AI di Kampus: Bukan Sekadar Chatbot, Tapi Solusi Nyata
AI deteksi jalan rusak, pengenalan emosi gelombang otak, dan robot pelayan AI adalah contoh deep learning aplikasi lokal yang dikembangkan kampus untuk menyelesaikan masalah infrastruktur, kesehatan mental, serta layanan restoran secara lebih cepat, objektif, dan otomatis, menggantikan metode konvensional yang lambat dan bergantung pada pengamatan manusia.
Tiga inovasi universitas Indonesia ini mengirim pesan tegas: ekosistem AI tidak hanya milik korporasi besar. Di laboratorium kampus, peneliti dan mahasiswa merumuskan solusi yang sangat konkret—mulai dari memeriksa kualitas jalan, membaca emosi dari sinyal otak, hingga mengantar makanan ke meja pelanggan. Fokusnya bukan lagi pamer teknologi, melainkan menjawab kebutuhan riil di lapangan. Pendekatan ini penting, karena tanpa aplikasi praktis, AI berisiko berhenti sebagai buzzword. Ketika AI ditempa di ruang kuliah dan tugas akhir, ia dipaksa berhadapan dengan batasan biaya, perangkat, dan konteks lokal. Hasilnya: teknologi yang lebih membumi, dengan peluang langsung masuk ke kebijakan publik, rumah sakit, dan industri layanan.
AI Deteksi Jalan Rusak: Infrastruktur Diawasi Kamera dan Deep Learning
Peneliti Universitas Indonesia mengembangkan AI deteksi jalan rusak yang mampu mengukur kerusakan permukaan secara otomatis dengan kombinasi deep learning, analisis geometri tiga dimensi, dan kamera binocular stereo vision. Teknologi ini tidak sekadar memotret lubang; sistem dapat memperoleh informasi kedalaman permukaan jalan dan mengolahnya menjadi karakteristik kerusakan yang rinci.
Inilah contoh deep learning aplikasi lokal yang menyasar jantung masalah infrastruktur: proses pemeriksaan yang selama ini lambat, subjektif, dan bergantung pada inspeksi visual. Penelitian yang dikembangkan Agus Mulyanto dari Program Studi Teknik Elektro FTUI ini dirancang agar pemeriksaan kondisi jalan menjadi lebih cepat dan objektif. Artinya, pemerintah dan pengelola jalan bisa memprioritaskan perbaikan berdasarkan data, bukan sekadar laporan manual yang sering bias. Jika diterapkan luas, AI seperti ini berpotensi menekan kecelakaan akibat jalan berlubang, mengurangi pemborosan anggaran, dan mengubah cara pemeliharaan infrastruktur dilakukan—dari reaktif menjadi prediktif. AI di sini tidak mengganti manusia, tetapi memberi mata tambahan yang lebih teliti dan konsisten.
Membaca Emosi dari Gelombang Otak: Terobosan Neuro-AI di Undiksha
Di ranah kesehatan dan pendidikan, tim Universitas Pendidikan Ganesha memperkenalkan pengenalan emosi gelombang otak pada ajang Buleleng Digital Expo di RTH Rumah Jabatan Bupati Buleleng, Rabu 19 Agustus 2026. Mereka menggunakan perangkat Electroencephalogram (EEG) portable dengan empat channel sensor untuk menangkap aktivitas listrik otak, lalu memproses sinyal tersebut menggunakan model AI untuk mengenali kondisi emosi seseorang.
Sinyal EEG dianalisis dengan pendekatan valence dan arousal dan dipetakan ke empat kuadran emosi—bahagia, sedih, marah, dan seterusnya. Teknologi ini juga dikembangkan untuk motor imagery, yaitu membaca niat gerakan dari pola gelombang otak, yang berpotensi diterapkan pada kursi roda yang menerima perintah dari aktivitas otak penyandang disabilitas. Namun, tim mengakui tantangan besar: noise sinyal dan perbedaan karakteristik otak membuat model tidak selalu akurat lintas individu. Di sinilah nilai akademik terasa: mereka tidak menjual klaim berlebihan, tetapi membuka kolaborasi, termasuk dengan peneliti di Thailand yang mengembangkan skeleton robotik, sambil mendorong kerja sama pemerintah dan sektor kesehatan agar teknologi EEG tidak berhenti di meja lab.
Robot Pelayan AI di Restoran: Dari Tugas Akhir ke Lantai Layanan
Di sektor hospitality, mahasiswa Program Studi Teknik Informatika FTI Universitas Islam Sultan Agung, Muhammad Ridwan, mengembangkan robot pelayan AI yang mampu mengantar makanan secara mandiri sebagai tugas akhir berjudul “Sistem Navigasi Cerdas Dan Deteksi Objek Real-time Pada Robot Pelayan Restoran Berbasis Nav2 Dan YOLOv11”. Robot ini memadukan Nav2 pada ROS 2 untuk navigasi otonom dengan YOLOv11 sebagai sistem computer vision yang mendeteksi objek dan manusia secara real-time.
Robot pelayan AI tersebut dirancang bergerak dari satu lokasi ke lokasi lain, mengantar pesanan ke meja pelanggan sambil mempertimbangkan kondisi lingkungan restoran, termasuk rintangan yang berubah-ubah. Dosen pembimbing, Ghufron M.Kom, menekankan bahwa riset ini memadukan konsep teoritis dengan kebutuhan riil industri layanan. Menurutnya, integrasi Nav2 dan YOLOv11 diharapkan menjadi salah satu pendekatan dalam pengembangan service robot di masa depan. Bagi pelaku industri kuliner, solusi ini bukan sekadar gimmick: otomatisasi pengantaran makanan bisa meningkatkan efisiensi operasional dan konsistensi pelayanan, sambil membuka ruang bagi karyawan untuk fokus pada interaksi yang lebih bernilai dengan pelanggan.
Mengapa Inovasi Kampus Penting dan Apa Langkah Berikutnya
Tiga contoh di atas menunjukkan inovasi universitas Indonesia yang menyentuh tiga ranah strategis: infrastruktur, neuroteknologi, dan otomasi layanan. AI deteksi jalan rusak membantu pemeriksaan lebih cepat dan objektif, pengenalan emosi gelombang otak membuka peluang alat bantu disabilitas dan pemantauan emosi di pendidikan maupun kesehatan, sementara robot pelayan AI memodernkan operasi restoran dan meningkatkan kualitas layanan.
Pesannya jelas: kapasitas riset AI di kampus sudah bergerak jauh melampaui pembuatan tugas kuliah dan demo sesaat. Tantangan kini ada pada skala: bagaimana prototipe berubah menjadi sistem yang dipakai pemerintah daerah, rumah sakit, dan jaringan restoran. Tim Undiksha sudah menyiapkan langkah dengan membuka kolaborasi internasional dan mendorong keterlibatan pemerintah serta sektor kesehatan. Di sisi lain, teknologi deep learning aplikasi lokal seperti sistem UI dan robot dari Unissula membutuhkan kebijakan yang mendukung pengujian lapangan serta standar keamanan. Jika jembatan antara laboratorium, regulator, dan industri berhasil dibangun, kampus akan menjadi motor utama yang memastikan AI tidak berhenti sebagai tren global, tetapi hadir sebagai solusi yang relevan dengan kebutuhan sehari-hari.
