Impact Nyata Abil Setelah Lulus Bootcamp: Membangun Agritech Berbasis Machine Learning

Ketika mendengar istilah Machine Learning, yang terlintas mungkin seputar coding, algoritma, model prediksi, atau pekerjaan di industri teknologi. Namun, bagaimana jika teknologi tersebut justru digunakan untuk menjawab persoalan di bidang pertanian?

Bagi Abil Fadila, seorang dosen di Universitas Singaperbangsa Karawang, Machine Learning membuka perspektif baru tentang bagaimana data dapat dimanfaatkan untuk mendukung bidang yang sudah ia tekuni sejak bangku kuliah.

Berbekal latar belakang Agroindustrial Technology di Universitas Padjadjaran (UNPAD), Abil sebenarnya sudah pernah mengenal Data Science sejak masa perkuliahan. Namun, setelah beberapa tahun berlalu dan mulai berkarier sebagai dosen, ketertarikannya terhadap bidang tersebut kembali muncul.

Ia kemudian mengikuti sertifikasi dan Bootcamp Data Scientist DQLab untuk kembali mempelajari Data Science secara lebih mendalam. Dari proses belajar tersebut, Abil menemukan satu hal menarik bahwa Machine Learning ternyata punya ruang yang luas ketika dipadukan dengan pengetahuan di bidang pertanian.

Lalu, seperti apa jadinya ketika Machine Learning bertemu dengan dunia pertanian? Yuk, simak cerita Abil selengkapnya sampai habis di sini!

1. Ketertarikan yang Kembali Muncul, Abil Kulik Data Science (Lagi)

Ketertarikan Abil terhadap Data Science sebenarnya bukan sesuatu yang benar-benar baru. Saat masih duduk di bangku kuliah, ia sempat menemukan beberapa mata kuliah yang berkaitan dengan Data Science. Dari sana, ia mulai mengenal bidang tersebut dan memiliki sedikit pengetahuan dasar.

Namun, jarak yang cukup panjang dari masa perkuliahan membuat Abil perlu kembali me-refresh pengetahuan tersebut ketika mulai mendalaminya lagi. Apalagi, saat itu ia sudah berkarier sebagai dosen dan melihat adanya kebutuhan untuk terus mengembangkan kompetensi yang relevan dengan bidangnya.

Kesempatan tersebut datang ketika fakultas tempat Abil mengajar membuka beberapa pilihan sertifikasi kompetensi bagi dosen, mulai dari sertifikasi halal, organik, hingga Data Science.

Dari beberapa pilihan tersebut, Abil memilih Data Science karena ingin kembali mengulik bidang yang sebelumnya pernah ia kenal sekaligus memperdalamnya sesuai dengan kebutuhannya saat ini.

“Saya tertarik dengan sertifikat Data Science ini karena ingin mengulik lebih dalam lagi seperti apa Data Science itu,” ujar Abil

Selain ingin menambah pengetahuan, ia juga melihat Data Science sebagai skill yang relevan dengan perkembangan teknologi sekaligus dapat mendukung kebutuhan publikasi dan penelitian. Ketertarikan yang sempat muncul sejak masa kuliah pun akhirnya kembali dieksplorasi, kali ini dari perspektif Abil sebagai seorang dosen.

2. Awalnya Lewat Sertifikasi & Bootcamp DQLab, Berujung Publish di Jurnal SINTA 2

Sebelum mengikuti program DQLab, Abil terlebih dahulu mencari tahu lebih jauh mengenai program yang akan diikutinya.

“Pertama saya melihat track record-nya terlebih dahulu. Terus juga, program DQLab ini disarankan dari Fakultas Pertanian karena materi yang disampaikan sangat bermanfaat bagi saya,” jelas Abil

Rekomendasi tersebut menjadi salah satu pertimbangannya untuk mengikuti Bootcamp Data Scientist sekaligus sertifikasi BNSP. Dari proses belajar tersebut, Abil kembali mengulik berbagai materi Data Science dan mulai melihat bagaimana data yang diolah menggunakan Machine Learning dapat dimanfaatkan untuk kebutuhan di bidangnya.

Menariknya, insight yang didapat selama program tidak berhenti sebagai materi pembelajaran. Abil mulai melihat kemungkinan bagaimana konsep Machine Learning yang dipelajarinya dapat dihubungkan dengan bidang pertanian yang ia tekuni.

