LAPORAN AKHIR

STUDI INDEPENDEN BERSERTIFIKAT

AI Mastery Program
Di Orbit Future Academy

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

oleh :
Fairuz Fernanda Hermawan / NIM 1903601

PROGRAM STUDI SISTEM TELEKOMUNIKASI

UNIVERSITAS PENDIDIKAN INDONESIA
KAMPUS DAERAH PURWAKARTA
2022
 Lembar Pengesahan
Program Studi Sistem Telekomunikasi
Universitas Pendidikan Indonesia
Kampus Purwakarta

Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi Peluang

Perguruan Tinggi Nasional bagi Siswa SMA di Indonesia

Di Orbit Future Academy

oleh :
Fairuz Fernanda Hermawan / NIM 1903601

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Purwakarta,15 Juni 2022

Pembimbing Magang atau Studi Independen Sistem Telekomunikasi
Universitas Pendidikan Indonesia

Ichwan Nul Ichsan, S.T., M.T.

NIP: <NIP Pembimbing>

1
 Lembar Pengesahan

Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi Peluang

Perguruan Tinggi Nasional bagi Siswa di Indonesia

Di Orbit Future Academy

oleh :
Fairuz Fernanda Hermawan / NIM 1903601

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Jakarta,17 Juni 2022

AI Coach

Wayan Dadang
NIP: 20210817

2
 Abstraksi
Program Magang Studi Independen Bersertifikat merupakan salah satu
bentuk pelaksanaan Merdeka Belajar Kampus Merdeka yang berupa bootcamp
mahasiswa untuk mengembangkan kemampuan di mitra atau industri yang
bekerja sama dengan kampus merdeka, salah satunya adalah Orbit Ventura
Academy yang bertempat di Jakarta Selatan.
Pada program ini, mahasiswa yang terlibat memiliki tanggung jawab
dalam menyelesaikan Proyek Akhir. selain itu, mahasiswa memiliki tanggung
jawab dalam mengimplementasikan hasil pembelajaran yang sudah dipelajari
kedalam suatu produk atau riset.
Hasil dari Program ini diharapkan dapat meningkatkan Produk Teknologi
terbaru, produk teknologi yang akan kami buat berupa Web Artificial Intelligence
Sistem Prediksi dan Rasionalisasi Peluang Perguruan Tinggi Nasional bagi Siswa
di Indonesia.Mengnignat masih banyaknya perhitungan masuk ke Perguruan
tinggi SNMPTN dengan Perhitungan Manual,Sehingga penulis memiliki ide
untuk membuat Web ini dengan tujuan memberi kemudahan bagi Murid SMA
jurusan IPA di indonesia sebelum masuk ke perguruan tinggi,Adapun Program
Artificial Intelligence ini menggunakan metode Naïve bayes, dan untuk
deployment menggunakan Flask dan Python,untuk data sendiri bersumber dari
Komunitas Instagram GapaiPTN yang dikumpulkan dari Tiga tahun sebelumnya
dan juga menggunakan Metode Penyebaran Kuesioner ke Murid SMA IPA kelas
tiga.
Kata Kunci : Kampus Merdeka, Orbit Ventura Academy, Flask dan Python, Naïve
Bayes,Proyek Akhir, Artificial Intelligence, Sistem Prediksi dan Rasionalisasi

3
 Kata Pengantar

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa. Atas rahmat
dan karunia-Nya, penulis dapat menyelesaikan laporan akhir Magang & Studi
Independen Bersertifikat Kampus Merdeka Angkatan 2 dengan judul “Web
Artificial Intelligence Sistem Prediksi & Rasionalisasi Peluang Perguruan Tinggi
Nasional bagi Siswa di Indonesia”.
Laporan ini disusun dan diajukan untuk memenuhi syarat akhir Program
Kampus Merdeka Studi Independen Mastery Intelligence Program di Orbit Future
Academy.Laporan akhir ini dapat diselesaikan semata karena penulis menerima
banyak bantuan dan dukungan. Untuk itu, penulis mengucapkan terima kasih
yang tak terhingga kepada:
1. Kedua Orang Tua Penulis
2. Bapak Prof. Turmudi, M.Ed., M.Sc., Ph.D. Selaku Direktur UPI Kampus
Daerah Purwakarta
3. Bapak Dr. Idat Muqodas, S.Pd., M.Pd.Selaku Wakil Direktur UPI kampus
Daerah Purwakarta
4. Bapak Ahmad Fauzi, S.Si., M.T. selaku Ketua Program Studi Sistem
Telekomunikasi (S1) UPI Kampus Purwakarta
5. Bapak Ichwan Nul Ichsan, S.T., M.T. selaku Dosen Pembimbing
Akademik dan Dosen Pembimbing Program MBKM AI Mastery
6. Bapak Wayan Dadang, selaku Homeroom Coach kelas persevere Program
AI Mastery OFA
7. Rekan tim Argent IT dan seluruh pihak yang tidak mungkin dapat penulis
cantumkan satu per satu.

4
Penulis menyadari bahwa laporan akhir ini masih jauh dari sempurna , oleh
karena itu , saran dan kritik yang bersifat membangun akan penulis terima dengan
senang hati. Penulis berharap semoga laporan akhir ini dapat bermanfaat bagi
semua pihak yang memerlukan Terutama bagi siapa saja yang ingin mendalami
bidang Data Science dan Teknikal.

