Depok, 11 Maret 2026 — Seminar Reboan 2026 Episode 3 kembali diselenggarakan oleh Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI) pada Rabu, 11 Maret 2026, bertempat di Ruang Sidang A.409 Gedung Baru Fasilkom UI, Depok, serta diikuti secara daring melalui Zoom Meeting. Kegiatan ini dihadiri oleh dosen dan sivitas akademika Fasilkom UI secara luring dan daring, dengan sejumlah peserta yang mengikuti jalannya seminar hingga sesi diskusi.
Mengangkat tema “Pemanfaatan Data Science untuk Identifikasi Biodiversitas”, seminar ini menghadirkan narasumber Dr. Esa Prakasa, peneliti dari Pusat Riset Sains Data dan Informasi, Badan Riset dan Inovasi Nasional (BRIN). Kegiatan dipandu oleh moderator Prof. Harry Budi Santoso, Ph.D.
Seminar ini turut dihadiri oleh Dekan Fasilkom UI, Prof. Dr. Eng. Wisnu Jatmiko, S.T., M.Kom., yang membuka acara dan memberikan sambutan pembuka. Sejumlah dosen Fasilkom UI hadir secara luring, antara lain Aprinaldi, Ph.D.Eng., Dr. Siti Aminah, serta Adila Alfa Krisnadhi, Ph.D. Kehadiran para dosen tersebut semakin memperkaya jalannya diskusi yang berlangsung interaktif, khususnya terkait peluang pemanfaatan teknologi kecerdasan buatan dalam riset biodiversitas serta potensi kolaborasi lintas institusi.
Dalam sambutannya, Dekan Fasilkom UI menekankan pentingnya kolaborasi antara perguruan tinggi dan lembaga riset nasional dalam pengembangan teknologi digital yang mampu mendukung penelitian dan pengelolaan sumber daya alam Indonesia. Menurutnya, kekayaan biodiversitas Indonesia yang sangat besar perlu didukung oleh pemanfaatan teknologi sains data dan kecerdasan buatan agar proses identifikasi, pemantauan, dan pengelolaan sumber daya hayati dapat dilakukan secara lebih efisien dan berbasis data.
Dalam pemaparannya, Dr. Esa Prakasa menjelaskan bahwa Indonesia merupakan salah satu negara dengan tingkat biodiversitas tertinggi di dunia. Letak geografis Indonesia yang berada di wilayah tropis serta berada di antara dua zona biogeografi utama menjadikan negara ini memiliki keragaman spesies yang sangat tinggi, baik di darat maupun di laut. Kondisi tersebut membuka peluang besar bagi penelitian biodiversitas, namun sekaligus menghadirkan tantangan dalam hal pengumpulan data, identifikasi spesies, serta pengelolaan informasi biodiversitas secara sistematis.
Untuk menjawab tantangan tersebut, tim peneliti mengembangkan pendekatan berbasis data science, machine learning, dan computer vision untuk membantu proses identifikasi spesies secara otomatis. Dalam seminar ini, Dr. Esa memaparkan dua fokus penelitian utama yang sedang dikembangkan, yaitu identifikasi plankton dan identifikasi jenis kayu menggunakan teknologi kecerdasan buatan.
Pada penelitian mengenai plankton, tim peneliti mengembangkan sistem yang mampu mengidentifikasi jenis plankton berdasarkan citra mikroskopis. Plankton dipilih sebagai objek penelitian karena memiliki peran penting dalam ekosistem laut, terutama sebagai komponen dasar dalam rantai makanan serta indikator kondisi lingkungan perairan. Selama ini, proses identifikasi plankton umumnya dilakukan secara manual oleh ahli taksonomi menggunakan mikroskop. Proses tersebut memerlukan waktu yang cukup lama serta sangat bergantung pada keahlian individu. Oleh karena itu, pengembangan sistem identifikasi berbasis AI diharapkan dapat membantu mempercepat proses analisis serta meningkatkan konsistensi hasil identifikasi.
Data plankton dikumpulkan melalui kegiatan pengambilan sampel langsung dari perairan, salah satunya di wilayah Belitung. Sampel plankton kemudian dianalisis menggunakan mikroskop dan diubah menjadi dataset citra yang digunakan untuk melatih model machine learning. Salah satu tantangan dalam penelitian ini adalah karakteristik plankton yang bersifat transparan dan sering kali saling bertumpuk dalam satu citra, sehingga proses segmentasi dan identifikasi menjadi lebih kompleks.
Untuk mengatasi hal tersebut, tim peneliti mengembangkan metode segmentasi citra untuk memisahkan objek plankton dari latar belakang sebelum dilakukan proses klasifikasi spesies. Model yang dikembangkan menunjukkan hasil yang cukup menjanjikan dengan tingkat akurasi yang tinggi pada beberapa spesies plankton yang diuji. Selain itu, sistem yang dikembangkan juga telah diimplementasikan dalam sebuah platform berbasis cloud yang memungkinkan pengguna mengunggah citra plankton untuk kemudian diidentifikasi secara otomatis oleh sistem. Ke depan, sistem ini juga direncanakan dapat diintegrasikan langsung dengan perangkat mikroskop sehingga proses identifikasi dapat dilakukan secara lebih cepat tanpa perlu mengunggah gambar secara manual.
Sebagai bagian dari pengembangan edukasi dan diseminasi ilmu pengetahuan, tim peneliti juga mengembangkan aplikasi berbasis virtual reality (VR) yang memungkinkan pengguna mempelajari berbagai jenis plankton secara interaktif. Melalui aplikasi tersebut, pengguna dapat menjelajahi lingkungan laut virtual, mengenali berbagai jenis plankton, serta memahami peran plankton dalam ekosistem laut melalui pendekatan pembelajaran berbasis pengalaman.
Selain penelitian mengenai plankton, Dr. Esa juga memaparkan penelitian mengenai identifikasi jenis kayu menggunakan teknik pengolahan citra. Penelitian ini dilatarbelakangi oleh kebutuhan praktis dalam proses identifikasi jenis kayu yang biasanya masih dilakukan secara manual oleh ahli anatomi kayu, misalnya dalam kegiatan pemeriksaan kayu di pelabuhan atau industri kehutanan.
Dalam proses identifikasi kayu, bagian yang paling penting untuk diamati adalah tampang lintang kayu, karena pola pembuluh kayu yang terlihat pada bagian tersebut memiliki karakteristik yang berbeda untuk setiap spesies. Melalui pendekatan computer vision, tim peneliti mengembangkan model yang mampu mengenali pola struktur kayu berdasarkan citra yang diambil menggunakan perangkat pembesar yang terhubung dengan kamera ponsel.
Dataset penelitian diperoleh dari koleksi kayu yang tersimpan di berbagai xylarium, yaitu laboratorium yang menyimpan koleksi spesimen kayu dari berbagai jenis pohon. Melalui dataset tersebut, model machine learning dilatih untuk mengenali pola anatomi kayu sehingga dapat membantu proses identifikasi spesies secara lebih cepat dan otomatis.
Dalam jangka panjang, penelitian ini juga diarahkan pada pengembangan platform citizen science, yaitu platform yang memungkinkan masyarakat luas untuk turut berpartisipasi dalam pengumpulan data biodiversitas. Melalui pendekatan ini, masyarakat dapat mengunggah data atau citra spesies tertentu sehingga dapat membantu memperkaya dataset penelitian serta meningkatkan akurasi model kecerdasan buatan yang dikembangkan.
Sesi diskusi berlangsung aktif dengan sejumlah pertanyaan dari peserta seminar. Salah satu topik yang mengemuka dalam diskusi adalah tantangan dalam pengumpulan dataset biodiversitas, khususnya untuk objek plankton. Dr. Esa menjelaskan bahwa proses pengambilan data plankton tidaklah mudah karena sampel harus diambil langsung dari laut, kemudian diamati menggunakan mikroskop untuk mendapatkan citra yang dapat dianalisis. Selain itu, jumlah citra yang tersedia untuk setiap spesies sering kali terbatas karena proses pengambilan dan dokumentasi data membutuhkan waktu serta sumber daya yang cukup besar.
Diskusi juga menyoroti tantangan teknis dalam analisis citra plankton, terutama karena plankton memiliki sifat transparan dan sering kali saling bertumpuk dalam satu sampel. Kondisi tersebut menyulitkan proses segmentasi citra karena objek yang tumpang tindih dapat membentuk pola baru yang berbeda dari bentuk aslinya. Oleh karena itu, pengembangan metode segmentasi dan klasifikasi citra menjadi bagian penting dalam penelitian ini.
Peserta juga menanyakan kemungkinan pengembangan sistem yang dapat digunakan secara langsung di lapangan. Menanggapi hal tersebut, Dr. Esa menjelaskan bahwa tim peneliti saat ini sedang mengembangkan sistem yang dapat diintegrasikan langsung dengan mikroskop serta perangkat mobile sehingga proses identifikasi plankton dapat dilakukan secara lebih cepat dan praktis.
Seminar Reboan 2026 Episode 3 menunjukkan bahwa pemanfaatan teknologi kecerdasan buatan dan sains data memiliki potensi besar dalam mendukung penelitian biodiversitas di Indonesia. Melalui kolaborasi antara lembaga riset, perguruan tinggi, dan masyarakat, teknologi digital dapat membantu mempercepat proses identifikasi spesies, memperkaya basis data biodiversitas, serta mendukung upaya konservasi sumber daya hayati secara lebih efektif dan berkelanjutan.
