LAPORAN AKHIR MSIB BISA AI Academy

Disiapkan oleh:
[FAHRIE FEBRIYANDI TAUFAN_UNIVERSITAS AIRLANGGA]

Achmad Zuchriadi P
Untuk:
PT Bisa Artifisial Indonesia
1. Gambaran Umum

Sebagai mahasiswa tahun ketiga mengikuti kegiatan di luar kampus yang tersertifikasi
merupakan nilai lebih yang dapat membantu mahasiswa untuk meningkatkan kemampuan
hard skill dan soft skill. Bisa AI Academy merupakan salah satu program atau kegiatan Magang
Studi Independen Bersertifikat (MSIB) yang menawarkan kesempatan tersebut dengan salah
satu programnya adalah AI-Hacker yang berfokus dalam pengembangan teknologi dan riset
di bidang kecerdasan buatan . Dipilih sebagai salah satu mahasiswa yang berkesempatan
mengikuti program Studi Independen Bersertifikat (SIB) di PT Bisa Artifisial Indonesia dengan
program AI-Hacker tentu saja membantu dalam meningkatkan pemahaman dan
keterampilan dalam bidang kecerdasan artifisial.

PT Bisa Artifisial Indonesia merupakan sebuah start up yang berfokus salam layanan
pengembangan bidang kecerdasan artifisial atau artificial intelligence. Start up ini telah
berdiri sejak tahun 2019 yang memiliki produk-produk seperti Tampil.id, suatu platform
kolaborasi penyelenggaraan webinar, dan BISA AI Academy yang merupakan platform
aplikasi pengembangan pembelajaran secara daring mengenai kecerdasan artifisial beserta
materi-materi lain yang mendukung keterempilan penggunanya dalam kecerdasan artifisial.
Start up ini memiliki visi yaitu menjadi startup terdepan di Indonesia di bidang pembelajaran
AI, serta misi yaitu mencerdaskan kehidupan bangsa dengan AI melalui pelatihan dan
webinar.

Program AI-Hacker yang diperkasai oleh Bisa AI Academy memiliki beberapa agenda,
antara lain pembelajaran terjadwal, pembelajaran mandiri, pembelajaran tamu, dan projek
industri. Pada pembelajaran terjadwal terdapat beberapa pilihan mata pelajaran atau kelas
yang dapat diikuti rutin minimal sekali dalam satu minggu dengan pada pertengahan dan
akhir periode terdapat ujian atau projek terkait pembelajaran terjadwal yang diambil. Pada
pembelajaran terjadwal sendiri saya mengambil kelas Data Science yang berfokus pada
teknik pengolahan data serta bagaimana cara merancang suatu pemodelan berbasis
kecerdasan artifisial untuk menjawab permasalahan-permasalahan yang ada pada bidang
industri saat ini, kemudian kelas Image Processing yang berfokus dalam teknik pengolahan
data citra atau gambar agar dapat mendapatkan data citra yang diinginkan, kemudian kelas
IoT dan FPGAs yang membahas mengenai teknologi nirkabel mesin ke mesin serta teknik
untuk mengakselerasi kemampuan kecerdasan buatan pada mesin yaitu FPGA, dan terakhir
saya mengambil kelas Machine Learning yang berfokus mempelajari macam-macm algoritma
yang umum digunakan dalam mengembangkan model pembelajaran mesin.

Kegiatan lain adalah pembelajaran mandiri dan pembelajaran tamu. Kedua pembelajaran
ini merupakan jenis pembelajaran yang tidak terjadwal dan membebaskan kepada peserta
didik Bisa AI Academy untuk memilih atau menentukan topik yang digemari dan ingin
 diperlajari lebih lanjut. Kedua pembelajaran ini tersedia pada situs dan aplikasi yang
disediakan oleh Bisa AI Academy seperti bisa.ai dan tampil.id. Kegiatan terakhir yang saya
ikuti adalah projek industri di mana pada kegiatan ini peserta dapat memilih untuk turut serta
dalam suatu projek di bidang industri secara nyata. Saya sendiri tergabung dalam projek
Intellegent Analysis sebagai data scientist, projek ini merupakan projek pengembangan web
bekerjasama dengan BPOM untuk membuat situs daftar perizinan makanan dan kosemetik
yang bererdar di Indonesia serta informasi-informasi yang berhubungan berdasarkan tren
dan berita dengan sumber informasi berasal dari Twitter. Projek ini sendiri masih berupa
suatu prototype.

2. Logbook

a. Minggu ke 1 s.d. 5

b. Minggu ke 6 s.d. 10
c. Minggu ke 11 s.d. 15
d. Minggu ke 16 s.d. 21
3. Pembelajaran Terjadwal

Pembelajaran terjadwal merupakan pembelajaran wajib yang terdiri dari 8 SKS,

pembelajaran ini dilaksanakan secara daring dengan jadwal yang disesuaikan dengan jadwal
masing-masing aktivitas atau pilihan kelas. Pembelajaran terjadwal dilaksanakan pada
platform E-Learning BISA AI Academy dan Video conference TAMPIL. Pada E-Learning Bisa AI
Academy kami diberikan akun pribadi dengan username serta password yang dibuat secara
mandiri, sedangkan untuk pembelajaran terjadwal melalui video conference TAMPIL
dilaksanakan melalui TAMPIL ID di mana setiap kelas pada pembelajaran terjadwal akan
 diberikan ID Room dibagikan kepada tiap peserta, namun sebelumnya peserta diharuskan
membuat akun di TAMPIL ID terlebih dahulu.

Pada pembelajaran saya mengikuti sejumlah empat kelas yaitu, Data Science, Image
Processing, Internet of Things and FPGAs, dan Machine Learning dengan detail pembelajaran
sebagai berikut:

a. Data Science (2 SKS)

Data science merupakan pembelajaran terjadwal yang berfokus pada teknik-teknik
pengolahan data baik data struktural maupun data non-struktural serta pada menjelang
akhir pembelajaran terdapat beberapa studi kasus yang berhubungan dengan
implementasi dari materi-materi yang telah dipelajari. Pengimplementasian dari materi
yang telah dipelajari merupakan contoh-contoh kasus yang sering muncul dalam lingkup
data scientist pada skala industri saat ini, sehingga pengalaman tersebut berguna karena
tidak hanya mempelajari teori namun juga diperlihatkan contoh kasus nyatanya. Pada
kelas ini diawali dengan sebuah pre-test dan diakhiri dengan post-test yang berhubungan
dengan materi yang dipelajari saat itu, kemudia juga diberikan materi serta salinan hands-
on yang ditampilkan saat kelas sehingga berguna ketika ingin mengulangi atau belajar
kembali di luar jam kelas. Adapun kelas Data Science memiliki deskripsi pembelajaran
sebagai berikut:

Durasi
Learning Target Hasil Detail Pembelaj Sumber Daya Cara
Objective Pembelajaran Pembelajaran aran Pembelajaran Penilaian
(Menit)
- Synchron
- Mampu ous
melakuka secara
n tatap
metodolo muka
gi data daring
science dengan - Quiz dan
- Mampu pengajar - Video Tugas
melaksan melalui Pembelaj melalui
akan Pembelaj aran MOOC
Analisa aran Asynchro - Kehadira
bisnis Terjadwal nous n
dengan - Asynchro melalui Peserta
Metodologi data nous MOOC - Keaktifa
data science science melalui - Materi n dinilai
dan bisnis - Mampu Pembelaj oleh oleh
data science mengenal aran 180 Pengajar pengajar
 data Mandiri
science MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
- Mampu pengajar
menggunakan melalui
tools Data Pembelaj
Science aran - Quiz dan
- Mampu Terjadwal - Video Tugas
menggunakan - Asynchro Pembelaj melalui
pemrograman nous aran MOOC
Python Dasar - melalui Asynchro - Kehadira
Mampu Pembelaj nous n
menggunakan aran melalui Peserta
Tools Data Pemrograman Mandiri MOOC - Keaktifa
Science dan Python di MOOC - Materi n dinilai
Pemrograma Tools Data BISA AI oleh oleh
n Python Science Academy 180 Pengajar pengajar
- Mampu - Synchron
membaca ous
dataset secara
dengan tatap
Python muka
- Mampu daring
melakuka dengan
n pengajar
statistika melalui - Quiz dan
deskriptif Pembelaj - Video Tugas
dari data aran Pembelaj melalui
- Mampu Terjadwal aran MOOC
melakuka - Asynchro Asynchro - Kehadira
n Korelasi nous nous n
- Mampu melalui melalui Peserta
melakuka Pembelaj MOOC - Keaktifa
n aran - Materi n dinilai
Exploratory Normalisa Mandiri oleh oleh
Data Analysis si data MOOC 180 Pengajar pengajar
 - Mampu BISA AI
melakuka Academy
n filtering
data
- Mampu
memvisua - Synchron
lisasikan ous
data secara
dengan tatap
Python – muka
- Mampu daring
menggun dengan
akan pengajar
Chart dan melalui
Diagram Pembelaj - Quiz dan
untuk aran Tugas
Data Terjadwal - Video melalui
Science - Asynchro Pembelaj MOOC
- Mampu nous aran - Kehadira
membuat melalui Asynchro n
visualisasi Pembelaj nous Peserta
lanjutan aran melalui - Keaktifa
seperti Mandiri MOOC n dinilai
peta dan MOOC - Materi oleh
Visualisasi teknik BISA AI oleh 360peng
Data lainnya Academy 360 Pengajar ajar
- Mampu - Synchron
mengetah ous
ui secara
