Product & Research

From classrooms to factories, we craft AI solutions that solve real problems, spark innovation, and drive progress across Indonesia.

Why Building an AI-Literate Nation Starts with Teachers, Business Leaders, and Women

To create a future-ready society, AI literacy must go beyond tech hubs and into classrooms, boardrooms, and communities.

Read more >

Making AI Work for Humanity: Turning Technology into Real-World Impact

Artificial Intelligence isn’t just about algorithms, it’s about solving real problems. From healthcare to education, discover how

Read more >

Ethics in AI: Why Governance Matters More Than Ever

As AI continues to influence every part of society, ethical frameworks and transparent governance are no longer optional. Learn

Read more >

Understanding the Role of AI in Climate Resilience

As climate change intensifies, AI is emerging as a powerful tool for prediction, planning, and prevention. This article explores how Indonesia can use AI to monitor environmental risks, support disaster response, and build a more resilient future.

Read more >

How AI is Bridging Education Gaps in Rural Indonesia

From smart tutoring systems to voice-based learning platforms, AI is helping level the playing field for students in underserved regions. Discover how technology is reshaping access and equity in Indonesian classrooms.

Read more >

Demystifying AI for Business Leaders

AI isn’t just for tech giants. Learn how small and medium businesses in Indonesia are leveraging AI to optimize operations, reduce costs, and unlock new market potential.

Read more >

AI Ethics Matters More Than Ever

From bias in facial recognition to algorithmic decision-making, ethical challenges in AI are real. This article breaks down what ethical AI means, and how Indonesia can lead with values-first innovation.

Read more >

Inside the AI Literacy Movement

How do you teach AI to those who’ve never touched code? Meet the changemakers behind grassroots AI literacy programs empowering teachers, women, and youth to become digital leaders of the future.

Read more >

Can AI Predict Market Sentiment

By analyzing tweets, news, and online chatter, AI is helping financial institutions understand public sentiment and make smarter decisions. But how reliable is it, and what’s next?

Read more >

Products

Transformasi digital dan perkembangan Artificial Intelligence (AI) telah mengubah cara manusia belajar, bekerja, dan menyelesaikan masalah. Dunia pendidikan kini menghadapi tantangan baru: bagaimana membantu siswa belajar menggunakan AI secara benar tanpa mengurangi kemampuan berpikir kritis, kreativitas, dan kualitas reasoning mereka.

Di satu sisi, AI menjadi teknologi yang akan sangat menentukan masa depan dunia kerja dan pendidikan. Siswa perlu memahami cara menggunakan AI sejak dini agar mampu beradaptasi dengan perkembangan teknologi yang semakin cepat. Namun di sisi lain, penggunaan AI yang tidak tepat dapat menimbulkan ketergantungan terhadap jawaban instan dan mengurangi keterlibatan kognitif siswa dalam proses belajar.

Penggunaan AI bukan sekadar mengetik prompt lalu menerima jawaban. Kualitas hasil AI sangat bergantung pada kualitas cara berpikir penggunanya. Karena itu, siswa perlu belajar bagaimana membangun konteks, melakukan eksplorasi, menyusun prompt yang tepat, serta mengevaluasi hasil AI secara kritis.

Berdasarkan materi pengembangan platform, penggunaan AI tanpa pendekatan pembelajaran yang tepat dapat menyebabkan siswa:

  • langsung mencari jawaban instan,
  • tidak melakukan eksplorasi,
  • tidak membangun reasoning sendiri,
  • serta mengalami penurunan kemampuan problem solving dan critical thinking.

Tantangan utama pendidikan saat ini bukan lagi apakah siswa boleh menggunakan AI atau tidak, melainkan bagaimana siswa dapat belajar menggunakan AI secara bertanggung jawab dan tetap mempertahankan kualitas berpikir mereka.

Untuk menjawab kebutuhan tersebut, hadir AI Learning Platform, sebuah platform pembelajaran yang dirancang untuk membantu sekolah, guru, dan siswa belajar menggunakan AI secara produktif, terarah, dan tetap menjaga kualitas kemampuan kognitif siswa.

Pendekatan Pembelajaran di Era AI

AI Learning Platform memperkenalkan pendekatan pembelajaran yang berbeda dibandingkan model penugasan konvensional.

Sebelum era AI, tugas umumnya berbentuk pertanyaan langsung dengan jawaban yang relatif seragam. Dalam kondisi tersebut, siswa dapat dinilai hanya berdasarkan hasil akhir. Namun di era AI, pendekatan seperti ini menjadi kurang relevan karena AI dapat dengan mudah menghasilkan jawaban instan.

Melalui AI Learning Platform, proses pembelajaran dirancang agar siswa:

  • menggunakan AI secara aktif dan berkelanjutan,
  • melakukan eksplorasi bertahap,
  • membangun kerangka berpikir sendiri,
  • dan menghasilkan output yang unik sesuai proses belajar masing-masing.

Framework pembelajaran yang digunakan terdiri dari:

  1. Divergent Entry Point
    Setiap siswa memulai dari konteks atau titik awal yang berbeda.
  2. Convergent Workflow
    Siswa mengikuti alur kerja bertahap yang mendorong proses eksplorasi dan reasoning.
  3. Divergent Output
    Hasil akhir menjadi lebih autentik karena dipengaruhi proses interaksi AI masing-masing siswa.

