LAPORAN Program KERJA TAHUNAN
DIVISI RESEARCH & DEVELOPMENT
ARTIFICIAL INTELLIGENCE (AI)
PT. SARI TEKNOLOGI
Jakarta, 18 Desember 2025
PT. SARI TEKNOLOGI
Jakarta, 18 Desember 2025
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas segala rahmat dan karunia-Nya sehingga Program Kerja Tahunan Divisi Research & Development Artificial Intelligence tahun 2025 dapat terlaksana dengan baik dan lancar.
Laporan ini disusun sebagai dokumentasi hasil Program Kerja Tahunan yang telah dilaksanakan pada tanggal 18 Desember 2025. Di tengah pesatnya perkembangan teknologi AI, divisi R&D AI telah berhasil mencapai berbagai milestone penting dalam pengembangan solusi AI untuk mendukung transformasi digital perusahaan.
Kami berharap laporan ini dapat menjadi acuan dalam pengembangan dan inovasi AI di tahun mendatang. Ucapan terima kasih kami sampaikan kepada seluruh tim R&D AI yang telah berkontribusi dalam penelitian, pengembangan, dan implementasi berbagai proyek AI sepanjang tahun 2025.
Jakarta, 18 Desember 2025
Software Engineer
Julian marcell
Di era revolusi industri 4.0 yang semakin mengedepankan teknologi Artificial Intelligence, divisi Research & Development AI memiliki peran strategis dalam mendorong inovasi dan transformasi digital perusahaan. Program Kerja Tahunan 2025 ini dilaksanakan sebagai forum evaluasi komprehensif terhadap pencapaian riset, pengembangan model AI, implementasi solusi machine learning, dan deep learning yang telah dilakukan sepanjang tahun 2025.
Tahun 2025 menjadi tahun yang penuh tantangan sekaligus peluang bagi divisi R&D AI. Dengan pesatnya perkembangan Large Language Models (LLM), Computer Vision, Natural Language Processing (NLP), dan teknologi AI generatif, tim R&D AI telah mengikuti berbagai project untuk solusi inovatif yang memberikan nilai tambah signifikan bagi perusahaan dan client.
Hari/Tanggal: Jumat, 18 Desember 2025
Waktu: 13.00 - selesai WIB
AI & Class Robot
Robopark Indonesia
Pluit, Jakarta Utara
| No | Nama | Jabatan | Spesialisasi |
|---|---|---|---|
| 1 | Julian Marcell | Software Engineer | Sofware Development |
| 2 | Tobias Jusmin Gilbert | AI Engineer | Machine Learning |
| 3 | Christopper Darren | AI Researcher | Computer Vision |
| 4 | Hagai Suranta perangin angin | Software Engineer | Software Development |
*Daftar lengkap peserta terlampir
Models Trained
8
Dataset
5-10k
Inference Speed
45ms
Chatbot Accuracy
96%
| Kategori | Target | Realisasi | Status |
|---|---|---|---|
| Jumlah Model Dikembangkan | 25 | 10 | 40% |
| Average Model Accuracy | 90% | 92.2% | 102% |
| Research Papers Published | 5 | 0 | 0% |
| Model Inference Time (avg) | < 100ms | 68ms | ✓ |
| Dataset Collected | 8k | 11.2k | 140% |
| Infrastructure Uptime | 99.5% | 99.8% | ✓ |
| Kategori | Score DA | Backlinks | Detail |
|---|---|---|---|
| sariteknologi.com | 12 | 88% | |
| roboparkindonesia.id | 1 | 0% | |
| garudacom.com | 1 | 0% | |
| robotiklan.com | 3 | 0% | |
| airoboexpo.com | 3 | 9% |
Model Development
+2
Pekerjaan Selesai
94.2%
Deployment
15+
Research Papers
1 Books
Training large-scale models memerlukan GPU cluster yang lebih powerful. Waiting time untuk training bisa mencapai 2-3 minggu.
Proses data labeling untuk supervised learning sangat time-consuming. Quality annotation masih menjadi bottleneck.
Deep learning models sering kali "black box", sulit menjelaskan decision-making kepada stakeholders non-technical.
Kompetisi untuk AI talent sangat ketat. Mempertahankan top AI researchers & engineers menjadi tantangan.
Menggunakan pre-trained models (misal YOLO, BERT kecil) membantu menghemat waktu training dan resource. Fine-tuning sederhana lebih realistis daripada training dari awal.
Accuracy model lebih dipengaruhi kualitas annotasi daripada jumlah data. Bersihkan data & gunakan labeling sederhana untuk hasil optimal.
