Tentang kami
Kota Cerdas (Smart City) merupakan bidang fokus penelitian KATD yang mengembangkan dan menerapkan kecerdasan artifisial (AI), teknologi informasi dan komunikasi, serta teknologi digital untuk mendukung pengelolaan perkotaan yang lebih cerdas, terintegrasi, efisien, dan berkelanjutan. Melalui pemanfaatan analisis data, Internet of Things (IoT), dan sistem cerdas, KATD ITS mendorong pengembangan solusi teknologi untuk meningkatkan kualitas layanan publik, keamanan, mobilitas, dan kualitas hidup masyarakat perkotaan.Sesuai dengan roadmap penelitian KATD ITS, bidang fokus Kota Cerdas mencakup empat subtopik utama, yaitu Reidentifikasi Orang atau Kendaraan (Person and Vehicle Re-identification), Smart Hospital, Intelligent Transportation System, dan Special Topics in Smart City. Keempat subtopik tersebut menjadi arah pengembangan penelitian dan inovasi KATD dalam pemanfaatan AI dan teknologi digital untuk menjawab berbagai tantangan perkotaan.
Swin Transformer With Late-Fusion Feature Aggregation for Multi-Modal Vehicle Reidentification (2025)
Penelitian ini berfokus pada pengembangan teknologi kecerdasan artifisial dan computer vision untuk mengenali kembali individu atau kendaraan yang sama berdasarkan rekaman gambar maupun video dari kamera yang berbeda. Teknologi ini dapat digunakan untuk mendukung sistem pemantauan perkotaan, keamanan publik, dan pengelolaan lalu lintas melalui integrasi informasi visual dari berbagai titik pengawasan.
Salah satu penelitian pada subtopik ini dikembangkan oleh dosen Departemen Teknik Komputer, yaitu Reza Fuad Rachmadi, S.T., M.T., Ph.D. Dr. Supeno Mardi Susiki Nugroho, S.T., M.T. dan Prof. Dr. I Ketut Eddy Purnama, S.T., M.T. melalui penelitian berjudul Swin Transformer With Late-Fusion Feature Aggregation for Multi-Modal Vehicle Reidentification (2025).
Penelitian ini mengembangkan metode vehicle re-identification menggunakan arsitektur Swin Transformer dengan pendekatan penggabungan fitur dari tiga jenis modalitas citra, yaitu citra visual RGB, near-infrared (NIR), dan thermal infrared (TIR). Penggunaan berbagai modalitas tersebut bertujuan meningkatkan kemampuan sistem dalam mengenali kendaraan yang sama pada kondisi pencahayaan dan karakteristik citra yang berbeda.
Gambar 1 disamping merupakan Arsitektur SAFA (Self-Attention Feature Aggregation) untuk Multi-Modal Vehicle Re-identification. Gambar tersebut menjelaskan arsitektur SAFA yang menggabungkan fitur dari citra RGB, NIR, dan TIR melalui Swin Transformer, Feature Aggregation Network, dan Modality Weighted Fully Connected Network untuk menghasilkan klasifikasi kendaraan.
Gambar 1. Arsitektur SAFA (Self-Attention Feature Aggregation) untuk Multi-Modal Vehicle Re-identification. Source: Rachmadi et al. (2025), IEEE Access.
Intermittent Learning Strategy via Self-supervised Learning for Sketch-visible Person Re-identification (2025)
Peneliti: Reza Fuad Rachmadi, Supeno Mardi Susiki Nugroho, dan I. Ketut Eddy Purnama.
Penelitian ini mengembangkan strategi pembelajaran self-supervised learning untuk mengenali individu berdasarkan citra sketsa dan citra visual. Penelitian tersebut relevan secara langsung dengan subtopik person re-identification, meskipun konteksnya bukan khusus CCTV perkotaan.
HAJI C-AIRRe: Kolaborasi Inovasi AI dan Robotik untuk Transformasi Layanan Rumah Sakit
Institut Teknologi Sepuluh Nopember (ITS) berkolaborasi dengan RSUD Haji Provinsi Jawa Timur dan Universitas Airlangga (UNAIR) dalam mengembangkan ekosistem inovasi kesehatan berbasis kecerdasan artifisial (AI) dan robotik melalui HAJI C-AIRRe (Collaborative Artificial Intelligence and Robotic Research Innovation Ecosystem in Healthcare). Diluncurkan pada Juli 2026, kolaborasi ini berfokus pada pemanfaatan teknologi digital untuk mendukung transformasi pelayanan administrasi dan klinis rumah sakit.
Tiga inovasi yang dikembangkan dalam kolaborasi ini meliputi AI MINA, sistem berbasis AI untuk membantu validasi dokumen medis dan pemeriksaan kesesuaian diagnosis dengan hasil pemeriksaan penunjang guna mendukung proses pengajuan klaim BPJS; iBrain2U, sistem deep learning untuk membantu analisis citra MRI otak dalam mengidentifikasi sejumlah gangguan, seperti stroke, tumor otak, epilepsi, dan Alzheimer; serta Robot Asisten RAISA, robot layanan berbasis AI Chatbot yang dirancang untuk memberikan informasi mengenai poliklinik, alur pelayanan, dan fasilitas rumah sakit. RAISA juga dilengkapi kemampuan navigasi mandiri untuk membantu pasien dan pengunjung menemukan lokasi tujuan di lingkungan rumah sakit.