Bandung, 15 Juni 2022

Penulis

Fairuz Fernanda Hermawan

5
 Daftar Isi

Bab I Pendahuluan 1

I.1 Latar belakang 1

I.2 Lingkup 1

I.3 Tujuan 1

Bab II Orbit Future Academy 1

II.1 Struktur Organisasi 1

II.2 Lingkup Pekerjaan 2

II.3 Deskripsi Pekerjaan 3

II.4 Jadwal Kerja 3

Bab III Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi Peluang
Perguruan Tinggi Nasional bagi Siswa di Indonesia) 1

III.1 Latar Belakang Proyek Akhir 1

III.2 Proses Pelaksanaan Proyek Akhir 1

III.3 Hasil Proyek Akhir 2

Bab IV Penutup 1

IV.1 Kesimpulan 1

IV.2 Saran 1

Bab V Referensi vii

Bab VI Lampiran A. TOR 1

Bab VII Lampiran B. Log Activity 1

Bab VIII Lampiran C. Jurnal 1

6
 Daftar Tabel

Tabel 2.1 Agenda Kelas 3

Catatan:
Nama tabel menggunakan Heading 4

Cara update daftar tabel:

1. Klik kanan pada daftar tabel
2. Klik Update Field
3. Pilih Update Entire Table
4. Klik OK

7
 Daftar Gambar

Gambar 2.1 Logo Orbit Future Academy 1

Gambar 2.2 Struktur Organisasi OFA 2

Catatan:
Nama Gambar menggunakan Heading 5

Cara update daftar gambar

1. Klik kanan pada daftar gambar
2. Klik Update Field
3. Pilih Update Entire Table
4. Klik OK

8
 Bab I Pendahuluan

I.1 Latar belakang

Program Magang dan Studi Independen Bersertifikat (MSIB) merupakan
salah satu program kampus merdeka Kemendikbud yang bertujuan untuk
memberikan kesempatan kepada mahasiswa untuk belajar dan mengembangkan
diri melalui aktivitas di luar kelas perkuliahan, namun tetap diakui sebagai bagian
dari perkuliahan. Dengan adanya program ini mahasiswa diharapkan mendapatkan
ilmu dari perusahaan tempat studi independen dan dapat mengaplikasikan teori
yang didapatkan.

PT Orbit Ventura Indonesia merupakan salah satu perusahaan di Indonesia

yang bergerak dalam bidang industri teknologi berskala internasional. Salah satu
program unggulan yang ada di Orbit Future Academy (OFA). OFA mengkurasi
dan melokalisasi program & kursus internasional termasuk program MSIB untuk
meningkatan keterampilan dan menambah keterampilan baru untuk pemuda dan
tenaga kerja menuju Pekerjaan Masa Depan. Program MSIB Orbit dilaksanakan
secara daring dengan penilaian pada pre test, post test dan projek akhir. Tim
peneliti mengambil tema projek akhir bidang Artificial Intelligence dan memilih
domain Data Science yang selaras dengan tujuan PT Orbit Ventura Indonesia
dalam mendukung perkembangan Pendidikan, Inovasi dan Teknologi di
Indonesia.

Dengan perkembangan ilmu pengetahuan dan teknologi saat ini, proses

masuk Perguruan Tinggi Negeri (PTN) melalui jalur SNMPTN menjadi incaran
para siswa SMA. Hanya dengan mendaftarkan nilai SMA yang di dapat, namun
ada kekurangan dari jalur ini jika tidak dengan prediksi yang tepat untuk
menyesuaikan antara nilai dengan jurusan perguruan tinggi yang dipilih
kemungkinan tidak lolos akan terjadi. Oleh karena itu tim peneliti melakukan
penelitian mengenai website sistem prediksi dan rasionalisasi nilai siswa SMA

1
 2

untuk masuk jalur SNMPTN dengan harapan dapat membantu memprediksi nilai
sebelum memasukkan nilai ke pihak resmi SNMPTN
I.2 Lingkup
Untuk dasar lingkup pengerjaan,Kelompok kami menggunakan Dasar
Artifial Intelligence project cycle yang terbagi menjadi lima tahap yaitu Problem
Scoping,data Acquisition, data exploration,modelling,evaluation dan deployment
Pengerjaan tugas Akhir ini mulai dari tanggal 9 Mei 2022 sampai dengan 17 Juni
2022.Keseluruhan project ini dibagi secara merata kepada anggota kelompok.dan
tugas pokok saya sendiri adalah Perancangan UI/UX dan Frontend yang termasuk
pada Perancangan.untuk Estimasi tanggal pengerjaan Project cycle itu sendiri bisa
dilihat di bawah ini :

● 9 - 13 Mei : Tahap Data Acquisition, Reprocessing, dan Pemodelan awal

● 16 Mei - 20 Mei 2022 : Tahap Pemodelan, Evaluasi, dan Perancangan
UI/UX
● 23 Mei - 3 Juni 2022 : Tahap Improvisasi, Deployment Project, serta
Penyusunan Laporan
● 6 Juni - 10 Juni 2022 : Menyelesaikan laporan
● 13 Juni - 17 Juni 2022 : Submit laporan ke website KM

I.3 Tujuan
Secara umum,Program ini bertujuan untuk mengembangkan kemampuan
mahasiswa dalam membuat suatu program yang inovatif dan solutif untuk
mengatasi permasalahan-permasalahan yang ada baik ditingkat nasional maupun
internasional. Mahasiswa menjalankan projek dalam kelompok yang terdiri dari 5
orang selama enam bulan. Setiap kelompok akan dibimbing secara intensif oleh
mentor profesional yang telah berpengalaman memfasilitasi proyek inovasi di
berbagai perusahaan besar.
Adapun Tujuan yang didapatkan oleh peserta Selama mengikuti program ini
adalah sebagai berikut :
 3

