Flutter dan AI: Kombinasi keren untuk aplikasi masa depan.

Dedi KahfiLeave a Comment on Flutter dan AI: Kombinasi keren untuk aplikasi masa depan.Dev

Pernahkah Anda membayangkan membuat aplikasi cerdas yang bisa mengenali wajah, menerjemahkan bahasa secara real-time, atau bahkan merespon perintah suara?

Dengan Flutter dan kecerdasan buatan (AI), semua itu bukan lagi sekadar mimpi! Kombinasi Flutter (framework multiplatform dari Google) dengan teknologi AI membuka pintu inovasi tak terbatas dalam pengembangan aplikasi modern.

Mari kita eksplorasi bagaimana Flutter + AI bisa menjadi duo powerful untuk menciptakan aplikasi masa depan!

Mengapa Flutter dan AI adalah Kombinasi yang Sempurna?

Flutter dikenal karena kemampuannya membuat aplikasi cepat, indah, dan multiplatform (Android, iOS, web, desktop). Sementara AI membawa kecerdasan mesin seperti pengenalan gambar, pemrosesan bahasa alami (NLP), dan prediksi data.

Apa jadinya jika keduanya digabungkan?
  • Aplikasi yang dikembangkan tidak hanya memiliki tampilan yang cantik, akan tetapi juga “pintar” dan interaktif.
  • Pengembangan lebih efisien karena Flutter mendukung integrasi dengan library AI seperti TensorFlow Lite, ML Kit, dan OpenAI.

Contoh Nyata Aplikasi Flutter + AI yang Memukau

  • SkinVision—muncul sebagai pionir dalam mengubah cara kita memantau kesehatan kulit. Aplikasi asal Belanda ini memadukan kecerdasan buatan tingkat lanjut dengan kelincahan Flutter, menghadirkan pengalaman inovatif di bidang kesehatan. Bayangkan jika seorang pengguna mengarahkan kamera ponselnya ke tahi lalat yang mencurigakan. SkinVision akan bekerja layaknya detektif digital dengan menerapkan teknologi AI Vision yang menganalisis 128 fitur berbeda dari lesi kulit, selain itu terdapat jaringan neural dalam yang telah dilatih dengan 4,5 juta gambar kasus dermatologi untuk membandingkan pola-pola dalam mendeteksi potensi risiko.
  • Xianyu—platform barang bekas terbesar di Tiongkok dengan lebih dari 300 juta pengguna menjadi bukti nyata bagaimana Flutter dan AI mampu mentransformasi aplikasi skala enterprise. Aplikasi ini memanfaatkan AI Personalization untuk menyaring sekitar 8 juta produk menjadi 200 item paling relevan bagi setiap pengguna. Selain itu, teknologi Computer Vision digunakan untuk menganalisis foto produk bekas yang diunggah, membantu menentukan harga yang wajar secara otomatis.

Contoh Penerapan Aplikasi Deteksi Objek dengan Flutter & TensorFlow Lite

Apa yang akan kita buat?
Sebuah aplikasi Flutter yang dapat mendeteksi objek dalam gambar menggunakan model machine learning (TensorFlow Lite). Aplikasi ini akan:

  1. Mengambil gambar dari kamera/galeri.
  2. Memproses gambar dengan model AI.
  3. Menampilkan hasil deteksi (nama objek + persentase akurasi).

Berikut langkah-langkah teknisnya:

Langkah 1: Persiapan Project Flutter
1. Buat Project Flutter Baru

Pastikan Anda sudah menginstal Flutter dan Dart sebelum membuat aplikasi flutter.

flutter create object_detection_app
cd object_detection_app
2. Tambahkan Dependencies di pubspec.yaml
dependencies:
  flutter:
    sdk: flutter
  tflite: ^1.1.2  # Package untuk integrasi TensorFlow Lite
  image_picker: ^0.8.5  # Untuk mengambil gambar dari kamera/galeri
  camera: ^0.10.0  # Jika ingin deteksi real-time via kamera

Jalankan flutter pub get untuk menginstal dependensi.

