Pendidikan adalah hak mendasar bagi setiap anak bangsa, tidak terkecuali bagi mereka yang memiliki kebutuhan khusus. Namun, realitas di lapangan sering kali menunjukkan jurang pemisah yang cukup lebar dalam hal aksesibilitas informasi di ruang kelas. Bagi siswa tunarungu, mengikuti jalannya proses pembelajaran konvensional di sekolah inklusif atau Sekolah Luar Biasa (SLB) bukanlah perkara mudah. Di sinilah inovasi berbasis teknologi digital harus hadir sebagai jembatan penumpas keterbatasan komunikasi tersebut.

Sebagai perwujudan visi UNIKOM sebagai Digital Entrepreneurial University, sebuah solusi kecerdasan
buatan (AI) revolusioner yang diberi nama Ekspresia dirancang untuk mengubah cara guru
berinteraksi dengan siswa tunarungu di kelas secara seketika (real-time), efisien, dan ramah
infrastruktur lokal. Inovasi Program Kreativitas Mahasiswa Karsa Cipta (PKM-KC) ini hadir untuk
mengupas tuntas problem, solusi, serta implementasi nyata dari sebuah produk teknologi inklusi.

Krisis Guru Pendamping Khusus dan Hambatan Visual Kelas Inklusif

Berdasarkan data dari Badan Pusat Statistik (BPS) yang dihimpun dalam klasterisasi data disabilitas nasional, terdapat sekitar 22,5 juta penduduk Indonesia yang menyandang disabilitas. Kelompok ini, terutama mereka yang mengalami gangguan pendengaran tingkat tinggi (tunarungu), masih sering menghadapi keterbatasan yang signifikan dalam mengakses informasi maupun menempuh pendidikan inklusif yang setara.

Kesenjangan akses pendidikan ini semakin dipertegas oleh data Kementerian Pendidikan,
Kebudayaan, Riset, dan Teknologi. Data tersebut mencatat bahwa meskipun terdapat lebih dari 40.000satuan pendidikan formal yang memiliki peserta didik disabilitas, ternyata hanya sekitar 14,83% di antaranya yang memiliki Guru Pembimbing Khusus (GPK). Akibatnya, sebagian besar peserta didik tunarungu di SLB maupun sekolah inklusif masih sangat bergantung pada metode pendidikan konvensional tanpa adanya pendampingan penerjemahan bahasa isyarat yang memadai.

Hambatan ini diperparah oleh ketersediaan materi ajar di sekolah yang mayoritas masih menggunakan teks dan gambar hitam-putih statis tanpa adanya adaptasi khusus. Padahal, siswa tunarungu membutuhkan pendekatan visual yang jauh lebih dinamis untuk dapat memahami konsep-konsep abstrak. Berbagai riset terbaru membuktikan bahwa integrasi bahasa isyarat dalam ekosistem pendidikan inklusif memberikan dampak positif yang sangat signifikan untuk memfasilitasi komunikasi, meningkatkan partisipasi aktif, serta mendongkrak pemahaman belajar siswa jika dibandingkan dengan metode konvensional biasa yang monoton.

Celah Riset: Mengapa Solusi AI yang Ada Saat Ini Belum Cukup ?

Meskipun urgensi penggunaan bahasa isyarat di sekolah sangat tinggi, implementasinya di lapangan selalu terbentur oleh kendala teknis dan celah riset (research gap). Minimnya kompetensi guru pendamping dalam penguasaan bahasa isyarat formal seperti Sistem Isyarat Bahasa Indonesia (SIBI) menjadi batu sandungan utama dalam komunikasi dua arah. Hal ini memicu dampak psikologis yang mendalam, di mana siswa tunarungu sering kali merasa terisolasi secara sosial-emosional di lingkungan sekolah mereka sendiri karena keterbatasan interaksi.

Di sisi lain, intervensi teknologi mutakhir yang ada saat ini belum mampu memberikan solusi yang komprehensif bagi sekolah-sekolah di Indonesia. Mayoritas multimedia interaktif yang beredar saat ini cenderung pasif dan belum mengintegrasikan kemampuan terjemahan bahasa isyarat secara langsung dari ucapan verbal.

