Tujuan utama pengembangan teknologi sejak awal adalah untuk membebaskan manusia dari pekerjaan berat, meningkatkan kemampuan manusia dalam mengamati alam, serta memperluas kemampuan manusia dalam berkomunikasi. Selama ini, manusia diyakini sebagai satu-satunya makhluk yang mampu mengumpulkan pengetahuan, memberikan jawaban, dan mengambil keputusan. Dalam berbagai cerita fiksi ilmiah, manusia selalu digambarkan sebagai penguasa pengetahuan yang hampir tidak mungkin disaingi oleh mesin.

Namun, pandangan tersebut mulai berubah seiring dengan kebangkitan kecerdasan buatan (Artificial Intelligence/AI). Salah satu perkembangan AI yang paling mencolok adalah lahirnya ChatGPT, sebuah model bahasa berbasis AI yang mampu merespons permintaan manusia dengan cepat dan tampak “cerdas”. Kehadiran ChatGPT menimbulkan antusiasme sekaligus kekhawatiran di seluruh dunia, karena mesin kini dapat memberikan jawaban secara instan layaknya manusia. Diskusi tentang kelebihan dan kelemahan ChatGPT pun berkembang luas di media sosial dan literatur ilmiah.

Pada tahap saat ini, ChatGPT pada dasarnya berfungsi sebagai mitra dialog manusia, yang selalu siap merespons pertanyaan, meskipun jawabannya belum tentu benar secara ilmiah. Masa depan ChatGPT masih sulit diprediksi, namun ada kekhawatiran jika AI suatu hari dianggap sebagai satu-satunya sumber kebenaran. Jika manusia berhenti berpikir dan sepenuhnya bergantung pada AI, hal tersebut justru dapat menyebabkan hilangnya kemampuan berpikir kritis dan bahkan mengancam esensi kemanusiaan itu sendiri. Perlu dipahami bahwa ChatGPT bekerja terutama berdasarkan pendapat dan informasi yang sudah ada, bukan berdasarkan penemuan ilmiah baru. Oleh karena itu, ChatGPT lebih tepat digunakan sebagai alat bantu awal untuk memperoleh gambaran umum atau sudut pandang tertentu, tetapi belum mampu menggantikan peran manusia dalam riset ilmiah yang inovatif.

Peran AI dalam Ilmu Kimia

Kekuatan utama AI terletak pada kemampuannya menangani masalah berdimensi tinggi, dan hal ini sangat sesuai dengan karakter ilmu kimia. Struktur molekul dan reaksi kimia sangat kompleks, sehingga selama ini penelitian kimia banyak mengandalkan pendekatan trial and error. Pendekatan ini wajar karena manusia hidup dan berpikir dalam dunia tiga dimensi, sehingga sulit memahami hubungan yang sangat kompleks secara langsung.

Pendekatan trial and error memang sering menghasilkan penemuan baru, tetapi memerlukan waktu dan tenaga yang besar. Di tengah tuntutan masyarakat yang semakin tinggi terhadap kecepatan dan efisiensi, pendekatan ini dianggap tidak lagi cukup. Oleh karena itu, penggunaan AI diharapkan dapat mempercepat proses penelitian kimia secara signifikan.

Dalam beberapa tahun terakhir, kemajuan AI di bidang kimia berkembang sangat pesat. Jumlah publikasi dan jurnal yang mengangkat topik AI dalam kimia meningkat tajam. Meski demikian, sebagian besar penelitian tersebut masih berada pada tahap awal, yaitu sekadar menunjukkan bahwa AI bisa digunakan untuk menyelesaikan berbagai persoalan kimia.

Walaupun begitu, AI telah memberikan dampak nyata, terutama dalam beberapa hal:

• Percepatan perhitungan komputasi,
• Pengembangan permukaan energi potensial, dan
• Pemodelan sistem kimia kompleks.

