Month: August 2026

Rapat atau meeting merupakan kegiatan yang melibatkan dua orang atau lebih untuk berdiskusi, menyamakan tujuan, menyelesaikan permasalahan, maupun mengambil keputusan terkait pekerjaan.

Agar hasil pembahasan rapat tidak terlupakan dan dapat dijadikan sebagai acuan, setiap rapat perlu didokumentasikan dalam bentuk notulen.

Seiring perkembangan teknologi, proses pembuatan notulen kini dapat dilakukan secara otomatis dengan memanfaatkan Artificial Intelligence (AI).

AI notulen mampu merekam percakapan, membuat transkrip, menyusun ringkasan, serta mengidentifikasi poin-poin penting dan tindak lanjut (action items) dari hasil rapat.

Dengan demikian, Anda dapat lebih fokus mengikuti jalannya diskusi tanpa harus sibuk mencatat setiap pembahasan.

Lantas, aplikasi AI apa saja yang dapat digunakan untuk membantu proses pembuatan notulen rapat?

Daftar AI Terbaik untuk Membuat Notulen Rapat

Berikut adalah beberapa rekomendasi aplikasi AI yang dapat digunakan untuk membantu proses pembuatan notulen rapat secara otomatis:

1. Gemini AI

Tim INILAHcom mencoba memanfaatkan Gemini AI untuk membuat notulen atau catatan ringkas.

Namun, prosesnya bukan dengan merekam percakapan secara langsung menggunakan Gemini AI. Sebagai gantinya, tim menggunakan audio yang diambil dari salah satu video Shorts di akun YouTube INILAHcom.

Audio tersebut kemudian diunggah ke Gemini AI dengan permintaan untuk mengubahnya menjadi teks (transkrip).

Setelah proses transkripsi selesai, Gemini AI kembali diminta untuk menyusun hasil transkrip tersebut menjadi sebuah notulen atau catatan tertulis yang ringkas.

Hal yang cukup menarik, Gemini AI juga menampilkan durasi proses pengerjaannya.

Seluruh proses, mulai dari mengubah audio menjadi teks hingga menyusun notulen, hanya membutuhkan waktu sekitar 25 detik.

Dalam waktu yang relatif singkat tersebut, hasil yang diberikan tergolong sangat memuaskan.

Gemini AI tidak hanya menghasilkan transkrip audio yang lengkap, tetapi juga menyusun notulen dengan informasi yang runtut dan mudah dipahami.

Yang lebih mengesankan, Gemini AI turut memberikan kesimpulan dari isi pembahasan. Padahal, kesimpulan tersebut tidak diminta secara khusus oleh tim INILAHcom.

Fitur tambahan ini membuat hasil akhirnya terasa lebih lengkap dan siap digunakan.

Secara keseluruhan, tim INILAHcom merasa sangat puas dengan hasil yang diberikan oleh Gemini AI.

Kecepatan proses, kelengkapan transkrip, kualitas notulen, serta adanya kesimpulan otomatis menjadi nilai tambah yang membuat pengalaman menggunakan Gemini AI terasa sangat membantu.

2. Perplexity

Untuk mendapatkan perbandingan yang setara, tim INILAHcom menggunakan parameter yang sama saat menguji Perplexity.

Audio yang digunakan berasal dari salah satu video di akun YouTube INILAHcom.

Selanjutnya, dengan prompt yang sama seperti pada pengujian sebelumnya, tim INILAHcom meminta Perplexity untuk mengubah audio tersebut menjadi teks sekaligus membuat notulen dari isi pembahasan.

Dari hasil pengujian tersebut, tim INILAHcom menemukan bahwa Perplexity tidak menampilkan hasil konversi audio ke dalam bentuk transkrip teks secara terpisah.

Sebaliknya, AI ini langsung menyajikan notulen berdasarkan isi audio yang diberikan.

Menariknya, Perplexity turut memberikan informasi tambahan berupa topik pembahasan dan nama pembicara yang terdapat di dalam audio.

Hal ini menjadi perbedaan yang cukup mencolok dibandingkan Gemini AI, sekaligus menjadi nilai tambah karena tim INILAHcom dapat mengetahui siapa yang sedang berbicara pada setiap pembahasan.