Memang benar bahwa teknologi avatar 3D kini menjadi topik riset yang sangat menarik dalam dunia komunikasi modern. Namun, sistem pemrosesan kecerdasan buatan yang ada saat ini umumnya berpusat pada Large Language Model (LLM) yang berbasis komputasi awan (cloud computer). Model raksasa seperti ini menuntut sumber daya komputasi yang sangat besar dan koneksi internet yang stabil dengan pita lebar (bandwidth) yang tinggi. Ketika dioperasikan pada perangkat sekolah berspesifikasi standar atau di daerah yang minim sinyal, teknologi LLM cloud ini memicu latensi (penundaan) yang tinggi. Hal tersebut menjadikannya sama sekali tidak ideal untuk komunikasi kelas yang menuntut interaksi spontan dan seketika.

Mengenal “Ekspresia”: Solusi Cerdas, Ringan, dan Mandiri secara Luring

Melihat celah riset dan urgensi sosial tersebut, lahir sebuah inovasi karsa cipta bertajuk “Ekspresia: Rancang Bangun Inovasi AI Penerjemah Wicara ke Animasi Isyarat Berbasis Small Language Model untuk Mewujudkan Pendidikan Inklusif”.

Ekspresia adalah sistem Artificial Intelligence (AI) penerjemah wicara ke animasi isyarat 3D yang berpusat pada arsitektur Small Language Model (SLM) dan dirancang untuk mampu beroperasi sepenuhnya secara luring (offline). Berbeda dengan LLM cloud yang berat dan mahal, implementasi SLM pada perangkat edge computing (seperti gawai, laptop, atau tablet lokal) memungkinkan pemrosesan bahasa yang sangat ramah terhadap sumber daya perangkat keras. Sistem ini mampu menghasilkan latensi yang sangat rendah tanpa memiliki ketergantungan sedikit pun pada jaringan internet.

Melalui inovasi Ekspresia, setiap ucapan lisan yang dikeluarkan oleh guru saat menerangkan materi di depan kelas akan langsung ditangkap, diproses oleh AI, dan divisualisasikan menjadi gerakan tubuh yang ekspresif lewat karakter avatar 3D yang luwes secara real-time.

Teknologi ini melahirkan ekosistem pembelajaran berdiferensiasi yang mampu menghapus hambatan komunikasi, sekaligus mengakselerasi terwujudnya pendidikan inklusif yang berkeadilan di Indonesia.

Bagaimana Ekspresia bisa bekerja dengan sangat cepat di perangkat berspesifikasi rendah tanpa internet? Rahasianya terletak pada arsitektur tiga lapis komputasi sekuensial yang dirancang secara efisien. Keseluruhan pemrosesan data dari ujung ke ujung (end-to-end) mampu diselesaikan dengan total waktu tunda yang sangat minim, berada di bawah ambang batas kesadaran manusia (<500 milidetik).

Berikut adalah penjelasan mendalam mengenai tiga lapisan komputasi di dalam sistem Ekspresia:

1. Lapis Pertama – Modul ASR (Automatic Speech Recognition)

• Modul ini berfungsi menangkap sinyal audio suara guru melalui mikrofon omnidirectional pada sample rate 16.000 Hz dalam segmen durasi 5 detik secara sliding window.
• Suara tersebut kemudian dialihaksarakan menjadi teks Bahasa Indonesia secara real-time.
• Teknologi yang digunakan adalah model Whisper Small dari OpenAI yang telah dikompresi
• menggunakan teknik kuantisasi 8-bit, sehingga ukuran filenya menyusut drastis dari 244 MB menjadi hanya 61 MB.
• Kompresi ekstrem ini berhasil membuat model berjalan lancar pada perangkat dengan RAM
• di bawah 4 GB dengan tingkat kesalahan kata (Word Error Rate/WER) di bawah 15% pada
• kondisi ruangan kelas yang bising. Latensi pemrosesan di lapis pertama ini berada di bawah 100 milidetik.

2. Lapis Kedua – Modul NLU (Natural Language Understanding) Berbasis SLM

• Modul ini menerima input teks dari modul ASR untuk diterjemahkan ke dalam urutan struktur tata bahasa isyarat atau gloss Sistem Isyarat Bahasa Indonesia SIBI.
• Mesin penggerak utamanya adalah SLM Phi-3 Mini dari Microsoft (memiliki 3,8 bilyar parameter) yang berjalan secara lokal menggunakan runtime ONNX dengan kuantisasi 4-bit.
• Agar efisien dan tidak menguras memori perangkat, penerapan metode Low-Rank Adaptation (LoRA) digunakan untuk menyesuaikan pola keluaran bahasa tanpa perlu melakukan pelatihan ulang (fine-tuning) model secara penuh.
• Melalui mekanisme attention, model mengekstrak unit makna kalimat, lalu memetakannya ke dalam leksikon korpus 3.000 kata SIBI terstandar yang merujuk pada kamus resmi Kemendikbudristek. Jika ada kosakata baru di luar leksikon, sistem memiliki fungsi pengaman (fallback) otomatis berbasis ejaan jari (fingerspelling). Latensi pada lapis kedua ini sangat singkat, yaitu di bawah 80 milidetik per kalimat.

