Digitalisasi buku tua mengubah sejarah menjadi dataset AI. Namun, siapa yang menguasai data berpeluang menentukan cara mesin membaca peradaban.

Satuju.com - Sejarah kini tak hanya tersimpan di rak perpustakaan. Dataset sejarah untuk AI mulai mengubah buku, manuskrip, gambar, dan dokumen berusia ratusan tahun menjadi bahan baku yang dapat dibaca, dicari, dibandingkan, bahkan dipakai untuk melatih kecerdasan buatan.

Gambaran itu muncul dalam catatan Cak AT karya Ahmadie Thaha bertajuk Dataset Ingatan Lima Abad, yang ditulis di Ma'had Tadabbur al-Qur'an pada 13 Agustus 2026.

Ia menggambarkan perubahan besar yang terjadi ketika koleksi buku tua masuk ke ruang digital. Buku yang sebelumnya hanya bisa diakses di perpustakaan tertentu kini dapat berubah menjadi data yang bisa diproses komputer dari berbagai penjuru dunia.

Salah satu contoh yang disorot adalah proyek British Library di Inggris. Sejak 2005, perpustakaan tersebut bekerja sama dengan Microsoft untuk mendigitalisasi puluhan ribu buku langka yang terbit pada 1510 hingga 1900.

Proyek itu kemudian berkembang. Pada 2013, British Library Labs memisahkan lebih dari satu juta gambar ilustrasi dari halaman buku dan membagikannya melalui Flickr Commons.

Kini, koleksi tersebut disebut telah dikemas dalam repositori berukuran sekitar 626 gigabyte yang memuat 1,08 juta gambar dari 25 juta halaman buku. Koleksi itu tersedia di Hugging Face dengan nama British Library Book Images.

Besarnya data tersebut menunjukkan bahwa digitalisasi tidak lagi sekadar pekerjaan memindai buku. Arsip yang semula pasif berubah menjadi dataset yang dapat dianalisis mesin.

Peneliti dapat menelusuri kemunculan kata dalam ribuan buku. Ahli bahasa bisa mengamati perubahan makna istilah dari masa ke masa. Sejarawan dapat membandingkan cara masyarakat menggambarkan perang, penyakit, kota, agama, dan kehidupan sosial.

Namun, semakin besar dataset, semakin penting pula pertanyaan tentang siapa yang menentukan isinya.

Menurut catatan Cak AT, koleksi British Library tersebut memiliki ketimpangan periode. Sekitar sepertiga gambar berasal dari dekade 1890-an, sementara koleksi sebelum 1800 hanya sekitar 1,6 persen.

Ketimpangan itu berpotensi memengaruhi mesin yang belajar dari data. Jika dataset digunakan tanpa memperhitungkan distribusi waktunya, sistem AI dapat memiliki gambaran sejarah yang lebih berat ke era tertentu.

Masalahnya bukan hanya soal jumlah data. Koleksi digital juga merupakan hasil seleksi manusia.

Buku yang dipindai merupakan bagian dari koleksi perpustakaan tertentu. Buku-buku yang hilang akibat perang, bencana, kerusakan, atau sebab lain tentu tidak masuk ke dalam dataset. Begitu pula karya yang tidak pernah dipilih untuk didigitalisasi.

Dengan kata lain, mesin tidak menentukan sendiri sejarah mana yang akan dipelajarinya. Manusia menentukan bahan yang diberikan kepada mesin.

Fenomena serupa terlihat dalam proyek digitalisasi berskala besar lainnya. Google Books di Amerika Serikat disebut telah memindai lebih dari 40 juta buku dalam ratusan bahasa. HathiTrust menyimpan jutaan volume digital yang dapat dianalisis dalam skala besar.

Di Eropa, Europeana menghubungkan puluhan juta objek warisan budaya dari museum, perpustakaan, dan galeri. Prancis juga memiliki Gallica, platform digital Bibliothèque nationale de France yang menyediakan berbagai dokumen sejarah untuk publik.

Perkembangan tersebut memperlihatkan perubahan penting: perpustakaan tidak lagi hanya berfungsi sebagai tempat penyimpanan buku, tetapi juga sebagai pemasok data untuk penelitian dan teknologi.

