Oleh :
FARHAN RAMADHAN / 197006516098
Oleh :
FARHAN RAMADHAN / 197006516098
i
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang
telah memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan
Kerja Praktik dan menyusun laporan pelaksanaan kerja Praktik di program Magang
dan Studi Independen Bersertifikat (MSIB) yang merupakan salah satu program
utama Kemendikbudristek melalui Merdeka Belajar Kampus Merdeka (MBKM)
PT. Orbit Ventura Indonesia.
Pelaksanaan kerja Praktik diharapkan dapat meningkatkan penerapan
wawasan dan disiplin dunia nyata. laporan kerja Praktik ini adalah pendekatan dan
implementasi dari pekerjaan nyata yang telah dilakukan selama kurang lebih 6
bulan.
Dalam penyusunan laporan pelaksanaan Kerja Praktik ini tidak dapat terjadi
tanpa adanya dukungan dari beberapa pihak. Oleh karena itu, penulis ingin
menyampaikan ucapan terima kasih yang sebesar-besarnya kepada:
1. Kepada kedua orang tua saya tercinta yang telah memberi dukungan, doa,
motivasi, nasihat, dan selalu ada untuk menyemangati penulis selama menyusun
laporan kerja praktik ini.
2. Bapak Nursatyo, S.Sos, M.Si selaku Penanggung Jawab dan Wakil Rektor
Universitas Nasional.
3. Ibu Ira Diana Sholihati, S.Si., MMSI. selaku Dosen Pembimbing Akademik dan
Dosen Wali saya di Universitas Nasional, Jakarta.
4. Ibu Andrianingsih, S.Kom.,MMSI. sebagai kaprodi Sistem Informasi
Universitas Nasional, Jakarta.
5. Coach Bella Septina selaku mentor atau homeroom coach kelas Better yang
selalu membagikan ilmunya, membimbing, memberi semangat, membantu, dan
memberikan nasihat serta selalu siaga dalam menjawab pertanyaan dari penulis
mengenai materi yang masih kurang difahami. Dan juga selaku mentor atau
coach domain teknikal yang telah meluangkan waktu, pikiran, dan telah
ii
memberikan nasihat kepada penulis dalam menyelesaikan laporan kerja praktik
ini.
6. Coach Farchan Hakim Raswa S.Si.,M.Sc.,M.Cs. Selaku mentor atau coach
domain computer vision yang selalu membagikan ilmunya, membimbing,
memberi semangat, membantu, dan memberikan nasihat serta selalu siaga dalam
menjawab pertanyaan dari penulis mengenai koding program kerja praktik
penulis.
7. Coach Hafizah Ilma selaku mentor atau domain data science yang telah
meluangkan waktu, pikiran, serta telah memberikan nasihat, arahan, dan selalu
siaga dalam menjawab pertanyaan dengan penuh kesabaran dan ikhlas.
8. Seluruh coach pada tiap domain di AI Mastery PT. Orbit Ventura Indonesia,
yang telah meluangkan waktu, tenaga, pikiran, dan membagikan ilmunya kepada
penulis.
9. Serta masih banyak pihak yang tidak dapat disebutkan satu per satu yang telah
membantu penulis dalam menyelesaikan laporan kerja praktik dengan baik dan
tepat waktu.
Penulis menyadari bahwa laporan kerja praktik ini masih banyak
kekurangan dan jauh dari kata sempurna akibat dari keterbatasan dan kemampuan
penulis. Oleh karena itu, penulis dapat menerima setiap kritik dan saran untuk
kesempurnaan pada penulisan laporan kerja praktik ini. Penulis berharap melalui
laporan kerja praktik ini dapat memberikan manfaat bagi semua pihak.
Akhirnya penulis menyadari bahwa laporan ini jauh dari kata sempurna,
untuk itu penulis dengan senang hati menerima kritik dan saran dengan sifat
mendukung demi kemajuan penulis di masa yang akan dating. Penulis berharap
mudah mudahan laporan ini bermanfaat bagi penulis, pembaca dan semua pihak.