Untuk hasil notulennya sendiri, Perplexity mampu menyusun ringkasan yang cukup baik dan lengkap.

Isi notulen mencakup pembahasan dari awal hingga akhir video, dengan penjelasan yang runtut sehingga mudah dipahami.

Selain itu, Perplexity juga memberikan kesimpulan dari hasil notulen yang telah dibuat.

Fitur ini menjadi salah satu kesamaan dengan Gemini AI, karena keduanya sama-sama mampu menyajikan ringkasan akhir yang memudahkan pengguna memahami inti pembahasan.

Secara keseluruhan, tim INILAHcom menilai Perplexity sangat dapat diandalkan untuk membuat notulen secara otomatis.

Kemampuannya dalam merangkum isi audio, menampilkan informasi mengenai topik dan pembicara, serta memberikan kesimpulan menjadikannya pilihan yang sangat berguna bagi Anda yang merekam rapat dalam bentuk audio dan ingin memperoleh notulen secara cepat dan praktis.

3. ClickUp

ClickUp merupakan platform manajemen proyek yang dilengkapi dengan fitur AI, yaitu ClickUp Brain, untuk membantu pengelolaan tugas dan dokumentasi rapat.

Melalui fitur AI Notetaker, ClickUp dapat bergabung ke rapat Zoom, Google Meet, maupun Microsoft Teams untuk merekam percakapan, membuat transkrip, dan menyusun ringkasan secara otomatis.

Keunggulan ClickUp adalah kemampuannya mengubah hasil rapat menjadi action items yang dapat langsung dibuat sebagai tugas lengkap dengan penanggung jawab dan tenggat waktu.

Selain itu, aplikasi ini menyediakan fitur pencarian berbasis AI untuk menemukan kembali informasi dari rapat sebelumnya.

Namun, sebagian besar fitur AI, termasuk AI Notetaker, hanya tersedia pada paket berlangganan berbayar.

4. tl;dv

tl;dv (Too Long; Didn’t View) merupakan aplikasi pencatat rapat berbasis AI yang mampu merekam, mentranskripsi, dan merangkum hasil rapat secara otomatis pada platform, seperti Google Meet, Zoom, dan Microsoft Teams.

Aplikasi ini banyak digunakan karena mampu mempercepat proses dokumentasi rapat.

Keunggulan tl;dv meliputi dukungan lebih dari 30 bahasa, termasuk Bahasa Indonesia, kemampuan mengenali pembicara, serta fitur Ask tl;dv yang memungkinkan pengguna mencari informasi tertentu dari isi rapat tanpa membaca seluruh transkrip.

Selain itu, versi gratisnya telah menyediakan fitur perekaman dan transkripsi tanpa batas untuk Google Meet dan Zoom.

Meskipun demikian, akurasi transkripsi dapat menurun pada percakapan yang menggunakan bahasa gaul, singkatan, atau disampaikan dengan tempo yang cepat.

5. Otter.ai

Otter.ai merupakan aplikasi asisten rapat berbasis AI yang dapat merekam percakapan, membuat transkrip secara real-time, dan menghasilkan notulen rapat secara otomatis.

Aplikasi ini dapat digunakan untuk rapat daring maupun tatap muka dan dikenal memiliki akurasi yang tinggi, terutama untuk percakapan berbahasa Inggris.

Fitur unggulan Otter.ai meliputi transkrip langsung selama rapat, OtterPilot yang dapat bergabung otomatis ke platform Zoom, Google Meet, dan Microsoft Teams, serta Otter Chat untuk menelusuri kembali informasi dari rapat yang telah berlangsung.

Namun, dukungan terhadap Bahasa Indonesia masih terbatas sehingga hasil transkripsi pada percakapan berbahasa Indonesia atau campuran sering kali kurang akurat.

6. Read.ai

Read.ai merupakan aplikasi berbasis kecerdasan buatan (AI) yang berfungsi untuk merekam, mentranskripsi, dan merangkum hasil rapat secara otomatis.

Aplikasi ini dapat digunakan pada berbagai platform konferensi video, seperti Zoom, Google Meet, dan Microsoft Teams, serta mendukung pencatatan rapat secara langsung.

Keunggulan Read.ai terletak pada kemampuannya menghasilkan ringkasan rapat yang berisi poin-poin penting, keputusan, dan action items secara otomatis.

