LAPORAN AKHIR

STUDI INDEPENDEN BERSERTIFIKAT

Machine Learning Path
Di Bangkit Academy 2023 by Google, GoTo, Traveloka
PT Dicoding Akademi Indonesia

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

oleh :
Hafizul Damar Laya / 120450028

PROGRAM STUDI SAINS DATA

INSTITUT TEKNOLOGI SUMATERA
2023
 Lembar Pengesahan

Program Studi Sains Data

Institut Teknologi Sumatera

Machine Learning Path

Di Bangkit Academy 2023 by Google, GoTo, Traveloka

PT. Dicoding Akademi Indonesia

oleh :
Hafizul Damar Laya / 120450028

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Lampung Selatan, 26 Juni 2023

Pembimbing Magang atau Studi Independen Program Studi Sains Data
Institut Teknologi Sumatera

Mika Alvionita Sitinjak, S.Si., M.Si.

NRK: 1993050920212258

i
 Lembar Pengesahan

Machine Learning Path

Di Bangkit Academy 2023 by Google, GoTo, Traveloka

PT Dicoding Akademi Indonesia

oleh :
Hafizul Damar Laya / 120450028

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Jakarta, 26 Juni 2023

Mentor Bangkit Academy 2023

Hansen Jonathan
00402017

ii
 Abstraksi

Studi Independen Bersertifikat merupakan salah satu program yang diadakan oleh
Kampus Merdeka dengan tujuan untuk memberikan pengalaman kepada
mahasiswa untuk berkembang dalam bentuk aktivitas pembelajaran di luar
perkuliahan. Program ini ditujukkan untuk mahasiswa yang memiliki minat dalam
memperkaya kemampuan dirinya dengan kompetensi bidang spesifik yang dicari
oleh perusahaan. Program Studi Independen Bersertifikat memiliki beragam
program peningkatan kompetensi, salah satunya adalah Bangkit. Bangkit
merupakan sebuah program yang dirancang oleh Google untuk mahasiswa
Indonesia dengan tujuan peningkatan keterampilan yang relevan untuk kesiapan
karir dengan melibatkan praktisi industri secara langsung agar dapat bersaing di
perusahaan berbasis teknologi. Program ini merupakan bentuk program kesiapan
karir yang dicanangkan oleh Google, GoTo, dan Traveloka. Bangkit memiliki tiga
program pembelajaran yang berfokus terhadap bidang spesifik yang berbeda,
diantaranya machine learning path, cloud computing path, dan Mobile
Development path. Pada akhir program terdapat tugas projek yang disebut capstone
project, setiap mahasiswa yang mengikuti bangkit dari tiap alur pembelajaran akan
membuat tugas proyek yang dikerjakan secara berkelompok. Topik proyek yang
diambil oleh penulis berfokus pada implementasi bidang kesehatan, yaitu donor asi
dengan nama milky way. Milky way merupakan aplikasi berbasis android yang
memudahkan pengguna untuk mencari kebutuhan ASI. Aplikasi ini menggunakan
fitur matchmaking menggunakan pemodelan dari machine learning. Selain itu,
aplikasi ini menampilkan pendonor dengan karakteristik paling mirip dengan
penerima donor.

Kata Kunci: Studi Independen Bersertifikat, Bangkit, Capstone, Machine Learning,

Matchmaking

iii
 Kata Pengantar

Puji dan syukur penulis ucapkan atas berkat Tuhan Yang Maha Esa hanya karena
kasih karunia dan Anugerah-Nya, program Magang dan Studi Independen
Bersertifikat (MSIB), Program Bangkit 2023 yang diikuti oleh penulis dapat
diselesaikan. Ucapan terimakasih juga penulis berikan ke semua pihak yang telah
membantu penulis dalam menyelesaikan program MSIB dari awal maupun proyek
capstone serta motivasi yang telah diberikan selama program berjalan. Penulis
ucapkan terimakasih sebesar-besarnya kepada:
1. Keluarga penulis yang telah memberikan dukungan untuk mengikuti
kegiatan program MSIB Bangkit.
2. Seluruh pihak bangkit academy 2023
3. Mika Alvionita Sitinjak, S.Si., M.Si. selaku supervisor dari universitas
penulis dalam program MSIB Bangkit.
4. Hansen Jonathan selaku mentor penulis dalam program MSIB Bangkit.
5. Rizky Pradhani Ananda selaku mentor project management yang telah
membimbing penulis dalam menyelesaikan pembuatan proyek capstone
penulis
6. Seluruh instruktur Instructor-led Training (ILT) baik teknikal maupun soft
skill untuk materi yang telah disampaikan.
7. Seluruh rekan-rekan kelompok dalam pembuatan proyek capstone
8. Teman dekat penulis yang telah memberikan dukungan di kegiatan
program MSIB Bangkit.

