Estimasi waktu baca: 8 menit
Ketika Kelas Bisu Bagi Sebagian Anak: Bagaimana Ekspresia Ingin Menjembatani Kesenjangan Itu
Coba bayangkan sejenak. Kamu duduk di bangku sekolah, guru menjelaskan konsep fotosintesis dengan penuh semangat di depan kelas, teman-teman sekitar manggut-manggut mengerti, sementara kamu hanya melihat mulut yang bergerak tanpa suara yang bisa kamu tangkap maknanya. Papan tulis penuh teks dan gambar hitam putih yang statis, tidak benar-benar menjelaskan bagaimana cahaya matahari “berubah” menjadi energi. Bagi jutaan siswa tunarungu di Indonesia, situasi seperti ini bukan skenario imajinatif belaka. Ini adalah keseharian.
Dari sinilah cerita tentang Ekspresia dimulai, sebuah inovasi yang lahir bukan dari ruang laboratorium yang jauh dari kenyataan, melainkan dari kegelisahan yang sangat nyata: mengapa pendidikan inklusif di Indonesia masih terasa begitu jauh dari kata “inklusif”?
Pertanyaan ini sebenarnya sederhana, tapi jawabannya menyentuh banyak aspek, mulai dari kebijakan, ketersediaan tenaga pendidik, hingga teknologi yang selama ini kita anggap “sudah cukup maju”. Nyatanya, kemajuan teknologi tidak selalu berbanding lurus dengan pemerataan akses. Banyak inovasi hebat yang justru tidak menjangkau kelompok yang paling membutuhkannya, karena dirancang tanpa mempertimbangkan konteks dan keterbatasan nyata di lapangan.
Data yang Tak Bisa Diabaikan
Mari kita bicara fakta dulu, karena urgensi ini bukan sekadar asumsi. Berdasarkan data Badan Pusat Statistik, terdapat sekitar 22,5 juta penduduk Indonesia yang menyandang disabilitas, dan kelompok dengan gangguan pendengaran tingkat tinggi termasuk yang paling sering terpinggirkan dari akses informasi maupun pendidikan yang layak. Yang lebih memprihatinkan, data dari Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi per akhir 2023 mencatat bahwa dari 40.164 satuan pendidikan formal yang memiliki peserta didik disabilitas, hanya sekitar 14,83 persen di antaranya yang memiliki guru pembimbing khusus.
Bayangkan gap itu. Ribuan sekolah menerima siswa tunarungu, tapi hanya segelintir yang benar-benar siap mendampingi mereka secara komunikatif. Akibatnya, banyak siswa di Sekolah Luar Biasa (SLB) maupun sekolah inklusif masih sangat bergantung pada metode konvensional yang sebetulnya kurang ramah bagi cara mereka memahami dunia, yaitu secara visual dan dinamis, bukan lewat teks statis semata.
Padahal, berbagai riset terbaru sudah membuktikan bahwa integrasi bahasa isyarat dalam pembelajaran memberi dampak positif signifikan: komunikasi jadi lebih lancar, partisipasi siswa meningkat, dan pemahaman terhadap materi jauh lebih baik dibanding metode konvensional. Masalahnya bukan pada “apakah bahasa isyarat penting”, tapi pada “bagaimana cara mewujudkannya secara masif dan terjangkau”, mengingat tidak semua guru fasih berbahasa isyarat, dan pelatihan intensif membutuhkan waktu serta biaya yang tidak sedikit.
Di titik inilah teknologi semestinya turun tangan. Tapi sayangnya, sebagian besar solusi berbasis AI yang ada sekarang justru mengandalkan model bahasa raksasa (Large Language Model/LLM) yang haus sumber daya komputasi dan koneksi internet stabil. Ini adalah sesuatu yang jauh dari realitas banyak sekolah inklusif di daerah dengan infrastruktur terbatas.
Perkenalkan: Ekspresia
Dari kegelisahan itulah, kami, tim mahasiswa Universitas Komputer Indonesia (UNIKOM), mengusulkan Ekspresia: Rancang Bangun Inovasi AI Penerjemah Wicara ke Animasi Isyarat Berbasis Small Language Model untuk Mewujudkan Pendidikan Inklusif melalui skema Program Kreativitas Mahasiswa Karsa Cipta (PKM-KC).
