FTMM NEWS – Ant-Man, salah satu karakter Marvel legendaris yang secara ajaib mampu mengecilkan tubuhnya hingga seukuran semut saat melawan musuh. Melalui kostum canggihnya, sosok Ant-Man ini bebas memanipulasi ruang antar molekul demi menyusup ke celah tersempit. Konsep kekuatan super tersebut kini hadir melalui teknologi TinyML (Tiny Machine Learning) dalam dunia sains data. Inovasi ini berhasil menanamkan performa kecerdasan buatan raksasa ke dalam chip mikrokontroler seukuran kuku jari.
Teknologi TinyML bersandar pada sistem pemadatan model algoritma yang sangat cerdas. Melalui metode ini, para ilmuwan melakukan teknik pemangkasan dan kuantisasi memori untuk mengecilkan dimensi dari model analitik. Sebagai contoh, penelitian terbaru melaporkan pemangkasan ukuran MobileNet hingga 77% melalui kombinasi pruning dan kuantisasi INT8. Selain itu, penyusutan model TinyML memungkinkan perangkat menjalankan model secara langsung dengan sumber daya terbatas tanpa bergantung pada internet. Chip mini tersebut dapat mengolah data sensitif secara lokal demi menjaga privasi pengguna.
Implementasi TinyML pada Sektor Industri
Karena tidak memerlukan pengiriman data secara terus-menerus ke server eksternal, TinyML membantu menjaga privasi pengguna. Pemrosesan data secara lokal juga mengurangi paparan informasi sensitif selama proses transmisi. Oleh karena itu, keunggulan TinyML menjadikan teknologi ini menarik untuk berbagai aplikasi pada industri kesehatan. Contohnya perangkat pemantauan jantung berbasis TinyML yang mampu menganalisis sinyal ECG secara mandiri. Sistem ini dapat membantu mendeteksi gangguan irama jantung secara cepat dan efisien.
Kecepatan respons dari model ini tentu sangat krusial saat sedetik keterlambatan bisa berakibat fatal bagi nyawa manusia. Selain sektor medis, performa tanpa jeda tersebut juga membawa manfaat besar pada kamera pengawas lalu lintas. Sensor cerdas jalan raya ini mampu mendeteksi pelat nomor kendaraan pelaku pelanggaran secara cepat dan akurat. Bahkan, sistem komputer mikro ini membantu mengoptimalkan pengaturan lampu lalu lintas berdasarkan kondisi jalan secara real time. Oleh sebab itu, kemampuan TinyML ini menjadi modal utama dalam pengembangan ekosistem transportasi cerdas yang lebih aman.
Kebutuhaan Smart Chip
Selain itu, akselerasi sektor transportasi modern juga sangat bergantung pada kehadiran smart chip ini. Mobil otonom masa depan membutuhkan kalkulasi super cepat demi meminimalkan risiko kecelakaan saat berkendara. Dalam konteks tersebut, teknologi TinyML ini mendukung sistem kemudi untuk melakukan aksi darurat secara aman tanpa mengandalkan sinyal internet. Dengan demikian, sistem berbasis TinyML dapat membantu kendaraan merespons objek berbahaya lebih cepat setelah radar mendeteksinya. Kecerdasan buatan berbasis TinyML ini membuka peluang dalam pengembangan perangkat yang lebih cepat, aman, dan otonom dalam berbagai industri.
Referensi
Adlakha, R., & Kabbar, E. (2024). The challenges of TinyML implementation: A literature review. CITRENZ Conference Proceedings. https://doi.org/10.34074/proc.240120
Shabir, M. Y., Torta, G., & Damiani, F. (2025). TinyML model compression: A comparative study of pruning and quantization on selected standard and custom neural networks. Telecommunication Systems, 88, 132. https://doi.org/10.1007/s11235-025-01363-2
Yahyati, C., Lamaakal, I., Yassine, M., El Makkaoui, K., Ouahbi, I., Almousa, M., & Abd El-Latif, A. (2025). A systematic review of state-of-the-art TinyML applications in healthcare, education, and transportation. IEEE Access, 13, 50. https://doi.org/10.1109/ACCESS.2025.3633575
Kata Kunci : TinyML, Chip, Mikrokontroler
Penulis : Grachika Dwi Eshyania Zega – Teknik Robotika dan Kecerdasan Buatan (BEM FTMM)
Editor : Andri Hariyanto