Lampung Selatan, 25 Juni 2023

Hafizul Damar Laya

iv
 Daftar Isi
Lembar Pengesahan Program Studi Sains Data ....................................................... i
Lembar Pengesahan Bangkit ................................................................................... ii
Abstraksi ................................................................................................................ iii
Kata Pengantar ....................................................................................................... iv
Daftar Isi...................................................................................................................v
Bab I Pendahuluan.................................................................................................6
I.1 Latar belakang...............................................................................................6
I.2 Lingkup .........................................................................................................6
I.3 Tujuan ...........................................................................................................7
Bab II Lingkungan Organisasi Mitra MSIB .......................................................8
II.1 Struktur Organisasi ......................................................................................8
II.2 Lingkup Pekerjaan .......................................................................................8
II.3 Deskripsi Pekerjaan .....................................................................................9
II.4 Jadwal Kerja ..............................................................................................10
Bab III Product-Based Capstone Project: Milky Way .....................................13
III.1 Deskripsi persoalan sesuai dengan topik Milky Way ..............................13
III.2 Proses Pelaksanaan Proyek Akhir ............................................................14
III.3 Hasil Akhir Proyek ...................................................................................15
Bab IV Penutup ....................................................................................................19
IV.1 Kesimpulan ..............................................................................................19
IV.2 Saran ........................................................................................................20
Referensi.............................................................................................................. xxi
Lampiran A. TOR ............................................................................................. A-1
Lampiran B. Log Activity..................................................................................B-1
Lampiran C. Dokumen Teknik.........................................................................C-1

v
 Bab I Pendahuluan

I.1 Latar belakang

Program MSIB adalah salah satu program dari Kampus Merdeka Merdeka Belajar
yang merupakan bentuk kebijakan Merdeka Belajar dicanangkan oleh Kementerian
Pendidikan, Kebudayaan, Riset, dan Teknologi. Program ini memberikan peluang
kepada mahasiswa untuk meningkatkan kemampuan mereka sesuai minat dan bakat
yang dimiliki dengan terjun langsung ke dunia kerja untuk persiapan karir masa
depan. Program ini terdiri dari beberapa sub-program, salah satunya Bangkit,
program persiapan karir di bidang industri teknologi merupakan program
pembelajaran untuk peningkatan kemampuan di bidang teknologi yang oleh para
praktisi industri. Program ini memberikan tiga pilihan jalur pembelajaran yaitu,
machine learning, cloud computing, dan mobile development. Selain itu, program
ini menyediakan peningkatan kemampuan soft skill disamping pembelajaran
teknikal sebagai bentuk kesiapan karir di masa depan. Pembelajaran program ini
dilakukan melalui self-paced learning, dan Instructor-led Training (ILT). Adapun
dalam pembelajaran program ini mahasiswa diberikan kuis dan atau ujian pilihan
ganda untuk memastikan pemahaman para peserta di setiap bagian pembelajaran.
Program pembelajaran ini diakhiri dengan diberikannya tugas proyek akhir, setiap
mahasiswa dari alur pembelajaran akan dikelompokkan. Setiap kelompok
menuangkan ide-ide implementasi permasalahan yang ada di dunia nyata menjadi
suatu produk atau aplikasi yang telah didesain sesuai kebutuhan dan sasaran pasar
industri.

I.2 Lingkup
Aktivitas Studi Independen Bersertifikat mencakup pembelajaran individu, sesi
Instructor-led Training, dan kelompok melalui Capstone Project. Dalam
pembelajaran individu, setiap peserta akan mengikuti kelas secara asynchronous
melalui modul belajar di platform Dicoding dan Coursera. Selain itu, sesi
Instructor-led Training (ILT) pembelajaran terkait kesiapan karir secara teknikal

6
ataupun kemampuan soft skill. Selain itu, Peserta juga memiliki kesempatan untuk
berkonsultasi dengan para ahli terkait materi yang sedang dipelajari melalui forum
diskusi dan dalam sesi daring.

I.3 Tujuan
Tujuan dari Studi Independen Bersertifikat adalah menghasilkan individu yang
memiliki bakat dan kualitas tinggi sesuai dengan permintaan industri dalam bidang
pembelajaran mesin. Salah satu keunggulan dari program Studi Independen
Bersertifikat Jalur Pembelajaran Mesin adalah fleksibilitas dalam proses
pembelajarannya yang dilakukan secara daring. Hal ini memungkinkan para peserta
untuk menjadi ahli dalam pemrograman pembelajaran mesin.

7
 Bab II Lingkungan Organisasi Mitra MSIB

II.1 Struktur Organisasi

Bangkit merupakan sebuah program kesiapan karier yang dikembangkan oleh
Google dengan tujuan memberikan mahasiswa Indonesia pengalaman langsung
dengan praktisi industri dan mempersiapkan mereka dengan keterampilan yang
relevan untuk meraih karir sukses di perusahaan teknologi ternama. Program ini
dipimpin oleh Google, GoTo, dan Traveloka. Bangkit dirancang untuk melengkapi
peserta dengan keterampilan teknis yang sesuai dan diakui melalui sertifikasi
teknikal. Bangkit 2023 menyediakan tiga jalur pembelajaran, yaitu Machine
Learning, Cloud Computing, dan Mobile Development. Pada akhir program, peserta
Bangkit akan memiliki keterampilan teknis dan keterampilan sosial yang penting.
Struktur organisasi Mitra MSIB Bangkit menunjukkan tanggung jawab dan tugas
setiap anggota perusahaan serta hubungan antara pihak-pihak dalam organisasi.