Farhan Ramadhan
iii
DAFTAR ISI
LEMBAR JUDUL
2.6 Anvil.works............................................................................................. 10
iv
BAB IV URAIAN SISTEM .................................................................................. 15
LAMPIRAN ..............................................................................................................
v
DAFTAR GAMBAR
vi
BAB I
PENDAHULUAN
1
2
1.4 Tujuan
Dalam mengikuti program MBKM AI Mastery Program pada perusahaan
PT Orbit Future Academy, terdapat beberapa tujuan yang akan dicapai, diantaranya
sebagai berikut:
a. Mampu memahami tentang artificial intelligence, pemanfaatannya, hingga
sampai cara menerapkannya.
b. Mampu memahami pentingnya data dalam artificial intelligence.
c. Mahasiswa memperoleh sertifikat kompetensi dari Mitra
4
1.5 Metodologi
Metodologi penelitian yang digunakan adalah metodologi merancang dan
membangun, dalam kegiatan kerja praktik ini, saya mengumpulkan data melalui 2
tahap, yaitu:
1. Data Acquisition
Pada proses pembuatan program pada kerja praktik, penulis mengerjakanya
bersama tim yang ada di MBKM PT.Orbit Future Academy, sebanyak 3 anggota,
termasuk penulis sendiri. Awal mulanya, penulis dan tim, mengumpulkan dataset
input dan data target. Saya bertugas mengumpulkan 1000 dataset wajah manusia
yang diperoleh melalui web Kaggle. Kemudian, rekan satu tim penulis, yaitu Windy
dan Dimas membuat data target, yaitu wajah manusia versi anime melalui aplikasi
capcut. Selanjutnya, penulis juga memiliki jobdesc untuk membuat kode program,
memulai untuk membuat programnya, dimana data input dan data target, serta data
test telah di resize dengan ukuran yang sama, yiatu (256,256). Selain itu, antara data
input dan data target, telah disesuaikan secara berurutan antara wajah original dan
wajah versi anime atau kartun.
Namun, hasil program yang diperoleh tersebut gagal saat menggunakan
metode autoencoder. Oleh karena itu, kami menemukan solusi dengan
menggunakan Flickr-Faces-HQ (FFHQ), yang merupakan kumpulan dataset
gambar yang berisi gambar wajah manusia berkualitas tinggi. Disediakan oleh
NVIDIA di bawah lisensi Creative Commons BY-NC-SA 4.0. Memiliki 70.000
gambar PNG pada resolusi 1024×1024 yang menampilkan beragam usia, etnis, latar
belakang gambar, dan aksesori seperti topi dan kacamata. Berikut link Dataset dari
5
FFHQ, https://drive.google.com/drive/folders/1u2xu7bSrWxrbUxk-dT-
UvEJq8IjdmNTP?usp=sharing
2. Data Exploration
Karena saya dan tim kerja praktik saya di PT. Orbit Ventura Indonesia
menggunakan dataset dari Flickr-Faces-HQ (FFHQ), yang dimana FFHQ
merupakan kumpulan dataset gambar yang berisi gambar wajah manusia yang
berkualitas tinggi. Disediakan oleh NVIDIA dengan di bawah lisensi Creative
Commons BY-NC-SA 4.0. FFHQ memiliki 70.000 gambar PNG pada resolusi
1024×1024 yang menampilkan beragam usia, etnis, latar belakang gambar, dan
aksesori seperti topi dan kacamata. Maka dari itu, dataset ini sudah secara otomatis
dilakukan data exploration dari sumbernya, yaitu FFHQ.
BAB I PENDAHULUAN
Bab ini merupakan bagian yang berisi mengenai latar belakang penulisan,
rumusan masalah, batasan masalah, maksud dan tujuan penelitian, metodologi, dan
sistematika penulisan.
BAB V PENUTUP
Bab ini terdiri dari kesimpulan dan saran yang berisikan hal – hal terpenting
yang dibahas dan kemudian dijadikan kesimpulan. Bab ini juga berisi saran-saran
yang dimungkinkan untuk pengembangan perangkat lunak selanjutnya.
1.7 Relevansi
Relevansi dari kegiatan kerja praktik ini adalah untuk mengetahui dan
memahami tentang artificial intelligence, pemanfaatannya hingga sampai cara
menerapkannya, dan membuat program aplikasi/web di komputer maupun android,
dengan mengimplementasikan teknologi artificial intelligence. Selain itu, mampu
memahami pentingnya data dalam artificial intelligence.
BAB II
LANDASAN TEORI
2.1 Python
Python adalah salah satu bahasa pemrograman yang dapat digunakan di
berbagai platform dengan filosofi perancangan yang berfokus pada tingkat
keterbacaan kode dan merupakan salah satu bahasa populer yang berkaitan dengan
artificial intelligence. Keunggulan Python yang bersifat interpretatif juga banyak
digunakan untuk prototyping, scripting dalam pengelolaan infrastruktur, hingga
pembuatan website berskala besar.