Selain itu, aplikasi ini dapat mengenali pembicara, mengelompokkan pembahasan berdasarkan topik, serta menganalisis tingkat partisipasi setiap peserta selama rapat.

Read.ai juga menyediakan fitur Search Copilot yang memudahkan pengguna mencari informasi atau keputusan dari rapat sebelumnya tanpa harus membaca seluruh transkrip.

7. Krisp

Krisp merupakan aplikasi AI yang awalnya dikembangkan sebagai teknologi peredam kebisingan (noise cancellation) dan kini dilengkapi dengan fitur AI Meeting Assistant untuk merekam, mentranskripsi, serta membuat ringkasan rapat secara otomatis.

Aplikasi ini dapat digunakan pada berbagai platform konferensi, seperti Zoom, Google Meet, dan Microsoft Teams.

Salah satu keunggulan Krisp adalah proses pencatatan rapat yang dilakukan tanpa menggunakan bot, sehingga tidak menampilkan akun tambahan di dalam ruang rapat.

Selain menghasilkan transkrip yang akurat, Krisp juga mampu mengidentifikasi pembicara, menyusun ringkasan, serta mengekstraksi action items dari hasil diskusi.

Teknologi peredam kebisingannya juga membantu meningkatkan kualitas audio sehingga hasil transkripsi menjadi lebih akurat.

Namun, sebagian besar fitur AI untuk pencatatan dan ringkasan rapat hanya tersedia pada paket berlangganan berbayar.

Sumber : https://www.inilah.com/ai-untuk-notulen-rapat

Jakarta (ANTARA) – Indonesia tidak kekurangan riset nanoteknologi. Di berbagai perguruan tinggi dan lembaga penelitian, kita dapat menemukan studi tentang nanopartikel, nanomaterial, nanosensor, membran, biomaterial, sistem penghantaran obat, material energi, hingga pemanfaatan biomassa dan sumber daya alam.

Paper terbit, prototipe dibuat, paten didaftarkan. Namun pertanyaan terpenting justru muncul setelah itu: Berapa banyak hasil penelitian tersebut yang benar-benar menjadi produk, layanan, atau teknologi yang digunakan masyarakat?

Di sinilah persoalan utama pengembangan nanoteknologi kita berada. Tantangannya bukan semata-mata kemampuan menghasilkan pengetahuan baru, melainkan kemampuan menerjemahkan pengetahuan menjadi manfaat.

Banyak inovasi berhenti di wilayah yang dikenal sebagai valley of death, lembah kematian inovasi, yaitu tahap ketika hasil laboratorium belum cukup matang, belum cukup konsisten, belum cukup ekonomis, atau belum memiliki jalur regulasi dan pasar untuk menjadi produk nyata.

Jarak antara laboratorium dan aplikasi memang tidak sederhana. Material yang bekerja sangat baik pada skala miligram atau gram belum tentu mempertahankan karakter yang sama ketika diproduksi dalam jumlah besar.

Perubahan suhu, kecepatan pencampuran, kualitas bahan baku, kelembaban, metode pengeringan, urutan proses, atau kondisi penyimpanan dapat mengubah sifat akhir nanomaterial.

Dalam aplikasi kesehatan, persoalannya bertambah karena produk juga harus memenuhi tuntutan keamanan, toksikologi, biodistribusi, stabilitas, konsistensi antar-batch, efektivitas, serta regulasi.

Karena itu, kesalahan yang perlu dihentikan adalah memperlakukan hilirisasi sebagai pekerjaan yang baru dimulai setelah penelitian selesai. Translasi bukan bab terakhir penelitian. Ia harus menjadi bagian dari desain penelitian sejak pertanyaan pertama dirumuskan.

Sejak awal, peneliti perlu mengetahui masalah apa yang hendak diselesaikan, siapa pengguna akhirnya, atribut mutu apa yang harus dipertahankan, bagaimana teknologi akan diproduksi dalam skala lebih besar, berapa kira-kira biayanya, regulasi apa yang harus dipenuhi, dan siapa mitra yang dapat membawanya ke tahap berikutnya.