Tantangan Data dan Konsep Precision Chemistry

AI sangat bergantung pada data besar (big data). Sayangnya, data eksperimen kimia yang lengkap dan konsisten sering kali sulit diperoleh. Oleh karena itu, perhitungan teoretis menjadi sumber data utama untuk melatih model AI dalam kimia. Saat ini sudah tersedia berbagai basis data kimia, tetapi masalah standarisasi, kualitas data, dan berbagi data masih menjadi tantangan besar. Data yang kurang akurat akan menghasilkan model AI yang tidak dapat diandalkan. Karena itu, dikembangkan strategi dengan cara membangun model AI awal dari data perhitungan teoretis. Kemudian mengkalibrasinya menggunakan data eksperimen yang presisi. Dalam konteks ini, konsep precision chemistry (kimia presisi) menjadi sangat penting, karena menuntut akurasi tinggi baik pada perhitungan teoretis maupun pengukuran eksperimen.

Kimia Otomatis dan Robot Kimia

Kimia sering dipersepsikan sebagai bidang yang melelahkan, membutuhkan jam kerja panjang dan ketelitian tinggi. Hal ini menjadi salah satu hambatan dalam menarik minat generasi muda untuk belajar kimia. Sebagai solusi, dikembangkan mesin kimia otomatis dan robot kimia berbasis AI. Beberapa contoh kemajuan terbaru meliputi: Chemputer, sistem otomatis yang mampu membaca literatur, merancang prosedur, melakukan sintesis, dan karakterisasi senyawa. Robot kimia, yang dapat melakukan eksperimen lebih cepat dari manusia dan memilih katalis secara optimal menggunakan pendekatan statistik. Bahkan, kini telah dikembangkan laboratorium kimia berbasis AI yang mampu merumuskan hipotesis ilmiah, melakukan eksperimen lengkap (sintesis, karakterisasi, dan uji performa), membangun model prediktif dari gabungan data teori dan eksperimen. Robot AI kimia ini berpotensi menemukan solusi yang bahkan melampaui ruang eksperimen manusia.[]

Sumber: Luo Y. (2023). Chemistry in the Era of Artificial Intelligence. Precision chemistry, 1(2), 127–128. https://doi.org/10.1021/prechem.3c00038

Kita baru saja melangkah di tahun baru 2026. Meninggalkan berbagai kenangan. Manis, pahit dan berbagai rasa di tahun sebelumnya. Resolusi yang dibuat di tahun 2025, ada yang tercapai, tertunda bahkan gagal direalisasikan. Semua sudah berlalu. Hanya menyisakan kenangan di momen yang akan datang. Rasa menyesal pasti ada. Namun kita tidak bisa putar balik ke masa itu lagi.

Sekarang, kita akan menatap hari-hari yang baru. Resolusi pun dibuat sedemikian apik. Ada yang tertulis. Ada yang sebatas ingatan yang mudah lenyap. Intinya, 2026 harus lebih baik dari 2025. Kita perlu menyadari, hari-hari yang akan kita lalui, sama dengan hari-hari yang pernah kita jalani sebelumnya, senin hingga ahad. Matahari terbit di timur dan terbenam di barat. Sehari 24 jam. Jika hidup di Indonesia, kita masih akan merasakan hujan dan panas terik matahari.

Sebagai muslim. Harus optimis dalam menatap masa depan. Mengisi setiap momen dengan kebaikan. Resolusi terbaik bagi muslim adalah menjaga konsistensi takwa,

“Berbekallah, dan sesungguhnya sebaik-baik bekal adalah takwa. Bertakwalah kepada-Ku wahai orang-orang yang berakal.” [Terjemahan Q.S. Al Baqarah: 197].