7
8
2.6 Anvil.works
Anvil.works adalah sebuah fasilitas untuk membangun aplikasi web, hanya
dengan menggunakan bahasa Python. Dengan menggunakan anvil.works, kode
11
program python yang ada di dalam google colab, dapat dengan mudah di deploy
menjadi sebuah web, dengan cara menghubungkan kodingan back end yang ada di
google colab, dengan web yang sudah dibuat di anvil.works.
BAB III
PT. Orbit Ventura Indonesia didirikan pada tahun 2016 dengan tujuan untuk
meningkatkan kualitas hidup melalui inovasi, pendidikan, dan pelatihan
keterampilan. Brand Orbit merupakan kelanjutan dari warisan Almarhum Dr. Hasri
Ainun Habibie dan Almarhum Prof. Dr. Ing. B.J. Habibie, Presiden ke-3 Republik
Indonesia. Keduanya telah menjadi penggerak dalam mendukung perkembangan
Pendidikan, Inovasi dan Teknologi di Indonesia.
PT. Orbit Ventura Indonesia adalah inisiatif Skills-for-Future-Jobs oleh PT
Orbit Ventura Indonesia. PT. Orbit Ventura Indonesia mengkurasi dan melokalkan
program & kursus internasional untuk peningkatan keterampilan dan keterampilan
ulang pemuda dan tenaga kerja menuju Pekerjaan Masa Depan.
PT. Orbit Ventura Indonesia menawarkan kursus bersertifikat industri
dalam Kecerdasan Buatan, Kewirausahaan Startup, Keterampilan Pendidik,
Literasi Digital, Kecakapan Hidup, dan banyak lagi. Program saat ini tersedia untuk
usia 12 – 60 tahun dan ditujukan untuk Pencari Kerja dan Pencipta Kerja di masa
depan. PT. Orbit Ventura Indonesia merupakan mitra pendidikan Pemerintah
Indonesia, khususnya Kementerian Pendidikan, Kebudayaan, Riset & Teknologi,
Kementerian Koperasi & UKM dan Kementerian Agama. PT. Orbit Ventura
12
13
Indonesia saat ini memberikan program ke 170+ universitas dan telah meluncurkan
program keterampilan nasional untuk sektor K12 Sekolah & Madrasah, yang
ditujukan untuk menjangkau 10.000 sekolah, 1 juta guru dan 5 juta siswa selama 5
tahun.
PT. Orbit Ventura Indonesia juga membentuk forum nasional bernama
Indonesia Education Forum, sebuah forum bulanan yang mendiskusikan solusi
dari tantangan yang dihadapi sektor Pendidikan, dengan melibatkan berbagai
pemangku kepentingan, termasuk Kemendikbudristek dan perusahaan global.
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.
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.
14
Struktur organisasi PT. Orbit Ventura Indonesia dapat dilihat pada Gambar 3.2.
Key Partnership PT. Orbit Ventura Indonesia dapat dilihat pada Gambar 3.3.
URAIAN SISTEM
Data Acquisition
Pada proses pembuatan program ini, awal mula penulis dan tim
mengumpulkan dataset input dan data target, yang dimana saya mengumpulkan
15
16
1000 dataset wajah manusia yang diperoleh melalui web Kaggle. Kemudian, Windy
dan Dimas selaku anggota tim saya lainnya membuat data target, yaitu wajah
manusia versi anime melalui aplikasi capcut. Selanjutnya, Farhan Ramadhan, yaitu
saya sendiri, yang memiliki jobdesc untuk membuat kode program, memulai untuk
membuat programnya, dimana data input dan data target, serta data test telah di
resize dengan ukuran yang sama, yiatu (256,256). Selain itu, antara data input dan
data target, telah disesuaikan secara berurutan antara wajah original dan wajah versi
anime atau kartun.
Namun, hasil program yang diperoleh tersebut gagal saat menggunakan
metode autoencoder. Oleh karena itu, kami menemukan solusi dengan
menggunakan Flickr-Faces-HQ (FFHQ), yang merupakan kumpulan dataset
gambar yang berisi gambar wajah manusia berkualitas tinggi. Disediakan oleh
NVIDIA di bawah lisensi Creative Commons BY-NC-SA 4.0. Memiliki 70.000
gambar PNG pada resolusi 1024×1024 yang menampilkan beragam usia, etnis, latar
belakang gambar, dan aksesori seperti topi dan kacamata.