1. Dibimbing oleh mentor profesional menggunakan berbagai metode

inovasi populer dunia seperti Deployment, Flask, Text
Classification, Image Segmentation.
2. Berlatih untuk membuat kecerdasan buatan untuk mempermudah
kehidupan manusia dalam bekerja atau menjalankan aktivitas
sehari-hari.
3. Menghasilkan sebuah inovasi program yang nyata berupa produk
atau jasa yang sudah tervalidasi sebuah prediksi atau kecerdasan
buatan yang siap ditawarkan oleh perusahaan, organisasi, serta
masyarakat.
4. Mendapatkan sertifikat yang dikeluarkan Mitra Orbit Future
Academy yang mengembangkan kecerdasan buatan untuk generasi
milenial.
5. Program dilakukan secara online dengan aplikasi dimana setiap tim
mendapatkan ruang kerja virtual untuk berkreasi dan berkolaborasi
secara real-time.
6. Semua aktivitas serta dalam program ini diakui oleh kampus kamu
sebagai perkuliahan sebanyak 20 SKS.
 Bab II Orbit Future Academy

II.1 Struktur Organisasi

Gambar 2.1 Logo Orbit Future Academy

Orbit Future Academy (OFA) didirikan pada tahun 2016 dengan tujuan
untuk meningkatkan kualitas hidup melalui inovasi, edukasi, dan pelatihan
keterampilan. Label atau brand Orbit merupakan kelanjutan dari warisan
mendiang Prof. Dr. Ing. B. J. Habibie (presiden Republik Indonesia ke-3) dan
istrinya, Dr. Hasri Ainun Habibie. Mereka berdua telah menjadi penggerak dalam
mendukung perkembangan inovasi dan teknologi pendidikan di Indonesia. OFA
mengkurasi dan melokalkan program/kursus internasional untuk upskilling atau
reskilling pemuda dan tenaga kerja menuju pekerjaan masa depan. Hal ini sesuai
dengan slogan OFA, yakni “Skills-for-Future-Jobs”.

Visi:
Memberikan pembelajaran berbasis keterampilan transformatif terbaik untuk para
pencari kerja & pencipta lapangan kerja.

Misi:
1. Membangun jaringan Orbit Transformation Center (OTC) secara nasional
untuk menyampaikan kurikulum keterampilan masa depan berbasis
sertifikasi melalui Platform Konten Digital.

1
 2

2. Secara proaktif bekerja dengan pemerintah & organisasi dengan mengubah

tenaga kerja mereka agar sesuai dengan perubahan pekerjaan yang terjadi
karena Industri 4.0.
3. Melatih pemuda dengan keterampilan kewirausahaan & mencocokkan
mereka dengan peluang masa depan yang muncul di berbagai industri.
4. Menghubungkan jaringan inkubator dan akselerator yang dikurasi ke
industri, investor, dan ekosistem start-up global.

Struktur organisasi OFA dapat dilihat pada Gambar 2.2.

Gambar 2.2 Struktur Organisasi OFA

II.2 Lingkup Pekerjaan

Seorang fasilitator akan mendampingi kurang lebih 40 peserta MSIB (student)
dalam satu kelas. Terdapat dua jenis fasilitator, yakni:
a. Homeroom Coach
Homeroom coach bertugas menyampaikan materi tentang dasar-dasar AI,
memberikan penilaian pada student, dan mengarahkan student saat
pengerjaan Proyek Akhir (PA).
 3

b. Domain Coach
Domain coach bertugas menyampaikan materi tentang domain AI dan
memberikan penilaian pada student.
Lingkup pekerjaan student adalah mengikuti kelas bersama homeroom atau
domain coach, sesuai agenda kelas, hingga program selesai.

II.3 Deskripsi Pekerjaan

Berikut adalah deskripsi pekerjaan student sebelum pengerjaan PA:
a. Mengikuti pre-test.
b. Mengikuti kelas sesi pagi pada pukul 08.00 hingga 11.30 WIB.
c. Mengikuti kelas sesi siang pada pukul 13.00 hingga 16.30 WIB.
d. Mengulang materi yang telah disampaikan di kelas sesi pagi dan siang,
setelah kelas sesi siang, selama 1 jam (self-study).
e. Mengerjakan latihan individu atau kelompok yang diberikan oleh
homeroom atau domain coach saat kelas berlangsung.
f. Mengerjakan tugas yang diberikan homeroom atau domain coach hingga
batas waktu tertentu.
g. Mengerjakan mini project yang diberikan homeroom atau domain coach
hingga batas waktu tertentu
h. Mengikuti post-test.

Saya memiliki peran sebagai Front end serta UI/UX selama pengerjaan PA,
dengan deskripsi pekerjaan sebagai berikut:
a. Unified Modeling Language (UML) / System Design: Bertanggung jawab
membuat sekumpulan diagram yang digunakan untuk melakukan abstraksi
terhadap sebuah sistem atau perangkat lunak berbasis objek. UML dapat
digunakan untuk mempermudah pengembangan aplikasi yang
berkelanjutan. UML dapat dikatakan juga sebagai perkembangan, bahasa
pemodelan di bidang rekayasa perangkat lunak yang dimaksudkan untuk
menyediakan cara standar untuk memvisualisasikan desain sebuah sistem.
 4

b. User Interface (UI): Bertanggung jawab untuk mendesain tampilan secara

menarik baik dari sisi bentuk dan warna. Bertanggung jawab mengatur tata
letak, skema warna, bentuk tombol-tombol yang bisa diklik beserta jenis
dan ukuran teks.

c. User Experience (UX): Bertanggung jawab bagaimana meningkatkan

kepuasan pengguna aplikasi maupun pengunjung situs yang dilihat dari
nilai guna, manfaat, juga kesenangan yang didapatkan si pengguna dari
suatu aplikasi atau situs.

d. Front End: Bertanggung jawab untuk memproduksi, modifikasi dan

memelihara website dan aplikasi web yang telah di design User Interface
(UI).

II.4 Jadwal Kerja

Program ini berlangsung setiap hari kerja (Senin sampai dengan Jumat)
selama 8 jam per harinya, dengan rincian sebagai berikut:

Tabel 2.1 Agenda Kelas

Pukul (WIB) Durasi (jam) Aktivitas
08.00 s.d. 11.30 3.5 Kelas Sesi Pagi
13.00 s.d. 16.30 3.5 Kelas Sesi Siang
16.30 s.d. 17.30 1 Self-Study

Program ini berlangsung dari bulan Februari 2022 sampai dengan bulan Juli 2022.
 Bab III
Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi Peluang
Perguruan Tinggi Nasional bagi Siswa di Indonesia

III.1 Latar Belakang Proyek Akhir

Kemajuan ilmu pengetahuan dan teknologi yang global, telah
mempengaruhi semua aspek kehidupan, baik di bidang ekonomi, politik, budaya,
seni, bahkan di bidang pendidikan. Sebagai contoh kasus siswa Sekolah
Menengah Atas (SMA) yang lolos pemilihan jalur Penerimaan Seleksi Nasional
Masuk Perguruan Tinggi Negeri (SNMPTN) dalam memilih perguruan tinggi
yang mereka inginkan. Beberapa kasus siswa SMA yang lain, perguruan tinggi
yang mereka pilih justru menjadi bumerang, yakni gagal karena beberapa faktor
seperti meningkatnya persaingan, daya tampung perguruan tinggi yang sedikit,
atau pilihan Program Studi (Prodi) yang siswa pilih merupakan pilihan terfavorit
di perguruan tinggi tersebut.
Berdasarkan uraian beberapa masalah diatas Tim kami membuat sebuah
sistem dalam bentuk website yang dapat memberikan informasi prediksi peluang
lolos atau tidak lolos bagi siswa SMA untuk masuk ke perguruan tinggi favorit
mereka melalui jalur SNMPTN menggunakan metode Multi Output Classification
dan Cross Validation berdasarkan parameter nilai rata-rata rapor setiap semester,
sertifikat yang siswa SMA miliki dan Prodi di perguruan tinggi yang siswa SMA
pilih. Tim peneliti berharap dengan dilakukan penelitian sistem prediksi yang
kami buat dapat mengurangi persentase resiko kegagalan siswa SMA dalam
memilih perguruan tinggi jalur SNMPTN dan memberikan rekomendasi alternatif
kepada siswa SMA jika peluang masuk kedua perguruan tinggi tersebut sangat
kecil.

1
 2

III.2 Proses Pelaksanaan Proyek Akhir

Pada Langkah pertama dalam pembuatan projek akhir,kelompok kami
mencari beberapa referensi yang relevan dengan Projek Akhir kami,Memikirkan
Ide dan bahan untuk pengerjaan projek akhir.setelah mendapat beberapa referensi
ide dan membicarakan bersama,kami sepakat mengangkat sebuah judul yang
berkaitan dengan penggabungan domain data science serta Pengembangan
website.Pada tahap selanjutnya kelompok kami masuk tahap pengumpulan
dataset,Kami mengambil dataset melalui Data Internal Rasionalisasi Pihak
GapaiPTN serta melakukan Lembar kuesioner Online melalui Google form yang
nantinya disebar dengan target Murid SMA IPA kelas 3.
Setelah melakukan pengolahan dataset,kelompok kami melanjutkan ke
tahap selanjutnya yaitu pembuatan Diagram UML (Unified Modelling language)
sebagai Rancangan dalam membuat User interface/User Experience, Front end
dan back end.UML sendiri banyak digunakan dalam dunia pemograman sebagai
rancangan dasar dalam menentukkan fungsi fungsi yang akan dihadirkan dalam
website atau aplikasi di langkah selanjutnya,UML yang kami masukkan terdapat
Activity diagram,Class Diagram,Sequence diagram,Use case diagram serta use
case scenario yang masing masing saling berhubungan satu sama lain.
Langkah selanjutnya yang dilakukan kelompok kami adalah pembuatan
tampilan website UI/UX sekaligus pembuatan Front end.dalam langkah ini kami
sepakat untuk membagi tugas menjadi dua,sebagian mengerjakan UI/UX serta
yang lain mulai mengerjakan front end setelah Rancangan UI/UX
selesai.Pembuatan rancangan UI/UX kami lakukan dengan dibantu website
Figma,Figma adalah sebuah website yang cukup terkenal dalam membantu
pengerjaan rancangan UI/UX figma sendiri juga dapat melakukan kolaborasi
sehingga sangat membantu sekali jika ada pengerjaan secara bersamaan dalam
satu workdesk.selanjutnya setelah selesai mengerjakan rancangan UI/UX
kemudian anggota kami yang mengerjakan FrontEnd mulai bekerja. front end
sendiri adalah Tampilan depan dari suatu website,untuk front end ini kami
menggunakan bahasa pemograman HTML serta ReactJS.Kendala yang saya
rasakan pada FrontEnd ini adalah kurang pengetahuan mengenai Bahasa
 3