Pertama, riset nanoteknologi perlu lebih kuat berbasis problematika, bukan semata-mata berbasis material. Pertanyaan “nanomaterial apa yang dapat kita buat?” perlu dilengkapi dengan pertanyaan yang lebih penting dan spesifik: “masalah apa yang dapat kita selesaikan dengan lebih baik?”

Indonesia memiliki kebutuhan nyata dalam kesehatan, air bersih, pangan, lingkungan, energi, dan material maju. Fokus pada kebutuhan konkret akan membantu riset memiliki jalur translasi yang lebih jelas sekaligus mencegah inovasi berhenti sebagai demonstrasi teknologi yang menarik tetapi tidak memiliki pengguna.

Kedua, industri harus dilibatkan lebih awal. Hubungan peneliti dan industri tidak seharusnya baru dimulai ketika prototipe sudah selesai dan peneliti sedang mencari pihak yang bersedia memproduksinya.

Industri perlu hadir sejak fase pengembangan untuk memberi masukan mengenai bahan baku, proses produksi, kendali mutu, rantai pasok, biaya, kebutuhan pasar, dan persyaratan teknis. Dengan demikian, desain laboratorium tidak berjalan terpisah dari realitas manufaktur.

Ketiga, Indonesia membutuhkan fasilitas translasi bersama. Banyak kelompok riset mampu melakukan sintesis dan karakterisasi awal, tetapi tidak semuanya memiliki akses terhadap instrumen karakterisasi lanjutan, fasilitas manufaktur percontohan, pengujian keamanan, standardisasi, ataupun quality assurance yang diperlukan untuk melangkah menuju produk.

Infrastruktur semacam ini tidak harus dimiliki oleh setiap institusi. Yang lebih penting adalah membangun jejaring fasilitas yang dapat diakses secara transparan, memiliki standar layanan yang jelas, dan mampu menjembatani universitas, lembaga riset, rumah sakit, regulator, serta industri.

Keempat, pembiayaan riset perlu memiliki jalur khusus untuk tahap translasi. Skema pendanaan akademik sering kuat untuk menghasilkan publikasi, tetapi fase setelah prototipe justru membutuhkan jenis dukungan yang berbeda: optimasi proses, scale-up, validasi, pengujian mutu, studi keamanan, dokumentasi regulatori, desain manufaktur, dan uji pasar.

Tahap ini sering terlalu aplikatif untuk hibah riset dasar, tetapi masih terlalu berisiko bagi investasi komersial. Tanpa instrumen pembiayaan yang dirancang untuk menutup celah tersebut, valley of death akan terus berulang.

Kelima, ukuran keberhasilan perlu diperluas. Publikasi dan paten tetap penting, tetapi tidak cukup menjadi satu-satunya indikator. Ekosistem inovasi juga perlu menghargai lisensi teknologi, kemitraan industri, produk yang lolos validasi, standar yang dihasilkan, prototipe yang berhasil ditingkatkan skalanya, teknologi yang masuk pengadaan, serta dampak yang benar-benar dirasakan pengguna.

Dengan ukuran seperti ini, peneliti tidak didorong hanya untuk “menyelesaikan proyek”, melainkan untuk membangun kesinambungan dari pengetahuan menuju pemanfaatan.

Semua itu menuntut kolaborasi lintas disiplin. Nanoteknologi tidak dapat berkembang hanya di tangan ahli material.

Untuk aplikasi kesehatan, misalnya, dibutuhkan dokter yang memahami kebutuhan klinis, ahli material yang memahami karakter nano, farmakolog dan toksikolog yang menilai keamanan, insinyur yang memikirkan proses produksi, ilmuwan data yang mengolah bukti, ekonom yang menilai kelayakan, regulator yang memahami risiko, serta industri yang mampu memproduksi secara konsisten.

Inovasi lahir di laboratorium, tetapi keberhasilan translasi lahir dari ekosistem.

Indonesia tidak perlu mengejar seluruh frontier nanoteknologi sekaligus. Kita justru perlu memilih sejumlah misi yang mempertemukan tiga hal: masalah nasional yang mendesak, kapasitas ilmiah yang sudah dimiliki, dan peluang untuk diproduksi serta digunakan.