Data Exploration
Data exploration pada penelitian ini diperoleh pada tahap data acquisition.
Tim kami menggunakan Flickr-Faces-HQ (FFHQ), yang dimana FFHQ
merupakan kumpulan dataset gambar yang berisi gambar wajah manusia yang
berkualitas tinggi. Dataset ini disediakan oleh NVIDIA dengan di bawah lisensi
Creative Commons BY-NC-SA 4.0. FFHQ memiliki 70.000 gambar PNG pada
resolusi 1024×1024 yang menampilkan beragam usia, etnis, latar belakang gambar,
dan aksesori seperti topi dan kacamata.
Modelling
Memasuki tahap modelling, pada awalnya kami menggunakan autoencoder
dengan arsitektur model yang tertera pada lampiran Gambar 4.1.
Gambar 4. 1 Modelling
(Gambar dapat dilihat di lampiran)
17
Pada tahap ini, kami telah mencapai akurasi sebesar 90,16% dan loss sebesar
5% dapat dilihat pada Gambar 4.2 berikut:
telah tersedia di Github. Modelling pada metode GAN ini menggunakan library
atau package torch.
Pada tahap model, sebelum membuat generator-nya, pertama-tama terlebih
dahulu membuat class ConvNormLReLU() dengan parameter nn.Sequential, yang
dengan artian, prosesnya akan berjalan secara mengalir dari atas ke bawah. Dan di
dalam class ConvNormLReLU(), di buat pad_layer, yang berisi “zero”, “same”,
dan “reflect”.
Gambar 4. 4 Syntax
(Gambar dapat dilihat di lampiran)
Gambar 4. 5 Syntax
(Gambar dapat dilihat di lampiran)
Load Model
Memasuki tahap kodingan program aplikasi “Anime Face”. Disini Penulis
memilih untuk menggunakan model yang telah di train dan sudah memiliki akurasi
yang cukup akurat. Berikut adalah kodingan beserta penjelasan yang telah ditulis
langsung di dalam kodingan tersebut.
Membuat Fungsi
Untuk membantu mengkonversi gambar yang memiliki tipe data dan format
yang berbeda, diperlukan membuat fungsi terlebih dahulu [1].
Evaluation
Pada awal pengerjaan kerja praktik ini, kami menggunakan metode
autoencoder untuk menjalankan modelling kerja praktik ini. Dalam proses
pengerjaan, kami sudah mendapatkan akurasi sebesar 90,16% dan loss sebesar 5%.
Akan tetapi, hasil prediksi yang diperoleh tidak sesuai dengan baik seperti gambar
dibawah ini.
Kedua, salin kodingan berikut, kemudian Run di kodingan back end yang
ada dalam google colab.
Gambar 4. 15 Syntax
Dengan demikian, hasil program yang diperoleh adalah seperti pada gambar
di bawah ini.
25
Nama web yang peneliti dan tim buat pada kerja praktik ini adalah “Anime
Face”. Web Anime Face dibuat dikarenakan kami melihat antusias masyarakat
Indonesia dalam menyukai budaya popular Jepang, yaitu anime. Sehingga,
Indonesia tergolong dengan negara yang memiliki jumlah wibu (Pecinta budaya
Jepang) terbanyak di dunia. Web ini memiliki tujuan untuk mengubah wajah user
26
atau pengguna menjadi wajah mereka dengan versi anime atau kartun. Target web
ini ditujukan bagi semua orang yang ingin menggunakannya. Berikut penjelasan
mengenai cara kerja web Anime Face:
1. Saat membuka web kami, yaitu “Anime Face”. User akan diperlihatkan
tombol untuk melakukan upload gambar atau foto. Setelah itu, web
tersebut akan terhubung dengan kodingan back end program kami yang
ada di google colab.
2. Disini anggota tim saya menyambungkan antara google colab dengan web-
nya menggunakan anvil.work dengan mengetikkan baris kode sebagai
berikut.
Gambar 4. 20 Syntax
(Gambar dapat dilihat di lampiran)
3. Setelah itu, gambar yang berasal dari input user akan ditandai terlebih
dahulu pada bagian-bagian penting di area wajah, seperti mata, hidung,
mulut, dan lain sebagainya dengan menggunakan model
shape_predictor_68_face_landmarks.dat yang merupakan teknologi dari
dlib’s HOG face detector.