Supervise tatap
d Learning muka
- Mengetah daring
ui dengan
perbedaa pengajar - Quiz dan
n melalui - Video Tugas
klasifikasi Pembelaj Pembelaj melalui
dan aran aran MOOC
regresi Terjadwal Asynchro - Kehadira
- Menggun - Asynchro nous n
akan nous melalui Peserta
teknik melalui MOOC - Keaktifa
Regresi Pembelaj - Materi n dinilai
Supervised untuk aran oleh oleh
Learning data Mandiri 180 Pengajar pengajar
 continuou MOOC
s BISA AI
- Menggun Academy
akan
Decision
Tree
untuk
Data
Diskrit
- Synchron
- Mampu ous
menggun secara
akan tatap
Naive muka
Bayes daring
secara dengan
teori dan pengajar
praktek melalui
untuk Pembelaj
kasus aran - Quiz dan
klasifikasi Terjadwal - Video Tugas
- Mampu - Asynchro Pembelaj melalui
menggun nous aran MOOC
akan SVM melalui Asynchro - Kehadira
secara Pembelaj nous n
teori dan aran melalui Peserta
praktek Mandiri MOOC - Keaktifa
Algoritma untuk MOOC - Materi n dinilai
Supervised kasus BISA AI oleh oleh
Learning klasifikasi Academy 360 Pengajar pengajar
- Mampu - Synchron
menggun ous
akan secara
algoritma tatap - Quiz dan
Neural muka - Video Tugas
Networks daring Pembelaj melalui
secara dengan aran MOOC
teori dan pengajar Asynchro - Kehadira
praktek melalui nous n
- Mampu Pembelaj melalui Peserta
Neural menggun aran MOOC - Keaktifa
Networks akan Terjadwal - Materi n dinilai
dan Case berbagai - Asynchro oleh oleh
Study case study nous 360 Pengajar pengajar
 data melalui
science Pembelaj
dengan aran
model Mandiri
Neural MOOC
Networks BISA AI
Academy
- Mampu
mengetah
ui
Unsupervi
sed
Learning - Synchron
- Mengetah ous
ui secara
perbedaa tatap
n K- muka
Means daring
dan dengan
Hierarchic pengajar
al melalui
Clustering Pembelaj
- Mampu aran - Quiz dan
menggun Terjadwal - Video Tugas
akan - Asynchro Pembelaj melalui
berbagai nous aran MOOC
case study melalui Asynchro - Kehadira
data Pembelaj nous n
science aran melalui Peserta
Unsupervise dengan Mandiri MOOC - Keaktifa
d Learning Unsupervi MOOC - Materi n dinilai
dan Case sed BISA AI oleh oleh
Study Learning Academy 180 Pengajar pengajar
- Quiz dan
- Mampu - Synchron - Video Tugas
mengetah ous Pembelaj melalui
ui teknik secara aran MOOC
evaluasi tatap Asynchro - Kehadira
model muka nous n
seperti daring melalui Peserta
akurasi, dengan MOOC - Keaktifa
precision, pengajar - Materi n dinilai
Evaluasi recall, F- melalui oleh oleh
Model Score dan Pembelaj 360 Pengajar pengajar
 Confusion aran
Matrix Terjadwal
- Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
- Mampu secara
mengerja tatap
kan kasus muka
data daring
science di dengan
bidang pengajar
Finance melalui
seperti Pembelaj
saham aran - Quiz dan
dan Terjadwal - Video Tugas
laporan - Asynchro Pembelaj melalui
keuangan nous aran MOOC
- Mampu melalui Asynchro - Kehadira
mengerja Pembelaj nous n
kan kasus aran melalui Peserta
data Mandiri MOOC - Keaktifa
Case Study science di MOOC - Materi n dinilai
Data Science bidang BISA AI oleh oleh
Industri kesehatan Academy 180 Pengajar pengajar
- Mampu - Synchron
menerapk ous - Quiz dan
an secara - Video Tugas
pembelaj tatap Pembelaj melalui
aran yang muka aran MOOC
sudah daring Asynchro - Kehadira
diberikan dengan nous n
di dalam pengajar melalui Peserta
proyek melalui MOOC - Keaktifa
Data Pembelaj - Materi n dinilai
Proyek Data Science aran oleh oleh
Science riil Terjadwal 360 Pengajar pengajar
 - Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy

b. Image Processing (2 SKS)

Kelas Image Processing merupakan kelas yang mempelajari teknik-teknik serta
algoritma-algoritma yang digunakan untuk mengolah data citra atau gambar
menggunakan bantuan kecerdasan artifisial. Pembelajaran ini secara umum terdiri dari
tiga level yaitu terdiri low level procces, medium level process, dan high level procces.
Pada low level procces kami mempelajari akuisisi data gambar, image preprocessing,
image filtering, image restoration, dan image enhancement, kemudian pada medium
level kami mempelajari deteksi tepi dan ekstraksi fitur, dan terakhir pada high level kami
dikenalkan dengan algoritma machine learning untuk membantu dalam image
processing. Pada setiap akhir kelas, pengajar kelas ini akan meberikan sebuah modul dan
tugas untuk mempraktikan materi yang telah dipelajari atau terdapat tugas praktik pada
tiap minggunya untuk melatih keterampilan dalam melakukan pengolahan citra digital.
Adapun deskrip dari materi yang dipelajari pada kelas Image processing adalah:

Durasi
Learning Target Hasil Detail Pembelaj Sumber Daya Cara
Objective Pembelajaran Pembelajaran aran Pembelajaran Penilaian
(Menit)
- Synchron - Video
ous Pembelaj - Quiz dan
secara aran Tugas
tatap Asynchro melalui
- Mampu muka nous MOOC
Pengantar memaha daring melalui - Kehadira
Pengolahan mi konsep dengan MOOC n
Citra Digital pengolah pengajar - Materi Peserta
dan Konsep an citra melalui oleh - Keaktifa
Citra Digital digital Pembelaj 180 Pengajar n dinilai
 aran oleh
Terjadwal pengajar
- Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj
aran - Quiz dan
Terjadwal - Video Tugas
- Asynchro Pembelaj melalui
- Mampu nous aran MOOC
memeha melalui Asynchro - Kehadira
mi teknik- Pembelaj nous n
tekmik aran melalui Peserta
operasi Mandiri MOOC - Keaktifa
Operasi dasar MOOC - Materi n dinilai
Dasar Pada pada citra BISA AI oleh oleh
Citra Digital digital Academy 180 Pengajar pengajar
- Synchron
ous - Quiz dan
secara - Video Tugas
tatap Pembelaj melalui
muka aran MOOC
- Mampu daring Asynchro - Kehadira
mengetah dengan nous n
ui konsep pengajar melalui Peserta
ruang melalui MOOC - Keaktifa
warna Pembelaj - Materi n dinilai
Ruang Warna pada citra aran oleh oleh
Citra Digital digital Terjadwal 180 Pengajar pengajar
 - Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj - Quiz dan
aran Tugas
- Mampu Terjadwal - Video melalui
meningka - Asynchro Pembelaj MOOC
tkan mutu nous aran - Kehadira
citra melalui Asynchro n
digital Pembelaj nous Peserta
dengan aran melalui - Keaktifa
Peningkatan teknik Mandiri MOOC n dinilai
Mutu Citra point MOOC - Materi oleh
(Point processin BISA AI oleh 360peng
Processing) g Academy 360 Pengajar ajar
- Synchron
ous
secara
tatap - Quiz dan
- Mampu muka - Video Tugas
meningka daring Pembelaj melalui
tkan mutu dengan aran MOOC
citra pengajar Asynchro - Kehadira
digital melalui nous n
dengan Pembelaj melalui Peserta
teknik aran MOOC - Keaktifa
Peningkatan histogram Terjadwal - Materi n dinilai
Mutu Citra equalizati - Asynchro oleh oleh
(Histogram) on nous 180 Pengajar pengajar
 melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj
aran - Quiz dan
Terjadwal - Video Tugas
- Asynchro Pembelaj melalui
- Mampu nous aran MOOC
meningka melalui Asynchro - Kehadira
tkan mutu Pembelaj nous n
citra aran melalui Peserta
digital Mandiri MOOC - Keaktifa
Peningkatan dengan MOOC - Materi n dinilai
Mutu Citra teknik BISA AI oleh oleh
(Konvolusi) konvolusi Academy 360 Pengajar pengajar
- Synchron
ous
secara
tatap
muka
daring - Quiz dan
dengan - Video Tugas
pengajar Pembelaj melalui
- Mampu melalui aran MOOC
memaha Pembelaj Asynchro - Kehadira
mi teknik aran nous n
filtering Terjadwal melalui Peserta
dengan - Asynchro MOOC - Keaktifa
konsep nous - Materi n dinilai
Transformasi transform melalui oleh oleh
Fourier asi fourier Pembelaj 360 Pengajar pengajar
 aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj
aran - Quiz dan
Terjadwal - Video Tugas
- Asynchro Pembelaj melalui
- Mampu nous aran MOOC
memaha melalui Asynchro - Kehadira
mi konsep Pembelaj nous n
model aran melalui Peserta
citra Mandiri MOOC - Keaktifa
restorasi MOOC - Materi n dinilai
Restorasi dan BISA AI oleh oleh
Citra degradasi Academy 180 Pengajar pengajar
- Mampu - Synchron
memaha ous
mi teknik- secara
teknik tatap
segmenta muka
si seperti daring
segmenta dengan
si tepi, pengajar - Quiz dan
deteksi melalui - Video Tugas
tepi Pembelaj Pembelaj melalui
Robert, aran aran MOOC
prewitt, Terjadwal Asynchro - Kehadira
dan sobel, - Asynchro nous n
deteksi nous melalui Peserta
canny, melalui MOOC - Keaktifa
dan Pembelaj - Materi n dinilai
deteksi aran oleh oleh
Segmentasi laplacce Mandiri 360 Pengajar pengajar
 MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
- Mampu pengajar
memaha melalui
mi konsep Pembelaj
morfologi aran - Quiz dan
seperti Terjadwal - Video Tugas
erosi dan - Asynchro Pembelaj melalui
dilasi nous aran MOOC
- Mampu melalui Asynchro - Kehadira
meggunak Pembelaj nous n
an aran melalui Peserta
metode Mandiri MOOC - Keaktifa
operasi MOOC - Materi n dinilai
morfologi BISA AI oleh oleh
Morfologi gabungan Academy 180 Pengajar pengajar
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
- Mampu melalui - Quiz dan
menerapk Pembelaj - Video Tugas
an aran Pembelaj melalui
ekstrasi Terjadwal aran MOOC
ciri citra - Asynchro Asynchro - Kehadira
digital nous nous n
dengan melalui melalui Peserta
metode Pembelaj MOOC - Keaktifa
local aran - Materi n dinilai
binary Mandiri oleh oleh
Ekstraksi Ciri pattern MOOC 360 Pengajar pengajar
 BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj
aran - Quiz dan
Terjadwal - Video Tugas
- Asynchro Pembelaj melalui
nous aran MOOC
melalui Asynchro - Kehadira
- Mampu Pembelaj nous n
melakuka aran melalui Peserta
n Mandiri MOOC - Keaktifa
klasifikasi MOOC - Materi n dinilai
Klasifikasi citra BISA AI oleh oleh
Citra Digital digital Academy 360 Pengajar pengajar

c. Internet of Things and FPGAs (2 SKS)