Gambar 2.1 Struktur Organisasi Bangkit Akademi

II.2 Lingkup Pekerjaan

Peserta Bangkit 2023 dalam program MSIB memiliki tanggung jawab untuk
mengikuti serangkaian kursus dan menyelesaikan tugas-tugas yang diberikan.

8
Bagian dari tanggung jawab ini adalah menyelesaikan proyek akhir Capstone pada
akhir program. Selain itu, peserta juga diharapkan mengikuti kegiatan lain yang
diselenggarakan oleh Bangkit 2023, termasuk Technical Instructor-Led Training
session, Soft Skill Instructor-Led Training session, dan English Instructor-led
Training session. Semua kegiatan ini dijalankan sesuai dengan ketentuan dan
tanggung jawab yang telah ditetapkan oleh tim Bangkit.

II.3 Deskripsi Pekerjaan

Berikut adalah deskripsi dari setiap kegiatan/pekerjaan yang dilakukan dalam
program Bangkit 2023 untuk jalur pembelajaran machine learning:
1. Melakukan pembelajaran mandiri dengan mengikuti serangkaian kelas yang
disediakan oleh Bangkit 2023 melalui platform Coursera selama program
berlangsung. Ini meliputi menyelesaikan tugas dan kuis yang diberikan dalam
setiap kursus tersebut.
2. Mengikuti serangkaian sesi pelatihan dengan instruktur dari Bangkit, yang
dikenal sebagai sesi Instructor-Led Training (ILT). Dalam sesi ini, instruktur
akan menjelaskan materi yang berkaitan dengan konten yang telah diajarkan di
Coursera, serta materi soft skill untuk memperjelas pemahaman peserta.
3. Mengikuti sesi konsultasi mingguan bersama mentor dari Bangkit. Dalam sesi
ini, mentor akan mengingatkan tentang tugas yang harus diselesaikan segera
dan memberikan nasehat jika peserta mengalami kendala.
4. Mengikuti kegiatan Bangkit seperti Bangkit Team Meeting, Guest Speaker
Session, dan Bangkit Career Fair yang diselenggarakan oleh Bangkit sesuai
dengan jalur pembelajaran yang diambil oleh peserta.
5. Menyelesaikan Capstone Project sebagai proyek akhir. Ini melibatkan
penerapan machine learning untuk memecahkan masalah yang ada dalam
proyek tersebut.

9
II.4 Jadwal Kerja
Program MSIB Bangkit memiliki jadwal pembelajaran selama 20 minggu meliputi
kegiatan pembelajaran mandiri, Instructor-led Training (IILT). pengerjaan proyek
akhir, dan persiapan sertifikasi setiap alur pembelajaran. Adapun sebagai berikut
tabel yang berisikan jadwal pembelajaran setiap minggu selama program MSIB
bangkit dilaksanakan:
Tabel 2.1 Jadwal Kerja

No. Minggu Aktivitas

1 Minggu ke-1 Mengikuti sesi pembukaan Bangkit melibatkan

mendengarkan pengalaman para lulusan Bangkit serta
memahami aturan dasar dan platform yang digunakan.

2 Minggu ke-2 Selama minggu ini, saya belum memiliki akses ke

Coursera, sehingga saya memanfaatkan kelas opsional
yang disediakan oleh Dicoding untuk belajar. Di kelas
tersebut, saya mempelajari beberapa konsep seperti
kebutuhan aplikasi, URS (User Requirement
Specification), SRS (System Requirement
Specification), dan lain-lain. Selain itu, saya juga
menghadiri ILT Tech 1 yang membahas Pengenalan
Python dan Git/Github.

3 Minggu ke-3 Menyelesaikan empat kursus dasar yang tersedia di

Coursera. Selama minggu ini, fokus belajar tentang
Python, GitHub, serta cara-cara untuk menyelesaikan
masalah (troubleshoot). Selain itu, saya juga
mempelajari konsep-konsep mengenai regex (Regular
Expression).

4 Minggu ke-4 Mempelajari topik pondasi data, termasuk tipe data,

cara untuk memverifikasi kebenaran data yang
digunakan, analisis data, serta penggunaan SQL,
spreadsheet, dan BigQuery. Pada minggu ini, ada sesi
ILT Tech 2 tentang Analisis Data.

5 Minggu ke-5 Pembersihan, pemrosesan, dan visualisasi data

dipelajari dengan menggunakan alat seperti
spreadsheet, SQL, dan tableau. Selain itu,
pembelajaran matematika untuk machine learning
dimulai, termasuk linear algebra, vectors, dan konsep
lainnya.

10
6 Minggu ke-6 Materi tentang fungsi, kalkulus, vektor Jacobian,
gradient, mean, covariance, dan konsep lainnya
dipelajari. Selain itu, pemahaman tentang penggunaan
library Python dan implementasi perhitungan
matematika dalam Python juga diperoleh. Sesi ILT
Tech 3 Introduction to Machine Learning.