Takwa adalah seruan untuk orang yang berakal. Imam Ath-Thabari rahimahullahu dalam menafsirkan ayat ini dengan, "Allah mengkhususkan pembicaraan dalam ayat ini kepada orang-orang yang berakal karena mereka adalah orang-orang yang mampu membedakan antara yang haq dengan yang batil. Mereka adalah orang-orang yang memiliki pemikiran yang shahih dan pengetahuan tentang hakikat sesuatu yang hanya dengan akal ia diketahui dan dengan pemikiran ia dipahami. Allah tidak menjadikan bagian darinya untuk selain mereka atau dari kalangan orang-orang bodoh."

Bekal ini harus selalu disiapkan dan dibawa serta pergi. Kapan pun dan dimana pun kita berada. Sebagai pejabat atau bawahan. Kaya atau miskin. Dosen atau mahasiswa. Guru atau murid. Takwa harus melekat dalam diri. Bersemayam dalam darah dan daging. Jangan sampai lepas.

Menghadapi masa depan kita harus optimis. Meskipun bertebaran halang rintang yang siap mengganjal langkah kaki. Mengisi waktu dengan hal baik. Karena waktu merupakan satu dari dua hal yang banyak orang lalai darinya. Rasulullah shallallahu 'alaihi wa sallam bersabda yang artinya,

”Ada dua nikmat yang banyak manusia tertipu, yaitu nikmat sehat dan waktu senggang” [H.R. Bukhari]

Tentu kita tidak ingin masuk dalam kelompok orang-orang yang tertipu karena lalai dalam mengisi waktu dengan perkara baik. Kita juga tidak ingin menjadi bagian dari orang-orang yang menyesal dikemudian hari. Dan hanya bisa berandai-andai akan masa yang telah berlalu.

Dan (alangkah ngerinya), jika sekiranya kamu melihat ketika orang-orang berdosa itu menundukkan kepalanya di hadapan Rabbnya, (mereka berkata), “Wahai Rabb kami, kami telah melihat dan mendengar, maka kembalikanlah kami ke dunia. Kami akan mengerjakan amal shaleh. Sesungguhnya kami adalah orang-orang yakin [Terjemahan QS. As-Sajdah: 12]

Dalam surah Al-Fajr ayat 23-24 yang artinya:“Dan pada hari itu (neraka) Jahanam datang, sadarlah manusia pada hari itu juga. Akan tetapi, bagaimana bisa kesadaran itu bermanfaat baginya? Ia berkata, “Oh, seandainya dahulu aku mengerjakan (kebajikan) untuk hidupku ini!” 

Dan juga dalam surah Al-Munafiqun ayat 10 yang diterjemahkan:“Infakkanlah sebagian dari apa yang telah Kami anugerahkan kepadamu sebelum kematian datang kepada salah seorang di antaramu. Ia lalu berkata (sambil menyesal), “Ya Tuhanku, sekiranya Engkau berkenan menunda (kematian)-ku sedikit waktu lagi, aku akan dapat bersedekah dan aku akan termasuk orang-orang saleh.”

Ayat-ayat di atas menunjukan penyesalan hamba-hamba-Ny pada beberapa kondisi setelah melihat janji Allah subhanahu wa ta'ala . Sangat menyesal dan meminta kepada-Nya untuk dikembalikan di dunia agar dapat berbuat baik. Meskipun itu mustahil.

Mengambil ibrah dari beberapa ayat di atas. Jangan menunda untuk berbuat baik. Lakukan sekarang. Karena kita tidak bisa memutar balik waktu.[]

Serambi Masjid Kampus UGM, Jumat 12 Rajab 1447 H/02 Januari 2026 M

Artificial Intelligence (AI), diterjemahkan ke dalam bahasa indonesia dengan beberapa istilah, yaitu kecerdasan buatan, kecerdasan artifisial. Belakangan ada yang menerjemahkannya dengan Akal Imitasi, biar akronimnya selaras dengan bahasa asalnya, AI. Dalam artikel ini saya menggunakan istilah yang terakhir, akal imitasi.