Kelas Internet of Things and FPGA merupakan kelas yang mempelajari mengenai
mikroprosesor atau mikrokontroler berbasis Internet of Things serta implementasinya.
Kelas ini mengenalkan kepada saya mengenai konsep IoT serta dalam pertengahan
periode kami diberikan projek untuk menggunakan salah satu mikrokontroler IoT yaitu
ESP8266 untuk membuat suatu projek berbasis IoT. Kemudian setelah pertengahan
periode kami berfokus memepelajari mengenai FPGA atau semi-konduktor berbasis
matriks dan gerbang logika sehingga dapat mempercepat atau mengakselerasi suatu
program yang awalnya sekuensial menjadi pararel. Terakhir pada akhir periode terdapat
ujian akhir mengenai FPGA. Adapun deskripsi dari materi-materi yang dipelajari dari kelas
IoT dan FPGAs adalah:

Durasi
Learning Target Hasil Detail Pembelaj Sumber Daya Cara
Objective Pembelajaran Pembelajaran aran Pembelajaran Penilaian
(Menit)
 - Synchron
ous
secara
tatap
muka
daring
dengan
- Mampu pengajar
mengenal melalui
elektronik Pembelaj
a dasar aran - Quiz dan
dan Terjadwal - Video Tugas
kompone - Asynchro Pembelaj melalui
n nous aran MOOC
elektronik melalui Asynchro - Kehadira
a dasar Pembelaj nous n
- Mampu aran melalui Peserta
membuat Mandiri MOOC - Keaktifa
rangkaian MOOC - Materi n dinilai
Elektronika elektronik BISA AI oleh oleh
Dasar a dasar Academy 180 Pengajar pengajar
- Synchron
ous
secara
tatap
muka
- Mampu daring
menggun dengan
akan pengajar
Mikrokon melalui
troler Pembelaj
ESP8266/ aran - Quiz dan
32 Terjadwal - Video Tugas
- Mampu - Asynchro Pembelaj melalui
menghub nous aran MOOC
ungkan melalui Asynchro - Kehadira
kompone Pembelaj nous n
n aran melalui Peserta
elektronik Mandiri MOOC - Keaktifa
a dengan MOOC - Materi n dinilai
Mikro Microcont BISA AI oleh oleh
Controller roller Academy 180 Pengajar pengajar
- Mampu - Synchron - Video - Quiz dan
Sensor menggun ous 180 Pembelaj Tugas
 akan secara aran melalui
berbagai tatap Asynchro MOOC
jenis muka nous - Kehadira
sensor daring melalui n
seperti dengan MOOC Peserta
sensor pengajar - Materi - Keaktifa
Cahaya melalui oleh n dinilai
LDR, Suhu Pembelaj Pengajar oleh
DHT11, aran pengajar
Kelembap Terjadwal
an, Tanah - Asynchro
dan nous
sensor melalui
lainnya Pembelaj
- Mampu aran
mengerja Mandiri
kan MOOC
berbagai BISA AI
studi Academy
kasus
dengan
sensor
yang
dihubung
kan ke
microcont
roller
- Synchron
- Mampu ous
menggun secara
akan tatap
aktuator muka
seperti daring - Quiz dan
motor DC, dengan Tugas
Motor pengajar - Video melalui
Servo dan melalui Pembelaj MOOC
lainnya Pembelaj aran - Kehadira
- Mampu aran Asynchro n
menghub Terjadwal nous Peserta
ungkan - Asynchro melalui - Keaktifa
aktuator nous MOOC n dinilai
dengan melalui - Materi oleh
Microcont Pembelaj oleh 360peng
Aktuator roller aran 360 Pengajar ajar
 Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
- Mampu secara
menggun tatap
akan muka
MQTT daring
untuk dengan
komunika pengajar
si antara melalui
Microcont Pembelaj
roller atau aran - Quiz dan
server Terjadwal - Video Tugas
- Mampu - Asynchro Pembelaj melalui
mengirim nous aran MOOC
kan data melalui Asynchro - Kehadira
dari Pembelaj nous n
sensor ke aran melalui Peserta
device Mandiri MOOC - Keaktifa
lainya MOOC - Materi n dinilai
melalui BISA AI oleh oleh
MQTT MQTT Academy 180 Pengajar pengajar
- Synchron
ous
secara
tatap
- Mampu muka
menggun daring
akan dengan
teknik pengajar
Data melalui - Quiz dan
Engineeri Pembelaj - Video Tugas
ng untuk aran Pembelaj melalui
merapihk Terjadwal aran MOOC
an data - Asynchro Asynchro - Kehadira
yang nous nous n
didapatka melalui melalui Peserta
n dari Pembelaj MOOC - Keaktifa
perangkat aran - Materi n dinilai
Data Internet Mandiri oleh oleh
Engineering of Things MOOC 360 Pengajar pengajar
 BISA AI
Academy
- Synchron
ous
secara
tatap
muka
- Mampu daring
membuat dengan
rancang pengajar
bangun melalui
aplikasi Pembelaj
Internet aran - Quiz dan
of Things Terjadwal - Video Tugas
- Mampu - Asynchro Pembelaj melalui
menghub nous aran MOOC
ungkan melalui Asynchro - Kehadira
alat IoT Pembelaj nous n
Rancang dengan aran melalui Peserta
Bangun sensor, Mandiri MOOC - Keaktifa
Aplikasi aktuator MOOC - Materi n dinilai
Internet of dan BISA AI oleh oleh
Things lainnya Academy 360 Pengajar pengajar
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
- Mampu Pembelaj
menerapk aran - Quiz dan
an Terjadwal - Video Tugas
pembelaj - Asynchro Pembelaj melalui
aran yang nous aran MOOC
sudah melalui Asynchro - Kehadira
diberikan Pembelaj nous n
di dalam aran melalui Peserta
proyek Mandiri MOOC - Keaktifa
Proyek Machine MOOC - Materi n dinilai
Machine Learning BISA AI oleh oleh
Learning riil Academy 360 Pengajar pengajar
 d. Machine Learning (2 SKS)
Kelas Machine Learning merupakan pembelajaran yang berisi konsep pembelajaran
mesin, algoritma-algoritma dalam pembelajaran mesin, konsep statistika dan matematis
dalam algoritma tersebut, serta implementasi dari tiap-tiap algoritma. Pada tiap
kesempatan terdapat hands-on untuk tiap materi sehingga mempermudah untuk
dimengerti. Pada pertengahan serta akhir periode kelas terdapat sebuah projek mengenai
implementasi-implementasi dari materi yang telah diajarkan kepada kami. Adapun
materi-materi yang dipelajari dari kelas ini adalah:

Durasi
Learning Target Hasil Detail Pembelaj Sumber Daya Cara
Objective Pembelajaran Pembelajaran aran Pembelajaran Penilaian
(Menit)
- Synchron
- Mampu ous
mengenal secara
Scalar, tatap
Vektor, muka
Matrix daring
dan dengan
Tensor pengajar
- Mampu melalui
mengenal Pembelaj
Fungsi aran - Quiz dan
dan Terjadwal - Video Tugas
Persamaa - Asynchro Pembelaj melalui
n Linear nous aran MOOC
- Mampu melalui Asynchro - Kehadira
menggun Pembelaj nous n
akan aran melalui Peserta
Matematika kalkulus Mandiri MOOC - Keaktifa
untuk untuk MOOC - Materi n dinilai
Machine Machine BISA AI oleh oleh
Learning Learning Academy 180 Pengajar pengajar
- Mampu - Synchron - Video - Quiz dan
Decision Tree menggun ous 180 Pembelaj Tugas
 akan secara aran melalui
algoritma tatap Asynchro MOOC
Decision muka nous - Kehadira
Tree daring melalui n
secara dengan MOOC Peserta
teori dan pengajar - Materi - Keaktifa
praktik melalui oleh n dinilai
- Mampu Pembelaj Pengajar oleh
implemen aran pengajar
tasi Terjadwal
Decision - Asynchro
Tree di nous
berbagai melalui
case study Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
- Mampu muka
menggun daring
akan dengan
teknik pengajar
seleksi melalui
feature Pembelaj
seperti L1 aran - Quiz dan
dan L2 Terjadwal - Video Tugas
- Mampu - Asynchro Pembelaj melalui
menggun nous aran MOOC
akan melalui Asynchro - Kehadira
teknik Pembelaj nous n
seleksi aran melalui Peserta
feature Mandiri MOOC - Keaktifa
pada MOOC - Materi n dinilai
Feature berbagai BISA AI oleh oleh
Selection dataset Academy 180 Pengajar pengajar
- Mampu - Synchron - Video - Quiz dan
menggun ous Pembelaj Tugas
Dimensionali akan secara aran melalui
ty Reduction teknik tatap 180 Asynchro MOOC
 reduksi muka nous - Kehadira
dimensi daring melalui n
- Mampu dengan MOOC Peserta
menerapk pengajar - Materi - Keaktifa
an teknik melalui oleh n dinilai
reduksi Pembelaj Pengajar oleh
dimensi aran 360peng
pada Terjadwal ajar
berbagai - Asynchro
studi nous
kasus melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
- Mampu melalui
menggun Pembelaj
akan SVM aran - Quiz dan
secara Terjadwal - Video Tugas
teori dan - Asynchro Pembelaj melalui
praktek nous aran MOOC
- Mampu melalui Asynchro - Kehadira
menggun Pembelaj nous n
akan SVM aran melalui Peserta
untuk Mandiri MOOC - Keaktifa
berbagai MOOC - Materi n dinilai
studi BISA AI oleh oleh
SVM kasus data Academy 360 Pengajar pengajar
- Mampu - Synchron
menggun ous - Video
akan secara Pembelaj - Quiz dan
Neural algoritma tatap aran Tugas
Network Neural muka Asynchro melalui
Case Study Networks daring 360 nous MOOC
 secara dengan melalui - Kehadira
teori dan pengajar MOOC n
praktek melalui - Materi Peserta
- Mampu Pembelaj oleh - Keaktifa
menggun aran Pengajar n dinilai
akan Terjadwal oleh
berbagai - Asynchro pengajar
case study nous
data melalui
science Pembelaj
dengan aran
model Mandiri
Neural MOOC
Networks BISA AI
Academy
- Mampu
mengetah
ui
Unsupervi
sed
Learning - Synchron
- Mengetah ous
ui secara
perbedaa tatap
n K- muka
Means daring
dan dengan
Hierarchic pengajar
al melalui
Clustering Pembelaj
- Mampu aran - Quiz dan
menggun Terjadwal - Video Tugas
akan - Asynchro Pembelaj melalui
berbagai nous aran MOOC
case study melalui Asynchro - Kehadira
data Pembelaj nous n
science aran melalui Peserta
Unsupervise dengan Mandiri MOOC - Keaktifa
d Learning Unsupervi MOOC - Materi n dinilai
dan Case sed BISA AI oleh oleh
Study Learning Academy 360 Pengajar pengajar
- Mampu - Synchron - Video
Evaluasi mengetah ous Pembelaj - Quiz dan
Model ui teknik secara 180 aran Tugas
 evaluasi tatap Asynchro melalui
model muka nous MOOC
seperti daring melalui - Kehadira
akurasi, dengan MOOC n
precision, pengajar - Materi Peserta
recall, F- melalui oleh - Keaktifa
Score dan Pembelaj Pengajar n dinilai
Confusion aran oleh
Matrix Terjadwal pengajar
- Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy
- Synchron
ous
secara
tatap
muka
daring
dengan
pengajar
melalui
Pembelaj
aran - Quiz dan
Terjadwal - Video Tugas
- Asynchro Pembelaj melalui
- Mampu nous aran MOOC
mengerja melalui Asynchro - Kehadira
kan kasus Pembelaj nous n
Machine aran melalui Peserta
Learning Mandiri MOOC - Keaktifa
Case Study di MOOC - Materi n dinilai
Machine berbagai BISA AI oleh oleh
Learning bidang Academy 360 Pengajar pengajar
- Mampu - Synchron - Video
menerapk ous Pembelaj - Quiz dan
Proyek an secara aran Tugas
Machine pembelaj tatap Asynchro melalui
Learning aran yang muka 360 nous MOOC
 sudah daring melalui - Kehadira
diberikan dengan MOOC n
di dalam pengajar - Materi Peserta
proyek melalui oleh - Keaktifa
Machine Pembelaj Pengajar n dinilai
Learning aran oleh
riil Terjadwal pengajar
- Asynchro
nous
melalui
Pembelaj
aran
Mandiri
MOOC
BISA AI
Academy

