Puji syukur saya panjatkan kehadirat Tuhan Yang Maha Esa yang telah
melimpahkan rahmat dan hidayah-Nya, sehingga saya dapat menyelesaikan
program Studi Independen Bersertifikat Kampus Merdeka - Startup Campus
Program Artificial Intelligence Computer Vision dengan baik. Perjalanan dalam
mengikuti program ini hingga selesai tidak terlepas dari berbagai pihak yang
memberi kontribusi dari segi moril maupun materiil. Oleh sebab itu, saya ucapkan
terima kasih kepada:
Kata Pengantar
Daftar Isi
Bab I Gambaran Umum .................................................................................... 1
I.1 Profil Perusahaan ...................................................................................... 1
I.2 Deskripsi Kegiatan .................................................................................... 2
Bab II Aktivitas Mingguan .............................................................................. 29
Bab III Penutup ............................................................................................... 30
III.1 Kesimpulan .......................................................................................... 30
III.2 Saran .................................................................................................... 30
Referensi
Lampiran
DAFTAR GAMBAR
Gambar1
Gambar2
Gambar3
Gambar4
Gambar5
Gambar
Bab I Gambaran Umum
Gambar I.1 Struktur Organisasi Startup Campus - Yayasan Bakti Achmad Zaky
1
Setiap unsur dalam struktur organisasi ini bersifat independen dan bergerak
sesuai dengan tugas masing-masing secara beriringan. Startup Campus memilih
fasilitator terbaik dan berpengalaman agar para peserta bisa mendapatkan
bimbingan selama masa training. Adapun daftar fasilitator Program Artificial
Intelligence Computer Vision:
Kegiatan mentoring Startup Campus diisi oleh para mentor terbaik dan
berpengalaman agar para peserta bisa mendapatkan bimbingan dan saran terbaik
dalam mempersiapkan diri menjadi the future Artificial Intelligence Engineer.
Adapun daftar mentor yang terlibat pada proses pembelajaran di Startup Campus -
Program Artificial Intelligence Computer Vision:
I.2.2 Deskripsi
Startup Campus Batch 5 - Program Artificial Intelligence
Computer Vision merupakan Studi Independen Bersertifikat yang
diselenggarakan oleh Yayasan Bakti Achmad Zaky dan didukung
penuh oleh Kemdikbud Ristekdikti dibawah naungan inisiatif
KAMPUS MERDEKA. Batch 5 akan diselenggarakan dari Agustus
hingga Desember 2023. Program ini dirancang sepenuhnya secara
2
daring untuk mempersiapkan talenta digital - Artificial Intelligence
yang mampu bersaing di era digital.
I.2.3 Tujuan
3
Peserta diharapkan memiliki kompetensi sebagai talenta
digital (Artificial Intelligence), yang mampu berkolaborasi dan
mengerjakan real project sehingga siap berkontribusi dan berkarier di
industri digital. Secara lebih rinci, setelah menyelesaikan studi
independen, peserta diharapkan mampu:
● Memahami dasar Artificial Intelligence (AI).
● Menyelesaikan permasalahan menggunakan pemrograman
Python.
● Menguasai dan menerapkan pemahaman dasar Data Science.
● Menyelesaikan permasalahan menggunakan Machine Learning
& Deep Learning.
● Menyelesaikan permasalahan berkaitan dengan Computer
Vision.
● Memahami dan menerapkan konsep serta model Natural
Language Processing dalam menyelesaikan permasalahan.
● Menguasai pemahaman dasar Artificial Intelligence Life Cycle
dan berkolaborasi di Git.
● Membuat produk Artificial Intelligence.
4
● Machine Learning and Deep Learning: Introduction to Big
Data, Machine Learning, Model Evaluation, Supervised
Learning, Unsupervised Learning, Reinforcement Learning,
Neural Network, Deep Learning
● Computer Vision: Computer Vision Overview, Image
Processing, 3D Computer Vision, Introduction to Neural
Network Computer Vision, Neural Network Computer Vision
Architecture
● Git Collaboration & AI Life Cycle: Introduction to Git &
GitHub, Git & GitHub Collaboration, AI Cycle Project
● Final Project & Showcase
● Enrichment Material Natural Language Processing:
Introduction to Natural Language Processing, Natural
Language Processing Application, Introduction to Large
Language Model: Transformer
1. Kompetensi Inti
5
menjalankan inisiatif perbaikan mutu kerja tanpa harus
diinstruksikan dan bersikap proaktif serta memiliki self
motivation yang tinggi dalam menuntaskan pekerjaan serta
mampu mengajukan usulan untuk perbaikan.
2. Proses Induksi
3. Sistem Pembelajaran
6
lainnya sebelum pembelajaran sinkronus. Materi dapat diakses
melalui Learning Management System (LMS).
4. Sistem Penilaian
7
Selama proses live session, para expert akan melihat keaktifan
dan pemahaman materi mahasiswa.
c. Mentorship
e. Showcase
8
Peserta mendapatkan kurikulum pembelajaran selama program,
dengan capaian pembelajaran yang akan dikonversikan ke dalam SKS
kurikulum masing-masing kampus asal mahasiswa. Tiap peserta juga
akan mendapatkan pendampingan intensif dari para mentor
profesional selama program berlangsung.
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari terminologi berhubungan dengan Artificial
Intelligence (AI), bagaimana cara kerja AI, tipe-tipe AI,
evolusi dan ruang lingkup AI;
2. mempelajari isu-isu etika terkait AI dan dampaknya pada
masyarakat luas;
3. menganalisis kegunaan dan pemodelan pada domain
utama AI (Data Science, Computer Vision, dan Natural
Language Processing); serta
4. menganalisis dan mengevaluasi penerapan dan inovasi AI
pada berbagai bidang untuk menyelesaikan permasalahan
di dunia nyata.
9
Chapter ini dilengkapi dengan pembelajaran asinkronus melalui
modul, exercise, dan referensi pembelajaran lain di Learning
Management System. Pembelajaran sinkronus dilakukan
melalui pemaparan materi, diskusi, dan tanya jawab pada sesi
kelas (live session) dan mentorship. Proses pembelajaran
diperkaya dengan assignment untuk mengasah kemampuan
analisis dan evaluasi mengenai potensi Artificial Intelligence di
masa yang akan datang.
Learning Duration
45 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
b. Python Foundation
Targeted Skill Level
Mahasiswa mampu mengimplementasikan aturan mengenai
variabel, tipe data, sintaks, conditional statement, looping,
functional programming, dan library & package pada Python
dalam membuat kode program untuk menyelesaikan
permasalahan.
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari dan mempraktikkan pengenalan bahasa
pemrograman Python, termasuk bagaimana cara
menginstal, Python Integrated Development Environment
10
(IDE), dan menganalisis berbagai aplikasi bahasa
pemrograman Python;
2. mempelajari dasar-dasar bahasa pemrograman Python, di
antaranya terminologi, library dan packages, sintaks,
statements and comments, indentasi, variabel, tipe data,
dan kondisi dalam Python;
3. mempelajari inputs/outputs, loop, flowchart, functional
programming, global & local variable, array, dan library
Numpy & Pandas; serta
4. mempraktikkan dasar-dasar pemrograman Python dalam
membuat kode program untuk menyelesaikan
permasalahan.
Learning Duration
90 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
11
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
c. Data Science
Targeted Skill Level
Mahasiswa mampu memahami metodologi dan cakupan data
science dan membuat model data science untuk menyelesaikan
permasalahan dengan melakukan data preprocessing, analysis,
visualization, storytelling, hingga modeling.
Learning Details
Pada chapter ini, peserta akan
1. mempelajari terminologi, cakupan, dan metodologi
berkaitan dengan Data Science dan karier yang berkaitan
dengan data;
2. mempelajari dan mempraktikkan data preprocessing, di
antaranya cleaning, normalization & standardization;
feature encoder; dan imbalance data;
3. mempelajari dan mempraktikkan data preprocessing, di
antaranya sorting, filtering, grouping, dan merging
dataframe menggunakan library Pandas;
4. mempelajari dan melakukan analisis data eksplorasi &
visualisasi;
5. mempelajari business intelligence dan mempraktikkan
data storytelling;
6. mempelajari dan melakukan feature extraction, feature
selection, dan task terkait data modeling; serta
7. membuat model berdasarkan data untuk menyelesaikan
permasalahan.
