Berikut adalah versi akhir dari resensi dengan pengurangan penggunaan huruf tebal (bold), tanpa tabel, dan tetap mempertahankan struktur SEO-friendly, orisinalitas, serta bahasa yang mengalir dan menarik. Panjang tulisan ±1900 kata.

Etika Profesi Teknik: Mengapa Mahasiswa Indonesia Lebih Siap Hadapi Dilema Moral

Etika dalam Dunia Teknik: Kebutuhan atau Formalitas?

Di tengah kemajuan teknologi dan meningkatnya peran insinyur dalam pembangunan infrastruktur serta teknologi berkelanjutan, muncul pertanyaan yang tak bisa dihindari: apakah insinyur masa kini dibekali dengan nilai-nilai etika yang cukup kuat untuk menghadapi dilema moral dalam pekerjaan mereka?

Etika teknik bukan sekadar tambahan kurikulum. Ia merupakan landasan agar insinyur mampu membuat keputusan yang tidak hanya tepat secara teknis, tapi juga bertanggung jawab secara sosial dan lingkungan. Penelitian berjudul Attitude towards Engineering Ethical Issues: A Comparative Study between Malaysian and Indonesian Engineering Undergraduates memberikan gambaran yang menarik tentang sejauh mana pendidikan etika teknik di dua negara Asia Tenggara—Indonesia dan Malaysia—membentuk sikap mahasiswa teknik terhadap isu-isu etis.

Studi Komparatif: Dua Universitas, Dua Realitas

Penelitian ini melibatkan 213 mahasiswa teknik dari dua universitas, masing-masing di Indonesia dan Malaysia. Mereka berasal dari jurusan teknik elektro, kimia, dan mesin, dan telah menyelesaikan mata kuliah etika teknik dengan nilai minimal 70 (grade B). Dengan menggunakan kuesioner berskala Likert, peneliti mengukur sikap mahasiswa terhadap delapan dimensi utama dalam etika teknik, mulai dari kesadaran sosial, keberlanjutan lingkungan, hingga keyakinan dalam pengambilan keputusan etis.

Hasilnya cukup mengejutkan: mahasiswa Indonesia menunjukkan sikap yang jauh lebih positif dalam semua aspek yang diukur. Mereka merasa lebih percaya diri menghadapi masalah etika, lebih sadar akan dampak sosial dan lingkungan dari profesi teknik, dan lebih mengapresiasi pentingnya mendengar aspirasi publik dalam perancangan teknologi.

Faktor Penentu: Metode Pengajaran Etika yang Digunakan

Salah satu penyebab utama perbedaan ini terletak pada pendekatan pedagogis yang diterapkan di masing-masing kampus.

Di universitas di Malaysia, mata kuliah etika teknik diajarkan dalam format konvensional: ceramah, diskusi kelas, dan tugas berbasis studi kasus. Pengalaman mahasiswa cenderung terbatas pada skenario teoritis, tanpa banyak keterlibatan dengan kasus nyata atau dampak sosial langsung dari keputusan teknik.

Sebaliknya, di universitas Indonesia, mahasiswa mendapatkan pengalaman belajar yang lebih kaya. Selain kuliah reguler, mereka mengikuti sesi kuliah tamu bersama insinyur profesional, serta terlibat dalam proyek pengabdian masyarakat berbasis rekayasa. Ini berarti mereka tidak hanya belajar tentang etika, tetapi juga mengalami secara langsung bagaimana nilai-nilai itu diuji di lapangan.

Belajar Etika Lewat Aksi Nyata

Pengalaman nyata dalam pengabdian masyarakat terbukti menjadi cara efektif dalam menanamkan nilai-nilai etika. Di kampus Indonesia, mahasiswa teknik menjalani proyek yang melibatkan masyarakat langsung. Mereka merancang sistem pemurnian air sederhana, membangun instalasi panel surya, atau menciptakan alat bantu teknologi bagi komunitas yang terpinggirkan.

Proyek-proyek ini menuntut mereka untuk berpikir bukan hanya dari sisi teknis, tetapi juga mempertimbangkan aspek sosial, budaya, dan keberlanjutan. Apakah desain mereka dapat diterima oleh masyarakat lokal? Apakah penggunaan teknologi tertentu berdampak buruk bagi lingkungan sekitar? Pertanyaan-pertanyaan seperti inilah yang membentuk sensitivitas etis yang lebih mendalam.

Mahasiswa menjadi lebih peka, tidak hanya pada keberhasilan proyek secara teknis, tetapi juga terhadap nilai-nilai kemanusiaan yang melekat di dalamnya. Mereka mulai memahami bahwa menjadi insinyur berarti juga menjadi pelayan publik.

Peran Profesional Industri dalam Kelas Etika

Sesi kuliah tamu dari insinyur profesional turut memberikan dampak signifikan. Melalui pengalaman nyata yang dibagikan oleh praktisi industri, mahasiswa bisa melihat bagaimana teori etika di kelas bersinggungan langsung dengan tantangan profesional sehari-hari. Misalnya, insinyur yang menghadapi tekanan dari atasan untuk meloloskan proyek meski tidak memenuhi standar keamanan, atau dilema saat harus memilih antara efisiensi biaya dan perlindungan lingkungan.

Paparan terhadap dilema nyata semacam ini membuat mahasiswa menyadari bahwa isu etika bukan hal abstrak. Ia konkret, menantang, dan sering kali tidak memiliki jawaban tunggal. Pendidikan yang mampu membekali mahasiswa untuk berpikir kritis dan mengambil sikap dalam situasi tersebut menjadi semakin penting.

Mengapa Ini Penting bagi Dunia Industri?

Perusahaan dan lembaga global kini semakin selektif dalam merekrut lulusan teknik. Tak cukup hanya menguasai keterampilan teknis dan software terkini, mereka juga mencari profesional yang mampu menunjukkan integritas, tanggung jawab sosial, dan kepedulian terhadap keberlanjutan.

Insinyur yang tidak memiliki dasar etika yang kuat berisiko terjebak dalam praktik korupsi, pelanggaran hak cipta, atau bahkan membahayakan keselamatan publik karena abai terhadap standar keselamatan. Dalam konteks global yang makin kompleks, perusahaan tidak hanya butuh "problem solver", tapi juga "value-driven professionals".