3. Lapis Ketiga – Modul Avatar 3D dan Rendering WebGL

• Lapis terakhir ini bertugas menerjemahkan kode gloss SIBI menjadi visualisasi gerakan tubuh interaktif pada antarmuka web peramban (browser) tanpa perlu menginstal aplikasi tambahan yang memberatkan.
• Dibangun menggunakan pustaka Three.js dengan mesin rendering WebGL, karakter avatar didesain dalam format .gltf atau .glb dengan skema rigging (penulangan)
• Setiap gerakan dipetakan dari pustaka gerakan (motion library) lokal berukuran 120 MB.
• Agar perpindahan antar-isyarat tidak kaku, sistem memanfaatkan teknik interpolasi cubic Bezier berdurasi 80 milidetik sehingga gerakan tampak halus, luwes, dan mudah dibaca oleh siswa tunarungu. Latensi rendering lapis ketiga ini berada di bawah 320 milidetik.

Keunggulan Kompetitif (State of the Art) dalam Perspektif Kewirausahaan Digital

Dalam kacamata kewirausahaan digital (digital entrepreneurship), sebuah inovasi karsa cipta tidak boleh hanya berhenti sebagai proyek laboratorium, melainkan harus memiliki nilai keunikan dan keunggulan kompetitif agar dapat berkelanjutan dan diimplementasikan secara massal di dunia nyata. Berdasarkan analisis komparasi (State of the Art) dengan produk global maupun lokal yang ada hingga saat ini, Ekspresia memiliki keunggulan mutlak di pasar digital.

Jika produk luar negeri seperti SignAll atau Google SL berfokus pada bahasa isyarat internasional (ASL/BSL) dengan infrastruktur LLM Cloud yang membutuhkan biaya operasional bulanan sangat tinggi, Ekspresia justru hadir sebagai solusi lokal dengan biaya infrastruktur rendah (low cost) karena berbasis on-device edge computing. Produk lokal sejenis pun saat ini mayoritas baru mengakomodasi input teks dengan keluaran berupa gambar statis atau teks parsial, bukan animasi gerakan motorik yang dinamis.

Ekspresia menjadi satu-satunya sistem yang berhasil menggabungkan empat pilar sekaligus dalam satu ekosistem: input suara langsung (real-time speech), penerjemahan standar nasional SIBI penuh, operasi luring hemat energi pada perangkat keras berspesifikasi rendah, serta desain antarmuka yang sejak awal dikhususkan untuk ruang kelas inklusif. Nilai ekonomis dan kemandirian sistem inilah yang membuat Ekspresia memiliki potensi bisnis sosial (social entrepreneurship) yang sangat tinggi untuk diadopsi secara massal oleh berbagai instansi pendidikan maupun korporasi yang berkomitmen pada nilai-nilai keberagaman dan inklusivitas.

Kesimpulan dan Harapan Masa Depan

Inovasi Ekspresia yang lahir dari riset mahasiswa UNIKOM ini membuktikan bahwa keterbatasan fisik tidak boleh menjadi penghalang bagi seseorang untuk menyerap ilmu pengetahuan di sekolah. Melalui optimasi kompresi data kecerdasan buatan (AI Model Quantization) dan pemanfaatan Small Language Model (SLM), teknologi canggih kini tidak lagi menjadi monopoli sekolah dengan komputer mahal dan jaringan internet cepat.

Ekspresia memberikan tiga manfaat nyata sekaligus bagi dunia pendidikan: siswa tunarungu dapat memahami materi pelajaran abstrak secara seketika lewat visualisasi 3D yang dinamis; pendidik atau guru dapat mengajar secara lisan dengan fokus penuh tanpa khawatir ada siswa yang tertinggal informasi; serta memacu ekosistem pendidikan teknologi di Indonesia untuk terus mengembangkan teknologi AI yang ramah komputasi lokal, mandiri, dan inklusif.

Langkah karsa cipta ini menjadi bukti nyata kontribusi aktif akademisi muda dalam mendukung pilar Sustainable Development Goals (SDGs) nomor 4, yaitu Pendidikan Berkualitas yang inklusif dan merata bagi seluruh lapisan masyarakat tanpa terkecuali, demi mewujudkan Indonesia Emas yang ramah disabilitas.