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.......................................................................................................................
I.1 Profil Perusahaan.........................................................................................................................
I.2 Deskripsi Kegiatan.......................................................................................................................
Bab II Aktivitas Mingguan...................................................................................................................
Bab III Penutup.....................................................................................................................................
III.1 Kesimpulan................................................................................................................................
III.2 Saran..........................................................................................................................................
Referensi
Lampiran
DAFTAR 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
tersebut. 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
10
Environment (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
melalui 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
15
detection, edge 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
16
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, 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
menerapkan AI Life Cycle.
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.
18
Learning Duration
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
19
decoder (GPT), dan model encoder-decoder: sequence-
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
Programming
Live Session 3.1: Data Science
Introduction, Data Preprocessing & sesi sinkron melalui zoom
Data Visualization
21
Tugas Individu 4 tugas melalui google classroom
Live Session 4.4: Reinforcement
sesi sinkron melalui zoom
Learning
Live Session 4.5: Deep Learning sesi sinkron melalui zoom
22
Tugas Individu 5 tugas melalui google classroom
Live Session 6: Git Collaboration sesi sinkron melalui zoom
Mempelajari Modul Git
self learning
Collaboration
23
Final Project Program Artificial Intelligence Startup Campus
Batch 5 adalah proyek akhir yang dirancang oleh subject matter
expert Program Artificial Intelligence Computer Vision yaitu Dr.
Nolang Fanani dan para mentor. Peserta diminta untuk membuat
proyek akhir dengan nilai bisnis sesuai dengan topik dan bidang
yang dipilih. Pengerjaan final project berlangsung selama kurang
lebih 2 bulan dan dikerjakan dalam tim beranggotakan 6-7 orang.
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
Canvas. Topik dan judul harus diajukan kepada supervisor untuk
disetujui.
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
27
g. Pembuatan Presentasi & Video Hasil Final Project
Setelah project selesai, dilakukan pembuatan dokumen
presentasi yang memuat:
28
1. Ahmad Yudiman Fauzi Tugas Mengumpulkan Data
Set
2. Vindi Sovia Anggita Tugas Deployment
3. Maharani Ria Sina Tugas Mengumpulkan Data Set
4. Kinanthi Putri Sawilopo Tugas Deployment
5. Aditia Taqi Pratama Tugas Modelling
6. Ardis Hibatul Hakim Tugas Modelling
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
3D picture yang ada dalam Artificial Intelegensi dan
pembelajaran 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