“Melalui program ini membuat saya terpikirkan bahwa dari data yang kita olah di Machine Learning atau dari materi-materi yang diajarkan (di bootcamp) bisa bermanfaat,” tambahnya

Dari sini proses belajar yang awalnya dimulai untuk mengembangkan kompetensi membawa Abil ke tahap yang lebih konkret. Abil kemudian menerapkan pemahaman Machine Learning tersebut dalam penelitian hingga berhasil dipublikasikan di jurnal yang terakreditasi SINTA 2.

Dokumentasi jurnal penelitian Abil | Sumber: Dokumentasi pribadi Abil Fadila

“Alhamdulillah hasilnya juga akhirnya terpublikasi di sebuah jurnal dan terakreditasi SINTA 2, kebetulan hasil dari Machine Learning itu,” kata Abil

Portofolio Data Science Abil

Pengalaman tersebut menjadi titik penting bagi Abil karena proses belajar yang ia jalani ternyata dapat menghasilkan sesuatu yang lebih konkret, bukan hanya pemahaman terhadap skill teknis.

3. Belajar Coding, Terus Kepikiran “Ini Bisa Dipakai Buat Apa?”

Belajar Data Science tentu tidak selalu berjalan mulus. Bagi Abil, salah satu bagian yang cukup menantang adalah ketika mulai berhadapan langsung dengan coding.

Apalagi, aktivitas belajar tersebut harus dijalani di tengah kesibukannya sebagai dosen. Sesi bootcamp yang berlangsung di malam hari terkadang membuatnya harus membagi fokus setelah mengajar dan menyelesaikan berbagai kebutuhan di fakultas.

Namun, menurut Abil, sesi di akhir pekan justru menjadi waktu yang paling ia manfaatkan untuk fokus belajar karena tidak harus membagi perhatian dengan aktivitas lainnya.

Salah satu pengalaman yang paling berkesan baginya terjadi pada pertemuan terakhir bootcamp. Di sesi tersebut, Abil tidak hanya mempelajari coding secara teori, tetapi mencoba mengaplikasikan proses yang sudah dipelajari, mulai dari data cleaning hingga pengolahan data, ke dalam sebuah contoh sederhana.

“Yang paling berkesan saat pertemuan terakhirnya. Jadi dari suatu coding-an, dari data pembersihan dan sebagainya, langsung diaplikasikan pembuatannya secara sederhana. Kemarin di sesi bootcamp itu tentang bunga, ketika diaplikasikan, saya membuat contohnya di bidang pertanian dan ternyata menarik untuk dikembangkan lebih lanjut,” jelasnya

Dari contoh sederhana tersebut, Abil mulai menyadari bahwa materi yang dipelajari di bootcamp tidak hanya berhenti pada teori. Ketika mulai mencoba mengolah data secara langsung, ia justru semakin penasaran untuk memahami bagaimana proses tersebut bisa dikembangkan lebih jauh.

Prosesnya tentu tidak selalu mudah. Bagi Abil, coding memang terasa cukup rumit ketika pertama kali dijalani. Meski begitu, ia justru menemukan sisi menariknya ketika mulai terbiasa menghadapi berbagai error dan mencoba mencari tahu penyebabnya.

“Coding-an itu istilahnya memang rumit di awal, cuma ketika dijalani dengan enjoy, ketika ada yang gagal malah kita merasa lebih makin pengen ngulik lagi,” tutur Abil

Pengalaman tersebut menjadi salah satu hal yang paling berkesan bagi Abil selama mengikuti bootcamp hingga sertifikasi. Dari sana, Abil semakin penasaran untuk melihat sejauh mana Machine Learning bisa diterapkan di bidang yang sudah ia pahami.

4. Siapa Bilang Machine Learning Cuma Buat Anak IT?

Bagi Abil, salah satu hal menarik dari belajar Machine Learning adalah ketika ia mulai melihat bagaimana teknologi tersebut bisa diterapkan pada bidang yang sudah ia pahami, yaitu pertanian.

Menurutnya, ada banyak persoalan di bidang pertanian yang sebenarnya dapat dibantu dengan pemanfaatan data dan Machine Learning. Salah satunya adalah memprediksi hasil produksi pertanian.

