Selamat Datang di Kursus Deep Learning untuk Agroindustri

Mata Kuliah : Deep Learning untuk Agroindustri

University: Universitas Jember (UNEJ), Jember-Indonesia

Course Characteristic : Self Paced

Course Level: Beginner–Intermediate

Learning Hours: ±12 Jam (4 Modul · 16 Sesi)

Bahasa Pengantar: Bahasa Indonesia

DESKRIPSI KURSUS:

Sektor agroindustri Indonesia menghadapi tantangan besar: keterbatasan tenaga ahli dalam mendeteksi penyakit tanaman secara dini, inefisiensi sortasi hasil panen, dan lambannya adopsi teknologi berbasis data. Deep Learning hadir sebagai solusi — namun hambatan terbesar bukan teknologinya, melainkan sumber daya manusia yang memahami cara menggunakannya.

Kursus mikrokredensial ini memberikan pengantar praktis tentang Deep Learning beserta penerapannya di sektor agroindustri. Peserta akan menjelajahi konsep-konsep inti kecerdasan buatan, membangun model machine learning dari dasar, dan mengimplementasikan solusi nyata untuk tantangan pertanian modern — tanpa memerlukan pengalaman pemrograman tingkat lanjut.

Kursus ini memadukan teori yang ringkas dengan praktik langsung menggunakan Python dan Google Colab, sehingga dapat diikuti oleh siapa saja yang tertarik menerapkan AI di bidang pertanian, pengolahan pangan, atau industri terkait. Semua latihan berjalan di browser melalui Google Colab — tidak diperlukan instalasi perangkat lunak apa pun.

Target peserta: Mahasiswa, peneliti, praktisi pertanian, tenaga pengajar, dan profesional industri pangan yang ingin memahami dan menerapkan AI di bidang agroindustri — bahkan tanpa latar belakang kecerdasan buatan sebelumnya.

CAPAIAN PEMBELAJARAN:

Capaian Pembelajaran Utama (CPL):
Peserta mampu membangun dan menerapkan model Deep Learning untuk menyelesaikan permasalahan nyata di bidang agroindustri.

Setelah menyelesaikan kursus ini, peserta mampu:

1. Menjelaskan konsep dasar Deep Learning — termasuk arsitektur jaringan saraf, fungsi aktivasi, dan mekanisme backpropagation — serta relevansinya dengan permasalahan agroindustri Indonesia.
2. Menyiapkan, memproses, dan mengaugmentasi data agroindustri (citra, deret waktu, dan data tabular) sesuai kebutuhan pelatihan model deep learning.
3. Membangun, melatih, dan mengevaluasi model Deep Learning (ANN dan CNN) menggunakan Python dan Keras di lingkungan Google Colab.
4. Menerapkan Transfer Learning menggunakan arsitektur pre-trained (ResNet, VGG16) untuk menyelesaikan masalah klasifikasi citra di bidang pertanian dan industri pangan.
5. Menyelesaikan proyek mandiri CNN berbasis studi kasus agroindustri nyata dan mendokumentasikan hasilnya dalam laporan teknis yang terstruktur.

SILABUS:

Modul 1 : Pengantar Deep Learning & Agroindustri (±2 jam)

Modul 2 : Persiapan Data Latih (±2,5 jam)

Modul 3 : Membangun Model Deep Learning (±3,5 jam)

Modul 4 : CNN untuk Computer Vision Pertanian (±4 jam)

PENILAIAN:

Seluruh penilaian dilakukan secara otomatis oleh sistem:

Knowledge Check Modul 1 — Pengantar DL: 15%

Knowledge Check Modul 2 — Persiapan Data: 15%

Knowledge Check Modul 3 — Membangun Model: 20%

Knowledge Check Modul 4 — CNN & Computer Vision: 20%

Kuis Komprehensif Final — Modul 1–4: 30%

Nilai minimum kelulusan: 70 / 100

Catatan: Latihan Colab dan Mini Proyek CNN dikerjakan secara mandiri untuk memperkuat pemahaman — tidak dikumpulkan dan tidak dinilai.

SYARAT MENGIKUTI KURSUS:

1. Perangkat: Komputer atau laptop dengan koneksi internet stabil. Tidak diperlukan GPU khusus — semua komputasi dilakukan di cloud melalui Google Colab.
2. Akun Google: Diperlukan untuk mengakses dan menjalankan notebook latihan di Google Colab (gratis).
3. Pemrograman Dasar: Familiar dengan logika pemrograman dasar. Pengetahuan Python sangat disarankan — namun peserta dengan latar bahasa lain tetap dapat mengikuti.
4. Matematika Dasar: Pemahaman sederhana tentang operasi matriks dan statistika dasar akan membantu, namun bukan syarat mutlak.

Course Staff

Prof. Ir. Khairul Anam, S.T., M.T., Ph.D., IPU., ASEAN Eng.

[email protected]

Prof. Khairul Anam adalah Guru Besar Teknik Elektro di Universitas Jember sekaligus Kepala Laboratorium Sistem Cerdas dan Robotika (ISR Lab) di CDAST-UNEJ. Dengan pengalaman riset lebih dari 15 tahun, beliau fokus pada dua pilar utama: Robotika Kesehatan — meliputi tangan prostetik cerdas dan robot rehabilitasi stroke berbasis Brain-Computer Interface — serta AI untuk Pertanian & Kesehatan, termasuk pengering kopi cerdas berbasis IoT dan deteksi kanker paru dari citra X-ray. Beliau memiliki lebih dari 80 publikasi terindeks Scopus, telah membimbing 170+ mahasiswa S1 dan S2, aktif dalam kolaborasi riset internasional dengan institusi dari Swiss dan Turki, serta merupakan penulis buku Deep Learning untuk Agroindustri (UPA Peberbitan UNEJ, 2024).

Jabatan: Guru Besar Teknik Elektro, Universitas Jember (UNEJ)

Kepala: Laboratorium Sistem Cerdas dan Robotika (ISR Lab), CDAST-UNEJ

Koordinator: Magister Teknik Elektro, Universitas Jember

Publikasi Pilihan:

Buku Deep Learning untuk Agroindustri, UPA Universitas Jember, 2024

Anam, Khairul, et al. "Evaluation of LSTM for predicting grip strength using electromyography: a comparison of setups and methods." Neural Computing and Applications 37.21 (2025): 16461-16485.

Anam, Khairul, et al. "Random forest-based simultaneous and proportional myoelectric control system for finger movements." Computer methods in biomechanics and biomedical engineering 26.16 (2023): 2057-2069.

Website: https://khairul-anam.github.io/
Staff Page: https://khairul.staff.unej.ac.id/
Google Scholar: https://scholar.google.com/citations?user=OryG4o4AAAAJ
SINTA: https://sinta.kemdiktisaintek.go.id/authors/profile/55778