Langsung ke konten utama
Indonesia Blog

Empat ide terbaik dari peserta Bangkit angkatan 2020



Program Bangkit menjadi salah satu wadah bagi para pesertanya untuk mengembangkan ide dan kreativitas mereka. Salah satunya adalah melalui tugas akhir yang berupa proyek pengembangan sebuah aplikasi secara berkelompok. Pada angkatan 2020 ini, terpilih empat kelompok dengan proyek terbaik yang berasal dari Jakarta, Bandung, Yogyakarta, dan Denpasar.

Lestarikan bahasa dengan aplikasi Aksara Jawa dari Jakarta

Foto peserta program Bangkit

(ki-ka) Ray Antonius, Fiona Vidra, dan Laode M. Fauzan

Ray Antonius (22), Laode M. Fauzan (22), dan Fiona Vidra (25) merupakan kelompok asal Jakarta dengan proyek terbaik pada program Bangkit melalui aplikasi Aksara Jawa. Aplikasi ini dirancang dengan harapan dapat mengembalikan minat masyarakat Indonesia dalam mengenali beragam bahasa daerah di Indonesia yang perlahan mulai terlupakan. 

Foto Aksara Jawa

Pemilihan aksara Jawa sebagai bahasa yang ingin dikembangkan di proyek ini dikarenakan dataset yang digunakan cukup unik dan belum banyak proyek pengenalan aksara Jawa yang memanfaatkan machine learning. Hal itu pun memberikan ruang eksplorasi dan belajar yang cukup besar bagi tim ini.  

Proyek Aksara Jawa dibuat dengan mengintegrasikan manfaat interaktivitas dari hands-on learning approach dengan model machine learning untuk menciptakan suasana pembelajaran yang menyenangkan. Pada aplikasi ini, pengguna akan diberikan gambar aksara yang perlu digambar oleh pengguna. Apabila mereka berhasil menggambar dengan baik, maka akan mendapatkan poin. Saat ini, tingkat akurasi proyek Aksara Jawa telah mencapai 85%.

Jaga fokus pengendara dengan aplikasi Distracted Driver Detector dari Yogyakarta

Foto peserta program Bangkit

(ki-ka) Muhammad Dany Alfikri, Joko Eliyanto,  dan Kadhana Reya Wisinggya

Joko Eliyanto (26), Muhammad Dany Alfikri (23), dan Kadhana Reya Wisinggya (22) ketiganya adalah mahasiswa yang mengikuti program Bangkit cohort Yogyakarta. Mereka menciptakan aplikasi Distracted Driver Detector, sebuah aplikasi yang akan membantu pengemudi tetap fokus saat menyetir kendaraan. 

Aplikasi ini dibuat berangkat dari keresahan ketiganya melihat angka kecelakaan di Indonesia yang jumlahnya semakin bertambah, diantaranya adalah kecelakaan yang disebabkan oleh kelalaian pengemudi. Kelalaian tersebut salah satunya disebabkan oleh pengemudi yang tidak fokus ketika berkendara. 

ilustrasi

“Dalam membangun aplikasinya, kami memanfaatkan beberapa pelajaran yang diperoleh di Bangkit seperti Machine Learning, penerapan Dropout Layer yang dapat mengoptimalisasi model, dan Transfer Learning yang didapat dari Coursera serta hands-on langsung dari developer partner Bangkit” ungkap tim asal Yogyakarta ini.

Cara kerja aplikasinya sederhana, setelah menginstall aplikasi pada Android, pengguna dapat langsung menggunakannya dengan mengarahkan kamera ke pengemudi. Selanjutnya program akan melakukan identifikasi aktivitas apa yang sedang dilakukan oleh pengemudi. Nantinya program akan memberikan peringatan dalam bentuk alarm kepada pengemudi tersebut jika terdeteksi pengemudi sedang tidak fokus berkendara. Teknologi untuk mengenal wajah/face recognition dimanfaatkan oleh  Joko Eliyanto, Muhammad Dany Alfikri, dan Kadhana Reya Wisinggya dalam mendeteksi pengendara yang tidak fokus.