Kesehatan presisi dan regeneratif, air dan lingkungan, pemanfaatan biomassa serta sumber daya kelautan, serta energi dan material maju dapat menjadi contoh wilayah prioritas. Fokus semacam ini membuat sumber daya, infrastruktur, regulasi, dan pembiayaan dapat diarahkan secara lebih konsisten.

Pada akhirnya, pertanyaan tentang masa depan nanoteknologi Indonesia bukanlah berapa banyak nanopartikel yang mampu kita sintesis atau berapa banyak paper yang dapat kita terbitkan.

Pertanyaannya adalah berapa banyak masalah nyata yang dapat kita selesaikan secara aman, terukur, terjangkau, dan berkelanjutan. Kekayaan sumber daya baru menjadi kekuatan ketika diubah menjadi pengetahuan; pengetahuan menjadi teknologi; teknologi menjadi produk; dan produk bermanfaat dan berdampak positif bagi masyarakat.

Nanoteknologi bekerja pada skala yang sangat kecil, tetapi tantangan terbesarnya justru berada pada skala sistem. Kita memerlukan perubahan cara merancang riset, membangun kemitraan, membiayai translasi, menyediakan infrastruktur, mengelola regulasi, dan menilai keberhasilan.

Bila rantai itu dapat dibangun secara konsisten, maka laboratorium tidak lagi menjadi titik akhir inovasi, melainkan titik awal perjalanan menuju manfaat. Dari sanalah, nanoteknologi benar-benar berperan mencerahkan peradaban.

*) Penulis adalah alumnus PhD IPCTRM Taipei Medical University, dokter riset, dosen, peneliti, penulis, kolumnis, reviewer jurnal internasional, trainer berlisensi BNSP

Sumber : https://www.antaranews.com/berita/5687580/cerahkan-peradaban-dengan-nanoteknologi

KOMPAS.com – Guru Besar ke-254 Institut Teknologi Sepuluh Nopember (ITS) Bambang Arip Dwiyantoro mengembangkan teknologi energi surya terintegrasi (integrated solar cell) untuk meningkatkan efisiensi pembangkit listrik tenaga surya (PLTS).

Hasil penelitian Bambang menunjukkan, konfigurasi teknologi yang dikembangkan mampu meningkatkan daya listrik hingga lebih dari 750 persen dibandingkan model standar.

Menurut Bambang, temuan tersebut menunjukkan bahwa peningkatan kinerja PLTS tidak selalu harus dilakukan dengan memperbesar ukuran sistem. Efisiensi juga dapat ditingkatkan melalui rekayasa desain dan integrasi sejumlah teknologi.

“Pendekatan ini membuka peluang penerapan pembangkit listrik tenaga surya yang sederhana, ekonomis, dan sesuai dengan kondisi wilayah Indonesia,” ujar Bambang, dilansir dari laman resmi ITS, Kamis (6/8/2026).

Salah satu teknologi yang dikembangkan Bambang adalah Solar Chimney Power Plant (SCPP). Sistem ini memanfaatkan panas matahari untuk menghasilkan aliran udara yang kemudian digunakan untuk memutar turbin dan menghasilkan listrik.

Bambang mengoptimalkan desain absorber dan geometri cerobong melalui pendekatan eksperimen serta simulasi Computational Fluid Dynamics (CFD). Optimalisasi tersebut ditujukan untuk meningkatkan performa sistem dalam mengonversi energi matahari menjadi listrik.

Manfaatkan limbah untuk pendingin panel

Selain mengembangkan sistem solar chimney, Bambang merancang teknologi pendingin pasif untuk panel surya menggunakan serat kelapa sawit dan ampas tebu.

Pemanfaatan limbah biomassa lokal tersebut ditujukan untuk menjaga temperatur panel tetap optimal tanpa membutuhkan tambahan energi listrik.

“Ini sekaligus meningkatkan nilai guna limbah pertanian melalui konsep ekonomi sirkular,” kata Bambang yang merupakan alumnus doktoral National Taiwan University of Science and Technology (NTUST).

Bambang juga mengembangkan teknologi solar tracking untuk PLTS terapung serta sistem PLTS hibrida berbasis Energy Management System (EMS).

Berbagai inovasi tersebut kemudian diintegrasikan dalam konsep Integrated Sustainable Solar Energy System, yakni sistem yang menggabungkan peningkatan efisiensi panel surya, penyimpanan energi, dan pengelolaan distribusi daya secara berkelanjutan.