Mahasiswa yang sudah dibiasakan sejak awal untuk berpikir dan bertindak secara etis memiliki keunggulan tersendiri. Mereka lebih dipercaya, lebih cepat berkembang menjadi pemimpin, dan lebih mampu membangun reputasi positif bagi institusi tempat mereka bekerja.

Pelajaran dari Indonesia: Etika Tak Harus Kaku

Temuan dari penelitian ini memperlihatkan bahwa pendekatan pembelajaran etika yang interaktif, reflektif, dan berbasis pengalaman nyata jauh lebih efektif dibanding pendekatan konvensional. Di Indonesia, pendidikan etika telah berhasil dikembangkan menjadi pengalaman yang hidup dan bermakna, bukan sekadar syarat akademik yang harus dipenuhi.

Pelajaran ini seharusnya menjadi pertimbangan bagi institusi pendidikan tinggi lainnya, baik di Indonesia maupun negara-negara tetangga, untuk meninjau ulang cara mereka mengajarkan etika teknik.

Implikasi Sosial yang Lebih Luas

Pendidikan etika yang baik akan menghasilkan insinyur yang lebih peduli pada manusia dan bumi. Dalam konteks perubahan iklim, krisis energi, dan ketimpangan sosial, peran insinyur menjadi semakin strategis. Mereka bukan hanya pencipta teknologi, tetapi juga penjaga nilai-nilai keberlanjutan dan keadilan.

Bayangkan jika seluruh lulusan teknik Indonesia memiliki sikap seperti para mahasiswa dalam penelitian ini—peka terhadap lingkungan, menghargai masukan masyarakat, dan berani mengambil keputusan etis meski sulit. Maka Indonesia akan memiliki generasi insinyur yang bukan hanya membangun gedung dan jalan, tapi juga membangun masa depan yang lebih baik.

Penutup: Etika adalah Fondasi Insinyur Masa Depan

Penelitian ini menyampaikan pesan kuat bahwa keberhasilan pendidikan teknik tidak hanya diukur dari penguasaan teori dan keterampilan, tetapi juga dari karakter. Mahasiswa Indonesia terbukti lebih unggul dalam aspek sikap etis, bukan karena mereka lebih pintar secara akademik, tetapi karena mereka mendapatkan pengalaman belajar yang lebih mendalam, kontekstual, dan bermakna.

Pendidikan etika teknik bukan lagi pilihan tambahan, tapi kebutuhan mendesak. Dunia membutuhkan insinyur yang tidak hanya bisa menghitung beban struktur, tapi juga bisa menimbang beban moral. Karena dalam setiap desain, ada kehidupan manusia yang akan terdampak.

Dengan demikian, institusi pendidikan tinggi teknik sebaiknya segera bergerak ke arah pembelajaran etika yang lebih aktif, reflektif, dan terhubung dengan dunia nyata. Karena hanya dengan cara itu, kita bisa mencetak insinyur masa depan yang utuh—cerdas, tangguh, dan beretika.

Sumber asli artikel (tanpa tautan):

Balakrishnan, B., Azman, M. N. A., & Indartono, S. (2020). Attitude towards Engineering Ethical Issues: A Comparative Study between Malaysian and Indonesian Engineering Undergraduates. International Journal of Higher Education, 9(2), 63–69.

Kalau kamu ingin versi ringkas artikel ini untuk media sosial, newsletter kampus, atau bahan diskusi kelas, saya siap bantu menyesuaikan.

 

Indonesia dikenal sebagai negara dengan kekayaan bahasa luar biasa: lebih dari 700 bahasa daerah hidup berdampingan dengan Bahasa Indonesia sebagai bahasa nasional, dan Bahasa Inggris sebagai bahasa global. Di tengah kompleksitas ini, muncul pertanyaan penting: bagaimana mahasiswa teknik—calon profesional masa depan—menyikapi peran masing-masing bahasa dalam kehidupan mereka?

Artikel "Language Attitudes and Valorization Among Indonesian Engineering Students" menggali pertanyaan ini dengan pendekatan kualitatif mendalam. Penelitian ini menyoroti bagaimana mahasiswa teknik memaknai Bahasa Inggris, Bahasa Indonesia, dan bahasa warisan (heritage language) seperti Jawa, Sunda, atau Batak, dalam konteks akademik, sosial, dan budaya.

• 70 mahasiswa teknik melalui kuesioner.

• 10 peserta wawancara mendalam untuk memperkaya konteks.

• Responden berasal dari berbagai latar belakang etnis dan bahasa daerah.

Pendekatan ini memungkinkan eksplorasi yang holistik atas sikap bahasa mereka dalam konteks multibahasa yang dinamis.

Bahasa Inggris sebagai Simbol Kesempatan dan Status Global

• 44,3% responden sangat setuju bahwa Bahasa Inggris penting dipelajari.

• 50% menyatakan Bahasa Inggris krusial untuk masa depan.

• 63,4% merasa lebih mudah memahami Bahasa Inggris jika digunakan setiap hari.

Para mahasiswa melihat Bahasa Inggris sebagai:

• Alat untuk mengakses pendidikan dan literatur global.

• Pintu masuk ke pasar kerja internasional.

• Simbol status intelektual dan kecanggihan.

Contohnya, mahasiswa menyatakan bahwa mengikuti konten seperti film, podcast, atau game berbahasa Inggris membantu mereka meningkatkan kemampuan berbahasa dan menyesuaikan diri dengan standar internasional.

Bahasa Indonesia: Simbol Persatuan dan Identitas Nasional

• 60% sangat setuju bahwa Bahasa Indonesia penting dipelajari.

• 52,9% merasa penggunaan harian Bahasa Indonesia mempermudah pemahaman.

• 54,3% merasa berbicara Bahasa Indonesia di kelas meningkatkan kemampuan berbahasa.

Bahasa Indonesia dihargai karena:

• Memfasilitasi komunikasi antar suku.

• Memperkuat identitas nasional.

• Digunakan secara luas dalam kehidupan sehari-hari dan akademik.

Banyak peserta mengungkapkan kebanggaan bisa berbicara fasih dalam Bahasa Indonesia, karena mencerminkan identitas sebagai warga negara Indonesia.

“Bahasa Indonesia itu jembatan. Tanpa itu, kita tidak bisa saling mengerti di negeri seberagam ini,” kata salah satu mahasiswa asal Sumatera.

Bahasa Daerah: Jejak Budaya yang Ingin Dipertahankan

• 73% menyatakan bahasa daerah penting.