6. Kemudian hasil yang diperoleh akan seperti pada gambar di bawah ini:
Pada web “Anime Face” yang kami buat pastinya memiliki beberapa
kelebihan dan kekurangan. Kelebihan pada aplikasi ini yang pertama adalah bisa
secara otomatis mengubah wajah user menjadi wajah mereka dengan versi anime
atau kartun. Kedua, dapat langsung membandingkan antara gambar input, yaitu
gambar asli dari pengguna dan gambar output, yaitu gambar dengan versi anime
atau kartun. Ketiga, mudah dan efisien dalam menggunakannya, yaitu hanya
dengan mengunggah gambar saja.
28
PENUTUP
5.1 Kesimpulan
Selama kegiatan proses MBKM kali ini, saya mendapatkan kesempatan
untuk memperoleh banyak wawasan dan pengetahuan yang lebih baru dimana itu
merupakan ilmu yang sangat penting untuk masa depan dunia. Selain itu saya juga
berkesempatan untuk memperluas relasi atau koneksi yang dimana peserta MBKM
berasal dari berbagai daerah yang ada di indonesia. Pengalaman kegiatan ini sangat
berharga dan berarti karena dapat menjadi bekal persiapan sebelum menghadapi
atau memulai kehidupan di dunia kerja kedepannya. Semoga kedepannya ilmu,
wawasan, dan pengalaman praktik yang sudah didapatkan dari MBKM ini dapat
dimanfaatkan dengan sebaik mungkin untuk memperoleh prospek kerja yang sesuai
dengan minat dan bakat.
Pada Program Studi Independen penulis memiliku beberapa poin dalam Projek
Akhir ini, sebagai berikut:
1. Projek Akhir ini bernama “Anime Face” yaitu sistem cerdas bertujuan untuk
memprediksi, mendeteksi, dan pengenalan pada wajah yang dimana dapat
mengubah wajah seseorang menjadi anime atau Kartun
2. Projek ini menggunakan arsitektur deep learning, yaitu Generative
Adversarial Network (GAN) yang merupakan metode yang menghasilkan
dan membedakan gambara antara yang “nyata” dan “palsu”, dengan
menggunakan 2 jaringan yaitu Generator dan Diskriminator.
3. Pengumpulan dataset menggunakan dataset Flickr-Faces-HQ (FFHQ), yang
merupakan kumpulan dataset gambar yang berisi gambar wajah manusia
berkualitas tinggi. Dataset ini disediakan oleh NVIDIA di bawah lisensi
Creative Commons BY-NC-SA 4.0.
29
30
4. Face Detector dan Load Data set dari FFHQ untuk mengidentifikasi wajah
seperti mata, hidung, bibir, pipi dan dagu. Setelah itu program akan jadi
lebih mudah dalam mengubah wajah menjadi anime dan kartun.
5.2 Saran
1. Sebelum memulai pengerjaan proyek diharapakan melakukan studi literatur
ataupun pendalaman materi terhadap tools dan Bahasa pemrograman yang
digunakan, agar pengerjaan tugas-tugas dan proyek lebih efisien.
2. Perlunya penulisan dokumentasi terhadap kode program dari proyek yang
sedang dikerjakan agar anggota tim lain dapat mehami arti dari kode
program yang telah kita tulis.
DAFTAR PUSTAKA
31
32
Gambar 4. 1 Modelling
Gambar 4. 4 Syntax
Gambar 4. 5 Syntax
Gambar 4. 6 Arsitektur model GAN
Gambar 4. 7 Load Model
Gambar 4. 8 Load Dataset FFHQ-style Alignment dan Membuat Face Detector
Gambar 4. 9 Membuat Fungsi yang Membantu Mengkonversi Gambar yang
Memiliki Tipe Data dan Format yang Berbeda
Gambar 4. 10 Menyiapkan webcam
Gambar 4. 16 Syntax untuk Melakukan Image Recontuction
Gambar 4. 17 Syntax untuk Melakukan Upload Image
Gambar 4. 20 Syntax
Gambar 4. 22 Syntax untuk Menghasilkan Output
Surat Pengantar (Surat Rekomendasi MBKM-MSIB)
Surat Tugas ( SPTJM Mahasiswa)
Surat Bimbingan (Surat Verifikasi Diterima)
Absensi
Form Nilai
Dokumentasi Kerja Praktik