Pendekatan ini membantu:

  • mencegah plagiarisme,
  • meningkatkan keterlibatan kognitif siswa,
  • dan tetap memudahkan guru dalam melakukan penilaian.

Sistem Penilaian yang Lebih Komprehensif

Dalam pembelajaran berbasis AI, penilaian tidak lagi hanya berfokus pada hasil akhir. AI Learning Platform membantu guru melakukan evaluasi secara lebih menyeluruh, meliputi:

  • hasil akhir tugas,
  • kerangka berpikir siswa,
  • kedalaman eksplorasi,
  • serta kualitas penggunaan AI.

Melalui platform ini, guru dapat melihat proses interaksi siswa dengan AI sehingga proses belajar menjadi lebih transparan dan terukur. Dengan demikian, AI tidak digunakan sebagai alat untuk mencari jawaban instan, melainkan sebagai sarana untuk membangun kemampuan berpikir, eksplorasi, dan problem solving siswa.

Mempersiapkan Pendidikan Masa Depan

AI akan menjadi bagian penting dalam kehidupan dan dunia kerja di masa depan. Karena itu, kemampuan menggunakan AI secara efektif dan bertanggung jawab akan menjadi kompetensi yang sangat penting bagi generasi mendatang.

AI Learning Platform hadir sebagai solusi untuk membantu institusi pendidikan mempersiapkan siswa menghadapi era AI, bukan dengan melarang penggunaan AI, tetapi dengan mengajarkan bagaimana menggunakan AI secara cerdas, kritis, dan produktif.

Products

Transformasi digital dalam dunia pendidikan tidak hanya mengubah cara siswa belajar, tetapi juga mengubah cara guru merancang dan mengelola proses pembelajaran. Tuntutan administrasi akademik yang semakin kompleks membuat guru perlu menyiapkan berbagai dokumen pembelajaran secara sistematis, mulai dari Rencana Pelaksanaan Pembelajaran (RPP), Alur Tujuan Pembelajaran (ATP), modul ajar, hingga perangkat evaluasi.

Di sisi lain, guru juga dituntut untuk lebih fokus pada kualitas pembelajaran, pengembangan kompetensi siswa, serta adaptasi terhadap perkembangan teknologi dan kebutuhan pendidikan masa depan. Kondisi ini menghadirkan tantangan tersendiri karena proses penyusunan dokumen pembelajaran sering kali memerlukan waktu yang panjang dan beban administratif yang besar.

Untuk menjawab kebutuhan tersebut, hadir AI Teaching Tools, sebuah solusi berbasis Artificial Intelligence (AI) yang dirancang untuk membantu guru menyusun dokumen perencanaan pembelajaran secara lebih cepat, sistematis, dan efisien.

Mendukung Guru dalam Perencanaan Pembelajaran

AI Teaching Tools merupakan platform yang membantu guru dalam menyusun berbagai dokumen pembelajaran, khususnya:

  • Rencana Pelaksanaan Pembelajaran (RPP),
  • Alur Tujuan Pembelajaran (ATP),
  • serta dokumen pendukung pembelajaran lainnya.

Dengan memanfaatkan teknologi AI, proses penyusunan perangkat ajar menjadi lebih terstruktur dan adaptif terhadap kebutuhan pembelajaran.

Guru tidak lagi harus memulai seluruh dokumen dari awal secara manual. Platform ini membantu menghasilkan draft perencanaan pembelajaran berdasarkan:

  • mata pelajaran,
  • jenjang pendidikan,
  • capaian pembelajaran,
  • topik materi,
  • maupun pendekatan pembelajaran yang digunakan.

Dengan demikian, guru dapat lebih fokus pada strategi pengajaran dan kualitas interaksi pembelajaran di kelas.

Efisiensi dan Konsistensi Dokumen Pembelajaran

Salah satu tantangan utama dalam penyusunan perangkat ajar adalah menjaga konsistensi antara tujuan pembelajaran, materi, aktivitas, dan asesmen. AI Teaching Tools membantu guru menyusun dokumen yang lebih terintegrasi sehingga alur pembelajaran menjadi lebih jelas dan terarah.

Melalui platform ini, guru dapat:

  • mempercepat proses penyusunan RPP dan ATP,
  • memperoleh struktur dokumen yang sistematis,
  • menyesuaikan pembelajaran dengan capaian kurikulum,
  • serta mengurangi beban administratif yang repetitif.

Pendekatan ini memberikan efisiensi waktu yang signifikan sehingga guru memiliki lebih banyak ruang untuk melakukan inovasi pembelajaran dan pendampingan siswa.

Mendukung Transformasi Pendidikan Berbasis AI

Pemanfaatan AI dalam dunia pendidikan bukan bertujuan menggantikan peran guru, melainkan memperkuat kapasitas guru dalam menjalankan proses pembelajaran yang lebih efektif dan adaptif.

