rayantara.com – Tangerang Selatan, 4 januari 2025 — Himpunan Mahasiswa Teknik Informatika (HIMTIF) Universitas Pamulang sukses menyelenggarakan HIMTIF Programming Course (HPC+) 2025–2026 bertajuk “Foundations of AI: From Concept to Creation” yang berlangsung pada 1–22 November 2025 secara daring melalui Zoom Meeting.
Kegiatan ini diikuti oleh pelajar SMA/SMK sederajat serta mahasiswa dari berbagai program studi, sebagai bentuk komitmen HIMTIF Universitas Pamulang dalam menyediakan ruang pembelajaran teknologi yang adaptif, modern, dan relevan dengan perkembangan industri.
Komitmen HIMTIF dalam Pengembangan AI dan Machine Learning
HIMTIF Programming Course (HPC+) merupakan program pelatihan dan pembekalan keterampilan di bidang Artificial Intelligence (AI) dan Machine Learning. Program ini dirancang untuk memberikan pemahaman konseptual sekaligus pengalaman praktik langsung dalam membangun model pembelajaran mesin.
Melalui pendekatan terpadu yang menggabungkan materi pengantar, praktik langsung, pendampingan instruktur, serta kolaborasi proyek akhir, HPC+ menjadi wadah pembelajaran terbuka yang inklusif bagi peserta lintas jenjang pendidikan dan latar belakang akademik.
Pelaksanaan Kegiatan
Kegiatan HPC+ dilaksanakan selama empat minggu, dengan jadwal pembelajaran setiap Sabtu malam dan Minggu pagi. Seluruh rangkaian kegiatan dilakukan secara daring untuk menjangkau partisipasi yang lebih luas.
Peserta mengikuti alur pembelajaran yang sistematis, dimulai dari pengenalan konsep dasar AI dan Python, pemahaman dataset, hingga pengembangan dan evaluasi model Machine Learning. Pada akhir program, peserta mempresentasikan proyek akhir sebagai bentuk implementasi nyata dari materi yang telah dipelajari.
Tujuan Kegiatan
Kegiatan HIMTIF Programming Course (HPC+) diselenggarakan dengan tujuan untuk:
- Memberikan pemahaman dasar yang kuat mengenai Artificial Intelligence dan Machine Learning.
- Melatih keterampilan peserta dalam memproses data, membangun model Machine Learning, melakukan pelatihan, evaluasi, serta visualisasi hasil.
- Mendorong peserta menghasilkan proyek akhir berupa sistem sederhana berbasis Machine Learning yang relevan dengan kebutuhan dunia nyata.
- Membuka kesempatan belajar bagi pelajar dan mahasiswa lintas jenjang serta program studi secara terbuka dan inklusif.
Manfaat Kegiatan
HPC+ memberikan manfaat nyata bagi peserta, antara lain:
- Meningkatkan kemampuan teknis dalam mengimplementasikan Machine Learning menggunakan Python.
- Memperluas pengalaman belajar melalui praktik langsung dan pemecahan masalah nyata.
- Mendorong kreativitas peserta dalam menghasilkan solusi berbasis teknologi melalui proyek akhir.
- Memperluas relasi dan wawasan peserta dari latar belakang pendidikan yang beragam.
- Menjadi wadah pengembangan diri yang mendukung kompetensi akademik dan profesional di bidang teknologi informasi.
Luaran Kegiatan
Luaran yang dihasilkan dari kegiatan HPC+ meliputi:
- Proyek akhir berbasis Machine Learning yang dapat dipresentasikan sebagai bukti kemampuan peserta.
- Dokumentasi kegiatan berupa laporan, tangkapan layar, dan rekaman sesi pembelajaran.
- Terbentuknya peserta yang memiliki pemahaman dasar mengenai AI, Machine Learning, serta tahapan pemodelan.
Rangkaian Kegiatan Per Minggu
Minggu 1 (1 – 2 November 2025)
Pada minggu pertama, kegiatan HPC+ difokuskan pada pembukaan program dan pengenalan konsep dasar Artificial Intelligence dan Machine Learning. Peserta dikenalkan pada garis besar penerapa AI dalam kehidupan sehari-hari, serta posisi Machine Learning di antara cabang AI dan Deep Learning.
Selain itu, peserta mulai memasuki pemahaman teknis dengan pengenalan bahasa pemograman Phyton sebagai alamat utama dalam membangun model Machine Learning. Materi meliput penggunaan variabel, fungsi, pengulangan, serta pemanfaatan library fundamental.
Minggu 2 (8 – 9 November 2025)
Memasuki minggu kedua, peserta mulai mendalami struktur kerja Machine Learning secara lebih sistematis. Materi meliput pemahaman dataset, fitur, label, model, serta bagaimana data dipersiapkan sebelum di proses oleh algoritma.
Instruktur menjelaskan tahapan penting dalam proses Machine Learning, seperti pembagian dataset, proses pelatihan model, serta evaluasi hasil. Pada minggu ini, peserta mulai mempelajari algoritma regresi dan menerapkan Linear Regression untuk memprediksi nilai numerik berdasarkan dataset tertentu.
Minggu kedua menjadi momen di mana peserta mulai merasakan pengalaman membangun model Machine Learning pertama mereka secara mandiri.
Minggu 3 (15 – 16 November 2025)
Minggu ketiga diarahkan untuk memperkenalkan konsep klasifikasi, yang membedakan dirinya dari Regresi berdasarkan jenis output yang dihasilkan. Peserta mempelajari algoritma seperti Decision Treem beserta cara kerjanya dalam menyelesaikan permasalahan klasifikasi.
Minggu ketiga menekankan kemampuan analisis dan pengambilan kesimpulan berdasarkan metrik performa, sehingga peserta dapat mengetahui kapan suatu model layak digunnakan dan kapan perlu ditingkatkan.
Minggu 4 (22 – 23 November 2025)
Pada minggu terakhir, setiap kelompok mempresentasikan hasil pekerjaannya di hadapan instruktur dan tim penilaian, peserta menunjukkan dataset yang digunakan, proses pelatihan, hasil evaluasi, serta visualisasi model. Setelah proses penilaian selesai, panitia mengumumkan kelompok terbaik sebagai bentuk apresiasi atas kinerja peserta.
Minggu terakhir ini menjadi bukti keberhasilan pelatihan, karena setiap peserta tidak hanya belajar memahami materi, tetapi juga mampu menghasilkan implementasi nyata yang berdampak dan aplikatif.
Penutup
Kegiatan HIMTIF Programming Course (HPC+) 2025–2026 berjalan dengan baik, tertib, dan lancar. Peserta menunjukkan antusiasme tinggi selama mengikuti rangkaian workshop, diskusi, dan sesi praktik.
Melalui kegiatan ini, HIMTIF Universitas Pamulang berharap dapat terus menjadi wadah pengembangan potensi pelajar dan mahasiswa, sekaligus berkontribusi dalam menyediakan pembelajaran teknologi yang aplikatif dan relevan dengan kebutuhan industri.
Baca Juga : HIMTIF UNPAM dan PMI Gelar Aksi Donor Darah: Ratusan Mahasiswa Antusias Berpatisipasi
Satu Komentar