• 71,8% menggunakannya dalam kehidupan sehari-hari.

• 80% merasa lebih terhubung dengan budaya leluhur saat menggunakan bahasa warisan mereka.

Namun:

• Hanya 14,3% yang sangat setuju bahasa daerah penting untuk masa depan.

• 35,7% menyatakan tidak yakin dengan nilai praktis bahasa daerah dalam kehidupan profesional.

Persepsi ini menunjukkan adanya kekhawatiran bahwa meskipun bahasa daerah dihargai secara emosional dan kultural, penggunaannya terancam oleh tekanan modernisasi dan globalisasi.

Tabel Ringkasan Sikap Bahasa Mahasiswa Teknik

Bahasa Nilai Fungsional Nilai IdentitasTantanganBahasa InggrisTinggi (akses global, karier)Rendah (tidak identitas lokal)Ketimpangan akses belajarBahasa IndonesiaSedang (nasional,akademik)Tinggi (identitasnasional)Terpinggirkan dalam globalisasiBahasa DaerahRendah (fungsi terbatas)Sangat tinggi (akar budaya)Terancam punah

Penelitian ini mencatat berbagai inisiatif mahasiswa untuk mempromosikan trilingualisme (Inggris–Indonesia–Daerah):

• Engineering English Club: klub bahasa yang mendorong pembelajaran Bahasa Inggris melalui diskusi dan kegiatan.

• Festival Multibahasa: pertunjukan dan pameran budaya dalam berbagai bahasa daerah.

• Konten digital: mahasiswa membuat vlog, podcast, dan posting sosial media dalam Bahasa Inggris dan Indonesia.

• Tutor Bahasa Online: beberapa mahasiswa menjadi mentor bahasa bagi teman atau komunitas melalui platform daring.

Inisiatif-inisiatif ini menunjukkan bahwa mahasiswa tidak hanya pasif dalam menerima kebijakan bahasa, tapi juga proaktif dalam menciptakan ruang multibahasa yang inklusif.

Analisis dan Opini: Apa Artinya Bagi Pendidikan dan Industri?

1. Implikasi untuk Kurikulum Pendidikan Tinggi

Temuan ini menunjukkan pentingnya:

• Menerapkan pendekatan multibahasa dalam pengajaran, tidak hanya fokus pada Bahasa Inggris.

• Meningkatkan literasi digital dalam tiga bahasa, karena ketiganya berperan dalam ranah sosial, akademik, dan profesional.

• Memasukkan bahasa warisan dalam kegiatan akademik dan nonformal, seperti tugas presentasi atau kegiatan budaya.

2. Relevansi di Dunia Industri

• Perusahaan multinasional mencari talenta dengan kompetensi multibahasa.

• Bahasa lokal bisa menjadi nilai tambah dalam pemasaran berbasis budaya atau layanan publik.

• Perusahaan digital seperti e-commerce atau startup teknologi membutuhkan konten dalam berbagai bahasa untuk menjangkau pasar lokal.

Bahasa bukan hanya alat komunikasi, tapi juga aset strategis dalam dunia kerja yang makin kompleks.

3. Tantangan yang Perlu Dijawab

• Kurangnya dukungan kebijakan institusi untuk pelestarian bahasa daerah.

• Ketimpangan akses pembelajaran Bahasa Inggris di luar kampus besar atau kota.

• Sikap superioritas linguistik: menganggap satu bahasa lebih unggul bisa merusak semangat inklusivitas.

H2: Perbandingan dengan Penelitian Lain

Penelitian ini sejalan dengan studi-studi sebelumnya seperti:

• Dragojevic et al. (2021) tentang sikap bahasa sebagai ekspresi kognitif dan emosional.

• Manan & Hajar (2022) yang menekankan peran Bahasa Inggris dalam ekonomi neoliberal.

• Namun, berbeda dengan Ullah & Ming Yit Ho (2021) yang memprediksi globalisasi akan menghapuskan bahasa daerah. Di sini, para mahasiswa justru menunjukkan upaya pelestarian.

H2: Kesimpulan: Trilingualisme sebagai Jalan Tengah Identitas dan Globalisasi

Sikap bahasa mahasiswa teknik Indonesia mencerminkan keseimbangan antara:

• Bahasa Inggris untuk mobilitas global.

• Bahasa Indonesia untuk kohesi nasional.

• Bahasa daerah sebagai identitas budaya.

Penelitian ini menegaskan bahwa multilingualisme bukan sekadar fenomena linguistik, tetapi juga proyek sosial, ekonomi, dan budaya. Mahasiswa tidak hanya pengguna bahasa pasif, tetapi juga agen perubahan yang mampu memelihara keberagaman sambil tetap adaptif terhadap tantangan global.

Pertanyaan yang Sering Diajukan

Apa yang dimaksud dengan "valorization" dalam konteks bahasa?
Valorization adalah proses memberi nilai atau penghargaan terhadap suatu bahasa, biasanya terkait identitas, budaya, dan fungsi sosialnya.

Apakah Bahasa Inggris mengancam bahasa lokal?
Bisa iya, bisa tidak. Tergantung bagaimana kebijakan pendidikan dan budaya diatur. Tanpa pelestarian, bahasa lokal bisa tersingkir.

Apa peran teknologi dalam pelestarian bahasa?
Sangat besar. Platform seperti YouTube, podcast, bahkan TikTok, bisa digunakan untuk menghidupkan kembali bahasa-bahasa daerah.

Sumber Asli Artikel (tanpa link):

Nurlia, V., Indarti, D., & Manara, C. (2025). Language Attitudes and Valorization Among Indonesian Engineering Students. JOLLT Journal of Languages and Language Teaching, 13(1), 268–280.

Apa Itu Etika Profesi?

Etika berasal dari kata Yunani ethos yang berarti kebiasaan atau adat. Dalam konteks profesional, etika merujuk pada nilai-nilai dan prinsip yang mengatur perilaku seseorang dalam menjalankan pekerjaannya. Ini bukan sekadar sopan santun, tapi mencakup kode moral yang membedakan mana tindakan yang bertanggung jawab dan mana yang berpotensi merusak integritas profesi.

Dalam bidang TI, etika menjadi sangat penting karena:

• Produk TI berdampak luas: Sebuah sistem komputer yang diciptakan dapat memengaruhi jutaan orang.
• Kepercayaan publik dipertaruhkan: Klien, pengguna, dan bahkan negara, bergantung pada profesional TI untuk menjaga keamanan dan integritas data.
• Peluang penyalahgunaan sangat besar: Seorang programmer bisa menciptakan software untuk pendidikan—atau justru malware yang merusak sistem pemerintah.