7 Minggu ke-7 Pembelajaran machine learning dimulai dengan

mempelajari konsep-konsep seperti supervised
learning, unsupervised learning, serta metode training
model dengan gradient descent. Selain itu, cara
melakukan vektorisasi juga dipelajari sebagai bagian
dari proses pembelajaran.

8 Minggu ke-8 Pembelajaran dilanjutkan dengan eksplorasi

perbedaan antara supervised dan unsupervised
learning, serta konsep-konsep seperti clustering, k-
means, dan implementasinya dalam kode Python.
Selain itu, juga dipelajari tentang deteksi anomali
(anomaly detection). Mengikuti sesi ILT Tech 4
Introduction to Unsupervised Learning and ANN

9 Minggu ke-9 Pembelajaran dilakukan dengan paradigma

pemrograman serta pembuatan jaringan saraf (neural
network) dalam konteks prediksi harga rumah. Selain
itu, dipelajari pula cara meningkatkan implementasi
model dengan menggunakan convolutional layer.

10 Minggu ke-10 Pembelajaran dimulai dengan mempelajari tentang

data augmentation menggunakan
ImageDataGenerator, yang kemudian
diimplementasikan dalam kasus klasifikasi kucing dan
anjing (cats vs dogs). Selanjutnya, dilakukan
pembelajaran tentang tokenizer dan padding untuk
memahami pengolahan teks. Mengikuti sesi ILT Tech
5 Advanced Technique in Deep Learning with
Tensorflow

11 Minggu ke-11 Pembelajaran dalam bidang Pemrosesan Bahasa

Alami (NLP) dilanjutkan dengan eksplorasi tentang
Long Short-Term Memory (LSTM), metrik akurasi,
dan loss. Selanjutnya, fokus pembelajaran dialihkan
pada perbedaan antara model urutan (sequence
models) dan overfitting dalam konteks NLP, dengan
menggunakan jaringan konvolusi (convolutional
network). Selain itu, juga dilakukan implementasi

11
 teknik Deep Neural Network (DNN) untuk tujuan
forecasting.

12 Minggu ke-12 Pada tahap akhir pembelajaran dalam kursus NLP di

Coursera, fokus diberikan pada topik terakhir. Materi
yang dipelajari termasuk cara memprediksi kata-kata
selanjutnya dalam puisi, serta mempelajari konsep-
konsep seperti sequences and prediction, time series,
metrik evaluasi, dan aspek lain yang relevan.

13 Minggu ke-13 Mempelajari tentang "Structuring Machine Learning

Projects" yang membahas strategi dalam
pengembangan proyek machine learning. Dalam
kursus ini, dipelajari bagaimana menghindari bias
dengan membandingkannya dengan tingkat kinerja
manusia (human-level performance). Selain itu, juga
diberikan studi kasus mengenai strategi dalam
pengembangan proyek machine learning.

14 Minggu ke-14 Mempelajari tentang browser-based models with

tensorflow.js yaitu menjalankan model di browser
menggunakan brackets

15 Minggu ke-15 Mempelajari course advanced scenarios with

tensorflow, melakukan research terhadap topik dalam
capstone projek

16 Minggu ke-16 Melakukan pembuatan data sintetis dengan hasil

research yang telah dilakukan karena tidak
ditemukannya data sekunder, dan mulai melakukan
modeling terhadap data yang telah dibuat

17 Minggu ke-17 Melanjutkan pengerjaan capstone dengan mencari

metode algoritma yang sesuai dengan permasalahan.

18 Minggu ke-18 Melakukan deploying model yang telah dibangun

model sebelumnya.

19 Minggu ke-19 Mempersiapkan dan melakukan presentasi capstone

project yang sudah diselesaikan serta mengikuti ILT
inggris

20 Minggu ke-20 Mengikuti sesi terakhir ILT Tech 7 Tensorflow

Developer Certification Preparation dan mengikuti
kelas TFDS preparation

12
 Bab III Product-Based Capstone Project: Milky Way

III.1 Deskripsi persoalan sesuai dengan topik Milky Way

Pemberian ASI (Air Susu Ibu) sangat penting untuk pertumbuhan bayi, seperti gizi
secara umum yang terkandung dalam ASI mengandung zat gizi makro dan mikro.
Zat gizi makro terdiri dari karbohidrat, protein, dan lemak, sedangkan zat gizi mikro
terdiri dari vitamin dan mineral. Setiap komponen ini memiliki manfaatnya sendiri
untuk pertumbuhan bayi. Karbohidrat dalam ASI memberikan energi yang
dibutuhkan bayi untuk pertumbuhan dan perkembangan, protein membantu
membangun jaringan dan otot, sedangkan lemak memberikan sumber energi yang
lebih padat dan penting untuk perkembangan sistem saraf.

