UNIKOM

Menghapus Hening di Ruang Kelas: Inovasi AI “Ekspresia” sebagai Solusi Pendidikan Inklusif Tanpa Internet

6–9 minutes

Bayangkan kamu sedang duduk di bangku sekolah pada sebuah pagi yang cerah. Di depan kelas, seorang guru sedang menjelaskan materi pelajaran sejarah dengan penuh semangat. Teman-teman di kanan kirimu mengangguk paham, mencatat poin-poin penting, dan beberapa bahkan tertawa renyah mendengar lelucon selingan yang baru saja dilontarkan sang guru. Kamu melihat sekeliling, mencoba ikut tersenyum agar terlihat membaur, tapi di telingamu dunia sepenuhnya hening. Kamu menunduk menatap buku paket di meja yang hanya berisi barisan teks hitam putih yang kaku. Tidak ada suara, dan tidak ada siapa pun di sana yang menerjemahkan penjelasan lisan sang guru ke dalam bahasa yang benar-benar bisa kamu pahami.

Bagi sebagian besar dari kita, skenario di atas mungkin terasa seperti potongan adegan film drama. Namun, bagi ribuan peserta didik tunarungu di berbagai penjuru Indonesia, itulah realita yang harus mereka hadapi setiap harinya. Berangkat dari kegelisahan nyata dan empati yang mendalam terhadap situasi di ruang kelas inklusif inilah, tim mahasiswa Universitas Komputer Indonesia (UNIKOM) merancang sebuah inovasi kecerdasan buatan (Artificial Intelligence) bertajuk EKSPRESIA. Ini bukan sekadar proyek teknologi biasa, melainkan sebuah ikhtiar nyata untuk mendobrak tembok komunikasi yang selama ini membuat siswa tunarungu merasa terisolasi secara sosial dan emosional di sekolahnya sendiri.

Angka yang Berbicara: Potret Kesenjangan Pendidikan Inklusif di Indonesia

Sebelum membahas teknologi di balik Ekspresia, mari kita lihat data statistik di lapangan agar kita memahami seberapa mendesak masalah ini. Berdasarkan data Badan Pusat Statistik (BPS) tahun 2020 yang dirilis pada tahun 2021, terdapat sekitar 22,5 juta penduduk Indonesia yang menyandang disabilitas. Dari kelompok populasi yang besar tersebut, mereka yang mengalami gangguan pendengaran tingkat tinggi masih sangat sering menghadapi dinding keterbatasan dalam mengakses informasi, terutama dalam pendidikan inklusif.

Kondisi ini dipertegas oleh data resmi Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek) per Desember 2023. Data tersebut memaparkan sebuah paradoks: di seluruh Indonesia tercatat ada 40.164 satuan pendidikan formal yang memiliki peserta didik disabilitas, namun hanya 14,83% di antaranya yang memiliki guru pembimbing khusus.

Artinya, lebih dari 85% sekolah yang menerima siswa tunarungu sebenarnya tidak siap secara sumber daya manusia. Akibatnya, banyak peserta didik di Sekolah Luar Biasa (SLB) dan sekolah inklusif yang terpaksa bergantung pada metode pendidikan konvensional. Sebagian besar materi pendidikan masih sangat mengandalkan teks dan gambar hitam putih tanpa adaptasi yang berarti. Hal ini jelas merugikan karena siswa tunarungu membutuhkan pendekatan visual yang lebih dinamis untuk memahami konsep yang abstrak.

Padahal, riset terbaru membuktikan bahwa integrasi bahasa isyarat dalam pendidikan inklusif berdampak positif secara signifikan. Kehadiran bahasa isyarat memfasilitasi komunikasi yang lebih baik, serta meningkatkan partisipasi aktif dan pemahaman belajar siswa jika dibandingkan dengan metode lisan konvensional. Minimnya kompetensi guru pendamping dalam berbahasa isyarat akhirnya menjadi hambatan komunikasi dua arah yang berdampak fatal: siswa merasa terisolasi secara fundamental.

Masalah Besar Teknologi AI Saat Ini

Di era digital ini, mengapa sekolah tidak menggunakan AI yang sudah ada di internet? Jika dibedah dari kacamata teknis dan infrastruktur, jawabannya menjadi cukup rumit.