Langkah 2: Siapkan Model TensorFlow Lite
1. Download Model Pre-trained
  • Gunakan model SSD MobileNet (cocok untuk deteksi objek di perangkat mobile).
  • Download file .tflite dari TensorFlow Hub.
  • Download file labels.txt disini atau dapat download di COCO Dataset.
2. Tambahkan Model ke Project
  • Buat folder assets di root project.
  • Masukkan file: ssd_mobilenet.tflite (model AI) & labels.txt (daftar nama objek yang bisa dideteksi)
  • Update pubspec.yaml untuk meng-include assets:
flutter:
  assets:
    - assets/ssd_mobilenet.tflite
    - assets/labels.txt
Langkah 3: Implementasi Kode Flutter
1. Load Model TFLite di main.dart
import 'package:tflite/tflite.dart';

Future<void> loadModel() async {
  await Tflite.loadModel(
    model: "assets/ssd_mobilenet.tflite",
    labels: "assets/labels.txt",
  );
}
2. Buat UI untuk Upload Gambar
import 'package:image_picker/image_picker.dart';

File? _image;
final picker = ImagePicker();

Future getImageFromGallery() async {
  final pickedFile = await picker.pickImage(source: ImageSource.gallery);
  if (pickedFile != null) {
    setState(() {
    _image = File(pickedFile.path);
    });
    runObjectDetection(_image!);
   }
 }
3. Proses Deteksi Objek
List<dynamic>? _recognitions;

Future runObjectDetection(File image) async {
  var recognitions = await Tflite.detectObjectOnImage(
    path: image.path,
    model: "SSDMobileNet",
    threshold: 0.5, // Ambang batas akurasi
    imageMean: 127.5,
    imageStd: 127.5,
  );
  
  setState(() {
    _recognitions = recognitions;
  });
}
4. Tampilkan Hasil Deteksi
Widget buildResult() {
  if (_recognitions == null || _image == null) {
    return Text("Tidak ada objek terdeteksi");
  }
    
  return Column(
    children: _recognitions!.map((obj) {
      return Text(
        "${obj['detectedClass']} (${(obj['confidenceInClass'] * 100).toStringAsFixed(1)}%)",
        style: TextStyle(fontSize: 18),
      );
    }).toList(),
  );
}
5. Tampilan utama
@override
void initState() {
  super.initState();
  loadModel();
}

@override
Widget build(BuildContext context) {
  return Scaffold(
    appBar: AppBar(title: Text('Object Detection')),
    body: Center(
      child: Column(
        mainAxisAlignment: MainAxisAlignment.center,
        children: [
          _image == null 
            ? Text('Pilih gambar terlebih dahulu')
            : Image.file(_image!, height: 200),
          SizedBox(height: 20),
          buildResult(),
        ],
      ),
    ),
    floatingActionButton: FloatingActionButton(
      onPressed: getImageFromGallery,
      child: Icon(Icons.photo_library),
    ),
  );
}

@override
void dispose() {
  Tflite.close();
  super.dispose();
}
Langkah 4: Jalankan Aplikasi
1. Test di Emulator/HP:
flutter run
2. Demo Hasil:
  • Upload gambar kucing, maka output akan seperti:
cat (87%)
  • Upload gambar mobil, output:
car (92%)

Penutup

Flutter adalah solusi tepat bagi developer yang ingin membuat aplikasi multiplatform dengan cepat dan efisien. Dengan performa tinggi, fleksibilitas desain, dan dukungan komunitas yang kuat, Flutter layak menjadi pilihan utama dalam pengembangan aplikasi modern.

Bagi Anda yang baru memulai, jangan ragu untuk mencoba Flutter. Siapa tahu, Anda bisa membuat aplikasi keren yang digunakan oleh jutaan orang!

Sampai jumpa di artikel selanjutnya! 🚀

Referensi: