Dua puluh peserta terpilih Program AI Talent Factory (AITF) 2026 telah memulai pengembangan sistem monitoring isu publik berbasis kecerdasan artifisial (AI) dalam Workshop 1 yang berlangsung pada 12-13 Maret 2026 di Gedung Pusat UGM, Yogyakarta. Dibagi menjadi empat tim dengan fokus berbeda namun saling terintegrasi, para peserta mempresentasikan progress awal mereka pada hari kedua workshop.
Use Case: Sistem Monitoring Isu Publik Berbasis AI
Sesi pemaparan use case disampaikan oleh Tim Pengelolaan Monitoring Isu Publik dari Direktorat Informasi Publik. Monitoring isu publik bertujuan menangkap aspirasi masyarakat dan meresponsnya melalui strategi komunikasi yang tepat. Terdapat tujuh peran strategis yang akan diemban sistem ini:
- Mendeteksi isu publik secara dini
- Mengukur persepsi dan sentimen publik
- Memantau citra instansi pemerintah
- Membantu penyusunan strategi komunikasi
- Mengevaluasi efektivitas komunikasi dan program
- Mengevaluasi aktivitas relasi media
- Menangkal disinformasi dan hoaks
Output yang diharapkan dari sistem AI ini meliputi: data crawling isu secara akurat, identifikasi pembicara dan sentimen, dashboard media monitoring dengan tren isu, daily briefing notes untuk pimpinan, hingga standby statement untuk menjaga reputasi lembaga.
Empat Tim, Satu Tujuan: Membangun Solusi AI Terintegrasi
- Tim 1 — Dashboard Monitoring & Evaluasi: Tim ini mengembangkan scraper untuk Google Trends dan Trends24 menggunakan Crawl4AI, mengumpulkan 2.043 data dari media online dan media sosial dalam waktu 2 jam. Komponen yang dikembangkan meliputi image captioning (Qwen3 2B vs 4B), content summarizer (mBART vs Qwen3), sentiment analysis dari 3.764 data Twitter dan 4.000 data berita, serta audio transcription menggunakan Whisper. Kesimpulan sementara menunjukkan mBART berpotensi di-fine-tuning untuk summarization, IndoBART untuk sentiment analysis, dan Whisper untuk audio transcription.
- Tim 2 — LLM Analisis Isu (Model Klasifikasi): Tim ini mengumpulkan 10.061 entry data dengan 132 berita sebagai data final, serta mengkompilasi 6.302 entri kamus slang dari empat sumber riset. Pengujian menunjukkan Qwen2.5 9B unggul dalam klasifikasi sentimen, deteksi sarkasme, dan text summarization. Sekitar 80% fase pertama berhasil dicapai.
- Tim 3 — LLM Strategi Komunikasi: Tim ini membangun pipeline crawling untuk Undang-Undang, Peraturan Pemerintah, dan Peraturan Presiden, serta mengembangkan proses OCR dan cleaning dokumen PDF. Model yang direncanakan menggunakan Sahabat AI berbasis Llama. Tantangan utama meliputi noise dokumen yang tinggi dan banyaknya istilah hukum spesifik.
- Tim 4 — MVP, RAG, dan Deployment: Tim ini merancang arsitektur end-to-end sistem KPM dengan workflow orkestrasi lima tahapan: pengambilan data berkala, penyusunan narasi isu, penyusunan strategi komunikasi, revisi, dan ekspor dokumen. Database menggunakan PostgreSQL dengan integrasi crawler via docker container. Tim masih menunggu data contract dari Tim 1 dan API contract dari Tim 3 untuk memulai integrasi database.
Sesi Diskusi dan Feedback
Bapak Said Mirza Pahlevi, Kepala Pusat Pengembangan Talenta Digital, memberikan sejumlah masukan penting. Tim 2 didorong untuk mempertimbangkan penggunaan base model yang belum dilatih sebelumnya dan memahami proses pembangunan model secara mendasar. Tim 1 diminta memperjelas proses pengembangan model dalam laporan dan presentasi. Tim 4 diingatkan bahwa penentuan isu tidak sepenuhnya bergantung pada chatbot dan juga dapat ditampilkan melalui dashboard monitoring isu. "Program AI Talent Factory dirancang sebagai program pembelajaran berbasis praktik bagi mahasiswa, sehingga peserta tidak hanya memperoleh pengetahuan, tetapi juga keterampilan melalui proses pengembangan model dan implementasi solusi AI," ujar Bapak Mirza dalam penutupan workshop.
Timeline Program dan Milestone Kegiatan
- Maret 2026: Workshop 1 (12-13 Maret) — selesai
- Setiap minggu: Weekly discussion dengan expert lecturer
- April 2026: Workshop 2 (direncanakan)
- Juni 2026: Demo Day dan Graduation Day
Program ini juga akan menyelenggarakan knowledge sharing antar dosen dari tiga universitas yang terlibat. Selanjutnya pengaturan distribusi GPU secara terstruktur juga akan disepakati bersama untuk mengoptimalkan sumber daya komputasi seluruh tim.
Label
blsdm komdigi yogyakarta, artificial intelligence, komdigi, ugm, aitf 2026
