Indonesia 
English 
Yogyakarta, 3 Juli 2026 – Tim peneliti dari Program Studi Doktor Ilmu Komputer, Departemen Ilmu Komputer dan Elektronika (DIKE) FMIPA UGM berhasil mengembangkan teknologi kecerdasan buatan (Artificial Intelligence/AI) guna mendukung dokumentasi dan pelestarian relief Candi Borobudur sebagai Situs Warisan Budaya Dunia UNESCO. Hasil penelitian berbasis segmentasi semantik yang memadukan citra warna dan informasi kedalaman (depth) atau RGB-D ini telah diterima untuk dipresentasikan pada International Workshop on Intelligent Systems (IWIS) di Ulsan, Korea Selatan pada bulan Agustus 2026 mendatang.
Sebagai salah satu monumen Buddha terbesar di dunia, Borobudur memiliki 2.672 panel relief yang membentang sepanjang lebih dari 2,5 kilometer. Relief-relief tersebut merekam kisah dalam kanon Buddha sekaligus menjadi dokumentasi penting perkembangan seni budaya Jawa pada abad ke-8 hingga ke-9. Namun, proses dokumentasi dan anotasi secara manual selama ini memerlukan waktu sangat panjang serta keterlibatan tenaga ahli. Analisis visual juga dihadapkan pada kendala kompleks, seperti keragaman ukuran objek, penurunan kontras akibat pelapukan material batu, batas ikonografi yang tidak selalu jelas, hingga kerumitan interpretasi struktur panel.
Guna mengatasi berbagai kendala analisis tersebut, penelitian yang dilakukan oleh Lukman Awaludin, kandidat doktor DIKE UGM, bersama Prof. Agus Harjoko dan Dr. Wahyono, serta Dr. Niken Wirasanti dari Departemen Arkeologi Fakultas Ilmu Budaya UGM selaku co-promotor, menggabungkan informasi geometri permukaan (depth map) dengan citra RGB konvensional. Tim memodifikasi lima arsitektur deep learning, yakni DeepLabV3+, PSPNet, SegNet, DenseUNet, dan U-Net, agar mampu menerima masukan data empat kanal (RGB-D). Eksperimen ini dievaluasi menggunakan Borobudur Relief Segmentation Dataset (BRSD) yang berisi 248 citra panel hasil pengambilan langsung di lapangan. Seluruh citra dianotasi secara manual ke dalam delapan kelas semantik berdasarkan pedoman ikonografi berstandar arkeologi, meliputi figur manusia, hewan, vegetasi, arsitektur, artefak, ornamen, figur mitologis, dan latar belakang.
Arsitektur DeepLabV3+ terbukti memberikan performa terbaik secara keseluruhan merujuk pada nilai mean Intersection over Union (mIoU). Analisis lebih lanjut menunjukkan bahwa sebagian besar kesalahan prediksi terjadi pada batas antarobjek, sementara area interior objek berhasil disegmentasi dengan baik. Penelitian lintas disiplin yang didukung oleh Program Beasiswa Pendidikan Indonesia (BPI) Kementerian Pendidikan Tinggi, Sains, dan Teknologi RI serta Bantuan Publikasi DIKE UGM 2026 ini menghadirkan dataset BRSD sebagai kontribusi penting bagi riset computer vision di Indonesia. Hasil penelitian mengenai inovasi ini akan dipresentasikan dengan judul “Evaluation of Deep Semantic Segmentation Architectures for RGB-D Borobudur Bas-Relief”.
Inovasi pengembangan segmentasi semantik berbasis teknologi cerdas untuk mempercepat proses dokumentasi ribuan relief Borobudur ini turut mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs). Pengembangan kecerdasan buatan untuk pemrosesan citra presisi sejalan dengan capaian SDG 9 (Industri, Inovasi, dan Infrastruktur). Di sisi lain, digitalisasi data arkeologi ini secara langsung mendukung perlindungan dan pelestarian warisan sejarah dunia yang menjadi fokus utama pada SDG 11 (Kota dan Permukiman yang Berkelanjutan). Seluruh capaian tersebut direalisasikan melalui kemitraan antara pakar ilmu komputer, arkeolog, dan Balai Konservasi Borobudur di bawah Kementerian Kebudayaan RI, sesuai dengan prinsip SDG 17 (Kemitraan untuk Mencapai Tujuan). Melalui sinergi riset terapan ini, DIKE UGM terus berupaya menghadirkan solusi digital inovatif bagi keberlanjutan warisan budaya bangsa.
Author : Lukman Awaludin
Editor : Faiz Anggoro
#SDGs9 #SDGs11 #SDGs17
Editor : Faiz Anggoro
#SDGs9 #SDGs11 #SDGs17
