Bambang Petakan Kepakaran Dosen Lewat AI
Pemanfaatan kecerdasan buatan atau artificial intelligence (AI) di lingkungan perguruan tinggi tidak hanya berkaitan dengan kegiatan belajar mengajar. Teknologi ini juga berpotensi membantu kampus mengelola informasi akademik, termasuk memetakan bidang keahlian tenaga pengajar. Gagasan tersebut dikembangkan Bambang Setiawan Mauludin, lulusan Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK), Fakultas Teknik, Universitas Negeri Jakarta (UNJ).
Bambang berhasil meraih predikat wisudawan terbaik program studi dengan indeks prestasi kumulatif (IPK) 3,93. Ia mengikuti prosesi Wisuda Tahun Akademik 2025/2026 Sesi II pada Selasa, 20 Oktober 2026.
Prestasi tersebut menjadi semakin menarik karena tugas akhir Bambang tidak hanya berorientasi pada persoalan teknis pemrograman. Ia mengembangkan model deep learning untuk membantu mengidentifikasi kepakaran dosen bidang komputer berdasarkan publikasi ilmiah.
Penelitian itu diharapkan dapat membantu mahasiswa menemukan dosen pembimbing yang sesuai dengan topik penelitian sekaligus mendukung universitas dalam memetakan potensi akademik tenaga pengajar. <Cite refs={[“turn485076search0″,”turn485076search7”]}/>
Raih IPK 3,93 Berkat Konsistensi
Bambang berasal dari Indramayu, Jawa Barat, dan merupakan alumni SMAN 1 Sliyeg. Ia diterima di UNJ melalui jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN), yang kini dikenal sebagai Seleksi Nasional Berdasarkan Prestasi (SNBP).
Selama menjalani pendidikan tinggi, Bambang mendapatkan bantuan Kartu Indonesia Pintar (KIP) Kuliah. Dukungan tersebut membantu dirinya dan keluarga dalam memenuhi kebutuhan pendidikan.
Bagi Bambang, kesempatan kuliah melalui program bantuan pendidikan bukan sekadar fasilitas finansial. Dukungan tersebut juga menjadi pengingat untuk menjalankan tanggung jawab akademik dengan sungguh-sungguh.
Ia mengaku berusaha menjaga konsistensi dalam menyelesaikan kewajiban perkuliahan. Predikat wisudawan terbaik bukanlah target utama yang sejak awal dikejarnya, melainkan hasil dari proses belajar dan upaya menjalankan tanggung jawab sebaik mungkin.
Ketika mengetahui dirinya meraih penghargaan tersebut, Bambang mengaku merasa bersyukur, senang, sekaligus sedikit tidak menyangka. Ia menilai pencapaian itu tidak terlepas dari doa orang tua, bimbingan dosen, dan dukungan teman-temannya.
Pengalaman tersebut memperlihatkan bahwa keberhasilan akademik tidak hanya ditentukan oleh kemampuan memahami materi. Ketekunan, lingkungan pendukung, dan kemampuan menjaga ritme belajar juga memiliki peran penting dalam perjalanan mahasiswa. <Cite refs={[“turn485076search0″,”turn485076search4”]}/>
Mengembangkan AI untuk Memetakan Kepakaran
Penelitian skripsi Bambang berjudul Identifikasi Kepakaran Dosen Bidang Komputer di Universitas Negeri Jakarta Menggunakan Long Short-Term Memory dan Bidirectional Long Short-Term Memory.
Topik tersebut berangkat dari persoalan yang cukup dekat dengan kehidupan mahasiswa. Informasi mengenai bidang kepakaran dosen tidak selalu terdokumentasi secara terstruktur dan mudah ditelusuri. Akibatnya, mahasiswa terkadang mengalami kesulitan ketika mencari dosen pembimbing yang memiliki keahlian sesuai dengan tema penelitian mereka.
Untuk menjawab persoalan tersebut, Bambang mengembangkan pendekatan berbasis pembelajaran mendalam atau deep learning. Penelitiannya membandingkan dua model, yakni Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM).
