Guest Lecture Machine Learning: Mengenal YOLOv8s dan Extreme Gradient Boost Bersama Alumni IT PLN

Pada Selasa, 6 Januari 2026 pukul 10.00 WIB, Program Studi Teknik Informatika, Fakultas Telematika Energi IT PLN menyelenggarakan Guest Lecture untuk mata kuliah Machine Learning yang diampu oleh Dr. Efy Yosrita, S.Si., M.Kom. Kegiatan ini mengusung tema “Get to Know YOLOv8s and Extreme Gradient Boost Algorithms in Machine Learning Applications”.

Acara ini menghadirkan dua narasumber yang merupakan alumni Program Studi S1 Teknik Informatika IT PLN sekaligus Stack Developer, yaitu:

• Irham Ahmad Rozan, untuk materi pertama mengenai YOLOv8s.
• Muhammad Fadhil Rizki Perdana, untuk materi kedua mengenai Extreme Gradient Boost (XGBoost).

Kegiatan ini diikuti oleh kurang lebih 160 mahasiswa, yang antusias mendalami penerapan algoritma mutakhir dalam dunia industri dan penelitian.

Materi yang Disampaikan

1. Implementasi YOLOv8s untuk Deteksi Objek di Lingkungan Kerja Industri Migas
   Disampaikan oleh Irham Ahmad Rozan, materi ini menjelaskan bagaimana algoritma YOLOv8s digunakan untuk mendeteksi objek seperti person dan truck dari rekaman CCTV di area kerja PT Pertamina EP – Poleng Field. Dengan pendekatan Computer Vision, sistem ini mampu meningkatkan keselamatan kerja melalui deteksi otomatis, mendukung penerapan K3 berbasis teknologi.
   Hasil evaluasi menunjukkan tingkat akurasi tinggi dengan mAP50 mencapai 0.99 dan mAP50-95 sebesar 0.93, membuktikan keandalan YOLOv8s dalam mendukung pengawasan otomatis.

2. Penerapan Extreme Gradient Boost (XGBoost) untuk Klasifikasi Sinyal EEG
   Disampaikan oleh Muhammad Fadhil Rizki Perdana, materi ini membahas penelitian penerapan algoritma XGBoost untuk mengklasifikasikan kondisi mata (tertutup/terbuka) berdasarkan sinyal EEG, yang kemudian digunakan untuk mengaktifkan perangkat eksternal seperti lampu.
   Proses ini melibatkan tahapan feature selection, hyperparameter tuning, serta validasi menggunakan Confusion Matrix dan K-Fold Cross Validation. Hasil penelitian menunjukkan akurasi tinggi dan keberhasilan integrasi dengan perangkat berbasis Arduino untuk pengaktifan lampu.

Manfaat Kegiatan

Kegiatan ini memberikan wawasan mendalam tentang penerapan algoritma state-of-the-art dalam bidang Machine Learning, baik untuk keselamatan kerja industri maupun interaksi perangkat berbasis sinyal otak, sehingga memperkuat kompetensi mahasiswa dalam menghadapi tantangan teknologi masa depan.

Guest Lecture: Exploring YOLOv8s and Extreme Gradient Boost in Machine Learning Applications

• Irham Ahmad Rozan, who presented the first topic on YOLOv8s.
• Muhammad Fadhil Rizki Perdana, who delivered the second topic on Extreme Gradient Boost (XGBoost).

Topics Covered

1. YOLOv8s Implementation for Object Detection in Oil and Gas Work Environments
   Presented by Irham Ahmad Rozan, this topic demonstrated how YOLOv8s is applied to detect objects such as person and truck from CCTV footage at PT Pertamina EP – Poleng Field. Leveraging Computer Vision, this system enhances workplace safety through automated detection, supporting technology-based occupational health and safety (OHS).
   Evaluation results revealed high accuracy, with mAP50 reaching 0.99 and mAP50-95 at 0.93, confirming YOLOv8s’ reliability in automated monitoring
2. Extreme Gradient Boost (XGBoost) for EEG Signal Classification
   Presented by Muhammad Fadhil Rizki Perdana, this topic explored the application of XGBoost to classify eye states (open/closed) based on EEG signals, enabling external device activation such as lighting systems.
   The process involved feature selection, hyperparameter tuning, and validation using Confusion Matrix and K-Fold Cross Validation. The research achieved high accuracy and successfully integrated with Arduino-based devices for lamp activation.

Impact of the Event