Ke depan, Bambang berencana mengembangkan teknologi Solar Chimney melalui integrasi thermal energy storage, kecerdasan buatan (AI), serta desain dalam skala yang lebih besar.

Pengembangan tersebut diharapkan dapat meningkatkan efisiensi konversi energi sekaligus mendukung sistem energi yang lebih bersih dan tangguh.

“Pengembangan energi terbarukan tidak sekadar menghadirkan teknologi baru, tetapi juga menjadi investasi bagi masa depan bangsa,” tutur dosen Departemen Teknik Mesin ITS tersebut.

Bambang menyampaikan berbagai inovasi tersebut dalam orasi ilmiah bertajuk “Optimalisasi Teknologi Panel Surya dan Solar Chimney untuk Mendukung Kemandirian Energi”.

Menurut dia, pengembangan teknologi energi surya menjadi penting bagi Indonesia di tengah meningkatnya kebutuhan listrik dan tuntutan transisi menuju energi bersih.

PLTS Indonesia masih tertinggal

Di sisi lain, pemanfaatan energi surya di Indonesia masih menghadapi tantangan dari sisi pertumbuhan kapasitas.

Analis Sistem Ketenagalistrikan dan Energi Terbarukan Institute for Essential Services Reform (IESR), Alvin Putra Sisdwinugraha, mengatakan pemanfaatan PLTS berkembang pesat secara global, termasuk di kawasan Asia Tenggara.

Namun, Indonesia masih tertinggal dibandingkan sejumlah negara tetangga, seperti Vietnam, Thailand, dan Malaysia.

Menurut Alvin, semakin efisiennya modul surya dan semakin rendahnya biaya produksi, terutama produk dari China, menjadi salah satu faktor yang mendorong pertumbuhan PLTS di berbagai negara.

Di Asia Tenggara, Vietnam, Thailand, dan Malaysia juga telah lebih dahulu mendorong pengembangan PLTS melalui kebijakan feed-in tariff (FiT) sebelum 2020.

Meskipun kebijakan FiT tersebut kini telah dihentikan, kapasitas PLTS di ketiga negara tersebut terus bertambah. Kapasitas PLTS atap di masing-masing negara bahkan telah mencapai lebih dari 1 gigawatt (GW).

Sementara itu, pertumbuhan PLTS di Indonesia dinilai masih relatif lambat.

“PLTS atap memang tumbuh cukup tinggi dalam beberapa tahun terakhir. Namun, pendorong utamanya adalah sektor industri dan komersial yang menerapkan standar hijau,” ujar Alvin dalam webinar, Selasa (2/9/2025).

Sumber : https://lestari.kompas.com/read/2026/08/08/105249986/its-kembangkan-teknologi-plts-terintegrasi-efisiensi-daya-bisa-naik-750

KOMPAS.com-Hilangnya keanekaragaman hayati telah menjadi topik utama dalam perdebatan publik, politik, dan ilmu pengetahuan selama beberapa dekade.

Meskipun dampaknya sudah disadari secara luas, mengolah data keanekaragaman hayati yang sangat banyak supaya bisa menjadi indikator terpercaya dalam pembuatan kebijakan masih menjadi tantangan yang membutuhkan waktu dan tenaga teknis yang besar.

Melansir Phys, Sabtu (1/8/2026) untuk membantu mengatasi masalah tersebut, proyek Uni Eropa bernama B-Cubed mengembangkan sistem pemrosesan data otomatis dan terintegrasi yang telah diuji melalui berbagai studi kasus.

Dengan memanfaatkan teknologi tersebut pengguna bisa merangkum ribuan data keberadaan hewan atau tumbuhan menjadi ringkasan yang rapi dan konsisten sebagai dasar pengambilan keputusan.

Mengubah data menjadi langkah nyata

Sejak diluncurkan Maret 2023, B-Cubed telah mengembangkan sebuah layanan di Global Biodiversity Information Facility (GBIF) dengan membuat “kubus keberadaan spesies” (species occurrence cubes).

Lewat fitur ini, pengguna dapat mengolah data keberadaan spesies yang melimpah misalnya saja data keberadaan lebah Bombus humilis di Belgia dari tahun 2012 hingga 2022 menjadi bentuk kubus data khusus.

