Dhomas Hatta Fudholi

Dhomas Hatta Fudholi memiliki keahlian akademik yang berfokus pada pengembangan dan penerapan deep learning serta pemrosesan bahasa alami untuk berbagai aplikasi praktis. Dalam lima tahun terakhir, risetnya secara dominan berkutat pada deteksi objek berbasis visi komputer, terutama menggunakan arsitektur YOLO untuk berbagai konteks seperti deteksi kerusakan jalan (pindAI dan perbandingan YOLOv12) dan ketersediaan produk di rak ritel (On-Shelf Availability dengan YOLOv11 dan YOLOv8). Bersamaan dengan itu, ia juga aktif dalam analisis sentimen berbasis aspek menggunakan model bahasa seperti IndoBERT dan BiLSTM, yang diterapkan pada isu-isu kontemporer seperti Kurikulum Merdeka dan aplikasi pelacakan Covid-19. Metode deep learning lainnya seperti CNN-BiLSTM dan EfficientNet juga digunakan untuk prediksi kesehatan mental dari media sosial, klasifikasi penyakit kulit, dan deteksi anomali toraks. Pergeseran tematik yang menonjol adalah dari riset awal yang lebih beragam, termasuk sistem rekomendasi pariwisata dan chatbot, menuju fokus mutakhir pada solusi berbasis model ringan dan efisien untuk perangkat bergerak, serta integrasi teknik semi-supervised learning untuk mengatasi keterbatasan data berlabel. Objek kajiannya kini lebih terarah pada infrastruktur publik, ritel, dan layanan kesehatan, dengan penekanan pada implementasi nyata dan optimalisasi sumber daya komputasi.