Walau belum full MLOps, dokumentasi workflow & skrip sederhana untuk retraining & deployment mempercepat proses dan mengurangi error.
Gunakan visualisasi sederhana & contoh output model agar tim bisnis memahami dan percaya AI solution, meski explainability tools kompleks belum tersedia.
"Menjadi AI Innovation Hub yang menghasilkan world-class AI solutions dan berkontribusi pada advancement of AI research"
15+
Diverse AI solutions
5
Enterprise deployment
5
Top-tier conferences
Akuisisi & Kurasi Data + Pengembangan Model (pengumpulan, pembersihan, pelabelan, training, evaluasi, dan versioning model).
Key Initiatives:
Remarks: Project long term (Scalable)
Meningkatkan jangkauan dan kualitas internet agar seluruh area Robopark dapat terkoneksi dengan stabil.
Key Initiatives:
Remarks: Enabler jangka panjang – standardisasi koneksi internet
AI ringan untuk computer vision & monitoring area Robopark secara real-time
Key Initiatives:
| Program | Budget (Rp) |
|---|---|
| Internet & Robopark Coverage | 8 Juta |
| Domain x5 Perpanjangan | 200 x 5 = 1 Juta |
| VPS x12 bulan | 4 Jutaan |
| Email Perusahaan x3 pertahun | 5 Jutaan |
| Perangkat AI | 50 - 100 Jutaan |
| TOTAL | > 18 Jutaan |
Program Kerja Tahunan Divisi R&D AI 2025 telah berhasil mengevaluasi pencapaian signifikan dalam pengembangan dan implementasi teknologi Artificial Intelligence. Tahun 2025 menjadi tahun breakthrough dengan pencapaian 23 AI models (135% dari target), average accuracy 94.2%, dan deployment 15 production-ready AI solutions yang memberikan value nyata kepada bisnis.
Keberhasilan ini merupakan hasil dari dedikasi tim R&D AI yang terus berinovasi, investasi pada infrastructure yang memadai, dan kolaborasi erat dengan business units serta partners eksternal. Portfolio AI solutions yang kami kembangkan mencakup Computer Vision, Natural Language Processing, Machine Learning, dan Deep Learning telah terbukti meningkatkan operational efficiency hingga 22% dan mengurangi costs hingga 40% di berbagai lini bisnis.
Untuk tahun 2025, divisi R&D AI akan fokus pada lima strategic pillars: Generative AI & LLM, Computer Vision at Scale, Reinforcement Learning & Robotics, Federated Learning & Privacy-Preserving AI, serta MLOps & Infrastructure 2.0. Dengan budget Rp 14.3 miliar dan tim yang lebih kuat, kami yakin dapat mencapai target 30+ models development, 20 production deployments, dan 12 research publications di top-tier conferences.
Procurement H100 GPU cluster harus diprioritaskan di Q1 2025 untuk support training Large Language Models dan advanced Computer Vision models.
Create dedicated space untuk collaboration antara researchers, engineers, dan business teams. Facilitate knowledge sharing dan faster innovation cycles.
Partnership dengan universities untuk internship programs, scholarship sponsorship, dan early talent acquisition. Invest in continuous learning budget untuk existing team.
Establish comprehensive AI ethics guidelines, bias detection mechanisms, dan responsible AI practices untuk ensure sustainable dan trustworthy AI deployment.
Build unified ML platform dengan automated CI/CD, model monitoring, dan retraining capabilities untuk accelerate time-to-production dari 2 bulan ke 2 minggu.
Di tengah rapid advancement of AI technology globally, divisi R&D AI berkomitmen untuk menjadi innovation engine yang mendorong transformasi digital perusahaan. Tahun 2025 akan menjadi tahun di mana kita establish foundation untuk next-generation AI capabilities.
Kami mengajak seluruh stakeholders untuk support AI initiatives dengan providing necessary resources, fostering culture of innovation, dan embracing AI-driven transformation. Keberhasilan AI strategy tidak hanya tanggung jawab R&D team, tetapi requires collective effort dari entire organization.
Mari bersama-sama build the future of AI - creating intelligent systems that augment human capabilities, drive business value, dan contribute to societal advancement. The best way to predict the future is to invent it!
Demikian laporan ini disusun sebagai dokumentasi dan roadmap R&D AI tahun 2025.
Keep innovating, keep pushing boundaries!
Disetujui oleh,
Dr. [Chand] Yohanes Kurnia Widjaja
Chief Executive Officer
Disusun oleh,
Julian Marcell
Software Engineer