Hal ini membantu pelaporan indikator yang konsisten serta penilaian perubahan keanekaragaman hayati yang efisien untuk pengambilan keputusan.

Dengan menggunakan kubus data keanekaragaman hayati tersebut, para peneliti dapat menghasilkan indikator yang menyederhanakan data rumit menjadi ukuran yang mudah dipahami untuk melihat status dan tren keanekaragaman hayati.

Indikator yang dihasilkan mencakup berbagai hal, mulai dari tren keberadaan spesies, penilaian invasi makhluk hidup asing, hingga pengukuran tingkat hilangnya keanekaragaman hayati secara mendalam.

Dengan indikator ini, kondisi keanekaragaman hayati dapat dipantau dan dihitung ulang kapan saja, sehingga bisa merespons ancaman dengan cepat, seperti misalnya serangan spesies invasif atau perubahan iklim.

Setelah data dianalisis menggunakan indikator tersebut, hasilnya dapat disajikan kepada pembuat kebijakan melalui laporan, tampilan visual, serta ukuran-ukuran yang relevan dengan arah kebijakan.

Sistem ini juga membantu memperlihatkan dan memperbaiki masalah klasik dalam penelitian, yaitu perbedaan tingkat kesulitan dalam menemukan spesies serta perbedaan seberapa besar upaya survei yang telah dilakukan.

Selain itu, informasi indikator dapat diperluas dengan bantuan simulasi kubus data. Fitur ini memberikan peringatan dini dan perencanaan manajemen yang lebih baik dengan cara menghubungkan data pengamatan keanekaragaman hayati dengan faktor lingkungan lainnya, seperti proses ekologi, masuknya spesies asing, atau perubahan struktur komunitas makhluk hidup.

Untuk memastikan metode ini dapat digunakan terus-menerus dan diulang dengan mudah di masa depan, proyek B-Cubed menyediakan panduan lengkap, tutorial, dan materi teknis yang ramah pengguna.

Semua materi ini tidak hanya bisa dipakai oleh ilmuwan data dan peneliti, tetapi juga oleh berbagai gerakan keanekaragaman hayati saat ini maupun di masa depan yang ingin menerapkan sistem kubus data ini ke dalam kerja mereka.

Sumber : https://lestari.kompas.com/read/2026/08/10/171050786/peran-teknologi-informatika-bantu-olah-data-biodiversitas-jadi-panduan

Liputan6.com, Jakarta – Miliarder sekaligus pendiri Strategy, Michael Saylor memanfaatkan ChatGPT untuk membantu perusahaannya menghasilkan pendapatan US$ 15 miliar atau Rp 268,94 triliun (asumsi kurs dolar AS terhadap rupiah di kisaran 17.930).

“Jika Anda berada di usia produktif dan ingin memajukan dunia, membuat perubahan nyata, serta dikenang karena suatu pencapaian, prinsipnya cukup sederhana: jangan terus menerus melakukan hal yang sama, bekerja semakin keras setiap tahun atau melawan arus otomatisasi modern,” ujar Saylor saat wawancara dengan Diary of a CEO, yang diterbitkan pada Kamis, dikutip dari Yahoo Finance, Jumat (7/8/2026).

“Jangan mencoba mengalahkan robot dalam hal kerja keras,” ia menambahkan.

Pria berusia 61 tahun itu melontarkan komentar tersebut setelah podcaster Steven Bartlett bertanya kepadanya tentang apa yang diperlukan untuk membangun warisan (legacy) berskala besar, seperti yang dimiliki Michael Jackson atau Elon Musk serta mendapatkan pengakuan global atas dampak yang dihasilkan.

Saran Saylor didasarkan pada pengalamannya sendiri dalam mentransformasi Strategy, perusahaan yang sebelumnya dikenal sebagai MicroStrategy.

Ia mendirikan perusahaan perangkat lunak tersebut pada 1989, tetapi dalam lima tahun terakhir mengalihkan fokusnya ke Bitcoin, menjadikannya perusahaan publik pertama yang mengadopsi mata uang kripto tersebut sebagai bagian utama dari strategi perbendaharaan (treasury) perusahaan.