Sederhananya, Ekspresia adalah sistem kecerdasan buatan yang bisa “mendengar” ucapan lisan seorang guru di kelas, lalu secara otomatis menerjemahkannya menjadi gerakan animasi avatar tiga dimensi yang memperagakan Sistem Isyarat Bahasa Indonesia (SIBI), dan semua ini terjadi secara real-time, tanpa perlu koneksi internet sama sekali.
Bayangkan skenarionya: guru menjelaskan pelajaran seperti biasa, sementara di layar kelas, seorang avatar digital menerjemahkan setiap kalimat menjadi bahasa isyarat yang luwes dan ekspresif. Guru tetap bisa fokus mengajar tanpa harus menguasai bahasa isyarat, dan siswa tunarungu tidak lagi tertinggal informasi. Tidak ada lagi jeda, tidak ada lagi rasa terisolasi di tengah kelas yang ramai.
Mengintip “Dapur” Teknis Ekspresia: Tiga Lapis yang Bekerja Bersama
Nah, bagian ini mungkin terdengar teknis, tapi sebenarnya konsepnya cukup mudah dibayangkan kalau kita analogikan seperti tim relay: tiga pelari yang saling mengoper tongkat estafet secepat kilat.
Lapis pertama: “Telinga” sistem (ASR) Ini adalah modul Automatic Speech Recognition yang bertugas menangkap suara guru dan mengubahnya menjadi teks. Ekspresia menggunakan model Whisper Small, salah satu model transkripsi ucapan yang cukup andal untuk berbagai bahasa. Yang menarik, model ini “dipadatkan” melalui teknik kuantisasi 8-bit sehingga ukurannya menyusut drastis dari 244 MB menjadi hanya 61 MB, tanpa mengorbankan akurasi transkripsi secara signifikan. Ibaratnya, ini seperti mengemas koper besar menjadi tas ransel praktis tanpa membuang barang penting di dalamnya.
Lapis kedua: “Otak penerjemah” sistem (NLU berbasis SLM) Setelah suara berhasil diubah jadi teks, giliran modul Natural Language Understanding yang bekerja. Di sinilah letak keunikan Ekspresia: alih-alih menggunakan LLM raksasa seperti yang biasa kita dengar (GPT dan sejenisnya), sistem ini mengandalkan Small Language Model (SLM) bernama Phi-3 Mini dari Microsoft. Meski “kecil” dengan 3,8 miliar parameter, model ini terbukti mampu menyamai performa model yang jauh lebih besar pada berbagai tolok ukur akademis, namun dengan kebutuhan sumber daya yang jauh lebih ringan. Modul ini bertugas memetakan kalimat hasil transkripsi ke dalam struktur gloss SIBI, mengacu pada leksikon 3.000 kata isyarat yang telah distandardisasi.
Lapis ketiga: “Tubuh yang bergerak” sistem (Animasi Avatar 3D) Terakhir, hasil pemetaan gloss tadi diterjemahkan menjadi gerakan nyata oleh avatar digital berbasis Three.js, sebuah pustaka grafis WebGL yang memungkinkan animasi 3D berjalan langsung di peramban tanpa perlu instalasi aplikasi tambahan. Avatar ini dirancang dengan titik-titik gerak yang detail pada tangan, jari, ekspresi wajah, hingga postur tubuh, sehingga gerakan isyaratnya tampak alami, bukan kaku seperti animasi robotik pada umumnya.
Ketiga lapis ini bekerja berurutan namun secepat kedipan mata. Total waktu dari ucapan guru hingga avatar menampilkan gerakan isyarat di layar berada di bawah setengah detik.
Kenapa “Luring” Itu Justru Kekuatan Utamanya?
Di sinilah letak keunggulan paling penting dari Ekspresia, dan mungkin juga bagian yang paling relevan untuk kita renungkan dari sudut pandang kewirausahaan sosial: efisiensi di edge device.
Banyak inovasi AI hari ini terjebak pada asumsi bahwa “semakin besar model, semakin baik hasilnya”. Padahal, untuk konteks sekolah-sekolah di Indonesia, yang sebagian besar tidak memiliki infrastruktur internet stabil, apalagi server komputasi mumpuni, pendekatan semacam itu justru menjadi penghalang, bukan solusi. Bayangkan sistem berbasis LLM yang butuh koneksi cloud stabil, lalu tiba-tiba sinyal internet di sekolah pinggiran kota terputus di tengah pelajaran. Yang seharusnya membantu malah jadi sumber frustrasi baru.