AI Teaching Tools dikembangkan dengan pendekatan bahwa teknologi seharusnya menjadi alat bantu profesional yang mendukung kualitas pendidikan. Dengan bantuan AI, guru dapat:

  • menyusun perangkat pembelajaran secara lebih cepat,
  • meningkatkan kualitas perencanaan pengajaran,
  • menjaga keselarasan dokumen akademik,
  • serta lebih siap menghadapi transformasi pendidikan digital.

Meningkatkan Fokus Guru pada Proses Pembelajaran

Perencanaan pembelajaran yang baik merupakan fondasi penting dalam menciptakan proses belajar yang efektif. Namun, ketika terlalu banyak waktu tersita untuk pekerjaan administratif, ruang guru untuk berinovasi dalam pembelajaran menjadi terbatas.

AI Teaching Tools membantu mengurangi beban administratif tersebut sehingga guru dapat lebih fokus pada:

  • pengembangan metode pembelajaran,
  • interaksi dengan siswa,
  • pendampingan proses belajar,
  • serta peningkatan kualitas pembelajaran secara keseluruhan.

Penutup

Perkembangan teknologi AI membuka peluang baru dalam mendukung transformasi pendidikan yang lebih efektif, efisien, dan adaptif. AI Teaching Tools hadir sebagai solusi untuk membantu guru menyusun dokumen perencanaan pembelajaran secara profesional tanpa mengurangi kualitas dan esensi proses pendidikan.

Dengan dukungan teknologi AI, guru dapat bekerja lebih efisien, lebih terstruktur, dan lebih fokus pada hal yang paling penting: membangun pengalaman belajar yang bermakna bagi siswa.

Products

Keselamatan dan kesehatan kerja (K3) merupakan aspek kritikal dalam operasional industri modern, khususnya pada sektor dengan tingkat risiko tinggi seperti pertambangan, konstruksi, manufaktur, energi, dan industri proses lainnya. Dalam lingkungan kerja yang kompleks, perusahaan dituntut untuk memastikan seluruh aktivitas operasional berjalan aman, terdokumentasi dengan baik, serta sesuai dengan standar keselamatan seperti SMK3 dan ISO 45001.

Namun dalam praktiknya, pengelolaan keselamatan kerja masih sering menghadapi berbagai tantangan, mulai dari proses pelaporan yang lambat, dokumentasi manual yang tidak efisien, hingga kesulitan dalam monitoring dan evaluasi implementasi program K3 secara menyeluruh.

Untuk menjawab tantangan tersebut, hadir BeeOHS, sebuah platform manajemen keselamatan dan kesehatan kerja modern yang diperkaya dengan teknologi Artificial Intelligence (AI) untuk membantu organisasi mengelola sistem K3 secara lebih mudah, cepat, akurat, dan terintegrasi.

 

Transformasi Digital K3 dengan Dukungan AI

BeeOHS bukan sekadar sistem digitalisasi dokumen K3. Platform ini dirancang untuk meningkatkan pengalaman pengguna (user experience) melalui integrasi teknologi AI yang membantu mempercepat proses administrasi, mempermudah pelaporan, serta meningkatkan efektivitas pengelolaan keselamatan kerja secara keseluruhan.

Teknologi AI di dalam BeeOHS membantu pengguna dalam:

  • mempercepat input data,
  • menyusun laporan secara otomatis,
  • membantu standardisasi dokumentasi,
  • mengurangi kesalahan administratif,
  • serta meningkatkan efisiensi operasional K3.

Pendekatan ini memungkinkan implementasi keselamatan kerja menjadi lebih praktis tanpa mengurangi kualitas dokumentasi dan kepatuhan terhadap standar keselamatan.

 

Incident Reporting Berbasis AI dan Voice Input

Salah satu inovasi BeeOHS adalah fitur AI-Assisted Incident Reporting.

Dalam kondisi lapangan, khususnya saat terjadi insiden atau kecelakaan kerja, proses pelaporan sering kali menjadi tantangan karena pengguna harus mengetik laporan secara detail di tengah situasi operasional yang mendesak. BeeOHS mengatasi kendala ini melalui teknologi pelaporan berbasis suara (voice-based reporting).

Melalui fitur ini, pengguna cukup menyampaikan kronologi kejadian menggunakan suara. Teknologi AI kemudian akan:

  • mengubah suara menjadi teks,
  • menyusun laporan insiden secara otomatis,
  • merapikan struktur bahasa,
  • serta menghasilkan dokumen Incident Report yang lebih profesional dan sistematis.

Sebelum laporan dikirimkan, pengguna tetap dapat melakukan:

  • pengecekan ulang,
  • pengeditan isi laporan,
  • maupun penambahan informasi penting lainnya.

Dengan pendekatan ini, proses pelaporan insiden menjadi:

  • lebih cepat,
  • lebih mudah digunakan di lapangan,
  • tetap terdokumentasi secara profesional,
  • dan mengurangi risiko kehilangan informasi penting saat kejadian berlangsung.

 

Platform K3 yang Proaktif dan Terintegrasi

BeeOHS membantu organisasi mengelola keselamatan kerja secara proaktif melalui berbagai fitur terintegrasi, di antaranya:

Hazard Identification & Risk Assessment (HIRA)

Sistem membantu identifikasi potensi bahaya, penilaian risiko, serta pengelolaan mitigasi secara sistematis untuk mendukung pengendalian risiko yang lebih efektif.