Kedua model tersebut merupakan arsitektur jaringan saraf yang dapat digunakan untuk mengolah data berurutan, termasuk teks. Dalam penelitian ini, model dimanfaatkan untuk mengklasifikasikan publikasi ilmiah berdasarkan bidang kepakaran tertentu.
Menurut abstrak penelitian yang tersimpan di repositori UNJ, data yang digunakan mencakup 149 dokumen publikasi terindeks Scopus dari dosen bidang komputer yang berasal dari program studi Ilmu Komputer, PTIK, dan Sistem dan Teknologi Informasi (STI).
Penelitian itu juga menggunakan standar ACM Computing Classification System 2020 sebagai acuan pengelompokan bidang komputasi. Tahap pengolahan data mencakup prapemrosesan teks dan pemodelan topik menggunakan Latent Dirichlet Allocation (LDA) untuk mendukung proses pelabelan data secara hibrida. <Cite refs={[“turn485076search7”]}/>
Mengenal LSTM dan BiLSTM
LSTM merupakan jenis jaringan saraf berulang yang dirancang untuk mempelajari pola dalam urutan data. Model ini memiliki mekanisme yang membantu mempertahankan informasi relevan dari bagian sebelumnya dalam suatu urutan.
Dalam pemrosesan teks, kemampuan tersebut dapat membantu model mengenali hubungan antarkata dan konteks yang terbentuk dalam kalimat. Hal ini penting karena sebuah publikasi ilmiah dapat memuat istilah teknis yang maknanya berkaitan dengan kata-kata lain dalam judul, abstrak, atau bagian penjelasan.
Sementara itu, BiLSTM atau Bidirectional Long Short-Term Memory memproses urutan dalam dua arah, yakni dari awal ke akhir dan dari akhir ke awal. Pendekatan tersebut memungkinkan model mempertimbangkan konteks dari kedua arah ketika mempelajari teks.
Bambang menggunakan kedua model tersebut untuk membandingkan kemampuan identifikasi bidang kepakaran dosen. Perbandingan ini penting karena model yang lebih kompleks belum tentu selalu menghasilkan prediksi terbaik untuk setiap jenis data.
Hasil pengujian perlu dinilai berdasarkan metrik evaluasi yang sesuai, kualitas data, dan kemampuan model mengklasifikasikan publikasi secara tepat. Dengan demikian, penelitian tidak sekadar membangun sistem berbasis AI, tetapi juga menguji pendekatan mana yang lebih sesuai dengan kebutuhan pemetaan kepakaran.
Meski berpotensi membantu pekerjaan akademik, hasil klasifikasi otomatis tetap perlu ditinjau. Publikasi ilmiah tidak selalu mencerminkan seluruh kemampuan seseorang, sedangkan bidang penelitian seorang dosen dapat berkembang dari waktu ke waktu.
Membantu Mahasiswa Menemukan Pembimbing
Salah satu manfaat yang diharapkan dari penelitian Bambang adalah mempermudah mahasiswa menemukan dosen pembimbing sesuai topik tugas akhir.
Sebagai contoh, mahasiswa yang ingin meneliti keamanan jaringan dapat menggunakan informasi pemetaan untuk mencari dosen yang publikasinya berkaitan dengan bidang tersebut. Mahasiswa yang tertarik pada kecerdasan buatan juga dapat menelusuri dosen yang memiliki rekam penelitian relevan.
Pemetaan berbasis publikasi dapat menjadi titik awal untuk mempertemukan kebutuhan penelitian mahasiswa dengan kompetensi akademik dosen. Informasi tersebut juga dapat membantu mahasiswa menyusun pilihan pembimbing secara lebih terarah sebelum berkonsultasi dengan program studi.
Di tingkat institusi, sistem serupa berpotensi mendukung pemetaan sumber daya akademik. Universitas dapat memanfaatkannya sebagai salah satu bahan pertimbangan untuk mengidentifikasi peluang kolaborasi riset, membentuk kelompok penelitian, atau menyesuaikan penawaran mata kuliah dengan kompetensi yang tersedia.