Temukan ide masakanmu lewat bantuan aplikasi Ingredients Classification dari Bandung

Foto peserta program Bangkit

(ki-ka) Natasha Yulian, Rizvan Dwiki Firdaus, Daniel Alexander, Rizal Dwi Prayogo

Daniel Alexander, Natasha Yulian, Rizvan Dwiki Firdaus, dan Rizal Dwi Prayogo membuat aplikasi Ingredients Classification sebuah aplikasi yang akan membantu penggunanya mendeteksi bahan makanan dan merekomendasikan resep masakan dari bahan makanan yang dimiliki.

“Kami berpikir untuk membuat aplikasi yang mudah dimengerti dan bisa dipakai oleh semua orang dengan praktis. Ditambah lagi, saat membuat Ingredients Classification sedang maraknya Covid-19 sehingga banyak orang yang takut makan di luar atau di restoran. Tetapi masalahnya, orang - orang yang dulunya sering makan di luar itu adalah orang yang jarang masak di rumah, jadi mereka tidak tahu caranya memasak” ungkap tim Ingredients Classification.

Foto peserta program Bangkit

Ingredients Classification sendiri menerapkan teori yang didapat oleh keempatnya saat mengikuti Bangkit. Machine Learning diterapkan untuk membuat model klasifikasi gambar, dan menerapkan pengembangan  paper riset YOLOv3 untuk deteksi.

Cara penggunaannya pun cukup mudah, pengguna hanya perlu mengambil foto bahan makanan yang dimiliki, aplikasi akan mendeteksi bahan apa saja yang dimiliki dan resep apa saja yang bisa dibuat, alternatif lainnya pengguna juga bisa mengetikkan bahan makanan yang dimiliki.

Lindungi bumi dengan kelola sampah dengan bantuan aplikasi Garbage Image Classification dari Bali

Foto peserta program Bangkit

(ki-ka)Julius Sintara, Fatma Janna, Yohanes Perdana, dan Putri Cinto

Dimulai dengan rasa ingin meningkatkan kesadaran masyarakat Indonesia tentang kepedulian lingkungan, terutama pentingnya mengkategorikan sampah yang masih bisa di daur ulang. Membuat Fatma Janna (28), Putri Cinto Buliah M. Eza (22), Yohanes Perdana Putra (22), dan Julius Sintara (30) memutuskan membuat Garbage Image Classification, sebuah sistem untuk mengelompokkan dan mengolah sampah menggunakan metode machine learning.

Ilustrasi tanpa teks

“Pada dasarnya, sampah non-organik seperti plastik, metal dan kaca sangat bisa didaur ulang. Masalah yang sering dihadapi di ranah pengelolaan sampah adalah karena sampah yang ada bercampur satu dengan sampah lainnya. Sehingga biaya daur ulang cukup tinggi. Dari 1 miliar ton sampah daur ulang yang dihasilkan di dunia, baru 13.5% yang didaur ulang. Sisanya berakhir di laut maupun di daratan menjadi onggokan atau gunung sampah,“ Ungkap tim Garbage Detection.

Dengan menggunakan Garbage Image Classification, masyarakat cukup membawa sampah ke mesin daur ulang yang berbentuk seperti reverse vending machine atau from trash to cash, nantinya bisa di pasang di pemukiman warga atau tempat umum. Lalu, secara otomatis mesin akan mengklasifikasikan sampah, sehingga ketika sampah dihantarkan ke pusat daur ulang, sampah sudah rapi terpilah dengan baik dan bisa mengurangi biaya pengolahan sampah daur ulang.

Jika telah melakukan proses ini, orang tersebut mendapatkan imbalan berupa uang atau voucher. Misalnya, satu kaleng minuman ringan yang ditukarkan di mesin ini akan mendapatkan Rp 1.000 sebagai bentuk terima kasih karena telah membantu proses daur ulang. Selain itu, cara ini juga memberikan dorongan kepada masyarakat agar lebih semangat melakukan daur ulang.