Safety Observation & Reporting

Pengguna dapat melakukan pelaporan kondisi tidak aman, unsafe action, maupun observasi keselamatan secara langsung melalui sistem digital yang mudah diakses.

Incident Investigation & Root Cause Analysis

BeeOHS mendukung proses investigasi insiden secara terstruktur, termasuk analisis akar penyebab menggunakan metode seperti 5 Why dan Fishbone Analysis.

Corrective Action Report

Seluruh tindak lanjut hasil audit, inspeksi, maupun investigasi dapat dimonitor melalui sistem pemantauan tindakan korektif yang terintegrasi.

Safety Program Management

BeeOHS membantu perusahaan mengelola program keselamatan kerja seperti pelatihan, audit, simulasi darurat, dan kampanye keselamatan secara lebih sistematis.

Performance Evaluation & KPI Monitoring

Perusahaan dapat memonitor performa keselamatan kerja melalui dashboard dan indikator kinerja berbasis data real-time untuk mendukung evaluasi dan perbaikan berkelanjutan.

Permit to Work (PTW) Management

BeeOHS menyediakan pengelolaan digital Permit to Work untuk pekerjaan berisiko tinggi sehingga proses approval dan monitoring pekerjaan menjadi lebih terkendali.

 

Teknologi Modern untuk Operasional Industri

BeeOHS dibangun menggunakan pendekatan teknologi modern yang mendukung kebutuhan operasional industri saat ini, meliputi:

  • On-Premise Software untuk keamanan dan kontrol data perusahaan,
  • aplikasi mobile untuk operasional lapangan,
  • serta teknologi VR/MR untuk pelatihan keselamatan yang lebih imersif dan interaktif.

Integrasi teknologi AI dalam ekosistem BeeOHS memberikan nilai tambah yang signifikan dalam meningkatkan efisiensi, kemudahan penggunaan, dan kualitas implementasi sistem keselamatan kerja.

 

Membangun Budaya Keselamatan Kerja yang Lebih Efektif

Implementasi K3 yang efektif tidak hanya membutuhkan kepatuhan terhadap regulasi, tetapi juga memerlukan sistem yang mampu mendorong keterlibatan pengguna, kemudahan operasional, dan pengambilan keputusan berbasis data.

Dengan dukungan AI, BeeOHS membantu organisasi membangun budaya keselamatan kerja yang:

  • lebih responsif,
  • lebih proaktif,
  • lebih terdokumentasi,
  • dan lebih adaptif terhadap kebutuhan operasional modern.

 

Penutup

Perkembangan Artificial Intelligence membuka peluang baru dalam transformasi sistem keselamatan dan kesehatan kerja di berbagai sektor industri. BeeOHS hadir sebagai platform K3 modern yang memadukan digitalisasi operasional dengan teknologi AI untuk membantu organisasi meningkatkan efisiensi, kualitas dokumentasi, serta efektivitas implementasi keselamatan kerja.

Melalui pendekatan yang inovatif dan user-friendly, BeeOHS membantu perusahaan membangun sistem keselamatan kerja yang lebih modern, terintegrasi, dan siap menghadapi tantangan industri masa depan.

Products

Transformasi digital dalam industri pertambangan terus berkembang, tidak lagi hanya berfokus pada digitalisasi proses bisnis, tetapi juga pada pemanfaatan Artificial Intelligence (AI) untuk meningkatkan efisiensi operasional, mempercepat pengambilan keputusan, dan memperkuat pengelolaan risiko.

Melalui kolaborasi antara MOSA dan Indonesia Artificial Intelligence Institute (IAII), platform ERP MOSA kini berkembang menjadi AI-Powered ERP for the Mining Industry, yaitu sistem ERP pertambangan yang diperkaya dengan teknologi AI untuk mendukung operasional yang lebih cerdas, lebih cepat, dan lebih terintegrasi.

MOSA merupakan platform ERP yang dirancang khusus untuk kebutuhan industri pertambangan dengan cakupan pengelolaan operasional yang terintegrasi, mulai dari operation & fleet management, finance & accounting, asset management, supply chain management, human capital management, hingga occupational health & safety.

Sebagai industri yang memiliki tingkat kompleksitas tinggi, heavily regulated, dan memiliki risiko operasional besar, sektor pertambangan membutuhkan sistem yang mampu memberikan visibilitas data secara real-time dan mendukung pengambilan keputusan yang cepat dan akurat. Dalam konteks tersebut, integrasi AI menjadi langkah penting untuk meningkatkan efektivitas sistem ERP modern.

Transformasi ERP dengan Teknologi AI

Kolaborasi MOSA dan IAII menghadirkan pendekatan baru dalam sistem ERP pertambangan melalui integrasi teknologi AI pada berbagai proses operasional dan administratif.

Teknologi AI di dalam MOSA digunakan untuk:

  • meningkatkan kemudahan penggunaan sistem,
  • mempercepat proses kerja,
  • mengurangi pekerjaan administratif manual,
  • membantu analisis operasional,
  • serta memberikan insight berbasis data secara lebih cepat dan akurat.