Selain itu, ASI juga mengandung berbagai zat kekebalan, enzim, dan hormon yang
membantu meningkatkan sistem kekebalan tubuh bayi. ASI juga lebih mudah
dicerna oleh sistem pencernaan bayi dibandingkan dengan susu formula. Selain
memberikan nutrisi yang lengkap, pemberian ASI juga memungkinkan ikatan
emosional antara ibu dan bayi terjalin dengan baik.

Namun, di Indonesia masih banyak tantangan yang perlu dihadapi terkait

pemberian ASI. Berdasarkan statistik dari Badan Pusat Statistik (BPS) pada tahun
2022, sekitar 1 dari 4 bayi baru lahir tidak dapat memenuhi kebutuhan dasar ASI
eksklusif dalam 6 bulan pertama kehidupan mereka. Hal ini berkontribusi terhadap
angka 21,6% dari semua anak di Indonesia yang mengalami keterlambatan
pertumbuhan atau stunting [1]. Keterlambatan pertumbuhan tidak hanya
berdampak pada tinggi badan yang terhambat, tetapi juga dapat menyebabkan
keterbatasan kemampuan kognitif, retardasi mental, dan peningkatan risiko
penyakit kronis pada masa dewasa.

Untuk mengatasi masalah ini, diusulkan solusi berupa aplikasi yang dapat
membantu ibu-ibu yang mengalami kesulitan memenuhi kebutuhan ASI bagi bayi
mereka. Melalui aplikasi ini, ibu-ibu yang bersedia menjadi donor ASI dapat

13
terhubung dengan ibu-ibu yang membutuhkan ASI tambahan. Dengan demikian,
aplikasi dapat membantu bayi-bayi untuk memenuhi kebutuhan ASI mereka,
terutama dalam hal kebutuhan ASI eksklusif selama 6 bulan pertama kehidupan
mereka.

Melalui implementasi aplikasi ini, harapannya dapat meningkatkan kesadaran dan

dukungan terhadap pemberian ASI eksklusif di Indonesia, sehingga dapat
mengurangi angka stunting dan memberikan keuntungan jangka panjang bagi
kesehatan dan perkembangan anak-anak di negara ini.

III.2 Proses Pelaksanaan Proyek Akhir

Pembuatan proyek akhir yang dilakukan penulis mengambil topik terkait donor ASI
dimulai dengan melakukan eksplorasi topik yang dibawakan untuk lebih
memahami permasalahan yang diangkat. Pada Proses pengerjaan tidak
ditemukannya data sekunder yang terkait dengan topik sehingga penulis melakukan
eksplorasi lebih mendalam terkait permasalahan yang diangkat.

Dataset dibuat dengan beberapa fitur yang kemungkinan akan dibutuhkan dalam
masalah donor ASI seperti umur, golongan darah, lokasi tempat tinggal, dan
sebagainya. Pembuatan data sintetis membutuhkan dua pekan untuk diselesaikan
agar mendapatkan hasil pemodelan yang baik, dan tidak bias. Model machine
learning yang digunakan dalam permasalahan ini adalah content-based filtering
untuk mencari kemiripan karakteristik antara pendonor dan penerima donor ASI
berdasarkan fitur mereka yang diinputkan ke dalam database [2].

Pada tahapan evaluasi model, data sebelumnya dilakukan pemisahan data menjadi
training dan testing agar model bisa mempelajari pola-pola untuk mencari
kemiripan antara pendonor dengan penerima dalam tahapan training, kemudian
data di uji ke dalam tahapan testing dan didapatkan hasil loss yang cukup kecil pada
model. Hal ini dijadikan evaluasi sebagai penentuan model sudah signifikan baik

14
karena hasil loss metrik lebih kecil. Adapun tahapan selanjutnya melakukan
prediksi terhadap pendonor yang cocok untuk penerima dengan memberikan lima
daftar pendonor terbaik berdasarkan kemiripan karakteristik antara pendonor
dengan penerima

Tabel 3.1 Tugas/Kegiatan setiap pekan

pekan
Tugas/Kegiatan
1 2 3 4 5

Melakukan eksplorasi topik

permasalahan dan melakukan
pembuatan dataset sintetis

Memulai tahapan pemrosesan data

di tahapan preprocessing dan
memodelkan data

Mencari metode model yang baik

untuk digunakan

Melakukan evaluasi hasil dari

model

Melakukan pembuatan framework

flask untuk deploying model

III.3 Hasil Akhir Proyek

Pada hasil akhir proyek, aplikasi memiliki fitur untuk mencari pendonor asi,
panduan merawat bayi bagi ibu menyusui. Proyek ini menggunakan metode
content-based filtering untuk mencari karakteristik dari fitur pendonor dan
penerima. Adapun arsitektur model yang penulis gunakan dapat dilihat melalui
tabel berikut dibawah ini:

15
 Tabel 3.2 Model Arsitektur

Layer Jumlah Neuron Fungsi Aktivasi

Input Layer 128 Neuron ReLU

Layer ke-1 64 Neuron ReLU

Layer ke-2 32 Neuron ReLU

Layer ke-3 16 Neuron ReLU

Output Layer 8 Neuron Linear

Melalui hasil diatas terlihat arsitektur model yang telah dibuat penulis terdiri dari
128 neuron pada input layer, 64 neuron pada layer ke-1, 32 neuron pada layer ke-
2, 16 neuron pada layer ke-3, dan 8 neuron pada output layer karena sistem
rekomendasi memberikan hasil 8 fitur untuk dicari kemiripannya. Adapun pada
sistem rekomendasi ini digunakan sistem metrik evaluasi yaitu Mean Squared
Error (MSE). Sistem metrik tersebut mengukur nilai rata-rata yang dikuadratkan
untuk evaluasi nilai kesalahan pada hasil prediksi dengan nilai nyata [3]. Pada
pengevaluasian hasil dari skor tersebut dicari angka yang terkecil untuk
memperoleh hasil model yang baik. Hasil model dapat dilihat melalui grafik
dibawah ini.

16
 Gambar 3.1 Hasil MSE

Grafik training dan testing model diatas menunjukkan bahwa nilai metrik mengarah
konvergen ke satu titik setelah epoch berada di iterasi kedua yaitu, di sekitar angka
6 x 10^-2. Nilai metrik tersebut cukup kecil untuk menunjukkan terjadi kesalahan
dalam pemodelan yang dilakukan. Hasil dari sistem rekomendasi berupa pencarian
lima pendonor yang memiliki karakteristik terdekat dengan penerima ASI. Adapun
berikut contoh hasil dari sistem rekomendasi yang dibangun.

17
 Gambar 3.2 Hasil Rekomendasi

Hasil diatas merupakan contoh dari output machine learning yang telah dibuat,
sistem rekomendasi memberikan lima pendonor teratas yang memiliki karakteristik
dengan penerima yang ingin mencari donor ASI.

18
 Bab IV Penutup

IV.1 Kesimpulan
Adapun beberapa kesimpulan yang penulis rangkum setelah menyelesaikan seluruh
program Studi Independen Bersertifikat Bangkit Academy Machine Learning Path,
peserta yang mengikuti program MSIB ini akan memperoleh pengetahuan baru
yang bervariasi, termasuk:
1. Kemampuan membuat data yang dapat diproses oleh mesin: Peserta akan
diberikan pemahaman dan keterampilan untuk menciptakan data yang dapat
diolah dan dikenali oleh algoritma machine learning.
2. Pemahaman yang lebih mendalam dalam menganalisis data: Peserta akan
dilatih untuk menganalisis data dengan lebih terperinci dan mendalam,
sehingga mampu membuat keputusan yang didasarkan pada data tersebut.
3. Keahlian dalam menciptakan model Machine Learning yang efisien: Peserta
akan mempelajari teknik-teknik dalam pembuatan model machine learning
yang efisien, yang mampu menghasilkan hasil yang akurat dan dapat
diandalkan.
4. Implementasi Machine Learning pada berbagai platform (Web, Mobile, dan
Mikrokontroler): Peserta akan diajarkan cara mengimplementasikan
teknologi machine learning pada berbagai platform, termasuk web, mobile,
dan mikrokontroler.
5. Pengembangan keterampilan sosial dan profesional: Selain pengetahuan
teknis, peserta juga akan dilatih dalam keterampilan seperti pola pikir yang
berkembang, manajemen waktu, berpikir kritis, beradaptasi, manajemen
proyek, komunikasi profesional, dan pencitraan profesional.
6. Kemampuan menyelesaikan masalah lingkungan sekitar: Peserta akan
diberikan pemahaman dan keterampilan untuk mengidentifikasi dan
menyelesaikan masalah lingkungan sekitar dengan menggunakan
pendekatan machine learning.

19
 A - 20

Selain itu, pada proyek akhir yang telah dibuat penulis melalui kegiatan ini dapat
disimpulkan bahwa hasil model memiliki akurasi yang cukup baik dilihat dari
metrik evaluasinya sebesar 6 x 10^-2 menunjukkan kesalahan yang didapat dari
prediksi dengan hasil sebenarnya cukup kecil. Oleh karena itu dapat ditarik
kesimpulan model dapat memberikan hasil pendonor yang baik sesuai kriteria
pencari donor ASI.

IV.2 Saran
Ada beberapa saran yang bisa diberikan oleh penulis agar pelaksanaan Studi
Independen Bersertifikat Bangkit Academy Machine Learning Path dapat
ditingkatkan:
1. Menjaga keberlanjutan kurikulum dan materi yang telah diajarkan, karena
sudah sesuai dengan standar industri saat ini. Dengan demikian, peserta
pelatihan akan mendapatkan pengetahuan dan keterampilan yang relevan
dengan kebutuhan pasar kerja.
2. Memisahkan beberapa materi yang terlalu banyak menjadi sesi yang lebih kecil
ketika dalam pembelajaran tatap muka. Dengan memecah materi yang luas
menjadi bagian-bagian yang lebih kecil, peserta dapat lebih fokus dan lebih
mudah memahami pembelajaran yang diberikan.