4. Pembelajaran Mandiri

Pembelajaran mandiri yang saya ikuti dan telah saya selesaikan sebanyak satu course.
Dengan detail setiap pembelajaran mandiri sebagai berikut :
a. Machine Learning
Pada course Machine Learning, saya mempelajari mengenai algoritma yang
digunakan dalam proses dalam pembelajaran mesin dan konsep perhitungan matematis
dan statistikanya. Course ini membahas mengenai algoritma seperti Decision Tree, Naïve
Bayes, K-Nearest Neighbor, serta evaluasi model. Pemahaman ini cukup penting karena
pada bidang industri dan data sains digunakan untuk memecahkan dan membantu dalam
permasalahan-permasalahan yang ada. Terlebih jika ingin terjun sebagai AI engineer atau
pekerjaan di bidang data lainya.
5. Pembelajaran Tamu

Pada kegiatan pembelajaran tamu saya mengikuti sebanyak delapan kali pertemuan
dengan masing-masing topik sebagai berikut:

a. Utilisasi AI untuk Profesional Ilmu Sosial

Webinar Utilisasi AI untuk Profesional Ilmu Sosial merupakan webinar yang
membicarakan mengenai pernana AI dalam rumpun ilmu sosial. Narasumber
memberitahu bahwa AI tidak ahanya digunakan dalam ilmu saintek serta ekonomi
dan bisnis saja, namun dapat digunakan pula pada ilmu sosial terutama pada
bidang hukum yang baru berfokus pada hukum khusus manusia.
b. Reconnecting AI & IoT
Webinar atau kuliah tamu Reconnecting AI & IoT merupakan webinar yang
membahas mengenai aplikasi IoT pada kehidupan nyata yang terhubung dengan
kecerdasan artifisial sebagai akselerator dalam perangkat IoT. Webinar ini
tentunya memberikan pandangan baru mengenai potensi IoT serta kecerdasan
artifisial, selain itu webinar ini menumbuhkan rasa ingin berinovasi dengan IoT
saya terutama dalam bidang teknik biomedis.

c. Pemanfaatan Mendeley Pada Penulisan Karya Ilmiah

Webinar Pemanfaatan Mendeley Pada Penulisan Karya Ilmiah merupakan
webinar yang mendiskusikan mengenai penggunaan perangkat lunak Mendeley
yang umum digunkana ketika menulis suatu karya tulis ilmiah. Webinar ini
bermanfaat terutama saya yang akan membuat karya tulis berupa skripsi
 nantinya. Webinar ini juga memberikan tips dan trik dalam mencari ide,
mengembangkan ide, dan menulis suatu karya tulis ilmiah.

d. Pemanfaatan Teknologi AI dan Big Data di Bidang Pelayanan Kesehatan

Webinar Pemanfaatan Teknologi AI dan Big Data di Bidang Pelayanan
Kesehatan merupakan webinar yang membahas mengenai peranana dan
kegunaan kecerdasan artifisial dalam bidang kesehatan. DI webinar ini membahas
mengenai sumber-sumber data apa saja yang dapat digunakan untuk
mengembangkan suatu model pembelajaran mesin dalam bidang kesehatan.