Saat ini, tren kecerdasan buatan didominasi oleh Large Language Model (LLM) seperti teknologi komersial ternama yang beroperasi di cloud. Meskipun sangat pintar, model AI ini menuntut sumber daya yang sangat besar. LLM membutuhkan server komputasi awan yang mahal, koneksi internet super cepat, dan spesifikasi gawai tingkat tinggi. Jika dibawa ke sekolah-sekolah di daerah, masalah yang muncul sangat banyak:

  • Kendala Sinyal Internet: Tidak semua sekolah memiliki Wi-Fi kencang. Begitu internet terputus, sistem AI ini akan mati total.
  • Keterbatasan Perangkat: Gawai di sekolah umumnya memiliki RAM di bawah 4 GB yang akan mengalami lag parah jika dipaksa menjalankan AI berat. PDF
  • Komunikasi Pasif: Intervensi teknologi multimedia interaktif yang ada saat ini cenderung pasif dan belum mengintegrasikan terjemahan bahasa isyarat secara utuh.

Berkenalan dengan Ekspresia: Solusi “Edge Computing” yang Cerdas

Berdasarkan celah riset tersebut, tim mahasiswa UNIKOM mengusulkan terobosan: “Ekspresia: Rancang Bangun Inovasi AI Penerjemah Wicara ke Animasi Isyarat Berbasis Small Language Model untuk Mewujudukan Pendidikan Inklusif”.

Berbeda dengan LLM yang rakus daya, Ekspresia dikembangkan dengan arsitektur Small Language Model (SLM) yang bisa dioperasikan secara luring (offline). Konsep implementasi SLM pada edge computing memungkinkan pemrosesan bahasa yang sangat ramah terhadap sumber daya dan berlatensi sangat rendah tanpa ketergantungan pada internet.

Secara sederhana, ucapan lisan guru dapat langsung diproses oleh komputer lokal dan divisualisasikan menjadi gerak tubuh avatar 3D yang luwes secara ekspresif. Ini menciptakan ekosistem pembelajaran berdiferensiasi yang menghapus hambatan komunikasi dan mengakselerasi terwujudnya pendidikan inklusif yang berkeadilan.

Bedah Arsitektur: Bagaimana Sistem Bekerja Kurang dari 500 Milidetik?

Untuk memastikan sistem berjalan di gawai berspesifikasi rendah, Ekspresia dibangun menggunakan arsitektur tiga lapis (three-layer architecture) dengan latensi end-to-end di bawah 500 milidetik:

1. Modul ASR (Automatic Speech Recognition)

Tahap pertama menangkap suara guru dari mikrofon omnidirectional dan mengalihaksarakannya menjadi teks Bahasa Indonesia secara real-time. Modul ini menggunakan model Whisper Small yang dikompresi menggunakan teknik kuantisasi 8-bit. Ukuran model menyusut drastis dari 244 MB menjadi hanya 61 MB, memungkinkannya berjalan lancar di RAM di bawah 4 GB tanpa mengorbankan akurasi. Latensi transkripsi rata-rata berada di bawah 100 milidetik.

2. Modul NLU Berbasis SLM

Teks lurus ini masuk ke modul Natural Language Understanding (NLU) yang ditenagai SLM Phi-3 Mini (3,8 miliar parameter) yang beroperasi dengan runtime ONNX berkuantisasi 4-bit. Melalui metode adaptasi Low-Rank Adaptation (LoRA), teks diubah menjadi struktur tata bahasa isyarat (gloss) Sistem Isyarat Bahasa Indonesia (SIBI). Modul ini memetakan kalimat ke leksikon korpus yang mencakup 3.000 kata SIBI terstandar berdasarkan kamus resmi Kemendikbudristek dalam waktu pemrosesan di bawah 80 milidetik per kalimat.

3. Modul Avatar 3D dan Rendering WebGL

Luaran gloss dikirim ke pustaka gerakan lokal berukuran 120 MB. Mesin rendering berbasis Three.js dengan WebGL merender animasi langsung di browser tanpa instalasi aplikasi berat. Avatar berformat .glb ini didukung sistem rigging mumpuni: 52 titik gerak tangan dan jari, 12 titik wajah untuk ekspresi nonmanual, serta 6 titik postur tubuh. Transisi dihaluskan menggunakan interpolasi cubic Bezier berdurasi 80 milidetik, menghasilkan gerakan alami dengan latensi rendering di bawah 320 milidetik.