20
 Referensi

[1] Kementerian Pendidikan dan Kebudayaan, Riset dan Tekonologi Republik

Indonesia., “Latar Belakang,” [Online]. Available:
https://kampusmerdeka.kemdikbud.go.id/web/about/latar-belakang.
[2] Google, “Bangkit,” [Online]. Available:
https://grow.google/intl/id_id/bangkit/.
[3] A. C. Sitepu and M. Sigiro, “ANALISIS FUNGSI AKTIVASI RELU DAN
SIGMOID MENGGUNAKAN OPTIMIZER SGD DENGAN
REPRESENTASI MSE PADA MODEL BACKPROPAGATION,” 2021.
[4] T. V. Yadalam, M. V. Gowda, V. S. Kumar, D. Girish and N. M., “Career
Recommendation Systems using Content based Filtering,,” 5th International
Conference on Communication and Electronics Systems (ICCES), pp. 660-665,
2020.
[5] Direktorat PAUD - Kementerian Pendidikan, Kebudayaan, Riset dan
Teknologi, “Prevalensi Stunting Tahun 2022 di Angka 21,6%, Protein Hewani
Terbukti Cegah Stunting,” [Online]. Available:
https://paudpedia.kemdikbud.go.id/kabar-paud/berita/prevalensi-stunting-
tahun-2022-di-angka-216-protein-hewani-terbukti-cegah-
stunting?do=MTQyMy1iNmNmMmYzZA==&ix=MTEtYmJkNjQ3YzA=#.

xxi
 Bab V Lampiran A. TOR

Telah dilakukan perencanaan yang cermat untuk merancang kurikulum program ini
dari awal hingga akhir. Di akhir program, semua peserta yang memenuhi kriteria
penyelesaian akan dianggap sebagai Lulusan Bangkit dan akan diberikan sertifikat
prestasi/penyelesaian dan transkrip lengkap. Mereka yang tidak menyelesaikan
semua Bangkit akan mendapatkan Sertifikat Kehadiran dan transkrip sebagian.
Lulusan Bangkit juga akan menerima voucher untuk ujian sertifikasi Jalur
Pembelajaran masing-masing. Persyaratan kelulusan Bangkit 2022 adalah sebagai
berikut:

● Mengikuti semua sesi wajib, termasuk:

o Bangkit 2023 Opening Session & Technical Briefing
o 80% sesi yang dipandu oleh instruktur untuk Teknologi
o 80% sesi yang dipandu oleh instruktur untuk Soft Skills
o 90% dari tamu yang wajib hadir
o Maksimum 5 sesi yang dilewatkan atau digantikan
o Dan sesi wajib lainnya yang ditambahkan atas kebijakan Tim Bangkit.

Jadwal sesi akan diinformasikan setidaknya 3 hari sebelum kelas dimulai. Oleh
karena itu, mohon periksa kalender Anda setiap hari. * Peserta dapat melewatkan
sesi karena keadaan luar biasa dan tidak terhindarkan dengan mengisi formulir ini
(maksimal 1 hari sebelum sesi). Sesi yang terlewat harus diganti dengan mengikuti
sesi kelompok lain atau menonton rekaman dan mengirimkan abstrak.

● Untuk sesi yang dapat dilakukan sendiri, Anda hanya perlu

menyelesaikannya dalam minggu yang sama. Jika Anda memiliki hal lain yang
harus dilakukan selama waktu yang dialokasikan untuk sesi tersebut, Anda tidak
perlu mengisi formulir. Cukup alokasikan waktu lain di luar waktu yang
dialokasikan Bangkit untuk belajar dan menyesuaikan diri sendiri.

A-1
 A-2

● Mengumpulkan pekerjaan Anda sendiri untuk tugas dan proyek. Bangkit

merupakan bagian dari program Kampus Merdeka dimana integritas akademik
dijunjung tinggi. Anda harus menunjukkan dan menjaga integritas dan kejujuran
tertinggi dalam semua pekerjaan akademik yang Anda lakukan. Plagiarisme tidak
diperbolehkan dan skor untuk tugas yang bersangkutan akan dinyatakan
batal/dibatalkan jika pekerjaan Anda terindikasi plagiarisme. Mitra platform
pembelajaran kami dapat melarang atau menonaktifkan akun Anda jika Anda
melakukan plagiarisme atau tidak jujur berdasarkan kebijakan mereka.

● Menyelesaikan tugas resmi Bangkit (termasuk di dalam kelas dan mitra

platform pembelajaran kami - Dicoding, Google Cloud Skill Boost, Coursera)
sesuai dengan standar masing-masing. Pengumpulan terlambat akan diterima, tetapi
akan mengurangi skor tugas yang bersangkutan.

● Berkontribusi pada Proyek Capstone Bangkit. Ini akan dinilai oleh Komite
Bangkit dan anggota tim Anda, termasuk kehadiran Anda dalam presentasi proyek
akhir.

● Mematuhi secara ketat pada Kode Etik Bangkit.