Pendekatan ini mentransformasi ERP dari sekadar sistem pencatatan transaksi menjadi platform operasional cerdas (intelligent operational platform).

Implementasi AI dalam MOSA

Salah satu implementasi AI yang memberikan dampak langsung pada operasional adalah fitur AI-Based Incident Reporting pada modul Occupational Health & Safety (OHS).

Melalui fitur ini, pengguna dapat melaporkan insiden menggunakan suara (voice input). Teknologi AI kemudian akan mengubah laporan suara menjadi dokumen Incident Report yang tersusun secara lebih profesional dan sistematis. Pengguna tetap dapat melakukan pengecekan dan pengeditan sebelum laporan dikirimkan secara resmi.

Pendekatan ini membantu mempercepat proses pelaporan, meningkatkan kualitas dokumentasi, serta memudahkan operasional lapangan dalam kondisi kerja yang dinamis.

Selain itu, teknologi AI dalam MOSA juga digunakan untuk:

  • membantu optimalisasi penjadwalan operator,
  • mendeteksi anomali konsumsi bahan bakar (fuel fraud detection),
  • melakukan predictive analysis untuk potensi kerusakan alat,
  • mempercepat proses administrasi keuangan,
  • hingga membantu analisis investigasi insiden dan compliance.

ERP Terintegrasi untuk Operasional “From Pit to Port”

MOSA mengintegrasikan berbagai fungsi bisnis pertambangan ke dalam satu platform yang saling terhubung, sehingga perusahaan dapat memperoleh:

  • data operasional secara real-time,
  • koordinasi lintas departemen yang lebih baik,
  • pengawasan operasional yang lebih efektif,
  • serta pengambilan keputusan berbasis data yang lebih cepat.

Sistem ini juga didukung aplikasi mobile yang memungkinkan monitoring dan pelaporan langsung dari lapangan.

Dengan pendekatan tersebut, MOSA membantu perusahaan meningkatkan:

  • efisiensi operasional,
  • kontrol biaya,
  • pengelolaan aset,
  • keselamatan kerja,
  • serta kepatuhan terhadap regulasi industri pertambangan.

Penutup

Kolaborasi antara MOSA dan IAII menunjukkan bagaimana integrasi Artificial Intelligence dapat memberikan nilai tambah nyata dalam transformasi digital industri pertambangan.

Dengan menggabungkan sistem ERP terintegrasi dan teknologi AI, MOSA berkembang menjadi AI-Powered ERP for the Mining Industry yang membantu perusahaan pertambangan bekerja secara lebih efisien, lebih responsif, dan lebih siap menghadapi tantangan industri modern.

Research

Realitas Lapangan vs Ambisi Kebijakan

Pemerintah Indonesia melalui Strategi Nasional Kecerdasan Artifisial bersiap mengintegrasikan AI ke dalam kurikulum sekolah dasar dan menengah (K-12) mulai tahun ajaran 2025/2026. Namun, kesiapan kebijakan ini menghadapi tantangan besar di lapangan:

  • Infrastruktur Belum Siap: Sekitar 65% sekolah di Indonesia belum memiliki internet stabil, dan 35% kekurangan pasokan listrik andal.
  • Kesenjangan Pelatihan: Akses pengembangan kompetensi guru masih timpang dan berpusat di wilayah urban. Tingkat literasi AI guru juga belum dipetakan secara akurat.

 

Untuk melihat kesiapan riil di luar dokumen kebijakan, di bulan September – November 2025, tim peneliti melakukan survei ke 132 guru K-12 menggunakan pertanyaan terbuka (open-ended) guna menggali pemahaman jujur para pendidik.

 

Temuan Utama: “Tahu Pakai, Tapi Salah Paham”

Penelitian menemukan adanya ketidakselarasan (mismatch) yang unik. Guru sangat antusias mengadopsi AI, namun pemahaman mereka tentang cara kerja teknologi ini masih sangat rendah.

 

Miskonsepsi Cara Kerja AI

  • Definisi Permukaan: 55,4% guru mengartikan AI sebatas “teknologi yang meniru manusia” tanpa tahu mekanismenya.
  • Eror Pemahaman ChatGPT: Saat diminta menjelaskan proses ChatGPT menghasilkan jawaban, mayoritas memberikan jawaban normatif yang rancu. Bahkan, 21,5% guru mengira ChatGPT bekerja seperti Google, yaitu mencari dan mengambil data dari internet/pusat data (knowledge retrieval misconception), bukan memprediksi kata berbasis probabilitas bahasa.

 

Pola Adopsi AI di Sekolah

Meskipun pemahaman teoritisnya masih minim, adopsi AI di sekolah rupanya sudah berjalan secara organik demi efisiensi kerja:

Penggunaan AI oleh Guru Persentase Persepsi Guru terhadap Penggunaan AI oleh Siswa Persentase
Pembuatan Materi Ajar (Slide, infografis, edit video/gambar) 32,3% Menjawab Langsung Tugas (Mencari jawaban instan untuk PR) 44,6%
Penilaian & Asesmen (Membuat rubrik, kunci jawaban, nilai otomatis) 26,9% Pencarian Informasi (Mengumpulkan referensi materi) 19,2%
Kurasi Informasi (Mencari materi, menerjemahkan, merangkum) 21,5% Pembuatan Konten (Membuat slide presentasi, poster) 16,2%
Perencanaan Pembelajaran (Membuat modul ajar, langkah pembelajaran) 19,2% Bantuan Tutor (Bertanya konsep sulit, diskusi interaktif) 10,8%

 

Dilema Moral: Antara Efisiensi dan Risiko Karakter

 

Studi mencatat angka dukungan yang sangat masif: 96,2% guru mendukung AI untuk guru dan 84,6% mendukung untuk siswa. Guru sangat terbantu karena AI memangkas beban administrasi mereka secara signifikan.