12
modul, exercise, video pembelajaran, dan referensi
pembelajaran lain di Learning Management System.
Pembelajaran sinkronus dilakukan melalui pemaparan materi,
diskusi, sesi praktik menggunakan Python, dan tanya jawab
pada sesi kelas (live session) dan mentorship. Untuk mengukur
kemampuan teknikal, diberikan mini project untuk membuat
data visualization, data modeling, dan KPI Metric
Comparison/Explanation.
Learning Duration
90 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari terminologi terkait big data, aspek dalam big
data, serta arsitektur dan implementasi big data;
2. mempelajari konsep dan macam-macam machine
13
learning;
3. mempelajari konsep model evaluation dan menghitung
metrik evaluasi untuk classification, regression, dan
clustering;
4. mempelajari dan mempraktikkan algoritma dan
pemodelan supervised learning, yaitu klasifikasi dan
regresi;
5. mempelajari dan mempraktikkan algoritma dan
pemodelan unsupervised learning, yaitu clustering,
association, dan dimensionality reduction;
6. mempelajari dan mempraktikkan algoritma dan
pemodelan reinforcement learning;
7. mempelajari dan mempraktikkan algoritma dan model
neural network termasuk di dalamnya multilayer
perceptron, activation function, loss function, cost
function, gradient descent, dan optimizer;
8. mempelajari dan mempraktikkan algoritma dan model
deep learning termasuk di dalamnya backpropagation,
monitoring training process, deep learning framework
(pytorch, tensorflow, keras), deep neural network,
recurrent neural network, dan autoencoder; serta
9. membuat model machine learning dan deep learning
untuk menyelesaikan permasalahan.
14
menganalisis model supervised learning, unsupervised
learning, neural network, dan deep learning.
Learning Duration
180 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
e. Computer Vision
Targeted Skill Level
Mahasiswa mampu membuat dan memodifikasi model untuk
menyelesaikan masalah dengan menggunakan pendekatan
image processing, 3D computer vision, dan neural network
computer vision.
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari terminologi dan konsep dalam computer
vision termasuk di dalamnya gambar analog dan digital,
ruang lingkup computer vision, dan bagaimana
algoritmanya;
2. mempelajari dan mempraktikkan image processing
termasuk di dalamnya image read, recolor, resize, rotate,
thresholding, blurring, smoothing, channel conversion,
image enhancement, image restoration dan image
transformation serta konsep object detection termasuk di
dalamnya template matching, corner detection, edge
15
detection, grid detection, contour detection, feature
matching, watershed algorithm, dan face detection;
3. mempelajari dan menerapkan pendekatan 3D computer
vision termasuk di dalamnya penjelasan multi view
geometry, camera intrinsics, camera extrinsics, camera
matrix, dan penerapan 3D computer vision; serta
4. mempelajari, menerapkan, dan membuat model neural
network computer vision termasuk di dalamnya linear
classifier, convolutional neural network, pooling,
architecture, computer vision deep learning framework,
Generative Adversarial Network (GAN), Deep
Convolutional Generative Adversarial Network
(DCGAN), dan You Only Look Once (YOLO).
Learning Duration
180 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
16
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari, menjelaskan, dan mendemonstrasikan
kembali cara membuat akun Git/GitHub dan manfaat
menggunakannya;
2. membuat repository dan portofolio di Git/GitHub;
3. berkolaborasi aktif di Git/GitHub; dan
4. mempelajari dan mempraktikkan AI life cycle dalam
membuat dan mengembangkan produk Artificial
Intelligence (AI).
