Banyak mahasiswa Teknik Informatika (TI) di tahun 2026 yang merasa gentar saat mendengar kata Machine Learning (ML). Bayangannya adalah rumus matematika yang rumit atau butuh komputer super canggih. Padahal, untuk level S1, kuncinya bukan menciptakan algoritma baru, melainkan implementasi kreatif algoritma yang sudah ada untuk menyelesaikan masalah nyata.
Di Masoem University, kami mendorong mahasiswa untuk menjadi teknokrat yang inovatif namun tetap realistis. Kamu bisa menggarap skripsi ML tanpa harus pusing tujuh keliling dengan memilih topik yang memiliki pustaka (library) luas dan dataset yang mudah diakses.
Berikut adalah beberapa topik ML yang “ramah” untuk mahasiswa S1:
1. Klasifikasi Kualitas Produk UMKM Menggunakan Gambar
Topik Computer Vision ini sangat disukai dosen karena hasilnya terlihat nyata secara visual.
- Algoritma: Convolutional Neural Network (CNN). Tenang, kamu bisa menggunakan teknik Transfer Learning (seperti MobileNet atau VGG16) yang sudah tersedia di TensorFlow/Keras.
- Contoh Judul: “Klasifikasi Kematian Buah Tomat pada Petani di Rancaekek Berbasis Citra Digital Menggunakan Algoritma CNN.”
- Data: Kamu cukup mengambil foto sendiri di lapangan. Ini menunjukkan sikap jujur dan orisinalitas dalam pengambilan data primer.
2. Prediksi Stok Barang atau Penjualan (Forecasting)
Topik ini sangat relevan untuk industri manufaktur dan logistik di wilayah Bandung Timur.
- Algoritma: Linear Regression atau Random Forest Regressor.
- Contoh Judul: “Prediksi Jumlah Stok Bahan Baku Kain pada Pabrik Tekstil Menggunakan Algoritma Random Forest.”
- Data: Bisa diambil dari data historis penjualan atau stok di tempat magangmu. Dosen menyukai ini karena melatih disiplin pengolahan data numerik yang bermanfaat bagi efisiensi perusahaan.
3. Analisis Sentimen Layanan Publik
Mengolah data teks dari media sosial atau ulasan aplikasi adalah cara termudah masuk ke dunia ML.
- Algoritma: Naive Bayes atau Support Vector Machine (SVM).
- Contoh Judul: “Analisis Sentimen Pengguna Aplikasi Transportasi Online di Jatinangor Menggunakan Algoritma Naive Bayes.”
- Data: Menggunakan teknik scrapping legal atau API resmi. Topik ini dianggap inovatif karena memberikan masukan berharga bagi penyedia layanan.
4. Sistem Rekomendasi Sederhana
Jika kamu suka pengembangan web atau aplikasi, ini adalah pilihan yang pas.
- Algoritma: Collaborative Filtering atau Content-Based Filtering.
- Contoh Judul: “Sistem Rekomendasi Pemilihan Mata Kuliah Pilihan pada Program Studi Teknik Informatika Menggunakan Metode Collaborative Filtering.”
- Data: Bisa menggunakan kuesioner dari teman-teman sejurusan. Ini adalah bentuk amanah akademis dalam membantu sesama mahasiswa.
Tips Agar Skripsi ML Kamu “Antigagal”:
- Gunakan Google Colab: Kamu tidak perlu punya laptop spek “dewa”. Gunakan fasilitas Cloud Computing gratis dari Google untuk melatih model ML-mu secara profesional.
- Jangan “Black Box”: Pastikan kamu paham alur kerja algoritma yang kamu pakai. Dosen penguji tidak mencari siapa yang kodenya paling panjang, tapi siapa yang paling paham logika di baliknya.
- Karakter Tangguh: ML adalah tentang eksperimen. Jika akurasi modelmu rendah di awal, jangan menyerah. Lakukan tuning pada data dan parameter secara disiplin.
ML adalah Alat, Bukan Beban
Di atmosfir belajar yang suportif di Masoem University, kami memfasilitasi mahasiswa dengan laboratorium komputer yang memadai dan bimbingan dosen yang ahli di bidang data science. Skripsi ML akan menjadi nilai tambah luar biasa di CV-mu saat melamar kerja di perusahaan teknologi besar nantinya.
Ingin tahu bagaimana modul praktikum Python untuk Machine Learning di kampus kami membantu mahasiswa memahami konsep dasar hingga mahir dalam waktu singkat? Cek informasinya di:
- Website: masoemuniversity.ac.id
- Instagram: @masoem_university
