Bangkit 2021 Vol 3 : Bangkit Capstone Project 2021

Sumber :

Halo temen-temen. Saya Agung Prabowo Peserta program Bangkit Academy 2021. Sudah hampir sebulan sejak saya lulus dari program Bangkit Academy 2021. Dan ini artikel saya yang membahas pengalaman saya mengikuti program Bangkit 2021.

Pada artikel sebelumnya (Vol 2), kita sudah membahas tentang “Pengalaman saya mengikuti program Bangkit 2021” Nah, pada kali ini saya akan membahas tentang pengalaman pribadi saya membuat Capstone Project untuk program Bangkit 2021 selama kurang lebih hanya dalam waktu 1 bulan.

Hal yang akan dibahas pada artikel ini :

  • Tentang Capstone Project
  • Capstone Project yang dipilih
  • Peran saya dalam capstone project

Capstone Project

Pertama kita akan membahas mengenai Capstone Project. Apa sih Capstone Project itu? secara sederhana Capstone Project itu adalah tugas akhir (iya, seperti tugas akhir yang dikerjakan untuk lulus D3/S1) bedanya kita tidak diharuskan untuk membuat laporan dalam bentuk karya tulis atau jurnal ilmiah. Pada tugas Capstone project ini kita diharuskan membuat sebuah produk dalam sebuah team yang beranggotakan 6 orang dan mengandung unsur 3 learning path, yaitu Machine Learning, Cloud Computing, dan Android Developer. Produk yang dibuat bisa berupa mobile apps atau bahkan sebuah alat yang mengusung IoT (Internet of Things).

Pada Capstone Project ini kita diharuskan bisa memberikan sebuah solusi berdasarkan 7 tema yang terdapat pada , yaitu

  • Economic Resilience
  • Competitive Human Resource
  • Infrastructure Development
  • National Identity and Character Building
  • Political Stability, Rule of Law, National Security & Public Services Transformation
  • Environmental Conservation, Disaster Resilience and Climate Change
  • Regional Development.
  • Regional Development.

Dan juga pada 5 area yang menjadi prioritas pada , yaitu :

  • Healthcare
  • Bereaucratic Reform
  • Education & Research
  • Food Security
  • Mobility/ Smart City
Rancangan Pembangunan Jangka Menengah Nasional (RPJMN) 2020–2024
Strategi Nasional Kecerdasan Artifisial Indonesia (Stranas KA) 2020–2045

Waktu pengerjaan Capstone Project ini adalah 1 bulan pengerjaan. Namun apabila dihitung dari pemilihan team dan perancangan ide maka kurang lebih adalah 2 bulan. Dimulai dari batas waktu pemilihan team pada tanggal 9 April 2021, batas waktu pemilihan tema sampai 24 April 2021, kemudian batas waktu perencaan sampai 3 May 2021. Selanjutnya diberikan waktu 1 bulan sampai batas waktu pengumpulan pada tanggal 9 Juni 2021. Sebenarnya batas akhir pengumpulan Caps Project awalnya direncanakan berakhir pada tanggal 4 Juni 2021. Namun, karena pada tanggal 29 May 2021 setelah dilakukan monitoring oleh panitia, progress mayoritas peserta untuk mengerjakan Capstone Project ini baru sekitar 50%. Akhirnya panitia melakukan perpanjangan waktu sampai dengan tanggal 9 Juni 2021.

Tema Capstone Project yang dipilih

Team Capstone Project saya terdiri dari 6 orang, 4 orang laki-laki dan 2 orang perempuan. Anggota teamnya adalah saya sendiri dari Universitas Singaperbangsa, Luky Mulana dari Universitas Singaperbangsa, Dimas Kuncoro Jati dari Universitas Negeri Jakarta, Sabrina Mutamimul Ula dari Institut Informatika dan Bisnis Darmajaya Lampung, Faisal Surya dari Universitas Dian Nuswantoro, dan Annisa Syalsabila dari Institut Teknologi Sepuluh November. Team ini sendiri cukup unik, karena terdiri dari beberapa latar belakang pendidikan yang berbeda seperti Teknik Informatika, Sistem Informasi, dan juga Statistika.