17
Learning Duration
45 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
Learning Details
Pada tahap ini, peserta akan berkolaborasi bersama dalam tim
beranggotakan 5-7 orang untuk membuat produk Artificial
Intelligence yang memiliki nilai bisnis untuk menyelesaikan
permasalahan di dunia nyata. Peserta bebas berkreasi dalam
membuat produk dengan pendekatan-pendekatan yang telah
diajarkan di kelas. Peserta juga akan berkolaborasi dengan
peserta lain untuk mendapatkan lingkungan yang “nyata” di
dunia kerja.
Selama proses pengerjaan final project, peserta akan tetap
didampingi oleh expert dan mentor. Pengerjaan final project ini
akan dilombakan. Di akhir program, setiap tim akan
mempresentasikan produknya di depan para expert dan peserta
lainnya.
Learning Duration
18
272 hours
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas kelompok, keaktifan
Learning Details
Pada chapter ini, peserta akan:
1. mempelajari dan mempraktikkan konsep, terminologi,
dan berbagai library natural language processing
termasuk di dalamnya spacy, tokenization, stemming,
lemmatization, stop words, phrase matching, POS
tagging, named entity recognition, dan sentence
segmentation;
2. mempelajari dan mempraktikkan model natural language
processing termasuk di dalamnya text classification,
sentiment analysis, topic modeling, naive bayes theorem,
recurrent neural network, dan long short term memory;
serta
3. mempelajari large language model atau transformer
model di antaranya model encoder (BERT), model
decoder (GPT), dan model encoder-decoder: sequence-
19
to-sequence (BART).
Learning Resources
Buku bacaan, modul presentasi dari Startup Campus, rekaman
video pembelajaran dari ahli, live session, video dari Youtube
Startup Campus, dan referensi lainnya yang dapat diakses
melalui Learning Management System.
Assessment Method
Tugas individu dan/atau kelompok, keaktifan, kuis
20
Live Session 2.2: Python
sesi sinkron melalui zoom
Programming
Live Session 3.1: Data Science
Introduction, Data Preprocessing & sesi sinkron melalui zoom
Data Visualization
21
Cycle Meeting kesepakatan dengan facil
22
Cycle Meeting kesepakatan dengan facil
Minggu Graduation
18-20 Penyusunan Laporan Akhir
23
permasalahan di dunia nyata dengan penerapan artificial intelligence
utamanya computer vision.
24
Setelah waktu pengerjaan final project selesai, hasil final
project akan dilombakan dalam Selection to Showcase untuk mencari
4 tim terbaik yang akan maju ke babak Showcase dan berkesempatan
memenangkan hadiah dari Startup Campus.
25
Bidang yang dipilih dalam final project adalah Artificial
Intellegence. Dalam final project ini dipilih topik Object Detection
dengan judul “Auto Total Card Keranjang Penghitung Otomatis”.
26
d. Data Preprocessing
Kami dalam processing menggunakan roboflow dimana kami
dalam roboflow melakukan beberapa data processing di
antanya annotate kami memberikan bonding box kepada
gambar yang ingin kami deteksi dan kami juga merubah size
gambar keseluruhan menjadi 640x640 pixel dan jumlah
dataset yang kami gunakan sebanyak 2043 total images teridiri
dari 1420 data train, 415 data validations dan 208 data test.
e. Pemodelan dan Modifikasi
Dalam pemodelan kami menggunakan yolov5 yang mana
sebelumnya kami menggunakan yolov7 namun akurasi yang
di dapat dari yolov5 lebih baik di banding yolov7 dengan
penggunaan GPU yang rendah membuat penggunan memori
yang rendah dan cepat juga dalam processing. Dalam
modifikasi kami menggunakan Resnet 500 yang mana resnent
ini memiliki keunggulan diantanya. Jaringan lebih luas,
akurasi lebih baik, generalisasi data, pebelajaran transfer,
pelatihan lebih cepat.