 

Namun, di balik dukungan itu, guru menyimpan kekhawatiran mendalam (opposition risks), jika AI digunakan tanpa pengawasan ketat:

  • Ancaman Integritas Akademik: Risiko terbesar yang ditakuti guru adalah plagiarisme dan kecurangan akademik (23,8%). Guru khawatir siswa menggunakan AI sebagai “jalan pintas” untuk menyelesaikan tugas tanpa benar-benar belajar.
  • Ketergantungan dan Kemalasan Mental: Guru cemas teknologi ini akan mengikis kemampuan berpikir kritis siswa karena terbiasa mendapatkan jawaban instan secara pasif.
  • Kehilangan Sentuhan Manusia: Ada kekhawatiran bahwa ketergantungan pada AI dapat mengurangi interaksi sosial-emosional yang penting antara guru dan murid di dalam kelas.

 

Rekomendasi untuk Kebijakan Kurikulum

Agar implementasi kurikulum baru tidak sekadar menjadi formalitas, studi ini menyarankan tiga langkah strategis bagi pemerintah:

  1. Pelatihan Berbasis Literasi Konseptual: Program peningkatan kapasitas guru tidak boleh hanya mengajarkan cara memakai alat (tools), melainkan harus menjelaskan batasan, bias, risiko halusinasi informasi, dan cara kerja dasar AI agar guru mampu mengambil keputusan pedagogis yang tepat.
  2. Diferensiasi Dukungan: Pemerintah harus memetakan pelatihan secara adil, memberikan bantuan lebih besar kepada sekolah-sekolah di luar Jawa dan wilayah rural yang minim infrastruktur agar jurang digital tidak semakin melebar.
  3. Panduan Etika dan Tata Kelola Sekolah: Sekolah membutuhkan regulasi yang jelas mengenai batasan kapan siswa boleh menggunakan AI (misalnya untuk pencarian ide atau tutor pribadi) dan kapan AI dilarang keras demi menjaga integritas akademik.

 

Tim Peneliti: Alham Fikri Aji, Afifa Amriani, Rendi Chevi, Ayu Purwarianti, & Derry Wijaya.

Research

Perubahan iklim bukan lagi sekadar prediksi masa depan, melainkan realitas yang kita rasakan sehari-hari. Mulai dari suhu udara yang kian menyengat, banjir bandang yang tak menentu, hingga pergeseran musim tanam yang membingungkan para petani kita. Namun, di tengah mendesaknya kebutuhan akan aksi nyata, ada tantangan besar lain yang mengintai di dunia digital: hoaks dan misinformasi perubahan iklim.

Di Indonesia, obrolan seputar isu lingkungan sering kali dikaburkan oleh informasi palsu. Ada yang menyebutkan bahwa pemanasan global hanyalah konspirasi, ada pula yang menyebarkan klaim keliru tentang penyebab bencana alam. Dampaknya fatal. Masyarakat menjadi skeptis, ragu untuk bertindak, dan kebijakan penyelamatan lingkungan menjadi sulit mendapat dukungan penuh.

Celakanya, pembuat hoaks sangat pintar. Mereka tidak hanya menyebarkan berita bohong dalam bahasa Indonesia baku, tetapi juga masuk melalui bahasa-bahasa daerah yang lebih dekat di hati masyarakat. Di sinilah letak masalah besarnya (gap): kita kekurangan perangkat digital atau sumber daya kebahasaan (linguistic resources) untuk mendeteksi hoaks dalam bahasa daerah. Akibatnya, sistem penyaring hoaks konvensional sering kali “lolos” saat membaca teks di luar bahasa Indonesia resmi.

 

Mengenal NusaClimate: Senjata Baru Melawan Hoaks

Melihat celah kritis tersebut, sekelompok peneliti dari Indonesia AI Institute (IAII) mengembangkan riset untuk menghasilkan sebuah solusi inovatif bernama NusaClimate.

NusaClimate adalah kumpulan data raksasa (corpus) multibahasa pertama yang sengaja dibuat untuk mendeteksi sikap atau posisi (stance) masyarakat terhadap isu perubahan iklim. Dataset ini mengumpulkan 50.613 data teks yang mencakup empat bahasa sekaligus:

  • Bahasa Indonesia
  • Bahasa Minangkabau
  • Bahasa Bali
  • Bahasa Bugis

 

Kehadiran tiga bahasa daerah (Minangkabau, Bali, dan Bugis) menjadi sangat penting karena ketiganya tergolong sebagai bahasa yang minim sumber daya digital (low-resource languages). Dengan NusaClimate, kecerdasan buatan (AI) kini punya “kamus” yang memadai untuk memahami konteks lokal secara mendalam.