Awalnya Team kami memilih antara tema Healthcare atau Mobility/ Smart City yang akan kami bawakan untuk Capstone Project ini. Setelah dilakukannya diskusi dan dilakukan voting antar anggota team akhirnya kami memilih untuk membawakan tema Mobility/ Smart City untuk Capstone Project ini. Ide team kami sendiri khusunya adalah untuk sektor Pariwisata. Kami memiliki Ide untuk mempermudah orang yang ingin bepergian/ travelling kebanyakan tempat dengan mudah, dengan cara menunjukkan rute tercepat yang bisa dilalui untuk menuju beberapa tempat dan juga bisa memberikan rekomendasi tempat-tempat wisata terdekat dari pengguna atau memberikan rekomendasi yang lebih personal kesetiap pengguna.

Hal tersebut yang melatar belakangi kami memutuskan untuk Membuat sebuah aplikasi berbasis mobile bernama GetLoc. GetLoc sebagai aplikasi yang mampu merekomendasikan beberapa destinasi wisata menurut pengguna, apa yang disukai pengguna, dan beberapa parameter seperti kota, harga, kategori, dan juga waktu. Selain itu, GetLoc juga mampu memberikan rute tercepat dan termurah dalam mengunjungi tempat-tempat tersebut, sehingga pengalaman perjalanan Anda akan semakin menarik.

Logo GetLoc
GetLoc Presentation Cover

Tentu saja ini menjadi peluang yang cukup menjanjikan dan juga diharapkan bisa memberikan banyak manfaat, karna di Indonesia sendiri banyak tempat-tempat wisata yang sebenarnya indah dan bagus namun kurang diperhatikan dan diketahui oleh banyak orang. diharapkan bisa membantu memajukan pariwisata di Indonesia. Apabila tertarik untuk mengetahui lebih lanjut tentang GetLoc bisa dilihat .

Preview GetLoc

Peran saya dalam Capstone Project

GetLoc memiliki 3 fitur utama. Yaitu Memberikan rute tercepat, merekomendasikan tempat berdasarkan waktu, budget, dan jarak, kemudian merekomendasikan berdasarkan rating yang diberikan oleh pengguna untuk memberikan pengalaman yang lebih personal kesetiap pengguna.

Flowchart dari GetLoc

Maka peran saya sebagai Machine Learning Path adalah membuat model Machine Learning yang bisa memberikan rute tercepat menuju beberapa tempat dengan konsep , TSP sendiri adalah masalah untuk menemukan biaya tur minimum dari sekelompok tempat. Awalnya team kami ingin menyelesaikan TSP ini menggunakan Reinforcement Learning dengan Q-Learning. Namun setelah menghabiskan waktu berhari-hari namun masih menemui hasil dengan akurasi yang buruk akhirnya kami memutuskan menggunakan Simulated annealing.

Travelling Salesman Problem with Simulated annealing

Model Machine Learning yang selanjutnya dibuat adalah untuk merekomendasikan tempat wisata berdasarkan rating dari pengguna, pada sistem rekomendasi ini kami menggunakan , yaitu teknik yang dapat menyaring item yang mungkin disukai pengguna berdasarkan reaksi oleh pengguna serupa. Ia bekerja dengan mencari sekelompok besar orang dan menemukan sekelompok kecil pengguna dengan selera yang mirip dengan pengguna tertentu. Kami menggunakan simple DNN dengan melakukan embedding terlebih dahulu kemudian dimasukan kedalam 2 hidden layer, kemudian menggunakan linier regresi untuk memprediksi hasilnya.

Model Machine Learning untuk sintem rekomendasi

Kesimpulan

Capstone Project dari Program Bangkit 2021 ini sangat luar biasa banyak pengalaman dan ilmu yang bisa didapat dari sini. Capstone Project ini memaksa kita untuk berfikir cepat, kritis dan adaptif. Dan juga mengajarkan kita untuk bisa bekerja sama dengan siapa pun bahkan dengan orang yang belum pernah kita temui sekalipun. Semoga tulisan ini memberikan banyak ilmu, pandangan, dan juga wawasan yang cukup bagi para calon peserta Bangkit 2022 nantinya. Cukup sekian dulu untuk tulisan mengenai Bangkit Capstone Project ini semoga bisa bermanfaat buat temen-temen semuanya yang membaca. Temen-temen bisa melihat artikel saya mengenai program Bangkit pada dan juga ya.

Terima Kasih.

--

--

--

Interested and learn about programming, web development, and machine learning

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
Agung Prabowo

Agung Prabowo

Interested and learn about programming, web development, and machine learning

More from Medium

Why AI Will Take Over Contract Review & Contract Management Processes

OTT Insights: How To Step Up Your AdOps Game!

Framing Frames: Reconstructing Truth in Alison Bechdel’s “Fun Home”

How to track your lead form’s performance