f. Deployment Model (Opsional)
Di tahapan deployment kami menggunakan strimlit untuk
softwere kami yang mana ada beberapa fitur yang bisa
digunakan di sebalah kiri tampilan strimlit ada bar navigasi
untuk mempermudah user dalam penggunaan aplikasi dan di
sebalah kananya ada fitur untuk melakukan predik
menggunakan example yang telah kami sediakan dan di
bawahnya ada upload data yang mana customer bisa upload
gambar dan akan muncul list harga dan qr code untuk
permbayaran lewat e-walet
g. Pembuatan Presentasi & Video Hasil Final Project
Setelah project selesai, dilakukan pembuatan dokumen
presentasi yang memuat:
27
● latar belakang permasalahan yang diselesaikan,
● value to business dengan Business Model Canvas,
● dataset yang digunakan,
● pilihan metode/algoritma (model) dan alasan pemilihannya,
● fitur/modifikasi/transfer learning yang diimplementasikan,
● cakupan kasus yang dapat diselesaikan oleh metode yang
dipilih,
● hasil dan tingkat akurasi model,
● hasil deployment (jika melakukan deployment), serta
● demo kode dan test image.
28
4. Kinanthi Putri Sawilopo Tugas Deployment
5. Aditia Taqi Pratama Tugas Modelling
6. Ardis Hibatul Hakim Tugas Modelling
Yang mana cara kerja system kami customer pergi ke mall/toko buah-
buahan dan mengambil buah apa saja yang ingin di konsumsi atau di
gunakan lalu customer cukup scan atau video barang belajaanya dan
akan muncul list harga dan qr code untuk dilakukan pembayaran
secara digital.
29
Bab II Aktivitas Mingguan
Pada Bagian ini berisi aktivitas mingguan yang dapat diambil dari laporan
mingguan yang sudah dibuat di dalam platform dengan format sebagai berikut
Minggu Kegiatan
1 di minggu ini saya belajar lebih jauh mengenai apa itu MSIB dan
di hari berikutnya ada pengerjaan soal² yang di berikan mitra
kepada siswanya untuk bahan pembelajaran untuk minggu
berikutnya
2 di minggu ini belajar mengenai hal hal baru seperti belajar coding
langusng menggunakan pyton untuk bahasa pemrogramanya
sangat menyenangkan karna mendapat hal baru dan di minggu
selanjutnya akan ada materi mengenai depp learning yang
membuat saya makin penasaran
3 Di minggu ini saya belajar lebih mendalam bagaimana AI
beroprasi dengan berbagai sistem di dalamnya dan di tutup dengan
meet personal branding di hari sabtu sangat menyenangkan dan di
minggu depan akan jauh lebih mendalam dengan AI
30
tersebut menjadi hal fundamental untuk mengerjakan final project
kedepannya
31
Bab III Penutup
III.1 Kesimpulan
Dalam Kegiata program yang saya ikuti selama MSIB khusunya di
startup campus sangat seru dan memberikan pengalama baru bagi saya, dan
menambah pengetahuan baru di dunia teknologi yang mana dalam tahapan
masuk kedalam mitra startup campus tidaklah mudah dari sekian banyaknya
pendaftar saya terpilih menjadi salah satunya
Dan hal terkesan lainnya adalah saya dapat berkenalan dengan banyak
teman dari berbagai daerah, yang sebelumnya saya tidak tahu kita bertukar
pengalaman dalam kompi dan belajar Bersama untuk memahami materi
yang di berikan mentor, yang selalu support denga napa yang kita belum
ketahui.
Yang menjadi titik berksan dalam program ini adalah Ketika final project
saya tidak menyangka akan menyelesaikan project ini dengan baik
mengingat basic saya yang bukan dari IT yang mendorong saya untuk
belajar lebih supaya seperti teman-teman kelompok saya.
III.2 Saran
Saran dari saya untuk MSIB sedikit masukan untuk program Studi
Independent agar mendapat potongan UKT walaupun tidak
mendapat BBH
Referensi
[1] https://kampusmerdeka.kemdikbud.go.id/
[2] Sendjaja, Sasa Djuarsa. (2014). Pengantar Teori Komunikasi. Universitas
Terbuka.
[3]
Lampiran
Lampiran A. TOR
Dokumen Term of Reference dapat diakses pada https://bit.ly/SC5AI_TOR
Lampiran B. Dokumen Teknik
1. Dokumentasi Live Session
Gambar 2: Mentoring
Sumber: Screenshoot Zoom
3. Dokumentasi Cycle Meeting