pemograman HTML serta ReactJS,karena saya sendiri juga belum berpengalaman

dalam membuat Front end untuk website.namun,seiring waktu saya bisa
memelajari serta akhirnya saya menyelesaikan semuanya tepat waktu.
Setelah selesai mengerjakan Frontend,Fokus kelompok kami beralih ke
pengerjaan modelling,di tahap ini Kami mendiskusikan mengenai model apa saja
yang akan digunakan sebagai Algoritma penyelesaian model untuk Sistem
Rasionalisasi,setelah melakukan beberapa konsultasi dengan beberapa
coach,kelompok kami akhirnya menggunakan dengan Algoritma Naïve-bayes
alasannya adalah Akurasi yang dihasilkan algoritma ini cukup akurat (Akurasi
terakhir yang kami lakukan dari komparasi Data input serta Data dari GapaiPTN
didapatkan sekitar 74%).berdasarkan dari hasil ini kami memutuskan untuk
menggunakan algoritma ini.selain itu kami mengolah data yang didapat dari
proses aquistion dan menyesuaikan untuk digunakan sebagai dasar untuk
melakukan Rasionalisasi.untuk hambatan sendiri,sejauh ini belum terdapat
masalah yang saya dapatkan di proses ini
Tahap terakhir dalam proses pengerjaan website rasionalisasi ini adalah
Deploying serta pengerjaan backend,salah satu teman kami mengerjakan untuk di
tahap ini agar bisa dijalankan di local. Untuk deploying sendiri kami disarankan
oleh coach menggunakan flask,output yang didapat dari proses ini adalah website
bisa dijalankan di Port Local,serta fungsi fungsi yang dirancang sebelumnya bisa
digunakan,serta Rasionalisasi dari Input Nilai rapot bisa dijanan dengan baik
dengan 2 parimeter yaitu Lulus dan tidak lulus.Hambatan yang saya rasa di tahap
ini sendiri adalah kebingungan dalam cara menggabungkan front end dan backend
untuk kemudian bisa dideploy di local.

Secara keseluruhan beberapa langkah yang sudah dijelaskan ada dibawah ini :
1. UML perlu pendalaman materi: mencari referensi dan mencoba membuat
UML sesuai dengan referensi yang ada.
2. Data Aquisition: Mencari data melalui Data Internal yang diperoleh
melalui hasil Kerjasama Pihak Gapai Cipta
 4

3. Pengerjaan UI : Pengerjaan Desain UI dibuat bersama sama menggunakan

Website Figma.detail pengerjaan meliputi Landing page,Login
Page,Article page,Dashboard Admin,halaman Forum,halaman
Profile,register page serta yang paling penting Rasionalisasi Page.
4. Pengerjaan Frontend : Setelah Desain UI selesai dibuat maka direalisasi
dengan pengerjaan Frontend,yang dilakukan mengikuti bentuk template
yang sudah dibuat pada UI sebelumnya.
5. Pengerjaan Modelling : Di tahap ini,setelah data data yang dibutuhkan
sudah terkumpul,Kami mulai menentukkan model apa yang akan kami
gunakan dalam Rasionalisasi Naive bayes .setelah menentukkan modelnya
lalu kami Latih data nya hingga mendapatkan hasil yang diinginkan.
6. Pengerjaan Deployment (Backend) : Dalam tahap ini,data yang sudah
diproses serta model yang digunakan sudah dirasa baik,maka langkah
selanjutnya adalah deployment yaitu menggabungkan Hasil pengerjaan
frontend dengan pengerjaan modelling yang kemudian hasilnya dideploy
dalam local Port.
7. mencoba Produk (Quality Check) : Di tahap terakhir ini,salah satu dari
team kami akan mencoba Website yang sudah dibuat apakah sudah sesuai
dengan Ekspetasi atau belum.jika sudah dirasa bagus,maka website ini
siap diluncurkan untuk Pelajar SMA serta masyarakat umum.

III.3 Hasil Proyek Akhir

Uraikan berbagai hasil yang diperoleh selama menjalankan project MSIB di

organisasi Mitra MSIB, rinciannya mengacu pada lampiran dokumen teknik jika
ada. Hasil selama mengikuti MSIB dikaitkan juga dengan tujuan MSIB di sub bab
I.3. Contoh:

● Uraian/deskripsi aplikasi atau model AI yang telah dikembangkan

● Screenshot aplikasi atau model AI yang telah dikembangkan

 5

● Performa aplikasi atau model AI. Bisa didukung dengan tabel, gambar,

atau grafik (hasil pengujian aplikasi atau model AI)

● Kelebihan dan kelemahan aplikasi atau model AI yang telah

dikembangkan

● Rencana pengembangan aplikasi atau model AI dikemudian hari

(pengembangan lebih lanjut)

 Bab IV Penutup

IV.1 Kesimpulan
Menurut saya, Program studi Independent dari orbit Future academy
memberikan pengalaman yang berharga dan pengalaman tersebut tidak bisa
didapatkan didalam kampus.Mahasiswa disini aktif dalam pengembangan soft
skill AI,dengan bantuan bimbingan Coach yang berpengalaman dalam
bidangnya,Mahasiswa mendapatkan materi dasar AI seperti Machine learning
sampai Mahasiswa dapat membuat model projek berbasis kecerdasan buatan
seperti dalam pengerjaan tugas akhir ini yang sedang dikerjakan penulis saat ini.
Pengerjaan Model Web Rasionalisasi dan Prediksi Peluang SNMPTN ini
dibangun dengan menerapkan model Machine learning yaitu Metode Multiclass
Classfication menggunakan algoritma Naïve bayes yang memiliki akurasi hingga
74%.Deployment atau Produk Final dari Proyek ini sudah memenuhi tujuan
utama dan menjawab rumusan masalah yang dimiliki program GapaiPTN saat
ini.Namun,tentunya masih memiliki beberapa kekurangan dan kekurangan ini
sendiri bisa terus diperbaiki dan dikembangkan ke hal positif,selain itu fitur yang
lebih baru dan data yang lebih masif menjadi tujuan lain agar fungsi aplikasi
website ini menjadi lebih akurat.

