Jakarta, 6 Juli 2026 — Mahasiswa Fakultas Sains dan Teknologi (FST) Universitas Darunnajah Jakarta berhasil mengimplementasikan arsitektur Artificial Neural Network (ANN) sebagai Tugas Besar mata kuliah Kecerdasan Buatan pada semester genap 2025/2026. Karya para mahasiswa ini dipresentasikan langsung di hadapan tim pengajar dan dinilai sebagai komponen Ujian Akhir Semester (UAS) pada Sabtu, 4 Juli 2026.
Mata kuliah Kecerdasan Buatan diampu oleh Dr.-Ing. Ahmad Zainul Ihsan, M.Sc. dengan didampingi asisten Najwa Kahani Fatima. Melalui sesi presentasi tersebut, setiap mahasiswa memaparkan bagaimana mereka merancang, membangun, dan melatih jaringan saraf tiruan yang mereka kembangkan sendiri. Selain itu setiap mahasiswa wajib membandingkan kinerja dari jaringan yang mereka bangun dengan modul Python yang sudah populer, seperti PyTorch dan Keras. Dalam hal ini, mahasiswa benar-benar dituntut untuk memahami mekanisme yang bekerja di balik arsitektur jaringan ANN.
Puncak dari Pembelajaran AI Satu Semester
Tugas besar ini bukanlah titik awal, melainkan muara dari seluruh materi yang ditempuh ma-hasiswa sepanjang satu semester. Perjalanan dimulai dari fondasi matematis: probabilitas dan statistika. Dari sana, mahasiswa beranjak ke bidang machine learning. Mereka mempelajari
regresi linear hingga metode klasifikasi seperti K-Nearest Neighbors dan Support Vector Machine.
Perjalanan berlanjut ke konsep dasar dari jaringan saraf itu sendiri: model neuron biologis, model McCulloch-Pitts, Perceptron Rosenblatt, hingga ADALINE. Barulah setelah fondasi keilmuan itu kuat, mahasiswa masuk ke inti deep learning. Di tahap ini mereka menguasai gradient descent, fungsi aktivasi, dan backpropagation. Perkuliahan bahkan melangkah lebih jauh hingga teknologi yang paling banyak dibicarakan hari ini, yakni Convolutional Neural Network (CNN) untuk analisis gambar dua dimensi dan Large Language Models (LLM) yang kini akrab dalam keseharian, lengkap dengan praktik menggunakan pustaka modern seperti Hugging Face dan model GPT-2. Tugas besar kemudian menuntut mahasiswa merangkai kembali fondasi jaringan saraf itu menjadi satu arsitektur ANN yang utuh dan berfungsi, dibangun sendiri dari nol.
Yang patut diapresiasi, seluruh proses pembelajaran ini berjalan dengan lancar meskipun dosen mengampu mata kuliah secara jarak jauh (online). Keterbatasan jarak tidak menyurutkan kualitas bimbingan maupun antusiasme mahasiswa. Konsistensi dosen, ketekunan asisten, dan kesungguhan para mahasiswa membuktikan bahwa pembelajaran yang efektif dapat terwujud dalam format apa pun. Presentasi tugas besar pun berlangsung serius dan penuh semangat.
Mengapa ANN, dan Mengapa Masih Sangat Relevan?
Di tengah gegap gempita teknologi AI terkini, muncul pertanyaan wajar: mengapa mahasiswa masih diminta membangun jaringan saraf tiruan yang “sederhana” dari nol? Jawabannya terletak pada satu kenyataan fundamental. Artificial Neural Network adalah fondasi bagi hampir seluruh arsitektur AI modern.
Dua konsep inti yang dipelajari di tugas besar ini, yakni feed forward (pass forward) dan backpropagation, tetap sangat relevan dengan perkembangan kecerdasan buatan hari ini. Mo-del penglihatan komputer, sistem rekomendasi, hingga Large Language Models yang kini akrab dalam kehidupan sehari-hari pada dasarnya tetap bekerja dengan prinsip yang sama. Informasi mengalir maju melalui lapisan-lapisan jaringan (feed forward), lalu kesalahan/error diperbaiki dengan menghitung gradien mundur untuk memperbarui bobot (backpropagation).