Perkembangan teknologi AI telah merevolusi banyak bidang, mulai dari kesehatan hingga pendidikan, dan dari pertahanan hingga aplikasi komersial, baik sipil maupun militer. AI bekerja dengan dua langkah yaitu (1) meniru pola dari data yang diberikan; (2) belajar dari pola tersebut melalui pemrosesan komputer berkecepatan tinggi. Bisa dikatakan, AI dilatih dengan menganalisis data dalam jumlah sangat besar (big data) seperti gambar, teks, atau angka menggunakan algoritma khusus yang dijalankan di komputer super cepat.  

Kebanyakan (kita) pengguna AI tidak menyadari jika AI lahir dari perpaduan berbagai ilmu pengetahuan (sains). AI tidak ajaib. Menurut Golec (2025), secara umum AI dibangun di atas tiga ilmu dasar:  

1. Statistik. AI menggunakan ilmu hitung peluang dan data untuk menemukan pola tersembunyi. Contohnya, saat mengelompokkan pelanggan berdasarkan kebiasaan belanja (clustering). Juga Memprediksi cuaca besok dari data historis (time series). Atau memisahkan email spam dari pesan penting dengan teorema Bayes. Statistik juga membantu AI menghindari kesalahan dengan menyeimbangkan "terlalu kaku" vs "terlalu gegabah" dalam mengambil keputusan.
2. Neurosains (Ilmu Saraf). AI meniru cara kerja otak manusia. Contohnya: Jaringan saraf tiruan (artificial neural network) dirancang menyerupai sel-sel otak yang saling terhubung.  Contoh lain adalah Teknologi pengenalan wajah di ponsel yang kita miliki. Itu terinspirasi dari cara mata dan otak memproses gambar (Convolutional Neural Network).
3. Pembelajaran Mendalam (Deep Learning). Ini adalah "otak" AI yang paling canggih. Ia bekerja dengan lapisan-lapisan analisis (seperti menyaring informasi bertahap) untuk memahami data rumit (foto, video, atau percakapan).  Contoh aplikasinya yang banyak digunakan hari ini:  ChatGPT , aplikasi diagnosa penyakit dari foto sinar-X, fitur pengenal wajah di media sosial.  

   Meski AI hebat dan cerdas, semua kendalinya ada di tangan manusia (baca: pengguna)!

SEJARAH

Pada pertengahan tahun 1990-an, terjadi perdebatan terkait penamaan salah satu disiplin ilmu yang baru muncul, yaitu aplikasi komputer dalam bidang kimia. Meskipun saat itu telah ada perhimpunan kemometri (chemometrics), juga terdapat jurnal dengan terminologi ini, yaitu Chemometrics and Intelligent Laboratory Systems dan Journal of Chemometrics. Disisi lain, meskipun tidak ada perkumpulan kimia komputer (Computer Chemistry) atau nama jurnal yang mengandung istilah “Computer Chemistry” saat itu, istilah ini (Kimia Komputer atau Computer Chemistry) cukup banyak digunakan oleh ahli kimia yang riset utamanya fokus pada pengembangan sistem pengambilan basis data kimia (development of chemical database retrieval systems) dan sistem pakar kimia (chemical expert systems). Selain itu, terdapat lembaga dengan istilah “Computer Chemistry” dalam penamaannya, diantaranya Computer-Chemistry-Center yang berbasis di Erlangen, Jerman. Terdapat dua buku dengan judul Computer Chemistry yakni yang ditulis oleh Mario Marsili pada 1989. Buku ini mengulas metode dan filosofi bagaimana komputer dapat diperintah untuk memahami fakta-fakta, persamaan dan aturan-aturan kimia. Buku kedua adalah Computer Chemistry (Topics in Current Chemistry), book chapter  yang ditulis oleh sekelompok ilmuwan pada 1993.

Perdebatan belum berakhir. Ilmuwan terbagi menjadi dua kubu. Yang pertama menghendaki ilmu baru ini diberi nama kemometri (Chemometrics), kubu lainnya menginginkan nama Kimia Komputer (Computer Chemistry). Alhasil kedua nama ini tidak diterima dikalangan ilmuwan yang menggeluti bidang ini hingga pada 1998 Dr. Frank Brown memperkenalkan istilah cheminformatics dalam Annual Reports of Medicinal Chemistry pada artikel yang berjudul, “Chemoinformatics: What is it and How does it Impact Drug Discovery”. Publikasi Prof. Johann Gaisteger dkk. yang berjudul Handbook of Chemoinformatics: From Data to Knowledge pada 2003 menandai istilah ini (chemoinformatics) menjadi standar secara de facto untuk aplikasi teknologi komputer dan informatika dalam bidang kimia.

DEFINISI

Dr. Frank Brown memberikan definisi chemoinformatics sebagai ilmu pemanfaatan manajemen dan teknologi informasi yang telah menjadi bagian penting dari proses penemuan obat. Ilmu ini merupakan penggabungan sumber daya informasi untuk mengubah data menjadi informasi dan informasi menjadi pengetahuan dengan tujuan mengambil keputusan yang lebih baik dan lebih cepat di bidang identifikasi dan pengorganisasian molekul obat. 

Definisi lebih luas dijelaskan oleh Gasteiger dan Engel, yakni penerapan metode informatika untuk memecahkan masalah-masalah kimia.

Dalam pertemuan American chemical Society pada Agustus 1999, G. Paris mendefinisikan chemoinformatics sebagai istilah umum yang mencakup perancangan, pembuatan, pengorganisasian, pengelolaan, pengambilan, analisis, penyebaran, visualisasi, dan penggunaan informasi kimia.

Jika kita menelusuri literatur terkait bidang ini, maka kita akan menemukan tiga istilah yang berbeda yang maknanya sama, yaitu cheminformatics, chemoinformatics dan chem(o)informatics. Berikut saya sertakan tangkapan layar dari database sciendirect tentang ketiga istilah di atas. 

Di Indonesia, istilah ini diterjemahkan dengan kemoinformatika meskipun secara baku belum dimuat dalam Kamus Besar Bahasa Indonesia (KBBI). Seperti di Prodi Kimia UGM, salah satu mata kuliah pilihannya adalah Kemoinformatika. Saya juga menemukan beberapa artikel yang terbit di jurnal berbahasa indonesia menggunakan istilah ini.[] 

Berkembangnya 'data besar' (big data) saat ini mendorong penemuan baru dalam bidang kimia semakin cepat. Tidak hanya big data molekul obat untuk drug discovery, tetapi juga big data matarial maju seperti yang telah dilakukan oleh meta dengan Open Molecular Crystals 2025 (OMC25) yang menyediakan dataset hasil perhitungan kimia quantum. Juga microsoft dengan skala-nya. Hal ini menunjukkan penting untuk memahami/mengusai kemoinformatika di era sekarang. 

REFERENSI:

1. Engel, Thomas. "Basic overview of chemoinformatics." Journal of chemical information and modeling 46.6 (2006): 2267-2277.
2. Chen, William Lingran. "Chemoinformatics: past, present, and future." Journal of Chemical Information and Modeling 46.6 (2006): 2230-2255.
3. https://www.warr.com/warrzone2000.html  

Ilmu kimia telah mengalami pergeseran paradigma khususnya yang berkaitan dengan data. Berkembangnya 'data besar' (big data) saat ini mendorong penemuan baru dalam bidang kimia semakin cepat.  Meskipun era modern big data masih dalam tahap awal, data telah memainkan peran integral dalam sejarah perkembangan ilmu kimia. Sejak lama, para ahli kimia telah memprioritaskan dokumentasi dan berbagi ilmu pengetahuan melalui penyajian data, dimulai dari pembentukan komunitas kimia, lalu berkembang ke jurnal dan terbitan berkala yang terorganisir dengan baik menggunakan sistem kartu indeks (card index system).

Pada awal abad ke-19, para ahli kimia menyadari nilai dari data kimia yang dikompilasi, sehingga lahirlah katalog-katalog kimia seperti Beilstein Handbook of Organic Chemistry dan Gmelin Handbook of Inorganic Chemistry. Data ini memungkinkan para ahli kimia untuk belajar dan membangun pengetahuan berdasarkan pencapaian para ahli sebelumnya.

Pada abad berikutnya, katalog yang lebih terstandarisasi mulai bermunculan, seperti Chemical Rubber Company (CRC) Handbook dan International Union of Pure and Applied Chemistry (IUPAC) Color Books. 

Pada pertengahan abad ke-20, dengan hadirnya komputer, para ahli kimia mulai mengumpulkan data struktur dan sifat kimia dalam format elektronik. Bahkan, para ahli kimia termasuk yang pertama memanfaatkan komputer untuk penyimpanan dan pencarian literatur ilmiah, mengembangkan berbagai struktur data dan teknik pencarian melalui Chemical Abstracts Service (CAS).

Meskipun istilah "cheminformatics" baru lahir pada 1998, penggunaan teknik informatika dan data kimia untuk menyelesaikan permasalahan dalam bidang kimia sudah dimulai sejak data elektronik mulai tersedia. Karya awal yang memanfaatkan data ini menunjukkan kepada dunia kimia dan ilmu pengetahuan pada umumnya betapa pentingnya ketersediaan data dalam mendorong kemajuan sains. Cheminformatics, terutama dalam bidang penemuan obat (drug discovery), menjadi pelopor dalam penggunaan Quantitative Structure Activity Relationships (QSAR), yang kemudian berkembang ke prediksi sifat berbasis machine learning (ML).

Saat ini, pentingnya data dalam kimia semakin meningkat seiring dengan ekspansi eksponensial dalam menghasilkan data kimia baru. Kekuatan komputasi yang lebih besar memungkinkan simulasi berkecepatan tinggi (high-throughput simulations), algoritma yang lebih canggih mendukung model generatif untuk merancang struktur kimia baru, dan berkembangnya laboratorium otomatis (self-driving laboratories) memungkinkan pembuatan data eksperimen berkecepatan tinggi dalam skala besar.

Ratusan basis data kimia kini telah tersedia, mulai dari basis data khusus bidang tertentu berskala menengah hingga repositori besar seperti PubChem, Cambridge Structural Database, Protein Data Bank, Materials Data Facility, Spectral Database for Organic Compounds (SDBS), Crystallography Open Database dan NOMAD.

Akses terhadap data kimia juga semakin luas. Sebagian besar basis data kini tersedia secara daring, termasuk repositori besar seperti SciFinder (yang dirilis oleh CAS) dan Reaxys (yang mencakup data Gmelin dan Beilstein), serta metadata hampir seluruh literatur kimia yang tersedia melalui platform seperti Web of Science. Bahkan Gold Book, versi modern IUPAC dari Color Books, kini dapat diakses secara online.

Meskipun akses ke data tersebut belum sepenuhnya gratis dan merata, data ini memiliki potensi besar untuk menginformasikan dan mengarahkan penelitian lintas disiplin ilmu. Aplikasi berbasis data yang sudah ada mencakup mulai dari prediksi sifat material, perancangan obat secara de novo, hingga sintesis otomatis dengan robot. Keberhasilan dalam bidang komputasi telah mendorong upaya untuk mengintegrasikan pendekatan berbasis data ke dalam kimia eksperimental secara lebih luas.

Sulit membayangkan kemajuan kimia tanpa keberadaan gudang data kimia yang krusial ini.

Sumber: Promises and Perils of Big Data: Philosophical Constraints on Chemical Ontologies