e. Artificial Intelligence Ecosystem: Peluang, Tantangan Dan Masa Depan

Pembelajaran tamu Artificial Intelligence Ecosystem: Peluang, Tantangan Dan
Masa Depan adalah webinar yang membicarakan mengenai peran kecerdasan
artifisial serta potensi serta hambatan yang akan terjadi pada masa ini dan masa
 depan. Pembicaraan seperti ini memberikan pandangan dari narasumber yang
belum pernah saya alami secara langsung sehingga memberikan rasa ingin tahu
yang tinggi mengenai kecerdasan artifisial dan pengguaanya terutama dalam
bidang Teknik Biomedis.

f. Artificial Intelligence and Global Oppurtunity

Pembelajaran tamu atau webinar Artificial Intellegence and Global Opurtunity
merupakan webinar yang mambahas perihal potensi serta tantangan
pengembangan kecerdasan buatan di masa depan. Dengan pengetahuan ini
secara umum membuka wawasan serta pandangan mengenai potensi apa saja
yang dapat dicapai dengan bantuan AI nantinya, khusunya di Indonesia.
g. Biomaterials for Artificial Organs: A New Healthcare Technology
Pembelajaran tamu mengenai Biomaterials for Artificial Organs: A New
Healthcare Technology merupakan webinar yang membahas mengenai material
biokompatibel yang digunakan dalam membuat jaringan artifisial. Ilmu ini linear
dengan program studi yang saya tempuh yaitu Teknik Biomedis, di mana
pengetahuan seperti ini dapat menambah wawasan serta memperluas pandangan
mengenai potensi yang ada terkait pengembangan biomaterial.

h. Exploratory Data Analysis

Pembelajaran tamu atau webinar Exploratory Data Analysis atau disingkat
sebagai EDA membicarakan mengenai pendalaman secara konseptual mengenai
data pada umumnya, baik secara teoritis dan penerapanya. Dengan mengikuti
webinar EDA ini pemahaman mengenai data yang digunakan dalam industri
kecerdasan buatan turut bertambah.
6. Proyek Industri

Projek industri yang saya ikuti adalah projek Intelligent Analysis, projek ini bekerjasama
dengan BPOM untuk membangun suatu prototype situs atau web khusus untuk memberikan
informasi mengenai makanan, minuman, obat, dan kosmetik apa saja yang lulus dan terdaftar
dalam BPOM. Dalam kegiatan ini dibagi menjadi beberapa tim anatar lain tim data scietist,
tim UI/UX dan tim front-end dan back-end. Saya berpartisipasi sebagai salah satu data
scientist. Tugas kami adalah mengakuisisi data, melakukan pre-processing data, serta
membangun model kecerdasan buatan untuk memberikan analisis sentimen dari data
tersebut.

Dalam melakukan akuisisi data dialakukan scrapping data dari produk-produk yang
terdapat dari situs resmi BPOM dan crawlling kata kunci produk-produk tersebut dari tweet
pada twitter. Kemudian setelah diakuisisi dilakukan proses preprocessing seperti bag of
words, vektorisasi, stop word removal, stemming, dan case folding untuk membersihkan
kalimat pada tweet produk-produk tersebut sehingga dapat dipahami oleh komputer, proses-
proses tersebut kami sebut sebagai data cleaning. Terakhir dibangun sebuah model machin
e learning untuk memberikan skor atau melakukan analisis sentimen apakah produk tersebut
mendapat respon positif atau negatif dari dataset tweet sesuai produk-produk yang kami
ambil.

Pengalaman mengikuti kegiatan projek industri ini sangat baru bagi saya, terlebih pada
kegiatan program studi saya yaitu teknik biomedis ilmu seperti ini tidak diajarkan dan tidak
 digunakan. Tentu saja dengan mengikuti kegiatan ini menambah wawasan serta
pengetahuan saya dalam mengelola data teks.

7. Saran dan Kritik Membangun

Kegiatan yang digagas Bisa AI Academy yaitu AI-Hacker merupakan kegiatan kedua dalam
program Magang Studi Independen Bersertifikat yang saya ikuti. Kegiatan ini memberikan
banyak peluang belajar tidak hanya dalam bidang ilmu komputer seperti kecerdasan buatan,
web development, dan sejenisnya. Namun, program ini juga mengenalkan kepada saya
mengenai ilmu-ilmu yang mungkin tidak ada pada program MSIB lainya seperti Internet of
Things dan FPGA. Kegiatan ini juga mengenalkan saya kepada bagian ilmu yang tidak diajarkan
pada program studi saya, namun saya merasa cukup tertinggal dibandingkan teman-teman
lain pada program ini. Hal itu disebabkan karena jadwal kuliah rutin saya yang seringkali
bertabrakan dengan program Bisa AI yang padat juga. Mungkin untuk kedepanya dapat
dibuat surat komitmen atau surat pengambilan SKS maksimal di untuk mata kuliah di
kampusnya dari tiap mahasiswa agar para mahasiswa dapat mengambil ilmu secara penuh
dan pihak Bisa AI dapat menerima mahasiswa yang betul-betul siap mengikuti kegiatan ini
dengan sepenuhnya.