Penentuan jumlah bakteri merupakan tahap yang sangat penting dalam alur kerja laboratorium mikrobiologi kompleks. Dalam bidang penelitian dan diagnosa, pemantauan kualitas air, serta pengujian sampel makanan, tahapan ini sangat umum dan harus dilakukan dengan ketelitian tinggi. TPC atau Total Plate Count merupakan suatu metode yang digunakan untuk menentukan jumlah bakteri.
Metode TPC umumnya dilakukan secara manual sehingga bergantung terhadap kemampuan subjektif setiap individu. Tingkat ketelitian metode TPC yang dilakukan secara manual menggunakan colony counter hanya sebesar 59,7% - 64,3%.
Tingginya jumlah koloni yang harus dihitung, memberikan permasalahan kompleks pada perhitungan manual karena hanya beberapa bagian saja yang terhitung. Terlebih, kesalahan perhitungan pada sampel dengan jumlah koloni yang lebih banyak memiliki dampak yang lebih besar dalam ketidakakuratan perhitungan.
Berangkat dari permasalahan tersebut, lima mahasiswa yang terdiri dari Ainur Rahmawati (Bioteknologi, FTP), Aldina Hikmatus Sakdiyah (Teknologi Industri Pertanian, FTP), Daniel Geoffrey Manurung (Teknik Informatika, FILKOM), Gyan Permata Aulia (Teknologi Bioproses, FTP), dan Naufal Adi Ar-Raffi (Bioteknologi, FTP) di bawah bimbingan Dr. Agr. Sc. Ir. Dimas Firmanda Al Riza, ST., MSc. IPM menciptakan Sistem Hitung Cepat dan Klasifikasi Bakteri Multispesies Berbasis Dual Imaging Reflektansi-Fluoresensi dan Deep Learning. Proses perealisasian inovasi tersebut didukung oleh Kemdikbud Ristek dan Universitas Brawijaya melalui Program Kreativitas Mahasiswa bidang Karsa Cipta tahun 2024.
Sistem yang dikembangkan terdiri atas komponen software yang dikenal dengan aplikasi "Rapection" dan juga hardware, dimana keduanya memiliki fungsi yang saling berkesinambungan untuk mengoptimalkan proses hitung cepat dan klasifikasi bakteri multispesies. Sistem hitung cepat dan klasifikasi bakteri yang dikembangkan berbasis dual imaging reflektansi-fluoresensi dan deep learning.
Hardware yang dikembangkan memiliki komponen white-LED dan uv-LED yang dapat memicu adanya emisi pada suatu komponen yang memiliki zat fluoresens sehingga memancarkan cahaya eksitasi yang disebut dengan cahaya fluoresens. Fenomena tersebut dikenal dengan Fluoresensi.
Data-data berupa image fluoresens ini nantinya akan dimodelkan dengan menggunakan deep learning sehingga proses deteksi dan perhitungan bakteri dapat dilakukan secara real-time dengan menggunakan model yang sudah ada. Model yang dibuat akan diintegrasikan pada software yang telah dibuat dan dikembangkan, sehingga software ini yang nantinya akan memunculkan output berupa hasil perhitungan dan klasifikasi bakteri.
Dokumentasi Pribadi Dokumentasi Pribadi
"Hingga saat ini, proses perhitungan koloni bakteri masih dilakukan secara konvensional sehingga seringkali menyebabkan kesalahan perhitungan. Hal tersebut yang kemudian menjadi keluhan tersendiri pada saat melakukan perhitungan koloni bakteri.
Oleh karena itu, tim kami menciptakan sistem hitung cepat dan klasifikasi bakteri dengan harapan dapat mengatasi permasalahan tersebut," ujar ketua tim Ainur Rahmawati.