FishFace: Dari Kesenjangan Data ke Solusi AI Perikanan
FishFace adalah aplikasi AI perikanan yang dikembangkan oleh Yayasan Konservasi Alam Nusantara (YKAN) untuk pendataan perikanan digital skala kecil, memanfaatkan pengenalan citra ikan dan pencatatan lokasi tangkap guna meningkatkan kualitas informasi hasil tangkapan, mengurangi kesenjangan data, dan mendukung solusi konservasi laut yang lebih akurat dan berkelanjutan di tingkat lapangan.
Inti cerita FishFace bukan sekadar teknologi canggih, melainkan keberanian menjawab masalah yang selama ini diabaikan: minimnya dokumentasi perikanan skala kecil yang menyuplai pangan dan penghidupan bagi jutaan warga pesisir. Ketika banyak inovasi digital lahir dari laboratorium dan berakhir di laporan, FishFace YKAN tumbuh dari dekade kerja lapangan bersama nelayan, lalu naik kelas ke panggung global. Pendekatan ini penting: AI yang relevan untuk sektor perikanan bukan yang paling rumit, tetapi yang paling peka terhadap konteks lokal, keterbatasan konektivitas, dan kebiasaan kerja di atas kapal. Di sinilah FishFace layak dibaca sebagai contoh bagaimana inovasi lokal bisa mengubah cara kita memandang data, kebijakan, dan masa depan laut.
Dari CODRS ke FishFace: Data Lapangan yang Menjadi Mesin AI
FishFace tidak muncul dari ruang rapat dan proposal proyek; ia lahir dari lebih dari satu dekade pendampingan nelayan melalui Crew-Operated Data Recording System (CODRS). Dalam sistem ini, nelayan sendiri yang memotret dan mencatat hasil tangkapan mereka. Hasilnya bukan main: lebih dari 8,1 juta spesimen ikan terdokumentasi dari 44.000 pendaratan, dengan melibatkan lebih dari 1.000 nelayan sebagai kolaborator. Angka ini bukan sekadar statistik, tetapi bukti bahwa teknologi yang menghargai peran pengguna mampu membangun basis data yang kuat sekaligus kepercayaan sosial.
Basis data CODRS inilah yang kemudian menjadi bahan bakar utama FishFace YKAN. Melalui kecerdasan artifisial, aplikasi ini mengidentifikasi jenis ikan lewat citra, menandai koordinat lokasi penangkapan, dan mempermudah pencatatan hasil tangkapan nelayan. Pendekatan ini menggeser paradigma: nelayan bukan objek pemantauan, melainkan mitra penghasil data. Di tengah gempuran wacana AI yang sering abstrak, FishFace menunjukkan bahwa kualitas model bergantung pada kualitas relasi dengan pengguna. Tanpa partisipasi nelayan, jutaan foto ikan itu tidak akan pernah berubah menjadi pengetahuan yang berguna bagi pengelolaan perikanan dan solusi konservasi laut.
Pendataan Perikanan Digital yang Terhubung dengan Sistem Resmi
Kekuatan FishFace bukan hanya pada kecerdasan model AI, tetapi pada keberaniannya menembus batas antara data lapangan dan sistem resmi. Aplikasi ini disiapkan untuk terintegrasi dengan e-Logbook milik Kementerian Kelautan dan Perikanan (KKP), dengan tujuan memperkecil selisih data pelaporan dan menghubungkan pencatatan di tingkat nelayan dengan sistem informasi pemerintah. Pada tahap awal, FishFace menargetkan identifikasi 25 jenis ikan tuna dan kakap yang mewakili lebih dari 60 persen hasil tangkapan kelompok ikan tersebut. Ini langkah strategis: mulai dari spesies yang paling relevan secara ekonomi dan ekologis, lalu memperluas cakupan seiring bertambahnya data pelatihan.
Pendataan perikanan digital yang terhubung dengan sistem resmi membuka peluang baru: kebijakan yang disusun bukan dari asumsi, melainkan dari komposisi hasil tangkapan, lokasi penangkapan, dan dinamika aktivitas perikanan yang tercatat secara konsisten. Namun integrasi ini juga menguji kejujuran ekosistem data. Tanpa transparansi pemanfaatan data dan alur kerja yang dipahami nelayan, teknologi mudah dipersepsikan sebagai alat kontrol, bukan alat bantu. Di sinilah FishFace perlu terus menjaga keseimbangan: menjadi jembatan antara kapal dan kantor, tanpa memutus kepercayaan di salah satu ujungnya.
Uji Lapangan: Akurasi AI Bukan Satu-satunya Jawaban
Pengujian FishFace di lapangan menunjukkan pelajaran penting yang sering diabaikan para pengembang: akurasi AI hanyalah satu bagian dari keberhasilan. Di atas kapal, nelayan tidak hidup dari persentase akurasi, tetapi dari kemudahan penggunaan, kejelasan manfaat, dan kepastian bahwa data mereka tidak akan disalahgunakan. Pelatihan praktik berulang, komunikasi yang jelas mengenai penggunaan data lokasi dan hasil tangkapan, serta desain antarmuka yang mudah dipahami menjadi unsur kunci membangun kepercayaan. Tanpa itu, aplikasi secanggih apa pun akan berakhir sebagai ikon di layar ponsel yang jarang dibuka.
Sikap YKAN yang menempatkan nelayan sebagai bagian penting dari proses pengembangan—bukan sekadar penerima teknologi—patut diapresiasi. Ke depan, FishFace akan disempurnakan melalui pengembangan kumpulan data yang lebih beragam, peningkatan akurasi model, penguatan keandalan aplikasi, serta perbaikan sinkronisasi dan pencadangan data. Ini arah yang tepat, asalkan satu prinsip dijaga: teknologi harus berjalan bersama pengguna, bukan meninggalkan mereka. Pendataan perikanan digital yang berkelanjutan hanya mungkin terjadi jika nelayan merasa memiliki prosesnya, bukan sekadar menjadi sumber data.
Dari Pesisir ke SAFET: Mengapa Komunitas Global Mulai Melirik
Langkah FishFace menembus Seafood and Fisheries Emerging Technologies (SAFET) Conference 2026 di Cebu, Filipina, dalam panel “Technologies and Lessons from Small-Scale Fisheries” adalah sinyal kuat bahwa dunia mulai melirik solusi AI lokal untuk sektor perikanan. Di forum ini, YKAN tidak hanya mempresentasikan konsep, tetapi mendemonstrasikan alur kerja FishFace menggunakan telepon pintar, papan ukur, dan miniatur ikan—sebuah visualisasi sederhana yang menegaskan bahwa teknologi canggih bisa tetap membumi.
Pengelolaan sumber daya laut di banyak negara menghadapi tantangan serupa: perikanan skala kecil berkontribusi besar terhadap ketahanan pangan dan ekonomi pesisir, tetapi aktivitasnya jarang terdokumentasi secara konsisten. Kesenjangan data ini membatasi kemampuan pengelola memahami kondisi sumber daya dan merancang kebijakan yang sesuai dengan kenyataan di lapangan. FishFace YKAN menawarkan pelajaran penting bagi komunitas global: inovasi AI yang efektif bukan yang datang dari luar dengan paket seragam, melainkan yang tumbuh dari pengalaman lapangan, menghormati pengetahuan lokal, dan berani menyambungkan dunia nelayan dengan dunia pembuat kebijakan. Jika pendekatan ini diadopsi lebih luas, solusi konservasi laut akan bergerak dari wacana ke praktik yang terukur.