 

Cara Kerja Teknologi dan Eksperimen yang Dilakukan

Bagaimana data sebanyak itu diolah menjadi sistem pembasmi hoaks? Jawabannya terletak pada teknologi bernama Encoder-based Language Model (Model Bahasa Berbasis Enkoder).

Bayangkan sistem ini seperti seorang detektif bahasa yang sangat peka. Ketika ada sebuah klaim baru yang beredar di media sosial, AI akan melakukan perbandingan semantik (makna kata). Sistem akan mencocokkan klaim tersebut dengan premis (fakta sains atau data valid yang ada di dalam dataset NusaClimate), meskipun keduanya ditulis dalam bahasa daerah yang berbeda (cross-lingual).

Melalui kerangka kerja ini, para peneliti IAII sedang dalam tahap membangun alat pengecek misinformasi iklim secara real-time yang bisa digunakan oleh masyarakat luas untuk langsung menyaring mana berita yang valid dan mana yang hoaks saat itu juga.

 

Mengapa AI Harus “Dilatih” Lagi?

Untuk memastikan AI ini bekerja dengan cerdas, para peneliti IAII melakukan proses yang disebut Fine-Tuning (penyelarasan akhir). Mengapa ini penting?

Model AI dasarnya sudah pintar membaca bahasa secara umum, tetapi mereka perlu “dilatih” lagi secara spesifik agar paham istilah-istilah ilmiah lingkungan dan slang lokal terkait iklim. Dalam eksperimen ini, para peneliti IAII menguji tiga model bahasa raksasa yang populer:

  1. IndoBERT (dari IndoNLU) – Sangat jago memahami struktur bahasa Indonesia formal.
  2. IndoBERT-Nusa – Versi yang sudah ditingkatkan untuk memahami variasi bahasa di nusantara.
  3. XLM-RoBERTa Large – Model multibahasa internasional yang kuat dalam menjembatani makna antarbahasa yang berbeda.

 

Eksperimen dilakukan lewat metode supervised fine tuning (pembelajaran terpandu), di mana AI dilatih menggunakan pengaturan parameter (hyperparameters) yang optimal untuk dua tugas utama: mendeteksi sikap teks terhadap misinformasi iklim, serta mengelompokkan topik dan subtopik seputar isu lingkungan tersebut.

 

~Riset ini sedang berjalan.

Research

Riset Aspect-Based Sentiment Analysis (ABSA) hadir sebagai sebuah terobosan ilmiah untuk membedah opini publik secara super detail (fine-grained) langsung pada aspek spesifik dari suatu ulasan. Dengan menargetkan standar terbaik dunia (SOTA), riset ini memadukan kekayaan bahasa daerah di Indonesia dengan kecanggihan model bahasa besar (LLM) terkini. 

Pernahkah Anda membaca ulasan internet yang isinya campur aduk?

“Hotelnya bersih banget dan kasurnya empuk, tapi sayang makanan restorannya hambar dan pelayanan resepsionisnya lelet.”

Bagi manusia, kita tahu konsumen ini menyukai fasilitas kamar tetapi kecewa dengan makanan dan pelayanan. Namun, AI (Kecerdasan Buatan) tradisional akan bingung. AI lama hanya bisa membaca satu kalimat utuh lalu menebak satu label: Positif atau Negatif. Karena isinya bertolak belakang, AI lama biasanya menyerah dan memberi label Netral. Akibatnya, pemilik hotel kehilangan informasi berharga tentang bagian mana yang harus diperbaiki.

Untuk menjembatani celah ini, sebuah riset mutakhir dikembangkan oleh Indonesia AI Institute (IAII) dengan fokus pada Aspect-Based Sentiment Analysis (ABSA) untuk menghasilkan wawasan sentimen yang super detail (fine-grained insights). Tidak main-main, riset ini langsung membidik target besar: Menjadi metode terbaik di dunia (State-of-the-Art / SOTA) untuk tugas-tugas ABSA.

 

1. Fokus Riset: Membedah Teks Lewat Tugas ASTE

Riset ini tidak hanya menebak sentimen, melainkan fokus pada tugas yang jauh lebih kompleks bernama ASTE (Aspect Sentiment Triplet Extraction) atau perluasannya. Di dalam tugas ASTE, AI dilatih untuk mengekstrak empat elemen sekaligus (Quadruplet) dari satu kalimat ulasan:

[Objek yang Dikritik] ──► [Kata Sifat/Opini] ──► [Jenis Kategori] ──► [Nilai Emosi/Polaritas]

 

  • Aspect Term: Menemukan objek fisik yang dikomentari (Contoh: “makanan restoran”).
  • Opinion Term: Menemukan kata sifat ekspresi konsumen (Contoh: “hambar”).
  • Sentiment/Polarity: Menentukan nilai emosinya (Contoh: Negatif 👎).

 

Dengan memetakan empat elemen ini secara otomatis, pemilik bisnis bisa mendapatkan dasbor analisis yang sangat tajam tanpa perlu membaca jutaan ulasan manual satu per satu.

