Indonesia 
English 
Yogyakarta, 30 Juli 2026 – Departemen Ilmu Komputer dan Elektronika (DIKE) FMIPA UGM kembali melanjutkan rangkaian DCSE Summer Course 2026 pada hari keempat dengan menghadirkan empat materi beragam. Agenda yang diselenggarakan pada 30 Juli 2026 ini mengupas topik explainable AI, sintesis data, computer vision, hingga simulasi robotika. Rangkaian pemaparan tersebut mengajak peserta untuk melihat kecerdasan buatan (Artificial Intelligence/AI) sebagai teknologi yang dapat dirancang agar mudah dipahami, dipercaya, serta bermanfaat secara langsung bagi manusia.
Sesi pertama diisi oleh Abriansyah Arisoni yang membahas topik Human-Centered Explainable AI (HCXAI). Ia menjelaskan bahwa pendekatan XAI konvensional umumnya hanya berfokus pada transparansi teknis, sedangkan HCXAI lebih mengutamakan konteks pengguna, kepercayaan, dan dampak sosialnya. Paparan ini menyoroti tiga aspek utama HCXAI, yakni interpretability, trust and usability, serta sociotechnical integration. Ketiga aspek tersebut diwujudkan melalui strategi kognitif, desain antarmuka, dan pelibatan para pemangku kepentingan dalam pengembangan sistem. Melalui contoh penerapan pada mobil otonom dan layanan kesehatan, ia menekankan bahwa HCXAI merupakan mekanisme esensial agar AI, termasuk large language model (LLM), dapat dipercaya dan tidak menyesatkan pengguna melalui halusinasi data.
Pada sesi kedua, Prof. Drs. Edi Winarko, M.Sc., Ph.D., memaparkan materi Synthetic Data Generation, mulai dari pendekatan statistik klasik hingga metode berbasis LLM dan agentic AI. Ia menjelaskan bahwa kebutuhan pembangkitan data sintetis didorong oleh berbagai tantangan, seperti mahalnya proses pelabelan manual, ketatnya regulasi privasi seperti GDPR, HIPAA, dan PDP, serta minimnya data pada kasus-kasus baru. Data sintetis hadir sebagai solusi yang memungkinkan berbagi pola data tanpa mengekspos informasi pengguna asli, sekaligus mendukung pelatihan model AI dan simulasi perangkat lunak. Prof. Edi turut menjabarkan taksonomi metode pembangkitan data sintetis, mulai dari pendekatan klasik berbasis aturan, metode berbasis pohon dan deep learning, hingga pendekatan berbasis LLM yang terbagi menjadi level prompt-based, workflow-based, dan agentic.
Materi ketiga yang disampaikan oleh Prof. Drs. Agus Harjoko, M.Sc., Ph.D., mengulas peran computer vision dalam pemberdayaan masyarakat, khususnya pada sektor kesehatan, pertanian, dan mobilitas. Ia memaparkan bahwa computer vision memungkinkan mesin menginterpretasi data visual layaknya persepsi manusia, dengan perkembangan yang kini telah bergeser menuju era deep learning, transformer, dan AI multimodal. Di bidang kesehatan, teknologi ini dimanfaatkan untuk analisis sel darah, deteksi dini kanker payudara, dan klasifikasi penyakit paru melalui citra rontgen. Sementara itu, pada sektor pertanian dan manajemen lalu lintas perkotaan, computer vision diterapkan secara luas untuk seleksi benih, penentuan waktu panen optimal, pengenalan pelat nomor, hingga deteksi pejalan kaki.
Rangkaian hari keempat ditutup dengan tutorial bertajuk “Robotics Simulation” yang dibawakan oleh Dzulfikar Saifuddin dan Rafael Andika Radya Hadi Kusuma. Mereka menjelaskan bahwa simulasi sangat krusial untuk menguji algoritma kendali sebelum diterapkan pada perangkat keras sesungguhnya. Melalui simulasi, pengembang dapat menghasilkan data sensor sintetis seperti LiDAR, kamera, dan Inertial Measurement Unit (IMU) tanpa membutuhkan perangkat fisik. Selain itu, simulasi memungkinkan pelatihan reinforcement learning melalui jutaan percobaan paralel serta perancangan lingkungan kerja virtual secara efisien. Keduanya juga memperkenalkan sejumlah perangkat lunak populer, seperti Gazebo yang bersifat open-source, Isaac Sim dari NVIDIA yang mengandalkan akselerasi GPU, MuJoCo yang cepat untuk riset reinforcement learning, serta PyBullet yang ringan dan ramah eksperimen.
Seluruh rangkaian materi pada hari keempat ini berkontribusi langsung terhadap pencapaian Tujuan Pembangunan Berkelanjutan (SDGs). Pemanfaatan computer vision untuk mendukung diagnosis kesehatan selaras dengan target SDG 3 (Kehidupan Sehat dan Sejahtera). Penguatan pemahaman AI yang berpusat pada manusia (human-centered) serta simulasi robotika bagi generasi muda merupakan wujud dukungan terhadap SDG 4 (Pendidikan Berkualitas). Sementara itu, pengembangan data sintetis dan inovasi AI di berbagai sektor merepresentasikan implementasi SDG 9 (Industri, Inovasi, dan Infrastruktur). Melalui kegiatan DCSE Summer Course ini, DIKE UGM terus berkomitmen menghadirkan wawasan teknologi mutakhir yang relevan, aman, dan berdampak positif bagi masyarakat.
Author : Marina
Editor : Faiz Anggoro
#SDGs3 #SDGs4 #SDGs9
