oleh :
Hafizul Damar Laya / 120450028
oleh :
Hafizul Damar Laya / 120450028
i
Lembar Pengesahan
oleh :
Hafizul Damar Laya / 120450028
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.
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.
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.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
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.
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
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.
11
teknik Deep Neural Network (DNN) untuk tujuan
forecasting.
12
Bab III Product-Based Capstone Project: 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.
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.
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
pekan
Tugas/Kegiatan
1 2 3 4 5
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
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
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:
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.
A-1
A-2
● Berkontribusi pada Proyek Capstone Bangkit. Ini akan dinilai oleh Komite
Bangkit dan anggota tim Anda, termasuk kehadiran Anda dalam presentasi proyek
akhir.
B-1
B-2
● Math for ML
○ Linear algebra
b. VII.2 Screenshot
Screenshots aplikasi
Screenshot Coursera:
C-1