IV.2 Saran
Sebagai tambahan dari saya, Orbit Future Academy dari sisi Penyampaian
Materi dan Praktik Hands on Program sudah cukup baik,mungkin kedepannya
pihak orbit Future academy dapat menghadirkan Materi yang lebih Baru dan
Menarik untuk Batch selanjutnya.
Hasil Akurasi dari Sistem Rasionalisasi masih Kurang dari ekspetasi,dan
beberapa hal bisa terus dikembangkan terutama rumusan Matematis,fitur yang
lebih Komporehensif dan data yang lebih banyak sehingga fungsi dari aplikasi
website ini menjadi lebih terlihat.

1
 Bab V Referensi

[1] A. M. Habibi, R. R. Santika, J. R. Ciledug, P. Utara, and K. Lama,

“Implementasi Algoritma K-Nearest Neighbor dalam Menentukan Jurusan
Menggunakan Metode Euclidean Distance Berbasis Web Pada SMP Setia
Gama,” vol. 3, no. 4, p. 8, 2020.
[2] W. H. Sunandi, “Klasifikasi Penjurusan Sekolah Menengah Atas
Menggunakan Metode Backpropagation Berbasis Website,” p. 13.
[3] S. eka Y. Putri, “PENERAPAN MODEL NAIVE BAYES UNTUK
MEMPREDIKSI POTENSI PENDAFTARAN SISWA DI SMK TAMAN
SISWA TELUK BETUNG BERBASIS WEB,” JATIKA, vol. 1, no. 1, pp. 93–
99, Jun. 2020, doi: 10.33365/jatika.v1i1.228.
[4] E. Elmayati and C. Wulandari, “EVALUASI KUALITAS WEBSITE SMA
NEGERI 4 LUBUKLINGGAU MENGGUNAKAN METODE WEBQUAL,”
jusim, vol. 3, no. 2, pp. 102–111, Dec. 2018, doi: 10.32767/jusim.v3i2.333.

7
Bab VI Lampiran A. TOR

TERM OF REFERENCE (TOR)

STUDI INDEPENDEN BERSERTIFIKAT
AI MASTERY PROGRAM
DI ORBIT FUTURE ACADEMY

A. Rincian Program
AI Mastery Program adalah program pelatihan Artificial Intelligence (AI)
daring yang bertujuan untuk memperkenalkan teknologi dan perangkat AI
kepada pelajar, sehingga diharapkan mereka dapat mengembangkan produk
AI yang memiliki dampak sosial. Program ini berfokus pada komponen utama
AI, seperti Data Science (DS), Natural Language Processing (NLP), Computer
Vision (CV), dan Reinforcement Learning (RL).

B. Tujuan Program
Tujuan yang diharapkan setelah peserta mengikuti program ini:
1. Mampu memahami apa itu AI, penerapan dan pemanfaatannya.
2. Mampu memahami terkait tiga domain utama AI (DS, NLP, dan CV).
3. Mampu mengelaborasi kemampuan terkait AI dengan bidang lain.
4. Mampu memahami pentingnya data dalam AI.
5. Mampu membuat project AI yang berdampak sosial.
6. Mampu menulis kode dengan bahasa pemrograman Python.
7. Mampu memahami operasi dan logika sederhana pada Python.
8. Mampu membuat project Python.
9. Mampu melakukan kolaborasi secara interaktif dengan Git/Github.
10. Mampu membuat repository di akun Git/Github.
11. Mampu membuat portfolio dengan Git/Github.
12. Mampu menganalisis algoritma Machine Learning (ML) yang paling
sesuai.
13. Mampu membuat model ML.

A-1
 2

14. Mampu memahami dan menerapkan algoritma ML untuk membantu

kehidupan.
15. Mampu membuat model Deep Learning (DL).
16. Mampu membuat kode program untuk pengujian model data science.
17. Mampu melakukan pengujian model dan analisis.
18. Mampu membuat ramalan dan prediksi berdasarkan data.
19. Mampu mengolah data yang besar untuk membuat keputusan.
20. Mampu men-clustering untuk memetakan pola.
21. Mampu membuat dokumentasi hasil pengujian model DS.
22. Mampu Membuat model DS dengan ML & DL.
23. Memahami NLP.
24. Mampu membuat model pengenalan suara.
25. Mampu membuat chatbot.
26. Mampu membuat project terkait dengan RL.
27. Mampu mengkombinasikan dan membuat project terkait AI, IoT, dan
sensor.
28. Mampu mengaplikasikan konsep RL dan diterapkan bersama domain AI
lain.
29. Mampu memahami dan membuat project terkait CV.
30. Mampu menggunakan teknologi terkait Computer Vision.
31. Mampu mengembangkan project CV untuk kepentingan sosial.
32. Mampu membuat model ML dan DL untuk berbagai kasus.
33. Mampu men-deploy model menggunakan Heroku dan atau menggunakan
layan Machine learning as a service (MLaaS).
 3

C. Jadwal dan Tempat Pelaksanaan

Jadwal pelaksanaan tertera dalam tabel berikut:
Pukul (WIB) Durasi (jam) Aktivitas
08.00 s.d. 11.30 3.5 Kelas Sesi Pagi
13.00 s.d. 16.30 3.5 Kelas Sesi Siang
16.30 s.d. 17.30 1 Self-Study

Kelas akan diselenggarakan secara daring melalui aplikasi video conference.

D. Peserta
Peserta program ini adalah mahasiswa yang berasal dari Perguruan Tinggi di
bawah Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik
Indonesia.

E. Uraian Tugas Peserta

Selama mengikuti program ini, peserta diharuskan:
1. Mengikuti program dari awal hingga selesai.
2. Mematuhi aturan program.
3. Mematuhi aturan kelas yang dibuat bersama homeroom atau domain
coach.
4. Mengikuti kelas dengan presensi minimal 85%.
5. Membuat laporan harian dan mingguan di website Kampus Merdeka.
6. Menyelesaikan Proyek Akhir (PA) beserta laporannya.