Dunia Islam memiliki kekayaan manuskrip yang tak kalah besar. Perpustakaan Süleymaniye di Istanbul, misalnya, menyimpan koleksi manuskrip dan buku cetak dalam jumlah besar.

Arab Saudi juga mengembangkan digitalisasi sumber sejarah. Lembaga Raqmin di Riyadh bergerak dalam pengarsipan digital, sementara koleksi digital manuskrip di lingkungan Masjid Nabawi terus dikembangkan.

Mesir memiliki Bibliotheca Alexandrina yang membangun platform digital untuk mengelola buku dan manuskrip Arab.

Persoalannya, memiliki koleksi belum otomatis berarti memiliki akses digital yang terbuka. Digitalisasi baru memberi dampak besar apabila data dapat dicari, dipahami mesin, ditautkan, dan dimanfaatkan kembali oleh peneliti.

Indonesia pun sudah memiliki fondasi melalui Khastara milik Perpustakaan Nasional. Portal tersebut memuat berbagai warisan dokumenter, mulai dari naskah kuno Nusantara, koran lama, peta, hingga foto sejarah.

Tetapi pekerjaan digitalisasi tidak berhenti pada pembuatan PDF.

Naskah Jawi, Jawa, Sunda, Bugis, Batak dan berbagai aksara Nusantara perlu ditranskripsi agar dapat dibaca mesin. Setiap halaman juga membutuhkan metadata yang memadai. Nama tokoh, lokasi, istilah, periode, serta hubungan antar-dokumen perlu ditata agar data dapat ditelusuri secara lebih dalam.

Akses melalui API juga dapat membuka peluang baru. Peneliti tidak perlu memulai dari nol untuk membaca atau membandingkan koleksi yang tersebar di Jakarta, Leiden, London, Istanbul, atau kota lainnya.

Jika model tersebut diterapkan pada kekayaan manuskrip Nusantara, kitab Jawi, Babad Jawa, Hikayat Melayu, manuskrip Aceh, naskah Bugis, hingga literatur pesantren lama dapat memperoleh kehidupan kedua dalam ekosistem digital.

Persoalannya kemudian bukan sekadar menyelamatkan kertas dari rayap.

Lebih jauh, digitalisasi menentukan apakah gagasan yang terkandung di dalam kertas itu akan tetap hadir ketika mesin mulai memainkan peran besar dalam memahami sejarah dan kebudayaan manusia.

AI belajar dari data yang tersedia. Ketika bahasa dan kebudayaan tertentu memiliki data digital yang melimpah, terstruktur, dan mudah diakses, peluang kebudayaan tersebut muncul dalam sistem AI juga semakin besar.

Sebaliknya, budaya yang hanya menyimpan warisan intelektualnya dalam arsip fisik akan menghadapi persoalan representasi.

Jika internet dipenuhi buku Inggris dan Prancis sementara manuskrip Nusantara hanya sedikit yang terdigitalisasi, mesin dapat lebih mudah mengenali sejarah London ketimbang sejarah Nusantara.

Bukan karena satu sejarah lebih penting daripada yang lain, melainkan karena satu sejarah memiliki data yang lebih siap dibaca mesin.

Di titik inilah digitalisasi berubah menjadi persoalan strategis.

Pada masa lalu, mesin cetak membantu gagasan bergerak melintasi batas wilayah. Kini, data digital berpotensi menentukan gagasan mana yang dapat dipelajari mesin dalam skala global.

Karena itu, proyek digitalisasi manuskrip dan buku tua semestinya tidak berhenti sebagai proyek konservasi. Ia perlu dipandang sebagai pembangunan infrastruktur pengetahuan.

Buku yang hanya tersimpan di lemari menunggu orang datang membacanya. Buku yang telah menjadi data dapat dicari, dibandingkan, dianalisis, dan dikenalkan kepada pembaca di seluruh dunia.

Dan ketika kecerdasan buatan semakin menentukan cara manusia memperoleh informasi, siapa yang serius mengelola data sejarahnya akan memiliki peluang lebih besar menentukan bagaimana dunia membaca masa lalunya.