Karakteristik Profesi

Tantangan muncul ketika teknologi berkembang lebih cepat dari regulasi dan kesadaran etis. AI, big data, dan IoT memperluas ruang lingkup intervensi teknologi, tapi juga memperbesar potensi penyalahgunaan. Misalnya:

• AI Deepfake: Dapat digunakan untuk edukasi, tapi juga untuk penipuan.
• Sistem Big Data: Bisa membantu perencanaan kota, tapi juga bisa melanggar privasi warga jika datanya disalahgunakan.

H2: Kode Etik Profesi TI: Batasan yang Harus Dijaga

Zarkasyi merinci berbagai larangan dan aturan dalam kode etik profesi TI, terutama bagi programmer, di antaranya:

H3: Contoh Pelanggaran Etika yang Harus Dihindari

• Membuat atau menyebarkan malware.
• Menulis kode yang sulit dipahami secara sengaja (obfuscation).
• Menggunakan ulang kode tanpa izin atau melanggar hak cipta.
• Mencuri software atau menerima dana tambahan dari pihak eksternal dalam proyek.
• Membocorkan data sensitif, termasuk keuangan dan personal.
• Mengambil kredit dari kerja orang lain.
• Menyangkal adanya bug dengan sengaja.

Kode etik ini bertujuan agar para profesional TI tetap berada dalam jalur integritas dan bisa dipercaya. Sejalan dengan prinsip emas: perlakukan orang lain sebagaimana kamu ingin diperlakukan.

H2: Studi Kasus: Etika Profesi dalam Dunia Nyata

Untuk memperkaya analisis, mari kita lihat beberapa studi kasus nyata yang relevan dengan topik ini:

H3: Kasus Cambridge Analytica (2018)

Skandal yang melibatkan penyalahgunaan data 87 juta pengguna Facebook ini menjadi contoh nyata bagaimana TI bisa menjadi alat manipulatif jika etika diabaikan. Insinyur data dan analis sistem di perusahaan tersebut gagal menjaga prinsip privasi dan transparansi.

Pelajaran: Profesional TI harus memiliki kepekaan sosial dan memahami batas legal dan etis dalam penggunaan data pengguna.

H3: Ransomware WannaCry (2017)

Serangan ransomware yang menyebar ke lebih dari 150 negara menunjukkan bagaimana seorang programmer bisa menciptakan kode yang merusak sistem rumah sakit, institusi keuangan, dan infrastruktur penting.

Pelajaran: Tidak cukup hanya menjadi ahli dalam koding—profesional TI juga harus memiliki kompas moral yang kuat.

H3: Proyek AI Open Source dan Bias Algoritma

Beberapa proyek AI open source, seperti yang terjadi pada facial recognition, sempat dikritik karena bias terhadap ras tertentu. Ini menunjukkan pentingnya memahami dampak sosial dari teknologi.

Pelajaran: Profesi TI bukan hanya soal kemampuan teknis, tapi juga keberanian untuk meninjau dampak sosial dan inklusivitas teknologi yang diciptakan.

H2: Tantangan Etika Baru: Ketika Robot Bisa Memutuskan

Zarkasyi menyinggung bahwa kita berada di ambang realitas baru dengan hadirnya AI. Tantangan yang muncul antara lain:

• Siapa yang bertanggung jawab jika AI menyebabkan kerugian?
• Bagaimana jika AI bertindak diskriminatif karena data pelatihan yang bias?
• Apakah programmer perlu memiliki pelatihan etika sebelum mengembangkan sistem AI?

Jawaban terhadap pertanyaan-pertanyaan ini akan sangat menentukan bagaimana masyarakat memandang profesi TI ke depan.

H2: Etika Profesi di Indonesia: Perlukah Lebih Ketat?

Di Indonesia, regulasi dan penegakan kode etik profesi TI masih tergolong longgar. Meskipun sudah ada organisasi seperti APTIKOM atau asosiasi profesi TI lainnya, belum semua praktisi TI terlibat aktif atau sadar akan kode etik.

Langkah konkret yang bisa diambil:

1. Mewajibkan sertifikasi etika digital dalam pendidikan TI.
2. Membentuk badan etika profesional dengan wewenang hukum.
3. Melibatkan asosiasi TI dalam penyusunan kebijakan publik berbasis teknologi.
4. Mengadopsi praktik internasional seperti ACM Code of Ethics atau IEEE Code of Conduct.

H2: Menyambut Masa Depan dengan Etika sebagai Kompas

Zarkasyi menutup tulisannya dengan mengajak semua insan TI untuk menjadikan etika sebagai kompas utama dalam menjalankan profesinya. Sebab di era globalisasi yang ditandai dengan digitalisasi dan otomatisasi ekstrem, nilai-nilai kemanusiaan justru harus dikedepankan.

Jika tidak, teknologi yang awalnya dimaksudkan untuk memudahkan hidup manusia justru bisa menjadi alat penindasan, manipulasi, dan pelanggaran hak asasi manusia.

H2: Kesimpulan: Mengintegrasikan Teknologi dan Moralitas

Etika bukanlah sesuatu yang sekadar opsional, apalagi dalam profesi yang bersentuhan langsung dengan data, sistem, dan algoritma seperti TI. Etika adalah fondasi yang menjamin bahwa kemajuan teknologi benar-benar membawa manfaat dan bukan malapetaka.

Artikel Zarkasyi memberikan pencerahan penting: bahwa seorang profesional TI tidak hanya dituntut untuk bisa, tetapi juga bijak dalam menggunakan ilmunya. Dunia akan selalu memerlukan programmer, engineer, dan analis sistem. Tapi dunia lebih membutuhkan mereka yang tidak hanya hebat secara teknis, tapi juga luhur dalam nilai.

FAQ Singkat

Apa itu etika profesi TI?

Etika profesi TI adalah seperangkat nilai dan prinsip yang mengatur bagaimana seorang profesional TI harus bersikap dan bertindak secara bertanggung jawab dalam pekerjaannya.

Mengapa etika penting dalam profesi TI?

Karena produk teknologi informasi bisa berdampak luas, baik atau buruk, tergantung pada bagaimana teknologi itu dikembangkan dan digunakan.

Apa risiko jika etika diabaikan?

Penyalahgunaan data, pencurian informasi, malware, diskriminasi berbasis algoritma, hingga kerusakan sosial akibat penyebaran informasi palsu.

Sumber Artikel Asli:

Zarkasyi. Etika Profesi dalam Bidang Teknologi Informasi. Teknik Logistik, Fakultas Teknik, Universitas Malikussaleh, Lhokseumawe. Dalam: TTS 4.0.

Di era digital yang berkembang cepat, organisasi profesional seperti Persatuan Insinyur Indonesia (PII) menghadapi tekanan untuk menyelaraskan strategi bisnis dengan teknologi informasi. Ketika sistem informasi tidak terintegrasi dan performa kerja menurun akibat perangkat lunak ERP (Enterprise Resource Planning) yang tidak optimal seperti Microsoft Dynamics Axapta (AX), diperlukan pendekatan yang lebih strategis. Artikel oleh Abdullah Qiqi Asmara dkk. menawarkan solusi konkret melalui penerapan Enterprise Architecture (EA) menggunakan kerangka kerja TOGAF (The Open Group Architecture Framework).

Apa itu TOGAF dan Mengapa Penting?

TOGAF merupakan metodologi terbuka dan komprehensif untuk merancang, merencanakan, mengimplementasikan, dan mengelola arsitektur perusahaan. Dengan struktur fase yang jelas—dari Preliminary hingga Architecture Change Management—TOGAF memungkinkan organisasi seperti PII untuk membuat cetak biru digital yang selaras dengan tujuan jangka panjang. Dibandingkan dengan kerangka kerja lain seperti FEAF, TOGAF memiliki keunggulan dalam kedalaman metodologi dan dukungan sumber daya terbuka.

Studi Kasus: Persatuan Insinyur Indonesia (PII)

Masalah yang Dihadapi

Sejak 2019, PII menggunakan Microsoft Dynamics AX sebagai sistem ERP utama. Namun, implementasi ini justru memperlihatkan berbagai kendala seperti:

• Ketidakstabilan sistem dan seringnya muncul bug.
• Inkonsistensi data yang berdampak pada proses pengambilan keputusan.
• Penurunan performa karyawan yang tercermin dalam grafik performa kerja selama lima tahun terakhir (2019–2024), yang menunjukkan tren stagnasi bahkan kemunduran.

Tantangan Khusus

1. Proses pendaftaran insinyur baru tidak efisien.
2. Sosialisasi dan pelatihan sistem informasi tidak optimal.
3. Infrastruktur teknologi yang terbatas.

Solusi yang Diajukan

Melalui pendekatan TOGAF ADM, tim peneliti menyusun rencana arsitektur perusahaan untuk jangka waktu tiga tahun dengan fokus pada:

• Perencanaan arsitektur bisnis.
• Integrasi sistem informasi.
• Optimalisasi arsitektur teknologi dan infrastruktur.

Struktur Arsitektur PII: Rinci dan Bertahap

1. Arsitektur Bisnis

Fungsi utama: Pendidikan profesi insinyur.

Masalah utama:

• Pendaftaran lambat dan manual.
• Verifikasi pembayaran memakan waktu.
• Minimnya pelatihan teknologi bagi pengguna.

Solusi:

• Sistem pendaftaran digital terintegrasi.
• Peningkatan pelatihan dan dokumentasi sistem.
• Penguatan infrastruktur jaringan dan server.

Desain Proses Bisnis:

Diagram use-case menunjukkan alur pendaftaran insinyur, mulai dari pembukaan program studi oleh operator hingga keluarnya nomor KTA setelah seleksi.

2. Arsitektur Sistem Informasi

Arsitektur Data:

Melibatkan 13 class dalam sistem database seperti:

• AspiringEngineer
• StudyProgram
• Payment
• Interview
• CertificationResults

Semua tabel ini diintegrasikan melalui Microsoft Dynamics Axapta, memperkuat interoperabilitas data.

Arsitektur Aplikasi:

Aplikasi yang direncanakan antara lain:

• Aplikasi Pendaftaran
• Aplikasi Upload Portofolio
• Aplikasi Cetak KTA
• Aplikasi Interview
• Aplikasi Pembayaran

3. Arsitektur Teknologi

Perangkat Keras:

• Server dengan Intel Xeon i7, HDD 4 TB, RAM 32 GB.
• Komputer user dengan prosesor Core i5 dan RAM 8 GB.

Perangkat Lunak:

• Sistem operasi Windows Server 2019 dan Ubuntu Server.
• Dukungan aplikasi web server dan PHP.

Perangkat Komunikasi:

• Wireless Access Point, Switch Hub, Mikrotik Router, dan IP telephony.

4. Gap Analysis: Menentukan Perubahan

Gap analysis membantu PII menilai apa yang harus dipertahankan, diperbarui, atau ditambahkan. Contohnya:

• Arsitektur sistem informasi: AXAPTA dipertahankan; aplikasi tambahan dikembangkan untuk pendaftaran, portofolio, dan pembayaran.
• Teknologi: Komputer user lama diganti; server diperbarui; koneksi ISP ditingkatkan.

5. Rencana Migrasi: Bertahap dan Minim Risiko

Roadmap aplikasi:

1. Tahun pertama: Aplikasi pendaftaran dan upload portofolio.
2. Tahun kedua: Aplikasi interview dan cetak KTA.
3. Tahun ketiga: Aplikasi pembayaran.

Strategi mitigasi risiko:

• Uji coba setiap aplikasi sebelum peluncuran.
• Dokumentasi lengkap sistem.
• Implementasi paralel dan pelatihan menyeluruh bagi seluruh pemangku kepentingan.

Analisis Tambahan: Kenapa TOGAF Jadi Pilihan Tepat?

Keunggulan TOGAF ADM:

• Struktur Bertahap: Mulai dari perencanaan awal hingga pengelolaan perubahan.
• Sumber Terbuka: Tersedia berbagai template, panduan, dan sumber daya.
• Skalabilitas: Cocok untuk organisasi kecil hingga besar.
• Minim Risiko Implementasi: Dengan dokumentasi dan validasi di setiap fase.

Perbandingan dengan Framework Lain

Penelitian ini juga menyebut bahwa dibandingkan dengan FEAF (Federal Enterprise Architecture Framework), TOGAF lebih unggul karena:

• Lebih terstruktur dan mendalam.
• Lebih fleksibel dan adaptif terhadap perubahan teknologi dan bisnis.
• Lebih relevan untuk organisasi non-pemerintah seperti PII.

Relevansi dalam Tren Industri Digital

Penerapan EA melalui TOGAF sangat selaras dengan tren Industri 4.0, yang menuntut digitalisasi proses, integrasi sistem, dan pengambilan keputusan berbasis data. Studi IBM menunjukkan bahwa 8 dari 10 CEO memproyeksikan perubahan signifikan dalam tiga tahun ke depan. Maka, EA bukan hanya strategi IT, tetapi fondasi keberlangsungan bisnis.

Contoh perusahaan besar seperti Siemens dan Bosch telah menerapkan EA untuk menyatukan operasional global mereka. Di Indonesia, banyak BUMN kini mulai mengadopsi kerangka kerja EA, seperti Telkom dan Pertamina.

Catatan Kritis dan Rekomendasi

Meskipun studi ini sangat komprehensif, ada beberapa poin penting yang bisa menjadi evaluasi ke depan:

1. Aspek Manajemen Perubahan: Implementasi EA tidak hanya soal teknologi, tetapi juga perubahan budaya kerja. Studi lebih lanjut sebaiknya membahas pendekatan manajemen perubahan (change management).
2. Skalabilitas Nasional: Jika berhasil di PII, pendekatan ini bisa diadopsi oleh asosiasi profesi lain di Indonesia, bahkan lembaga pemerintah.

Kesimpulan: Membangun Pondasi Digital Jangka Panjang

Enterprise Architecture dengan TOGAF bukan sekadar solusi IT. Ini adalah cetak biru masa depan organisasi, yang mampu menjawab tantangan sistemik seperti inefisiensi, fragmentasi sistem, dan lemahnya integrasi data. Studi dari PII menjadi bukti nyata bahwa pendekatan ini bisa diimplementasikan dengan sukses, asalkan dilakukan dengan strategi yang jelas, roadmap yang matang, dan komitmen dari seluruh pihak.

Bagi organisasi profesional di Indonesia yang tengah berbenah untuk menghadapi era digital, TOGAF menawarkan pendekatan yang strategis, terstruktur, dan minim risiko.

Sumber Asli Artikel (tanpa link):

Asmara, A. Q., Firmansyah, G., Tjahjono, B., Widodo, A. M., & Hadjarati, P. R. Y. (2024). Enterprise Architecture Design of Indonesian Engineers Association Using The Open Group Architecture Framework (TOGAF). Devotion: Journal of Research and Community Service, Volume 5, Number 9, September 2024, 1190–1202.

 

Konteks: Tradisi yang Terancam Teknologi

Di tengah laju teknologi modern, industri tenun tangan—khususnya kain sutra—masih menjadi wajah dari budaya dan warisan India. Sayangnya, sektor ini menghadapi tekanan dari berbagai sisi: penurunan jumlah penenun, harga benang yang terus naik, dan persaingan dari mesin-mesin power loom. Akibatnya, kualitas produk kerap tidak konsisten, sementara inspeksi manual sangat terbatas efektivitasnya.

Menurut data yang dikutip dalam penelitian ini, hanya sekitar 70% cacat kain yang bisa terdeteksi oleh inspektor manusia. Sisanya lolos dan berakhir di tangan konsumen. Di sinilah riset oleh Sabeenian dkk. mengambil peran penting—menghadirkan pendekatan teknologi untuk menjaga kualitas produk tanpa menghilangkan nilai tradisional dari proses pembuatannya.

 

Permasalahan Klasik: Cacat pada Kain Tenun Sutra

Berdasarkan survei industri lokal di Tamil Nadu, cacat kain diklasifikasikan dalam dua kelompok utama:

1. Cacat Produksi atau Tenun

Beberapa contoh umum meliputi:

• Chira (Missing Ends): Benang hilang di bagian tertentu kain, mencapai 10–50% dari seluruh cacat yang ditemukan di pabrik tenun.
• Jala (Float): Ketidakseimbangan antar benang lusi dan pakan karena simpul longgar atau putus.
• Shuttle Smash: Kerusakan akibat perangkap pada shuttle saat penenunan.
• Stains: Noda karena pelumas atau oli mesin.
• Selvedge Defects: Cacat di bagian tepi kain, mulai dari sobekan, keenduran, hingga kerutan tidak rata.

2. Cacat Penanganan

Biasanya terjadi karena kesalahan saat penyimpanan atau penanganan oleh petugas toko. Ini bersifat irreversible dan sulit diperbaiki.

 

Solusi yang Ditawarkan: Sistem Deteksi Cerdas Berbasis Komputer

Penelitian ini merancang sistem berbasis pengolahan citra digital untuk mendeteksi dan mengidentifikasi cacat pada kain sutra tenun tangan secara otomatis. Inti dari sistem ini meliputi:

• Ekstraksi ciri (feature extraction) berbasis statistik,
• Analisis tekstur menggunakan metode frekuensi spasial dan multi-resolusi,
• Klasifikasi menggunakan algoritma tetangga terdekat (nearest neighbor) untuk menentukan jenis dan lokasi cacat.

Sistem ini didesain menggunakan perangkat lunak MATLAB dengan fitur GUI, serta dapat terhubung ke kamera digital dan sistem mikrokontroler untuk pengambilan citra real-time.

 

Metodologi: Kombinasi Teknik Statistik dan Spasial

Sistem dibangun melalui empat tahap utama:

1. Ekstraksi Fitur dari Kain Referensi

25 gambar kain referensi bebas cacat diambil sebagai dasar. Setiap gambar berukuran 512x512 piksel, dan diolah menggunakan transformasi wavelet untuk melokalisasi informasi dalam domain waktu dan frekuensi. Fitur yang diambil meliputi:

• Mean, variansi, energi, entropi (statistik orde pertama),
• Markov Random Field Matrix (MRFM),
• Gray Level Co-occurrence Matrix (GLCM),
• Spatial frequency,
• Gray Level Weighted Matrix (GLWM).

2. Pengambilan dan Ekstraksi Fitur dari Sampel Uji

Sampel kain cacat diambil menggunakan kamera yang dikontrol secara otomatis oleh poros bermotor, memastikan pemindaian seluruh permukaan. Fitur diekstrak dengan cara sama seperti referensi.