 Bab VI Lampiran B. Log Activity

Minggu/Tgl Kegiatan Hasil

Minggu 1 / ILT Soft Skills 1 “Growth Mindset and Memahami bagaimana

20 Feb 2023 The Power of Feedback” kita harus mengatur
mindset kita dan
menerima feedback

Minggu 2 / ● Assignment SS 1 Memahami cara coding

27 Feb 2023 ● ILT Tech 1 “Intro to Python and python dan bagaimana
Github” cara menggunakan git dan
● Google IT Automation Coursera github
○ Crash course on python
○ Using python to interact with OS
○ Intro to git and github
○ Troubleshooting and debugging

Minggu 3 / 6 ● ILT Soft Skill 2 “Time Management” Memahami cara me-

Mar 2023 ● Google Data Analytics manage waktu dan cara
○ Foundation : data untuk mengolah data
○ Ask question to make data driven dengan baik sehingga
decisions dapat digunakan
○ Prepare data for exploration
○ Process data from dirty to clean

Minggu 4 / ● Assignment SS 2 Memahami cara

13 Mar 2023 ● ILT Tech Data Analytics menganalisa data dan
● Google Data Analytics memvisualisasikannya
○ Analyze data to answer questions serta memahami konsep
○ Share data through the art of linear algebra
visualization

B-1
 B-2

● Math for ML
○ Linear algebra

Minggu 5 / ● ILT SS 3 “Critical Thinking and Memahami konsep

13 Mar 2023 Problem Solving” multivariate calculus dan
● Math for ML PCA . Memahami cara
○ Multivariate Calculus berpikir kritis
○ PCA

Minggu 6 / ● Assignment SS 3 Memahami jenis-jenis

27 Mar 2023 ● Math for ML: PCA supervised learning yaitu
● ML Specialization course regresi dan klasifikasi
○ Supervised Learning: Regression and
Classification

Minggu 7 / 3 ● ILT SS 4 “Adaptability and Mengerti mengenai

Apr 2023 Resilience” unsupervised learning dan
● ML Specialization course reinforcement learning
○ Advanced learning algorithms serta perbedaanya
○ Unsupervised Learning,
Recommendaers, Reinforcement
Learning

Minggu 8 / ● Assignment SS 4 Memahami lebih dalam

10 Apr 2023 ● ILT Tech 4 “Intro to Unsupervised terkait materi ML
Learning and ANN” Specialization course dan
● ML Specialization Coursera memahami pengenalan
○ Unsupervised Learning, tensorflow pada
Recommendaers, Reinforcement kecerdasan buatan.
Learning
● Deeplearning.ai Tensorflow
 B-3

○ Intro to TF for Ai, ML, and DL

○ Enhancing Vision with
Convolutional Neural Network

Minggu 9 / ● Deeplearning.ai TF Developer Memahami lebih dalam

17 Apr 2023 Professional Certificate tensorflow pada AI serta
○ Intro to TF for Ai, Ml, DL CNN layer dengan
○ CNN in TF tensorflow

Minggu 10 / ● Deeplearning.ai TF Developer Memahami konsep NLP

24 Apr 2023 ○ NLP in TF (Word Embedding) dengan menggunakan
tensorflow

Minggu 11 / ● ILT SS 5 “Project Management” Memahami cara

1 May 2023 ● Deeplearning.ai TF Developer memanage sebuah proyek
○ NLP serta memahami lebih
○ Sequence Time Series and lanjut terkait NLP dan
Predictions sequence time series

Minggu 12 / ● Assignment ILT SS 5 Memahami lebih dalam

8 May 2023 ● ILT Tech 5 “Advanced Tech In Deep tentang deep learning
Learning with TF” dengan tensorflow serta
● Deep Learning Specialisation memahami study case ML
○ Structuring ML Projects
● TF Data dan Deployment
○ browser-based models with TFJS

Minggu 13 / ● ILT SS 6 “Professional Memahami berbagai cara

15 May 2023 Communication and Networking” untuk men-deploy
● TF Data and Deployment Coursera
○ Browser-based model
○ Device based model
○ Data Pipeline
 B-4

Minggu 14 / ● Assignment SS 6 Memahami lebih dalam

22 May 2023 ● ILT Tech 6 “Model Deployment with terkait deploy dengan
TF” tensorflow
● TF data and deployment coursera
○ Data pipeline with TF data services
○ Advanced Deployment Scenarios
with TF

Minggu 15 / ● ILT SS 7 “Personal Branding and Memahami apa yang

29 May 2023 Interview Communication” harus dilakukan saat
● Capstone interview untuk
mendapatkan pekerjaan

Minggu 16- ● Assignment SS 7 Mengimplementasikan

19 / 5-19 Jun ● Capstone Project semua yang sudah
2023 dipelajari berdasarkan
topik kasus nyata

Minggu 20 / ● ILT Tech 7 “Tensorflow Developer Persiapan untuk

3 Jul 2023 Certification Preparation” sertifikasi
 Bab VII Lampiran C. Dokumen Teknik

a. VII.1 Source Code dan Dokumentasi

Source code github: https://github.com/MissterMan/milkyway-capstone

b. VII.2 Screenshot
Screenshots aplikasi

Screenshot Coursera:

C-1