Indonesia 
English 
Bekasi, 31 Juli 2026 – Dua dosen Universitas Gadjah Mada (UGM), Dr. Andi Dharmawan, S.Si., M.Cs. dan Dr. Ariesta Martiningtyas Handayani, S.Si., M.Cs., menjadi narasumber dalam kegiatan seminar dan technical sharing yang diselenggarakan bagi karyawan LGE Indonesia Research and Development Center di Cikarang Barat, Kabupaten Bekasi, Jawa Barat, Jumat (31/7). Kegiatan yang berlangsung pukul 08.00-11.30 WIB tersebut mengangkat tema penerapan Artificial Intelligence (AI) untuk kualitas, pengujian produk, dan deteksi anomali pada perangkat elektronik.
Dr. Andi Dharmawan merupakan Ketua Program Studi Magister Elektronika dan Instrumentasi (MEI), Departemen Ilmu Komputer dan Elektronika (DIKE), Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) UGM, sekaligus anggota Laboratorium Riset Sistem Tertanam dan Robotika (STR). Sementara itu, Dr. Ariesta Martiningtyas Handayani merupakan dosen Program Studi Sarjana Terapan Teknologi Rekayasa Instrumentasi dan Kontrol (TRIK), Departemen Teknik Elektro dan Informatika (DTEDI), Sekolah Vokasi (SV) UGM. Pelatihan dirancang untuk memberikan pemahaman praktis mengenai pemanfaatan AI dalam proses quality control dan pengujian produk elektronik, sekaligus membangun kerangka berpikir dalam mengidentifikasi permasalahan, memahami kesiapan data, memilih pendekatan AI, membaca hasil model secara kritis, dan menentukan tindakan setelah AI menghasilkan prediksi.
Pada bagian awal, kedua narasumber menjelaskan posisi Artificial Intelligence, Machine Learning, Deep Learning, Generative AI, dan Large Language Model (LLM), serta perbedaannya dalam konteks kebutuhan industri. Dalam proses pengendalian kualitas, pendekatan AI diskriminatif lebih sesuai untuk menentukan kondisi produk, misalnya status OK atau NG, sedangkan Generative AI lebih tepat digunakan untuk mendukung pekerjaan berbasis teks, seperti meringkas crash log, membantu menyusun laporan analisis cacat, atau melakukan pencarian informasi pada dokumen teknis. Materi kemudian diarahkan pada dua kelompok permasalahan utama, yaitu visual inspection untuk cacat yang dapat diamati secara fisik dan anomaly detection untuk penyimpangan pada data sensor, parameter pengujian, maupun system log. Peserta juga diperkenalkan dengan metrik evaluasi seperti precision, recall, mean Average Precision (mAP), false accept rate (FAR), dan false reject rate (FRR). Pemahaman terhadap metrik tersebut penting karena nilai akurasi saja dapat memberikan gambaran yang menyesatkan, khususnya ketika jumlah produk normal jauh lebih besar dibandingkan produk cacat.
Untuk memperkuat pemahaman, kegiatan dilengkapi dengan tiga sesi hands-on. Demo pertama memperlihatkan penggunaan YOLO berbasis Deep Learning untuk mendeteksi dan menentukan lokasi berbagai jenis cacat pada Printed Circuit Board (PCB). Demo kedua membahas deteksi anomali visual pada panel display menggunakan Isolation Forest, sedangkan demo ketiga menerapkan pendekatan serupa pada data nonvisual hasil pengujian akhir (End-of-Line/EOL) televisi, seperti temperatur, konsumsi daya, waktu booting, serta parameter HDMI, Wi-Fi, dan Bluetooth.
Melalui ketiga demonstrasi tersebut, peserta diperlihatkan bahwa pemilihan algoritma tidak seharusnya didasarkan pada seberapa baru atau kompleks suatu teknologi. Model sederhana dapat menjadi pilihan yang lebih tepat ketika jumlah data terbatas, kebutuhan komputasi rendah, dan hasil harus mudah dijelaskan. Sebaliknya, pendekatan Deep Learning seperti YOLO lebih relevan ketika tersedia data citra berlabel dalam jumlah besar dan sistem dituntut mampu mempelajari karakteristik cacat secara otomatis. Pembahasan juga mencakup penerapan Edge AI, mulai dari Raspberry Pi 5 dengan AI HAT+, mini PC berbasis x86, hingga keluarga NVIDIA Jetson, serta aspek kuantisasi model dari FP32 menjadi FP16 atau INT8.
Selain aspek teknis, hal penting lain yang ditekankan adalah konsep human-in-the-loop. AI tidak ditempatkan sebagai pengganti tenaga quality control maupun engineer, melainkan sebagai alat penyaring awal untuk membantu menemukan produk atau data yang perlu mendapat perhatian lebih lanjut. Untuk kasus dengan tingkat keyakinan rendah atau dampak kegagalan yang tinggi, produk sebaiknya masuk dalam kategori hold and review untuk diperiksa oleh teknisi. Koreksi yang diberikan teknisi selanjutnya dapat menjadi data baru untuk memperbaiki sistem secara berkelanjutan.
Kedua narasumber juga mengingatkan bahwa keberhasilan implementasi AI di industri sangat bergantung pada kesiapan data. Masalah yang ingin diselesaikan harus didefinisikan secara spesifik, data harus tersedia dan mewakili kondisi nyata di lapangan, standar OK/NG harus konsisten, metrik keberhasilan perlu disepakati, serta tindakan setelah prediksi AI harus telah dirancang. Dengan kerangka tersebut, perusahaan dapat menghindari proyek AI yang berhenti pada tahap demonstrasi tanpa memberikan dampak nyata terhadap proses produksi.
Sesi ditutup dengan diskusi bersama tim R&D mengenai berbagai peluang penerapan AI pada proses pengembangan dan pengujian produk elektronik. Peserta diajak memetakan permasalahan kualitas yang berulang, jenis data yang telah tersedia, baik berupa citra, data sensor, maupun log, serta mempertimbangkan risiko antara produk cacat yang lolos ke pelanggan dan produk baik yang keliru ditahan oleh sistem.
Kegiatan berbagi pengetahuan antara UGM dan LGE Indonesia Research and Development Center ini sekaligus memperkuat hubungan antara perguruan tinggi dan industri dalam pengembangan teknologi yang relevan dengan kebutuhan nyata. Kegiatan tersebut mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG 4 (Pendidikan Berkualitas) melalui peningkatan pengetahuan dan kompetensi sumber daya manusia, SDG 9 (Industri, Inovasi, dan Infrastruktur) melalui pemanfaatan AI untuk mendukung inovasi dan peningkatan kualitas industri elektronik, serta SDG 17 (Kemitraan untuk Mencapai Tujuan) melalui pertukaran pengetahuan dan penguatan sinergi antara akademisi dan industri. Melalui kegiatan ini, DIKE FMIPA UGM turut memperkuat kontribusinya dalam menjembatani pengetahuan akademik dengan kebutuhan industri melalui pengembangan dan penerapan teknologi AI.
Author: Andi Dharmawan
Editor: Hikmah Nursidik
#SDGs4 #SDGs9 #SDGs17