3. Perbandingan Ciri

Fitur dari sampel uji dibandingkan dengan database menggunakan algoritma tetangga terdekat. Jika perbedaan cukup signifikan, sistem menandainya sebagai cacat.

4. Penentuan Jenis dan Lokasi Cacat

Sistem tidak hanya mengidentifikasi adanya cacat, tetapi juga mengklasifikasikan jenisnya dan menampilkan lokasinya di layar untuk ditindaklanjuti lebih lanjut.

 

Teknologi Inti: Apa Saja yang Digunakan?

MRCSF (Multi Resolution Combined Statistical and Spatial Frequency)

Menggabungkan fitur statistik dari berbagai resolusi untuk mendeteksi ketidakteraturan pola tekstur.

MRFM (Markov Random Field Matrix)

Menganalisis hubungan spasial antar piksel menggunakan teori medan acak, menghasilkan 9 parameter yang mencerminkan konfigurasi tekstur lokal.

GLCM (Gray Level Co-occurrence Matrix)

Menilai kemunculan pasangan piksel dengan nilai intensitas tertentu dalam arah dan jarak yang ditentukan. Sangat berguna untuk mendeteksi pola seperti goresan atau ketidakteraturan.

Spatial Frequency

Mengukur tingkat detail atau aktivitas pada gambar. Citra buram cenderung memiliki frekuensi spasial rendah, sedangkan gambar dengan tekstur jelas menunjukkan nilai tinggi.

GLWM (Gray Level Weighted Matrix)

Menghasilkan spektrum tekstur global berdasarkan unit tekstur lokal, memberikan pandangan menyeluruh terhadap variasi tekstur dalam satu gambar.

 

Hasil dan Evaluasi: Akurasi Tinggi di Dunia Nyata

Dalam pengujian terhadap berbagai gambar kain cacat, sistem mampu mengklasifikasikan jenis cacat dan menentukan lokasi dengan akurasi tinggi. Untuk 25 sampel, sistem mencapai tingkat klasifikasi sebesar 96,6%, menjadikannya sangat menjanjikan untuk aplikasi di industri skala kecil hingga menengah.

Gambar snapshot GUI menunjukkan antarmuka yang mudah digunakan, lengkap dengan hasil identifikasi jenis cacat dan posisinya pada layar, siap untuk tindak lanjut operator.

 

Kekuatan Sistem Ini:

✅ Presisi Tinggi: Kombinasi MRCSF, GLCM, dan MRFM memberikan hasil yang stabil bahkan untuk pola tekstur kompleks.

✅ Ramah Industri: Sistem dapat diintegrasikan dengan mikrokontroler sederhana untuk inspeksi kain secara otomatis.

✅ Konservasi Budaya: Menjadi solusi teknologi untuk mempertahankan kualitas tenun tangan tanpa menggantikan proses produksinya.

 

Kritik dan Ruang Pengembangan

Meskipun performanya menjanjikan, ada beberapa area yang bisa dikembangkan lebih lanjut:

• Ukuran Dataset: Hanya 25 gambar referensi digunakan. Dataset yang lebih besar akan memberikan hasil pelatihan yang lebih kuat.
• Citra Berwarna vs Grayscale: Semua proses dilakukan pada citra grayscale. Penggunaan citra berwarna bisa membantu dalam mendeteksi noda dan variasi warna.
• Waktu Komputasi: Proses pelatihan dan klasifikasi masih tergolong intensif. Optimalisasi menggunakan FPGA atau DSP processor dapat mempercepat sistem.

 

Implikasi untuk Industri Tekstil dan UMKM

Teknologi ini sangat relevan untuk negara-negara dengan sektor tenun tangan yang masih dominan, seperti India, Bangladesh, atau bahkan Indonesia. UMKM tekstil yang biasanya tidak memiliki akses ke alat deteksi mahal kini punya alternatif berbasis software terbuka dan perangkat murah.

Dalam konteks Industri 4.0, pendekatan ini menjadi langkah kecil namun penting untuk mengintegrasikan digitalisasi ke dalam sektor tradisional—tanpa mencabut akar budaya yang melekat di dalamnya.

 

Kesimpulan: Tradisi Bertemu Teknologi

Penelitian ini memperlihatkan bahwa computer vision dapat berperan sebagai “mata digital” untuk menyelamatkan industri tradisional dari krisis kualitas dan efisiensi. Dengan akurasi mendekati 97%, sistem ini tidak hanya dapat menggantikan inspeksi manual yang rawan kesalahan, tetapi juga mendukung produktivitas tanpa mengorbankan nilai budaya dari kain tenun tangan.

Solusi semacam ini bukan hanya tentang teknologi, tapi tentang menjaga warisan sambil menjawab tantangan zaman.

 

Sumber:

Sabeenian, R. S., Paramasivam, M. E., & Dinesh, P. M. (2012). Computer Vision Based Defect Detection and Identification in Handloom Silk Fabrics. International Journal of Computer Applications, 42(17), 41–48.

Mengapa Data Cacat Jahitan Sulit Didapat?

Dalam dunia industri tekstil, terutama dalam produksi massal pakaian, kualitas jahitan menjadi salah satu faktor utama yang menentukan nilai jual produk. Namun, ironisnya, citra-citra cacat jahitan sangat jarang tersedia untuk keperluan pelatihan model deteksi berbasis pembelajaran mesin. Banyak perusahaan enggan berbagi data karena alasan privasi atau kekhawatiran reputasi. Selain itu, karena insiden cacat bersifat tidak terprediksi dan jarang, pengumpulan datanya pun menjadi mahal dan tidak praktis.

Hal ini menjadi hambatan besar dalam implementasi solusi deep learning secara luas, karena performa jaringan saraf tiruan sangat bergantung pada banyaknya data pelatihan. Di sinilah peran penelitian Noor ul-Huda dkk. menjadi krusial: mereka menawarkan solusi dengan pendekatan Deep Convolutional Generative Adversarial Network (DCGAN) untuk menghasilkan data cacat jahitan secara otomatis.

 

Apa Itu DCGAN dan Mengapa Penting?

DCGAN adalah salah satu varian dari Generative Adversarial Networks (GAN), sebuah pendekatan dua arah antara generator dan discriminator. Singkatnya:

• Generator berupaya membuat citra palsu yang tampak seperti nyata.
• Discriminator bertugas membedakan antara gambar asli dan palsu.