Bandung, 21 Februari 2022

Homeroom Coach, Peserta Program,
 4

<Wayan Dadang> <Fairuz Fermamda Hermawan>

20210817 1903601
Bab VII Lampiran B. Log Activity

Minggu/Tgl Kegiatan Hasil

Minggu/10 Sosialisasi Project Akhir Panduan

April 2022

Minggu/17 Pembentukan Kelompok Tim kelompok berjumlah

April 2022 5 orang dengan nama
kelompok ArgentAI

Minggu/24 Research System- Final System System Design Website

April 2022 Design

Minggu/1 User Experience (UX) dan Paper UX: Use Case Diagram,
Mei 2022 Activity Diagram, dan
Sequence Diagram

Paper: Bab I dan II

Minggu/8 User Experience (UX) dan User UX: Class Diagram dan
Mei 2022 Interface (UI) Use Case Scenario

UI: Design Landing

Page, Login, Register,
Page Rasionalisasi, dan
Homepage

B-1
 2

Minggu/15 User Interface (UI) dan Paper Website Eror, Page

Mei 2022 Forum, Page Artikel,
Page About, Page Profil,
dan Page CRUD(Login,
Artikel, Event)

Paper: Bab III.1 – III.2

Minggu/22 User Interface (UI) dan User UI/UX: Peninjauan

Mei 2022 Experience (UX) Final dan terakhir UI/UX seperti
Wawancara Client merapikan tampilan.

Wawancara: Demo
tampilan UI/UX pada
Client yaitu GapaiPTN

Minggu/29 Data Pre-Processing dan Front End Data Pre-Processing:

Mei 2022 Data SMA Jurusan IPA
yang siap dimasukan
untuk jadi pemodelan
Python.

Front End: Design

tampilan yang disajikan
User Interface dijadikan
sebuah Framework
(HTML,CSS,Javascript)

Minggu/5 Programming Pemodelan Program yang

 3

Juni 2022 akan dimasukan ke

Aplikasi

Minggu/12 Deployment, Paper dan Bahan Deployment: Aplikasi

Juni 2022 Presentasi
Bab VIII Lampiran C. Dokumen Teknik

1. AI Project Cycle
a. Problem Scoping
Banyaknya Siswa SMA jurusan IPA masuk ke SNMPTN melalui jalur
rapot yang ingin mengetahui prediksi tingkat lulus atau tidak lulus, sehingga
banyak yang ditolak karena tingkat kelulusannya selalu diprediksi dengan
logika, dikarenakan banyaknya masalah yang dihadapi para siswa untuk
masuk ke jalur SNMPTN, sehingga kami membuat aplikasi prediksi
SNMPTN Jurusan IPA ke Perguruan Tinggi Negeri
Jelaskan permasalahan yang diangkat dan ingin diselesaikan melalui
aplikasi.
b. Data Acquisition
Data Didapat dari GapaiPTN dan Penyebaran kuesioner, data yang
variabel x berisi Nilai B.Indonesia, Nilai B.Inggris, Nilai Matematika, Nilai
Biologi, Nilai Kimia, Nilai Fisika, Akreditasi Sekolah, Sertifikat Nasional dan
internasional, Sertifikat Provinsi, dan Tidak Ada Sertifikat, Variabel y berisi
lulus atau tidak lulus.
Jelaskan sumber data, cara pengambilan data, dan data yang digunakan
dalam proses pembuatan model/aplikasi.
c. Data Exploration
Tahapan pemrosesan data mulai yang pertama Data Cleaning untuk
memastikan kebenaran, konsistensi, dan kegunaan suatu data yang ada dalam
dataset. Kedua, Data Transformation untuk mengubah data yang diperoleh
dibuat data numerik, data yang lulus diberi angka 0 dan data yang tidak lulus
diberi angka 1, Akreditasi A diberi point 30, Akreditasi B diberi point 20,
Akreditasi C diberi point 10, Sertifikat Provinsi diberi point 10, Sertifikat
Nasional diberi point 20, setelah data sudah di cleaning maka bisa digunakan
oleh modelling.

C-1
 2

Gambar 1 Data Output Nilai SMA IPA

d. Modelling
Website ini memberikan beberapa Fungsi didalamnya,Diantaranya yaitu
Fungsi Rasionalisasi nilai (Utama),Laman Artikel,Laman Event,Laman
Landing Page,Laman Forum,Laman Login dan Laman Register. Kelompok
kami menggunakan metode Multiclass Classification dengan Algoritma Naïve
Bayes yang memiliki fungsi untuk memprediksi data yang sudah ada
sebelumnya (Data ini berasal dari Hasil Kuesioner serta Data Nilai dari pihak
GapaiPTN itu sendiri) dengan Data input yang berasal dari Input nilai rapot
rata rata SMA IPA yang dimasukkan pada laman rasionalisasi,sehingga
menghasilkan nilai lulus dan tidak lulus.
e. Evaluation
Proses Modelling dan website ini membutuhkan Evaluasi untuk
mengetahui seberapa baik model yang diimplementasikan pada dataset.berikut
ini adalah rincian dari evaluasi model projek akhir ini.
 3

Gambar 2 Rincian Evaluasi Model Projek akhir Sistem prediksi dan Rasionalisasi

Berdasarkan gambar diatas bisa kita lihat bahwa untuk aakurasi data Score
mendapatkan nilai sekitar 74%.Nilai akurasi Score ini didapat dari hasil kalkulasi
matriks yaitu Precision,Recall,F1-Score, dan Support.
Jelaskan metrics apa yang digunakan untuk mengevaluasi, misalnya F-1
score dan hasil evaluasi algoritma/model/approach. Bisa dilengkapi dengan
grafik evaluasinya juga.
f. Deployment
Aplikasi ini diluncurkan menggunakan beberapa teknologi dan framework di
antaranya Flask dan Python dengan mengubah model menjadi REST API dan
dijalankan menggunakan Anaconda Prompt / Terminal atau melalui Visual
studio Code.Proses running dibagi menjadi 2 yakni
Jelaskan tujuan deployment dan proses deployment aplikasi.

