaptif dan mitigasi interferensi.
Untuk mengatasi hal itu, tim peneliti mengembangkan sistem klasifikasi sinyal multi-kelas berbasis pembelajaran mesin menggunakan fitur statistik dan algoritma Support Vector Machine (SVM) dengan Radial Basis Function (RBF) kernel. Metode ini mampu mengklasifikasikan berbagai jenis sinyal dengan akurasi tinggi, sambil tetap mempertahankan kompleksitas komputasi yang rendah. Menurut Budi Bayu Murti, sistem ini dirancang agar dapat diimplementasikan secara real-time pada perangkat edge dan IoT berdaya rendah, sehingga cocok digunakan dalam infrastruktur komunikasi kota pintar masa depan.
Penelitian ini menjadi langkah penting menuju pengembangan sistem penginderaan spektrum cerdas yang efisien, adaptif, dan ramah sumber daya, serta sejalan dengan SDG nomor 9, yaitu “Industri, Inovasi, dan Infrastruktur”, yang mendorong penguatan inovasi teknologi untuk mendukung infrastruktur cerdas dan berkelanjutan di era digital.