9 UAS-4 My Knowledge
Landasan Data dan Teknis Amerta-Link
Sebuah inovasi rekayasa tidak boleh hanya didasarkan pada intuisi, melainkan harus dibangun di atas landasan data yang kuat dan pemahaman teknis yang mendalam. Berikut adalah elaborasi pengetahuan yang mendasari sistem Amerta-Link.
I. Analisis Data: Urgensi Kesetaraan Gender dalam Literasi
Mengapa sistem ini harus didesain sangat sederhana dan intuitif? Data menunjukkan bahwa di daerah berkembang dan terpencil, terdapat gender gap yang signifikan dalam hal literasi dan akses teknologi.
Menurut data dari UNESCO dan berbagai studi demografi, tingkat buta huruf pada perempuan dewasa di daerah pedesaan seringkali lebih tinggi dibandingkan laki-laki. Perempuan, khususnya ibu rumah tangga, memegang peranan kunci dalam pendidikan awal anak di rumah, namun sering kali memiliki akses paling minim terhadap pendidikan formal.
Implikasi Desain Sistem:
Oleh karena itu, antarmuka (UI) Amerta-Link tidak boleh mengandalkan teks yang kompleks. Penggunaan Voice User Interface (VUI) dan navigasi berbasis ikon visual adalah keputusan teknis yang didorong oleh data sosiologis ini, untuk memastikan inklusivitas bagi kelompok yang paling rentan tertinggal.
II. Arsitektur Sistem STI: Mobile-Cloud Synergy
Sebagai mahasiswa STI, saya merancang sistem ini dengan memahami karakteristik infrastruktur di Indonesia. Laptop masih menjadi barang mewah dengan penetrasi rendah, sedangkan smartphone (terutama Android entry-level) memiliki tingkat penetrasi yang jauh lebih tinggi dan merata hingga ke pelosok.
1. Mobile Computing sebagai Ujung Tombak
Sistem ini menggunakan arsitektur aplikasi native Android yang ringan. Kunci utamanya adalah penggunaan database lokal seperti SQLite atau Room Persistence Library. Ini memungkinkan aplikasi berjalan penuh secara offline. Semua aset pembelajaran dan model AI disimpan secara lokal di perangkat pengguna (On-Device).
2. Cloud Computing untuk Agregasi Data
Meskipun berjalan offline, sistem ini tidak terisolasi. Kami memanfaatkan teknologi Cloud Computing (seperti Google Firebase atau AWS) sebagai backend untuk sinkronisasi data progres belajar.
Mekanisme kerjanya adalah Store-and-Forward:
- Store: Saat pengguna belajar di desa tanpa sinyal, data progres (skor, waktu belajar) disimpan di memori HP.
- Forward: Ketika pengguna pergi ke pasar kecamatan yang memiliki sinyal, atau ketika HP terhubung ke Local Hub desa, Background Service pada aplikasi akan secara otomatis mengunggah (sync) data terenkripsi tersebut ke Cloud.
Hal ini memungkinkan pemerintah atau NGO untuk memantau efektivitas program literasi secara real-time melalui dashboard global, tanpa memaksa pengguna untuk selalu online.