Kolaborasi ini merupakan salah satu bentuk penerapan hasil penelitian dan inovasi ITS dalam sektor kesehatan melalui sinergi antara perguruan tinggi dan institusi pelayanan kesehatan. Pengembangan HAJI C-AIRRe diharapkan dapat mendukung peningkatan efisiensi operasional, kualitas layanan, serta pemanfaatan AI dan robotik dalam ekosistem Smart Hospital.
Baca selengkapnya : disini
Peresmian inovasi kolaboratif ITS-UNAIR-RSUD Haji Surabaya C-AIRRe
Vehicle Counting and Classification in Varying Traffic Conditions using Faster R-CNN (2025)
Peneliti: Budi Setiyono, Ridho Nur Rohman Wijaya, Dwi Ratna Sulistyaningrum, Bandung Arry Sanjoyo, dan Rumia Octavia.
Penelitian ini mengembangkan sistem deteksi, klasifikasi, dan penghitungan kendaraan menggunakan Faster R-CNN. Kendaraan dikelompokkan menjadi mobil, bus, truk, sepeda motor, dan sepeda. Penelitian ini relevan untuk pengembangan sistem pemantauan arus lalu lintas dan manajemen transportasi cerdas.
Jurnal: Journal of Physics: Conference Series, Vol. 2942, 2025.
Sumber : Budi Setiyono et al 2025 J. Phys.: Conf. Ser. 2942 012025
A Hybrid Fuzzy Logic Model for Driver Safety Risk Prediction Using Vehicle Telematics Data (2026)
Peneliti: Army Agustina Wahyuni dan Ratna Sari Dewi.
Penelitian ini mengembangkan model hybrid fuzzy logic untuk memprediksi risiko keselamatan pengemudi berdasarkan data telematika kendaraan. Model menggabungkan evaluasi perilaku pengemudi dan faktor kontekstual untuk menghasilkan skor risiko keselamatan. Hasil penelitian ini relevan untuk pengembangan sistem transportasi cerdas yang berorientasi pada keselamatan berkendara.
An Intelligent Transport Planning Framework Using Dual Modified K-Means and Metaheuristic Optimisation for Capacitated Vehicle Routing with Time Windows and Road Accessibility (2026)
Peneliti: Nugraha Tongam Hasudungan Hutapea, Udisubakti Ciptomulyono, dan Amalia Utamima.
Penelitian ini mengembangkan kerangka perencanaan transportasi dengan menggabungkan Dual Modified K-Means dan optimasi metaheuristik untuk menentukan rute distribusi kendaraan. Penelitian mempertimbangkan kapasitas kendaraan, waktu pelayanan, dan aksesibilitas jalan. Hasilnya relevan untuk optimalisasi mobilitas dan logistik perkotaan.
A Lightweight Authentication and Group Key Distribution Protocol Based on Sub-group Hierarchical for Smart Traffic Light Systems (2025)
Peneliti : Siti Agustini, Wirawan, Gamantyo Hendrantoro, Chi-Hung Chi.
Penelitian ini membahas protokol autentikasi dan distribusi kunci untuk sistem lampu lalu lintas cerdas. Relevansinya adalah pengamanan komunikasi dan pertukaran data pada infrastruktur transportasi berbasis jaringan.
Jurnal: International Journal of Intelligent Engineering and Systems, Vol. 18, No. 11, 2025.
Rekomendasi: Tiga fokus penelitian yang dapat ditonjolkan adalah pemantauan lalu lintas berbasis computer vision, prediksi risiko keselamatan berkendara, dan optimasi rute transportasi. Penelitian tentang keamanan lampu lalu lintas dapat menjadi topik pendukung.
Gambar STLS architecture with sub-group hierarchical network model
Peneliti : Didit Novianto, Shafiyyah Putri Rahmaningtyas, Wisnu Waskito Adi, A. E. Sumanti, dan Y. Xu.
Penelitian ini menganalisis perubahan lingkungan alami menjadi kawasan perkotaan dalam pembangunan Ibu Kota Nusantara menggunakan citra historis dan analisis indeks vegetasi. Penelitian ini relevan untuk pemantauan perubahan lingkungan dan perencanaan kota berkelanjutan berbasis data penginderaan jauh.
Jurnal: Indonesian Journal of Urban and Environmental Technology, Vol. 9, No. 1, 2026.
Gambar disamping menunjukkan perkembangan perubahan tutupan vegetasi di kawasan Ibu Kota Nusantara (IKN) berdasarkan analisis citra satelit historis periode 2002–2024. Analisis menggunakan komposit warna RGB dan indeks VARI (Visible Atmospherically Resistant Index) untuk mengidentifikasi tingkat kehijauan vegetasi sekaligus memantau perubahan kondisi lingkungan dari waktu ke waktu. Area berwarna hijau menunjukkan tingkat kehijauan vegetasi, sedangkan variasi warna merah dan kuning menggambarkan perbedaan kondisi tutupan lahan.
Visualisasi ini memperlihatkan dinamika perubahan lingkungan alami menuju kawasan terbangun selama proses pengembangan IKN. Hasil analisis citra satelit tersebut dapat menjadi dasar pemantauan perubahan tutupan vegetasi dan evaluasi dampak pembangunan perkotaan terhadap lingkungan.
Sumber: Monitoring the Changes of Natural to Urban Environment in Indonesia’s New Capital City Development through Historical Imagery (2026), Figure 12.