2. Profil Tim dan Deskripsi Pembagian Tugas

Berikut adalah pembagian masing masing anggota kelompok kami :
1. Nama : Wildan Attariq Firmansyach
NIM : 41190017
Jurusan : Teknik Informatika
Domisili : Cirebon
Perguruan Tinggi : STMIK IKMI Cirebon
 4

Tugas : Modelling Python

Deskripsi : Memiliki tanggungjawab yang cukup krusial
dalam membangun model phyton untuk dimasukan kedalam back-end.
2. Nama : Fransiskus Ramaditya Arief Nursanto
NIM : 1910512002
Jurusan : Sistem Informasi
Domisili : Tangerang Selatan
Perguruan Tinggi : Universitas Pembangunan Nasional Veteran
Jakarta
Tugas : Project Managing (CTO), UI/UX
Deskripsi : Memiliki peran dan tanggungjawab sebagai
Project Manager / CTO yang secara garis besar mengelola, menuntun, dan
membimbing tim dalam mengerjakan proyek akhir ini berdasarkan pada
lini waktu dan pembagian tugas yang disepakati di awal. Juga turut ambil
bagian dibidang UI/UX.
3. Nama : MARIO
NIM : 195410194
Jurusan : Teknik Informatika
Domisili : Pati
Perguruan Tinggi : Universitas Teknologi Digital Indonesia
Tugas : Back End, Deployment
Deksripsi : Memiliki tanggungjawab membangun sistem yang
menggabukan antara front end dengan melalui Anaconda dan Flask.
4. Nama : Fairuz Fernanda hermawan
NIM : 1903601
Jurusan : Sistem Telekomunikasi
Domisili : Bandung
Perguruan Tinggi : Universitas Pendidikan Indonesia
Tugas : Front End, UI/UX
Deskripsi : Memiliki peran sebagai Front-End Developer dan
UI/UX yang tentunya fokus kepada tampilan dan interaktif yang easy to
 5

use and usefull to have, dibangun melalui Figma bersama dan beberapa
program antarmuka menggunakan HTML, CSS, Javascript (NodeJS), dan
React..

Wajib menuliskan pembagian peran dan tupoksi tiap anggota tim beserta
penjelasannya. Bisa dilengkapi dengan gambar struktur anggota tim.

5. Deskripsi Aplikasi
a. Nama dan Fungsi Aplikasi
Aplikasi Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi
Peluang Perguruan Tinggi Nasional bagi Siswa di Indonesia ini bernama
GapaiPTN, yang berfungsi untuk memprediksi nilai siswa SMA jurusan IPA
yang ingin masuk kuliah jalur SNMPTN, dengan mengisikan data diri
lengkap, memasukan input Akreditasi, Sertifikat Prestasi, rata-rata nilai
B.indonesia, nilai B.inggris, nilai Matematika, nilai Biologi, Nilai Kimia, Nilai
Fisika yang nantinya akan menghasilkan output berupa lulus atau tidak lulus
ke perguruan tinggi yang kamu inginkan.
Jelaskan nama aplikasi. Jika ada filosofinya juga bisa dijelaskan. Jelaskan
kegunaan dari aplikasi ini dan siapa target usernya. Jelaskan cara kerja
aplikasi dari input sampai dengan menghasilkan output.
b. Jenis Aplikasi dan Specific Requirement
Aplikasi ini berbasis website yang membutuhkan nilai rata-rata rapot,
akreditasi sekolah, dan sertifikat prestasi jika ada.
Jelaskan apakah aplikasi ini misalnya berbasis android minimal Lollipop,
atau untuk dipasang di robot, cctv, dll. Apakah ada requirement khusus dari
penggunaan aplikasi ini? Misalnya aplikasi ini membutuhkan akses ke
kamera hp sehingga perlu perizinan dari user.
c. User Interface
Dalam Web Artificial Intelligence Sistem Prediksi dan Rasionalisasi
Peluang Perguruan Tinggi Nasional bagi Siswa di Indonesia ini terdapat
beberapa fitur yaitu :
 6

1. Fitur Rasionalisasi Nilai

2. Fitur Artikel yang relevan mengenai masuk PTN

3. Fitur Event untuk menguji kompetensi siswa

4. Fitur Landing Page
5. Fitur Forum Diskusi
6. Fitur CRUD Admin
7. Fitur Login
8. Fitur Register
Beri gambaran user interface (UI) dari aplikasi ini, lengkap dengan fiturnya,
dan penjelasan dari fitur-fitur tersebut. Bisa dilengkapi dengan screenshot UI
aplikasi.
d. Keterangan Lainnya
Hasil pengujiannya untuk rasionalisasi sudah bisa dipergunakan oleh
siswa, serta kelebihan dari aplikasi ini adalah bisa memprediksi kampus
impian siswa untuk mencapai tujuan atau cita-cita mereka di masa depan
untuk membangun bangsa, kekurangan belum bisa menggunakan fitur
keseluruhan karena yang masih diutamakan rasionalisasi, karna dimasa depan
nanti akan ada pengembangan untuk fitur-fitur lainnya.
Jika masih ada yang perlu dijelaskan lagi silahkan tambahkan disini.
Contohnya seperti

● Hasil pengujian/testing aplikasi menggunakan Black Box atau User

Acceptance Test (UAT) beserta uraiannya.

● Kelebihan dan kekurangan aplikasi.

● Pengembangan aplikasi di masa depan.