Dengan memanfaatkan data seperti kondisi cuaca, suhu, kelembapan, hingga data produksi sebelumnya, Machine Learning dapat digunakan untuk mencari pola dan membantu memperkirakan hasil produksi. Informasi tersebut tentunya dapat menjadi salah satu pertimbangan dalam mengambil keputusan di bidang pertanian.

Bukan hanya soal produksi, Abil juga melihat potensi Machine Learning untuk membantu mengidentifikasi hama pada tanaman.

Misalnya, melalui foto atau gambar tanaman, sistem dapat dikembangkan untuk mengenali jenis atau kelompok hama tertentu. Hal ini dapat membantu proses identifikasi menjadi lebih praktis sekaligus mendukung langkah pencegahan sebelum masalah pada tanaman semakin meluas.

“Misalnya kita bisa memprediksi produksi padi berdasarkan cuaca, suhu, kelembapan, dan sebagainya. Kemudian bisa juga untuk mengidentifikasi hama melalui foto atau scanning, jadi kita bisa tahu ini termasuk hama apa dan bagaimana penanganannya,” ungkap Abil

Potensi lainnya juga dapat dikembangkan ke arah pertanian presisi. Salah satu contoh yang terpikir oleh Abil adalah bagaimana data dan sistem otomatis dapat membantu mengatur proses penyiraman tanaman pada waktu tertentu.

Dengan begitu, Machine Learning tidak hanya berhenti pada proses membaca data atau membuat prediksi. Jika dikembangkan lebih jauh, teknologi tersebut juga dapat mendukung proses pengambilan keputusan hingga otomatisasi dalam kegiatan pertanian.

Dari sini, Abil melihat bahwa belajar Machine Learning tidak harus membuat seseorang berpindah sepenuhnya ke dunia teknologi. Justru, skill tersebut bisa menjadi tambahan yang memperkuat bidang yang sudah dikuasai sebelumnya.

Bagi Abil, pengetahuan mengenai pertanian yang ia miliki dan kemampuan mengolah data dengan Machine Learning dapat saling melengkapi. Kombinasi keduanya membuka peluang untuk mengeksplorasi berbagai persoalan yang sebelumnya mungkin belum terpikirkan.

5. Pesan Abil Buat Sahabat yang Mau Terus Berkembang

Setelah melewati proses belajar, mengerjakan project, hingga menerapkan Machine Learning dalam penelitian, Abil membagikan beberapa hal yang menurutnya penting untuk diperhatikan ketika ingin terus mengembangkan skill.

1. Punya target belajar yang jelas

Menurut Abil, proses belajar perlu dilakukan secara bertahap dan memiliki target. Target tersebut bisa dibuat dalam jangka waktu tertentu, misalnya mingguan atau bulanan, sehingga proses belajar tetap terarah dan ada perkembangan yang bisa dilihat.

2. Jangan berhenti di satu tahap

Bagi Abil, menyelesaikan bootcamp atau mendapatkan sertifikasi bukan berarti proses belajar sudah selesai. Skill yang sudah dipelajari perlu terus digunakan dan dikembangkan agar tidak hilang.

“Tidak hanya sampai di situ, tapi kita harus lanjut. Karena kalau tidak dikembangkan, itu bakal hilang,” ungkap Abil

Perjalanan Abil menunjukkan bahwa belajar skill baru tidak selalu berarti harus meninggalkan bidang yang sudah ditekuni. Justru, ketika pengetahuan yang sudah dimiliki bertemu dengan skill baru, bisa muncul berbagai kemungkinan yang sebelumnya belum terpikirkan.

Seperti Abil, Sahabat DQ juga bisa mulai mengeksplorasi Data Science tanpa harus meninggalkan bidang yang sudah kamu pahami. Ingin mendalami skill Data Scientist sekaligus mendapatkan validasi kompetensi melalui Sertifikasi BNSP? Kamu bisa memulainya melalui Bundle Bootcamp & Sertifikasi BNSP Data Scientist DQLab.

Yuk, daftarkan dirimu melalui program Bundle Bootcamp & Sertifikasi BNSP Data Scientist sekarang!

Penulis: Agnes Nurlisa

Tags