KUALA LUMPUR, 20 Ogos – Perkongsian kepakaran dan pengalaman praktikal menjadi fokus utama bengkel Hands-on Smart Networking and IoT with Python: From Packet Analysis to Real-Time Data Visualization yang berlangsung pada 19 hingga 20 Ogos 2026 di Makmal Infineon, Aras 3, Menara Razak, Universiti Teknologi Malaysia (UTM) Kuala Lumpur.
Bengkel selama dua hari itu disertai 12 peserta yang terdiri daripada pensyarah dan pelajar pascasiswazah daripada Ubiquitous Broadband Access Network Research Group (U-BAN RG), Fakulti Kecerdasan Buatan (FAI).
Bengkel dikendalikan oleh Prof. Ir. Dr. Sharifah Hafizah Syed Ariffin, profesor UTM yang mempunyai pengalaman dalam bidang penyelidikan Internet of Things (IoT), penilaian prestasi rangkaian, Virtual Software Defined Network, latihan teknikal dan konsultasi.
Menerusi perkongsian tersebut, peserta bukan sahaja didedahkan kepada konsep Smart Networking dan IoT, malah dibimbing memahami proses pembangunan sistem bermula daripada perkakasan hingga kepada pemprosesan dan visualisasi data.
Antara aktiviti amali yang dijalankan termasuk penggunaan Raspberry Pi Pico W, penyambungan sensor dan peranti, penentukuran sensor, komunikasi tanpa wayar serta penghantaran data menggunakan MQTT broker. Aktiviti itu membolehkan peserta melihat secara langsung proses pemerolehan data daripada sensor, penghantaran data melalui rangkaian dan pemprosesannya untuk tujuan pemantauan.
Salah satu penekanan utama bengkel adalah kepentingan memahami keseluruhan rantaian data dalam pembangunan sistem IoT. Data yang diperoleh daripada sensor perlu melalui beberapa peringkat, termasuk pemerolehan, penghantaran dan pemprosesan sebelum diterjemahkan kepada bentuk visual yang dapat membantu pengguna memahami keadaan sesuatu sistem.
Pendekatan amali yang digunakan membolehkan peserta melihat hubungan antara perkakasan, komunikasi rangkaian dan aplikasi perisian secara langsung. Kaedah tersebut turut memberikan gambaran mengenai keperluan setiap komponen untuk berfungsi secara bersepadu bagi menghasilkan sistem IoT yang lengkap.
Pada hari kedua, perkongsian diteruskan dengan penggunaan Jupyter Notebook dan Node-RED. Peserta mempelajari kaedah memproses data IoT sebelum memaparkannya menerusi papan pemuka yang boleh direka bentuk mengikut keperluan aplikasi.
Integrasi Node-RED dan Jupyter Notebook turut memberikan pendedahan kepada peserta mengenai pengurusan dan visualisasi data daripada sistem IoT secara lebih interaktif.
Pengalaman tersebut melengkapkan pemahaman peserta terhadap aliran data daripada peringkat sensor sehingga penyampaian maklumat kepada pengguna.
Bengkel berkenaan turut menjadi platform perkongsian ilmu antara penyelidik, rakan akademik dan pelajar, khususnya dalam menghubungkan pengetahuan teori dengan penyelidikan serta pelaksanaan sistem sebenar.
Pendedahan kepada keseluruhan aliran daripada sensor, rangkaian dan pemprosesan data sehingga visualisasi turut menyediakan asas untuk penerokaan penyelidikan seterusnya.
Data yang diperoleh melalui sistem IoT bukan sahaja boleh digunakan bagi tujuan pemantauan masa nyata, malah berpotensi dikembangkan kepada analisis yang lebih kompleks.
Pada masa hadapan, aliran data tersebut berpotensi dimanfaatkan dalam aplikasi kecerdasan buatan (Artificial Intelligence, AI) dan pembelajaran mesin (Machine Learning, ML), termasuk bagi mengenal pasti corak, membuat ramalan, mengesan keadaan luar biasa serta menyokong proses membuat keputusan secara automatik.
Melalui perkongsian kepakaran seperti ini, komuniti akademik berpeluang memperkukuh kemahiran teknikal dan meneroka aplikasi kepakaran penyelidikan dalam pembangunan penyelesaian IoT dan AI yang lebih praktikal serta relevan dengan keperluan penyelidikan masa hadapan.