 

2. Cakupan Riset: Merawat Bahasa Daerah lewat Dataset Multibahasa

Salah satu kelemahan terbesar model AI buatan luar negeri adalah ketidakmampuannya memahami bahasa lokal atau daerah di Indonesia. Riset ini mendobrak batasan tersebut dengan membangun Dataset Baru (New Datasets) berskala besar.

  • Bahan Baku: Riset ini mengambil fondasi dari dataset ulasan sektor Perhotelan.
  • Lokalisasi & Perbaikan: Dataset bahasa Indonesia yang ada diperbaiki kualitas strukturnya dari kesalahan tik (typo) atau kerancuan makna.
  • Ekspansi Bahasa Daerah: Dataset berkualitas tinggi ini kemudian diterjemahkan dan disesuaikan secara kultural ke dalam 6 bahasa daerah terbesar di Indonesia plus bahasa Inggris. Bahasa yang dicakup meliputi: Bahasa Indonesia, Inggris, Jawa, Sunda, Minang, Bugis, dan Madura.

 

Langkah ini memastikan bahwa masyarakat dari berbagai pelosok Indonesia yang mengulas akomodasi lokal menggunakan bahasa ibunya tetap dapat dipahami secara presisi oleh AI.

 

3. Publikasi Ilmiah 1: Pendekatan Generatif (LLM) vs Agentic AI

Eksperimen pertama riset ini dituangkan ke dalam Paper 1, yang membandingkan dua mazhab teknologi kecerdasan buatan modern dalam menyelesaikan tugas ABSA multibahasa:

A. Metode Supervised Fine-Tuning (SFT)

Peneliti IAII melatih model bahasa berukuran kecil-menengah (Small Language Models) secara spesifik menggunakan dataset 7 bahasa tadi. Model yang digunakan adalah Qwen 2.5 (0.5B) dan Gemma 3 (270m). Meskipun ukurannya ringkas dan hemat biaya komputasi, model ini “dilatih” secara intensif agar menjadi pakar dalam mengenali struktur ASTE.

B. Metode Agentic AI

Di sisi lain, peneliti IAII menggunakan model raksasa (Large Language Models) seperti Gemini dan Qwen (ukuran besar) yang dikonfigurasi sebagai Agent. AI ini diberikan kemampuan untuk berpikir, mengkritik jawabannya sendiri (self-reflection), dan memvalidasi hasil ekstraksinya sebelum memberikan jawaban akhir.

Jadi jika ada pertanyaan “Apakah model kecil yang dilatih khusus (SFT) mampu menandingi atau bahkan melampaui kecerdasan model raksasa (Agentic AI) yang membutuhkan memori besar?” Paper 1 akan menjawab dilema efisiensi komputasi ini untuk kebutuhan industri.

 

4. Publikasi Ilmiah 2: Melihat Isi Kepala AI (Multilingual Steering & Mechanistic Interpretabilty)

Selama ini, LLM sering dijuluki sebagai “Black Box” (Kotak Hitam) karena manusia tahu input dan outputnya, tetapi tidak tahu bagaimana proses berpikir di dalam jaringan saraf buatannya. Paper 2 dalam riset ini hadir untuk memecahkan misteri tersebut melalui metode bernama Mechanistic Interpretability.

Para peneliti melakukan “bedah otak” digital pada LLM saat model tersebut membaca berbagai bahasa daerah.

  • Mencari Attention Head yang Aktif: Peneliti IAII melacak bagian sirkuit internal (attention heads) mana yang menyala ketika AI membaca kata berbahasa Jawa, Sunda, atau Minang.
  • Mekanisme Kemudi (Steering/Shift): Setelah mengetahui head mana yang bertanggung jawab atas bahasa tertentu, peneliti IAII melakukan intervensi atau pergeseran (shifting).

 

Sederhananya, jika AI sedang membaca bahasa Madura namun mendadak bingung, peneliti bisa “menyetir” atau mengaktifkan sirkuit bahasa yang tepat secara paksa di dalam model agar hasil analisis sentimen aspeknya tetap akurat. Teknologi kemudi (steering) ini memastikan model tidak kehilangan akurasi meskipun mendadak terjadi percampuran bahasa (code-switching) dalam satu kalimat ulasan.

 

5. Dampak dan Arah Masa Depan

Riset ini tidak hanya meletakkan standar baru (SOTA) di kancah akademik internasional, tetapi juga membawa dampak sosial dan ekonomi yang nyata:

  1. Sektor Pariwisata: Hotel-hotel lokal di daerah bisa memanfaatkan teknologi ini untuk memetakan kepuasan pelanggan secara objektif, bahkan dari ulasan yang ditulis menggunakan bahasa daerah.
  2. Inklusi Digital: Bahasa-bahasa daerah di Indonesia tidak lagi dianaktirikan dalam perkembangan teknologi kecerdasan buatan global.

 

Melalui kombinasi dataset multibahasa lokal, optimalisasi model generatif (SFT vs Agent), dan pembedahan sirkuit dalam LLM (mechanistic interpretability), riset ini diharapkan sukses mengantarkan Indonesia menjadi salah satu kiblat pengembangan Fine-Grained Sentiment Analysis tingkat dunia.

 

~Riset ini sedang berjalan.