Perbandingan Ekspresia dengan Raksasa Teknologi

Keunggulan Ekspresia sangat nyata jika dibandingkan dengan solusi penerjemah bahasa isyarat lain yang dipublikasikan hingga tahun 2025:

  • SignAll & Google SL: Bergantung pada LLM Cloud berbiaya tinggi, menggunakan input teks, dan didesain untuk American Sign Language (ASL). PDF
  • HandTalk: Mengandalkan Deep Learning Cloud, input teks, dan berfokus pada bahasa LIBRAS. PDF
  • SLRT ITS: Solusi lokal dengan CNN Lokal berbiaya sedang, namun luaran masih berupa teks/gambar dan SIBI belum diimplementasikan penuh. PDF

Ekspresia berdiri sebagai satu-satunya solusi yang berhasil menggabungkan input wicara Bahasa Indonesia secara real-time, penerjemahan ke SIBI standar nasional secara penuh, operasi SLM lokal berbiaya sangat rendah, dan desain khusus untuk lingkungan kelas inklusif.

Manfaat Multi-Sektoral Inovasi AI

Inovasi ini dinilai tidak hanya dari kerumitan teknis, tetapi dari besarnya manfaat langsung bagi tiga pihak:

  • Siswa Tunarungu: Memproses dan memahami materi abstrak secara seketika lewat isyarat visual tiga dimensi, mengembalikan kemandirian belajar mereka. PDF
  • Pendidik: Guru dapat mengajar lisan dengan fokus penuh tanpa khawatir siswa tunarungu tertinggal informasi. PDF
  • Ekosistem Pendidikan: Memacu pengembangan teknologi kecerdasan buatan ramah komputasi, membuktikan sekolah minim infrastruktur tetap berhak atas teknologi mutakhir. PDF

Pada akhirnya, sebuah karya karsa cipta mahasiswa nilainya tidak diukur dari seberapa banyak baris kode Python yang ditulis, atau seberapa canggih kartu grafis NVIDIA yang dipakai di laboratorium kampus. Nilai sejati dari teknologi terletak pada seberapa kuat ia mampu mengangkat derajat mereka yang selama ini terpinggirkan.

Melalui Ekspresia, Tim sedang menciptakan harapan nyata. Harapan bahwa kelak, tidak ada lagi anak Indonesia yang tertinggal dalam meraih cita-citanya. Teknologi hadir bukan untuk menggantikan peran guru, melainkan untuk sepenuhnya memanusiakan ekosistem pendidikan kita.

Daftar Referensi

  • Abdin, M. et al. (2024). Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone. Tersedia di: http://arxiv.org/abs/2404.14219. PDF
  • Dong, L. et al. (2024). SignAvatar: Sign Language 3D Motion Reconstruction and Generation. Tersedia di: http://arxiv.org/abs/2405.07974. PDF
  • Henny, H. et al. (2023). IMPROVING LEAN MANUFACTURING SYSTEM USING VALUE STREAM MAPPING ANALYSIS, Journal of Engineering Science and Technology. PDF
  • Henny, H. et al. (2025). Hazard Identification, Risk Assessment, and Determining Control (HIRADC) for Workplace Safety in Manufacturing Industry. Tersedia di: https://ejournal.bumipublikasinusantara.id/index.php/ajsem. PDF
  • Kahlon, N.K. & Singh, W. (2023). Machine translation from text to sign language: a systematic review, Universal Access in the Information Society, 22(1), pp. 1-35. PDF
  • Rahmah, W.A. & Janah, S. (2024). EFEKTIVITAS PENGGUNAAN BAHASA ISYARAT BAGI PENYANDANG DISABILITAS DALAM PENDIDIKAN INKLUSIF DI SLB BINA MANDIRI, Jurnal Ilmiah Multidisiplin Terpadu. PDF
  • Sugeng, S. & Mulyana, A. (2022). Sistem Absensi Menggunakan Pengenalan Wajah (Face Recognition) Berbasis Web LAN, Jurnal Sisfokom, 11(1), pp. 127-135. PDF
  • Sugeng, S., Nizar, T.N. & Nathanael, B. (2024). Augmented Reality Technology in Designing Sign Language Learning Applications, Jurnal Sistem dan Teknologi Informasi (JustIN), 12(2), p. 315. PDF
  • Suhairani Lusri Lubis & Victor Lumbanraja. (2023). Peran Dinas Sosial dalam Pelayanan Disabilitas di Kabupaten Labuhanbatu, SOSMANIORA: Jurnal Ilmu Sosial dan Humaniora, 2(3), pp. 367-374. PDF
  • Zaravina, P. (2024). 17,85 Persen Penyandang Disabilitas di Indonesia Tidak Pernah Sekolah, Apa yang Salah., GoodStats Data.