AI Bukan Sekadar Canggih: Pesan Prof. Arief dalam Orasi Guru Besar di Amikom Yogyakarta
Di tengah euforia perkembangan kecerdasan buatan yang kian pesat, Prof. Arief Setyanto justru mengingatkan satu hal yang kerap terlupakan: teknologi sehebat apa pun tidak ada artinya jika tidak mampu menjawab persoalan nyata di masyarakat.
Pesan itu ia sampaikan dengan tegas dalam orasi ilmiah pengukuhan Guru Besar di Ruang Cinema Universitas Amikom Yogyakarta, Selasa, 5 Mei 2026. Membawakan orasi berjudul "Computer Vision dan Kecerdasan Artifisial dalam Transformasi Digital Bidang Pendidikan dan Pertanian Presisi", Prof. Arief memaparkan deretan penelitian yang ia kembangkan bersama timnya — semuanya bermuara pada satu tujuan: AI yang berdampak nyata.
Mesin yang Bisa "Melihat"
Inti dari penelitian Prof. Arief bertumpu pada teknologi computer vision — kemampuan mesin untuk melihat dan memahami data visual, sebagaimana manusia mengenali objek melalui indera penglihatan. Teknologi ini, menurutnya, menyimpan potensi besar yang belum sepenuhnya dimanfaatkan, mulai dari mengenali aktivitas di ruang kelas, membaca ekspresi wajah, menganalisis objek dalam gambar dan video, hingga mendukung proses pertanian yang lebih cerdas dan efisien.
Namun ada satu tantangan besar yang selama ini menjadi penghambat: model AI canggih umumnya membutuhkan daya komputasi yang sangat besar. Tidak semua lokasi penerapan memiliki akses ke server bertenaga tinggi, jaringan internet cepat, atau bahkan pasokan listrik yang stabil.
Membuat AI Lebih Ringan Tanpa Kehilangan Fungsi
Untuk menjawab tantangan itu, Prof. Arief dan timnya meneliti teknik kompresi model AI — cara membuat model yang besar menjadi lebih ringan agar tetap bisa bekerja pada perangkat dengan sumber daya terbatas. Dua pendekatan utama yang digunakan adalah post-training quantization dan knowledge distillation.
Pada knowledge distillation, konsepnya cukup menarik: model AI berukuran besar berperan sebagai "guru", sementara model kecil berperan sebagai "murid" yang menyerap pengetahuan dari model besar tersebut. Hasilnya adalah sistem yang lebih ringan, namun tetap mampu mengenali objek dengan cukup presisi — dan dapat berjalan di perangkat seperti Raspberry Pi, Jetson Nano, atau Orin Nano.
Prof. Arief mengakui bahwa pengurangan ukuran model memang berpotensi menurunkan akurasi. Namun ia menegaskan bahwa tidak semua aplikasi membutuhkan akurasi sempurna. Dalam banyak konteks, sedikit penurunan akurasi masih dapat diterima, terutama jika imbalannya adalah teknologi yang lebih hemat energi, lebih murah, dan jauh lebih mudah diterapkan di lapangan.
Kelas Pintar yang Membaca Kualitas Pembelajaran
Salah satu penerapan konkret dari riset ini adalah konsep smart classroom atau kelas pintar. Sistem yang dikembangkan Prof. Arief memanfaatkan kamera dan analisis audio visual untuk memantau proses pembelajaran secara real-time — bukan sekadar merekam, tetapi benar-benar membaca kualitas yang terjadi di dalam kelas.
Data yang dikumpulkan sistem ini mencakup:
- Kualitas suara dan antusiasme pengajar
- Tingkat perhatian dan keaktifan mahasiswa
- Kesesuaian pertanyaan dengan topik yang dibahas
- Kesesuaian materi dengan rencana pembelajaran
Di sinilah Prof. Arief juga menyentuh isu yang lebih luas: perubahan besar dalam dunia pendidikan akibat hadirnya generative AI seperti ChatGPT dan Copilot. Pertanyaan-pertanyaan berbasis definisi dan hafalan kini bisa dijawab dalam hitungan detik oleh mesin. Karena itu, menurutnya, pendidikan perlu bergeser — dari sekadar menghafal, menuju kemampuan berpikir kritis, menganalisis, dan berinteraksi secara aktif.
Drone yang Tahu Di Mana Harus Menyemprot
Selain pendidikan, Prof. Arief juga mengarahkan risetnya ke sektor pertanian melalui pengembangan smart spraying drone. Berbeda dengan drone konvensional yang menyemprot seluruh area secara merata, drone ini dirancang untuk mengenali titik-titik tertentu yang benar-benar memerlukan penyemprotan — pendekatan yang jauh lebih efisien, terutama untuk komoditas seperti kelapa sawit.
Drone ini dilengkapi kamera dan perangkat komputasi edge yang memungkinkan deteksi objek dilakukan langsung saat terbang, tanpa perlu terhubung ke server eksternal. Penelitian ini masih berjalan, dengan target penyelesaian uji coba kebun pada 2026 dan potensi penerapan kepada masyarakat pada 2027.
AI untuk Indonesia, Bukan Sekadar untuk Laboratorium
Rangkaian penelitian Prof. Arief menyampaikan satu pesan yang konsisten: pengembangan AI tidak boleh berhenti di tataran konsep atau terkurung di dalam laboratorium. Ia perlu diarahkan untuk menjadi teknologi yang relevan dengan kebutuhan nasional, berakar pada konteks lokal, dan benar-benar memberi dampak bagi kehidupan masyarakat.
Bagi Universitas Amikom Yogyakarta, pengukuhan Prof. Arief sebagai Guru Besar menjadi momentum penting untuk memperkuat posisi riset AI dan computer vision di tingkat nasional — sebuah langkah menuju inovasi yang tidak hanya unggul secara akademik, tetapi juga bermakna bagi pendidikan, pertanian, dan kedaulatan digital Indonesia.
Artikel ini disusun berdasarkan orasi ilmiah pengukuhan Guru Besar Prof. Arief Setyanto, S.Si., M.T., Ph.D. di Universitas Amikom Yogyakarta, 5 Mei 2026. Sumber: home.amikom.ac.id.
Tags: Amikom Yogyakarta, Kecerdasan Buatan, Computer Vision, Guru Besar, Riset AI