Setelah cara-cara konvensional untuk menggalang modal guna membeli lebih banyak  kripto dirasa tidak lagi memadai, Saylor beralih ke ChatGPT untuk membantu merancang saham preferen berbasis Bitcoin.

Produk ini awalnya diragukan oleh para pengacara dan bankir karena belum pernah ada yang menciptakan produk serupa sebelumnya. Pada akhirnya, Strategy berhasil menggalang dana sekitar US$ 15 miliar melalui initial public offering (IPO) atau penawaran saham perdana dan penawaran terkait yang membuat Saylor mengatakan AI telah membantunya menghasilkan US$ 15 miliar tersebut.

Kemampuan Mengajukan Pertanyaan

Bagi para wirausahawan dan pekerja yang ingin memanfaatkan tren pesat AI, Saylor berpendapat menggunakan teknologi ini adalah langkah yang sangat logis dan jelas menguntungkan (no-brainer). Akan tetapi, keunggulan sesungguhnya terletak pada kemampuan mengajukan pertanyaan yang lebih baik, bukan sekadar mengotomatisasi tugas-tugas yang sudah ada.

“Anda tidak perlu mempelajari cara melakukan hal-hal yang sudah bisa dikerjakan oleh AI. Sebaliknya, Anda perlu belajar cara meminta AI melakukan sesuatu yang belum pernah dilakukan sebelumnya,” ujarnya.

“Jika Anda ingin menciptakan kesuksesan luar biasa, Anda harus menemukan peluang emas yang istimewa,” ia menambahkan.

Taruhan Bitcoin Saylor membawa risiko yang tak asing: mempertaruhkan segalanya (going all in)

Meskipun kekayaan bersih Saylor saat ini mencapai US$ 3,3 miliar atau Rp 59,16 triliun menurut Forbes, strategi terbarunya yang didorong oleh AI bukannya tanpa risiko. Pendekatan MicroStrategy yang sangat bergantung pada Bitcoin serta penggunaan saham preferen untuk menggalang modal tambahan telah membuat perusahaan semakin terikat pada kinerja mata uang kripto tersebut. Shawn Tully dari Fortune menggambarkan struktur ini memiliki tingkat leverage (daya ungkit) yang “berbahaya” terhadap harga Bitcoin.

Harga Bitcoin Turun

Eksposur tersebut menjadi sorotan tahun ini: harga Bitcoin turun 26%, sementara saham MicroStrategy anjlok 38%. Namun, Saylor berpendapat terobosan besar sering kali menuntut ketangguhan dalam menghadapi kemunduran, dan kesediaan perusahaannya untuk beradaptasi di tengah tantangan telah menjadi kunci kesuksesannya.

“Kami menemukan sesuatu yang luar biasa keren. Kami berkomitmen penuh dengan segenap jiwa raga dan bertekad untuk mewujudkannya, apa pun rintangan yang menghadang,” ujar Saylor.

“Kami berkali-kali dihantam keras. Namun, setiap kali menghadapi masalah, kami berhenti sejenak, melakukan penyesuaian ulang, dan mengambil arah yang berbeda,” ia menambahkan.

Ini bukan kali pertama langkah agresif Saylor berujung pada konsekuensi besar. Setelah lonjakan saham MicroStrategy di era boom dot-com menjadikannya seorang miliarder, perusahaan terpaksa menyajikan ulang laporan keuangan mereka setelah terungkap pendapatan 1999 telah dilaporkan terlalu tinggi sebesar 25%.

Skandal akuntansi tersebut menyebabkan kerugian sebesar US$ 6 miliar atau Rp 107,7 triliun dalam satu hari, jumlah kerugian terbesar yang pernah dialami seseorang dalam kurun waktu 24 jam pada saat itu. Kemudian pada tahun yang sama, SEC menuduhnya melanggar undang-undang sekuritas federal; ia akhirnya menyelesaikan kasus tersebut dengan membayar US$ 8 juta atau Rp 143,4 miliar kepada badan pengawas itu tanpa pernah mengakui adanya kesalahan. Fortune telah menghubungi MicroStrategy untuk meminta komentar lebih lanjut.

Sumber : https://www.liputan6.com/crypto/read/8264056/pendiri-strategy-michael-saylor-raup-rp-268-triliun-berkat-chatgpt