Dengan proses pelatihan yang berulang, keduanya saling mengasah kemampuan hingga generator mampu menciptakan citra yang begitu mirip dengan kenyataan sehingga sulit dibedakan, bahkan oleh mata manusia.

Keunggulan DCGAN dibandingkan model lain seperti pix2pix atau autoencoder terletak pada kemampuannya menghasilkan citra baru dari nol—bukan hanya memodifikasi citra yang ada.

 

Dataset: Realistis, Sintetik, dan Diperluas

Peneliti mengembangkan dataset yang mencerminkan empat jenis cacat jahitan umum:

• Unbalanced stitches: 1.100 gambar
• Open seams: 1.000 gambar
• Seam puckering: 1.000 gambar
• Broken stitches: 900 gambar

Citra-citra ini dibuat menggunakan berbagai teknik manual, lalu diperbesar jumlahnya melalui data augmentation seperti rotasi, pencerminan, dan skala ulang. Dari total 4.000 gambar awal, menjadi sekitar 6.000 gambar setelah augmentasi—sebuah langkah penting untuk menghindari overfitting selama pelatihan jaringan.

 

Arsitektur DCGAN: Desain Sederhana, Hasil Luar Biasa

Model dibangun dari dua jaringan:

1. Generator

• Input berupa vektor noise berdimensi 100.
• Menggunakan layer konvolusi dan upsampling bertingkat.
• Batch normalization dan fungsi aktivasi ReLU diterapkan untuk mempercepat dan menstabilkan pelatihan.
• Output berupa gambar berukuran 96x96 piksel dalam format RGB.

2. Discriminator

• Dibangun dengan konvolusi bertingkat dan LeakyReLU.
• Dropout digunakan untuk mencegah overfitting.
• Outputnya adalah probabilitas antara 0 (gambar palsu) hingga 1 (gambar nyata).

 

Evaluasi Kualitas: Antara Mesin dan Manusia

Evaluasi Kualitatif

Sepuluh pakar industri tekstil diminta mengevaluasi citra cacat yang dihasilkan. Hasilnya cukup mencengangkan:

• Delapan dari sepuluh tidak bisa membedakan mana citra nyata dan mana yang buatan DCGAN.
• Nilai persepsi keaslian rata-rata berada pada kisaran 85%.

Ini menunjukkan bahwa citra sintetis DCGAN cukup realistis untuk mengelabui mata manusia sekalipun yang berpengalaman.

Evaluasi Kuantitatif

Pengukuran dilakukan menggunakan metrik Fréchet Inception Distance (FID), yang menilai kesamaan distribusi fitur antara gambar nyata dan gambar sintetis. Hasilnya:

• Unbalanced Stitch: FID = 61.43
• Seam Puckering: FID = 65.74
• Broken Stitch: FID = 75.55
• Open Seam: FID = 69.54

Semakin kecil nilai FID, semakin tinggi kualitas citra buatan. Hasil ini menunjukkan kualitas sintesis yang baik, meski broken stitch dinilai sebagai tipe cacat paling kompleks untuk dihasilkan.

 

Perbandingan dengan Pix2Pix GAN

Pix2Pix GAN dikenal dengan kemampuan image-to-image translation, tapi memiliki kelemahan besar: hanya mampu menghasilkan citra baru dari citra pasangan (defect-free dan defective) yang telah ditentukan. Artinya, variasinya terbatas dan tidak bisa menciptakan cacat baru di luar konteks yang telah dikenalnya.

DCGAN unggul karena bisa menghasilkan variasi cacat yang benar-benar baru dari vektor noise acak, tanpa tergantung input gambar sebelumnya. Dengan kata lain, ia jauh lebih fleksibel dan berpotensi menciptakan database cacat yang sangat luas.

 

Implementasi: Praktis dan Terjangkau

Model dilatih menggunakan GPU NVIDIA Tesla T4 dengan TensorFlow di Google Colab. Parameter pelatihan antara lain:

• Learning rate: 0.00001
• Batch size: 32
• Epoch: 40 hingga 1000
• Image scale: [-1, 1]
• Loss function: Binary Cross-Entropy

Setiap iterasi pelatihan menghasilkan 28 gambar baru, dan model disimpan setiap 40 epoch—strategi ini memungkinkan pelatihan jangka panjang tanpa kehilangan progres.

 

Implikasi Industri: Efisiensi, Biaya Rendah, dan Reputasi Terjaga

Dengan kemampuan menghasilkan citra cacat jahitan realistis, DCGAN membuka jalan bagi:

• Model deteksi cacat berbasis AI yang akurat tanpa perlu dataset mahal.
• Pelatihan algoritma pada dataset seimbang—menghindari bias karena dominasi citra "normal".
• Simulasi cacat untuk uji coba sistem inspeksi visual sebelum diterapkan di lini produksi.

Lebih penting lagi, industri tidak perlu mengorbankan reputasi atau berbagi data sensitif hanya demi membangun model AI. Cukup latih model menggunakan data sintetis, dan validasi akurasinya melalui uji di lapangan.

 

Kritik & Ruang Pengembangan

Meski menjanjikan, penelitian ini juga memiliki beberapa keterbatasan:

• Resolusi gambar masih relatif kecil (96x96 piksel). Di industri nyata, deteksi mikro-cacat bisa menuntut resolusi lebih tinggi.
• FID tidak selalu akurat dalam menilai kualitas fitur spesifik seperti garis jahitan. Penilaian manusia lebih representatif untuk kasus seperti ini.
• Jenis cacat masih terbatas. Perlu pengembangan untuk mencakup cacat struktur dalam (misalnya cacat pola atau kekusutan benang).

 

Penutup: Dari Tantangan Menjadi Terobosan

Paper ini menunjukkan bahwa keterbatasan data bukan lagi penghalang utama dalam penerapan AI untuk inspeksi kualitas tekstil. Dengan pendekatan DCGAN, industri bisa menciptakan dataset mereka sendiri—bebas dari risiko reputasi, hemat biaya, dan siap pakai untuk melatih model deteksi cacat otomatis.

Lebih dari sekadar solusi teknis, ini adalah langkah strategis menuju industri tekstil yang lebih cerdas, efisien, dan mandiri secara digital.

 

Sumber:

Noor ul-Huda, Haseeb Ahmad, Ameen Banjar, Ahmed Omar Alzahrani, Ibrar Ahmad, M. Salman Naeem. (2024). Image synthesis of apparel stitching defects using deep convolutional generative adversarial networks. Heliyon, 10, e26466.