TinyML: model kecil di mikrokontroler

AI tanpa internet

HP yang mengenali "Hey Google" atau "Hey Siri" tidak mengirim setiap detik suaramu ke internet. Ada model kecil di chip yang terus mendengar satu frasa itu saja, dengan daya sangat rendah.

Menjalankan model pembelajaran mesin di perangkat sekecil mikrokontroler disebut TinyML.

Alur TinyML

Ketuk berurutan.

1. Kumpulkan data

Dari sensor di perangkat itu sendiri (lihat Data sensor sebagai dataset). Diberi label kalau tugasnya klasifikasi.

2. Latih di komputer

Pelatihan butuh banyak memori dan waktu, jadi dilakukan di komputer atau server di internet (cloud), bukan di ESP32.

3. Kecilkan

Kuantisasi, yaitu mengubah angka desimal 32 bit menjadi bilangan bulat 8 bit. Ukurannya sekitar seperempat, biasanya dengan sedikit penurunan ketepatan.

4. Tanam

Model diubah menjadi larik byte di dalam program, lalu dijalankan dengan pustaka seperti TensorFlow Lite for Microcontrollers (sekarang LiteRT for Microcontrollers) atau lewat layanan seperti Edge Impulse.

5. Uji di perangkat

Cek ketepatan, waktu tiap tebakan, dan sisa memori di perangkat sungguhan.

Tebak dulu

1. ESP32 klasik punya RAM sekitar 520 KB. Model pengenal gambar besar berukuran ratusan MB. Bisakah dijalankan?
   • Bisa, hanya lebih lambat
   • Tidak, model harus ribuan kali lebih kecil
   Jawaban

   Tidak, model harus ribuan kali lebih kecil. Model TinyML biasanya berukuran puluhan sampai ratusan KB. Tugasnya juga dibuat sempit, misalnya mengenali satu kata atau tiga jenis getaran.

Contoh tugas yang cocok

Ketuk satu per satu.

Kata kunci suara

Mengenali "nyala" dan "mati" dari mikrofon kecil.

Gerakan

Mengenali gerakan tangan atau jatuh dari akselerometer.

Getaran mesin

Mengenali pola getaran pompa yang mulai rusak.

Anomali multisensor

Menggabungkan suhu, kelembapan, dan arus listrik untuk mengenali keadaan tidak biasa yang sulit ditulis sebagai aturan.

Kapan TIDAK perlu TinyML

Ketuk semuanya. Bagian ini sama pentingnya.

Aturan sederhana sudah cukup

Kipas menyala di atas 31 °C tidak butuh AI. Histeresis (lihat Proyek: pengendali suhu mandiri) lebih mudah diuji dan dijelaskan.

Datanya sedikit

Model butuh contoh yang cukup banyak dan beragam. Tanpa data, model hanya menebak.

Kesalahan berakibat fatal

Untuk keselamatan, aturan yang bisa dibuktikan lebih aman daripada model yang sulit dijelaskan.

Benar atau salah?

1. "TinyML berarti ESP32 melatih modelnya sendiri dari nol."
   • Benar
   • Salah
   Jawaban

   Salah. Pelatihan umumnya di komputer. Mikrokontroler hanya menjalankan model yang sudah jadi (inferensi).

2. "Kuantisasi 8 bit memperkecil model dengan sedikit pengorbanan ketepatan."
   • Benar
   • Salah
   Jawaban

   Benar. Ukuran sekitar seperempat dan hitungan lebih cepat. Ketepatannya biasanya turun sedikit, dan itu harus diukur.

3. "Kalau ada TinyML, deteksi anomali di materi Ambang dan deteksi anomali sederhana jadi tidak berguna."
   • Benar
   • Salah
   Jawaban

   Salah. Aturan sederhana sering menang karena mudah diuji, dijelaskan, dan diperbaiki. TinyML dipakai saat aturan sederhana jelas tidak cukup.

Selesai

• Latih di komputer, kecilkan (kuantisasi), jalankan di mikrokontroler.
• Model harus kecil dan tugasnya sempit karena memori sangat terbatas.
• Pakai TinyML hanya kalau aturan sederhana tidak cukup dan datanya ada.

Berikutnya

Kode materi a5 · versi 0.1 · 2026-10-06