Dengan kata lain, siapa pun yang benar-benar menguasai mekanisme forward pass dan backprop memegang kunci untuk memahami arsitektur AI paling canggih sekalipun. Inilah alasan mengapa mata kuliah ini menempatkan ANN sebagai materi puncak yang tidak boleh dilewati.
Jaringan Neural Artifisial dari Scratch
Dalam tugas besar ini, mahasiswa tidak berhenti pada rumus di atas kertas. Mereka menerje-mahkan teori menjadi kode yang benar-benar berjalan. Prosesnya menuntut pemahaman me-nyeluruh: menyusun arsitektur jaringan lapis demi lapis, menjalankan forward pass untuk menghasilkan prediksi, menghitung galat terhadap target, lalu melakukan backpropagation untuk memperoleh gradien dan memperbarui bobot melalui gradient descent.
Tantangan seperti pemilihan fungsi aktivasi, inisialisasi bobot, penentuan learning rate, hingga pemantauan proses pelatihan agar model tidak overfitting menjadi bagian dari pengalaman be-lajar yang nyata. Dari sinilah mahasiswa memperoleh sesuatu yang tidak bisa didapat hanya dengan memanggil satu baris fungsi pustaka: intuisi tentang “mesin” yang menggerakkan kecerdasan buatan.
“Memahami AI Berarti Mampu Membangunnya dari Dasar”
| “Tujuan tugas besar ini bukan sekadar menghasilkan model yang akurat, tetapi me-mastikan setiap mahasiswa memahami apa yang terjadi di dalam jaringan. Ketika mahasiswa mampu membangun ANN dari nol, merancang forward pass dan menu-runkan backpropagation sendiri, mereka tidak lagi memperlakukan AI sebagai kotak hitam. Fondasi inilah yang akan membuat mereka siap menghadapi teknologi AI apa pun di masa depan.” |
— Dr.-Ing. Ahmad Zainul Ihsan
Semangat yang sama disuarakan oleh asisten mata kuliah, Najwa Kahani Fatima, yang mendam-pingi mahasiswa selama proses pengerjaan. Menurutnya, hasil presentasi menunjukkan bahwa mahasiswa tidak hanya menyelesaikan tugas, tetapi juga tumbuh rasa percaya dirinya dalam menghadapi persoalan teknis yang kompleks.
Apresiasi untuk Mahasiswa Terbaik
Sebagai penghargaan atas kerja keras dan hasil implementasi terbaik, tim pengajar mengumumk-an peraih nilai tertinggi pada Tugas Besar ANN dari masing-masing program studi:
Hakim Farros M. dari Program Studi Rekayasa Perangkat Lunak (RPL)
Davina Shakira dari Program Studi Sistem dan Teknologi Informasi (STI)
Selamat kepada kedua mahasiswa atas dedikasi dan kerja kerasnya. Sebagai bentuk apresiasi, mata kuliah Kecerdasan Buatan memberikan reward berupa subskripsi Claude Code sela-ma 3 bulan. Reward ini menjadi bekal nyata untuk terus mengasah keterampilan mereka di dunia rekayasa perangkat lunak dan kecerdasan buatan.
Penghargaan ini diharapkan menjadi motivasi, tidak hanya bagi kedua peraih, tetapi juga bagi seluruh mahasiswa untuk terus berkarya dan berinovasi di bidang teknologi.
Penutup
Presentasi Tugas Besar Artificial Neural Network yang dinilai sebagai UAS pada Sabtu, 4 Juli 2026 menjadi penanda tercapainya salah satu capaian pembelajaran terpenting mata kuliah Kece-rdasan Buatan di Fakultas Sains dan Teknologi Universitas Darunnajah. Dari fondasi matematis hingga arsitektur jaringan saraf yang mereka bangun sendiri, para mahasiswa telah membuktikan kesiapan mereka menghadapi perkembangan kecerdasan buatan yang bergerak begitu cepat.
Di era ketika teknologi AI semakin membentuk cara manusia bekerja dan berpikir, kemampuan untuk memahami, bukan sekadar menggunakan, menjadi keunggulan yang tak ternilai. Fakultas Sains dan Teknologi Universitas Darunnajah berkomitmen untuk terus melahirkan talenta yang menguasai teknologi hingga ke akarnya, sejalan dengan semangat Rooted in Tradition, Leading in Education.