Perjalanan

Bagaimana saya sampai di titik ini sejak 2017, dan ke mana saya melangkah berikutnya.

Garis waktu

Dari repositori pertama sampai ruang kelas.

  1. 2017

    Mulai menulis kode di GitHub

    Akun GitHub dibuat pada November 2017 dan sejak itu menjadi tempat menyimpan kode.

  2. 2019

    Kuliah Teknik Informatika

    Masuk S1 Teknik Informatika di STIKOM Poltek Cirebon, sambil menjadi asisten laboratorium komputer.

  3. 2020

    Pindah ke UNU Cirebon

    Melanjutkan S1 di Universitas Nahdlatul Ulama Cirebon mulai semester 3, bekerja sebagai IT support specialist di sana, dan bergabung di Dicoding.

  4. Februari 2022

    Mendirikan AWATARA

    Ikut mendirikan AWATARA Research and Education Solution sebagai co-founder dan full stack engineer.

  5. 2023

    Lulus S1, bergabung dengan Mahardika

    Lulus S1 Teknik Informatika UNU Cirebon dengan skripsi kriptografi RSA untuk mencegah pemalsuan buku. Pada Desember bergabung dengan Universitas Insan Mahardika, saat itu Institut Teknologi dan Kesehatan Mahardika, sebagai staf IT.

  6. 2024

    Studi magister

    Menempuh Magister Komputer bidang Sistem Informasi di STMIK LIKMI Bandung, sambil mengajar sebagai team teaching.

  7. April 2025

    Lulus Magister Komputer

    Dinyatakan lulus dan meraih gelar M.Kom., lalu diwisuda pada Mei 2025.

  8. Mei 2025

    Dosen tetap Informatika

    Diangkat menjadi dosen tetap Program Studi Informatika, Universitas Insan Mahardika.

  9. 2026

    AI engineer dan hibah penelitian

    Lulus Penuh program AI Engineer Pijak bersama IBM SkillsBuild, mengikuti PEKERTI Batch-30, dan memimpin penelitian NetA lewat hibah Penelitian Dosen Pemula.

  10. Sekarang

    Mengajar, mengelola, dan membangun

    Sekretaris Program Studi Informatika dan staf IT di Universitas Insan Mahardika, co-founder AWATARA Research and Education Solution, dan dosen di FILKOM UNU Cirebon.

Arah ke depan

Saya sedang berpindah dari pengembang web menjadi AI engineer, tanpa meninggalkan ruang kelas. Ini rencana lima tahun saya, cara saya bekerja dengan AI, dan hal yang sedang saya dalami.

Rencana 2026 sampai 2030

  1. 2026Sedang berjalan

    Dari pengembang web ke AI engineer

    • Lulus program AI Engineer Pijak bersama IBM SkillsBuild (Juli 2026)
    • Merilis aplikasi web dengan model machine learning, target akurasi di atas 80 persen
    • Penelitian NetA: agen jaringan berbasis IoT dan large language model
    • Menyusun bahan ajar AI yang selaras dengan fokus cloud dan big data program studi
  2. 2027

    Riset dan publikasi AI

    • Publikasi riset AI di jurnal nasional terakreditasi
    • Platform analitik berbasis cloud untuk digipreneur
    • AI dan big data untuk personalisasi pembelajaran
    • Laboratorium virtual berbasis cloud
  3. 2028

    AI di sistem kampus

    • Fitur AI berjalan penuh di sistem akademik kampus
    • Teknologi prediktif untuk pendidikan dengan big data
    • Arsitektur serverless untuk aplikasi UMKM
  4. 2029

    AI yang transparan dan aman

    • Explainable AI untuk transparansi sistem rekomendasi pendidikan
    • Blockchain dan cloud untuk keamanan data UMKM digital
    • Green computing: deep learning hemat energi di edge computing
  5. 2030

    Berbagi lebih luas

    • Membawa sistem cerdas ke institusi lain
    • Menjadi rujukan AI di kampus dan pembicara seminar
    • Menambah sertifikasi lanjutan

Cara saya bekerja dengan AI

Fondasi dulu, AI kemudian

Materi kuliah saya bangun dari jurnal dan literatur yang valid. Dengan fondasi itu saya punya patokan untuk memeriksa jawaban AI, bukan sekadar menerimanya.

Bandingkan, jangan telan mentah

Satu instruksi saya uji di beberapa model. Perbedaan jawabannya menjadi bahan menimbang, dan proses menimbang itulah yang melatih nalar kritis.

Keputusan tetap di manusia

AI adalah model prediktif, bukan penalar. Ia mempercepat kerja, tetapi logika sistem yang rumit tetap saya tulis dan analisis sendiri, karena halusinasi model hanya tertangkap oleh nalar yang terlatih.

Sedang saya dalami

  • Aljabar linear, kalkulus, dan statistik untuk machine learning
  • Ekosistem Python untuk data science: Pandas dan TensorFlow
  • Integrasi model machine learning ke arsitektur web dan cloud
  • Pedagogi untuk mengajar AI
Kembali ke beranda