Ekspresia dirancang dengan filosofi sebaliknya: seluruh pemrosesan, dari suara hingga animasi, berjalan sepenuhnya di perangkat lokal (on-device) dengan spesifikasi RAM di bawah 4 GB, setara perangkat tablet atau gawai kelas menengah yang jauh lebih realistis dimiliki sekolah-sekolah inklusif di berbagai daerah. Tidak ada ketergantungan pada server jauh, tidak ada biaya langganan cloud yang membengkak, dan yang terpenting, tidak ada risiko sistem “mati” di tengah pelajaran hanya karena sinyal internet hilang.
Pendekatan edge computing semacam ini juga membawa nilai keberlanjutan yang penting bagi ekosistem pendidikan: teknologi yang murah dioperasikan, tidak boros energi, dan bisa diadopsi lebih luas tanpa memaksa sekolah mengeluarkan anggaran infrastruktur besar-besaran. Dalam jangka panjang, inilah yang membuat sebuah inovasi benar-benar bisa diskalakan (scalable) dan berkelanjutan. Dua kata kunci yang selalu jadi pertimbangan utama dalam dunia kewirausahaan.
Dampak yang Ingin Diwujudkan
Inovasi ini dirancang untuk memberi manfaat nyata bagi tiga pihak sekaligus. Bagi siswa tunarungu, mereka bisa memahami materi abstrak secara seketika lewat visualisasi isyarat tiga dimensi yang jauh lebih hidup dibanding teks statis. Bagi para pendidik, mereka bisa tetap fokus mengajar secara lisan tanpa harus menguasai bahasa isyarat maupun khawatir ada siswa yang tertinggal informasi penting. Dan bagi ekosistem pendidikan secara lebih luas, kehadiran Ekspresia diharapkan memacu pengembangan lebih banyak teknologi kecerdasan buatan yang ramah komputasi, khusus dirancang untuk konteks dan keterbatasan sekolah-sekolah inklusif di Indonesia.
Lebih jauh lagi, pendekatan seperti ini juga berpotensi mengurangi beban psikologis yang selama ini dipikul siswa tunarungu di kelas reguler maupun inklusif. Rasa cemas karena tertinggal informasi, atau rasa canggung karena harus terus-menerus meminta pengulangan penjelasan, perlahan bisa berkurang ketika ada sistem pendamping yang bekerja secara konsisten dan tanpa lelah di setiap sesi pembelajaran. Bagi orang tua, kehadiran teknologi semacam ini juga memberi rasa tenang tersendiri, karena anak mereka tidak lagi bergantung sepenuhnya pada ketersediaan penerjemah bahasa isyarat yang jumlahnya masih sangat terbatas di banyak daerah.
Penutup: Inovasi yang Berangkat dari Empati
Pada akhirnya, Ekspresia bukan sekadar proyek teknis untuk memenuhi tugas akademik semata. Ia lahir dari sebuah keyakinan sederhana: bahwa teknologi paling bermakna adalah teknologi yang hadir untuk menjembatani jarak, bukan menciptakan jarak baru. Ketika seorang siswa tunarungu akhirnya bisa memahami pelajaran secara utuh, tanpa perlu menunggu penerjemah manusia yang belum tentu selalu tersedia, di situlah nilai sejati dari sebuah inovasi teknologi benar-benar terasa.
Perjalanan Ekspresia masih panjang, dari prototipe menuju implementasi nyata di kelas-kelas inklusif Indonesia. Namun langkah kecil yang berangkat dari empati dan didukung oleh pendekatan teknis yang efisien serta terjangkau ini, semoga bisa menjadi salah satu jawaban atas kesenjangan pendidikan yang selama ini dirasakan begitu banyak anak bangsa.
Karena pada dasarnya, setiap anak berhak mendengar, dalam bahasa yang bisa mereka pahami sepenuhnya.
Ditulis oleh, Sierly Putri Anjani Mahasiswa Teknik Informatika, Universitas Komputer Indonesia (UNIKOM) NIM. 10123915
Daftar Pustaka
Badan Pusat Statistik. (2021). Data penyandang disabilitas Indonesia tahun 2020. Jakarta: BPS.
Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi. (2023). Data satuan pendidikan formal dengan peserta didik disabilitas per Desember 2023. Jakarta: Kemendikbudristek.
Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2022). Robust speech recognition via large-scale weak supervision (Whisper). OpenAI.
Abdin, M., et al. (2024). Phi-3 technical report: A highly capable language model locally on your phone. Microsoft Research.