Namun, sistem AI tidak seharusnya menjadi satu-satunya dasar dalam menentukan pembimbing maupun penempatan dosen. Pertimbangan lain, seperti beban bimbingan, minat penelitian, pengalaman mengajar, dan kesediaan dosen, tetap diperlukan.
Bambang berharap penelitiannya dapat memberikan manfaat praktis bagi mahasiswa dan pengelolaan pendidikan tinggi. Baginya, kecerdasan buatan memiliki peluang untuk membantu menyelesaikan persoalan administrasi dan tata kelola, bukan hanya pekerjaan teknis. <Cite refs={[“turn485076search0″,”turn485076search7”]}/>
Pernah Mengalami Burnout saat Kuliah
Di balik pencapaian akademiknya, perjalanan Bambang selama kuliah juga diwarnai tantangan. Pada pertengahan hingga akhir masa studi, ia menjalankan tanggung jawab sebagai Wakil Ketua Badan Eksekutif Mahasiswa (BEM) Program Studi.
Kombinasi kegiatan organisasi dan kewajiban akademik membuat jadwalnya semakin padat. Bambang mengaku sempat mengalami burnout karena harus membagi perhatian di antara berbagai tanggung jawab.
Untuk mengatasinya, ia mulai menyusun prioritas, membuat daftar tugas, dan merancang jadwal mingguan. Ia juga berusaha menyelesaikan pekerjaan kecil tanpa menundanya agar tidak menumpuk menjelang tenggat.
Pengalaman itu mengajarkannya bahwa produktivitas bukan hanya soal menyelesaikan banyak pekerjaan. Menjaga energi, mengenali batas kemampuan diri, dan menyediakan waktu istirahat juga diperlukan agar kegiatan dapat berlangsung secara berkelanjutan.
Pengalaman Praktik Kerja Lapangan di PUSTIKOM UNJ turut menjadi bagian penting dalam perjalanan studinya. Di sana, Bambang belajar bekerja dalam tim, menyelesaikan masalah di lapangan, dan bertanggung jawab atas keputusan bersama.
Ia juga mengapresiasi dukungan dosen pembimbing, Widodo dan Murien, serta koordinator program studi, Ficky, selama proses penyusunan skripsi. Dukungan rekan-rekan PTIK dan BEM Program Studi turut membantunya melewati berbagai tantangan. <Cite refs={[“turn485076search0″,”turn485076search4”]}/>
Menatap Karier di Bidang Teknologi
Setelah menyelesaikan pendidikan di UNJ, Bambang berencana membangun karier di bidang teknologi informasi. Ia tertarik bekerja sebagai back-end developer atau full-stack developer, serta membuka peluang untuk berkarier dalam bidang data science dan pemrosesan bahasa alami atau natural language processing (NLP).
Ketertarikan pada bidang tersebut sejalan dengan pengalamannya mempelajari pemrograman dan mengembangkan model AI selama kuliah. Ia juga tidak menutup kemungkinan melanjutkan studi apabila memperoleh kesempatan yang sesuai.
Kepada mahasiswa tingkat akhir, Bambang berpesan agar tidak memaksakan diri ketika menghadapi kendala pemrograman atau penelitian. Menurutnya, istirahat sejenak dan kembali mencoba dapat menjadi langkah yang lebih baik daripada terus bekerja hingga kelelahan.
Perjalanan Bambang Setiawan Mauludin menunjukkan bahwa riset mahasiswa dapat berangkat dari persoalan sederhana yang dijumpai di lingkungan kampus. Dengan memanfaatkan teknologi AI, ia berupaya menawarkan pendekatan untuk membantu pencarian informasi kepakaran dosen secara lebih terstruktur.
Predikat lulusan terbaik dengan IPK 3,93 menjadi pencapaian akademik yang membanggakan. Namun, kontribusi yang diharapkan dari penelitiannya terletak pada peluang pemanfaatan teknologi untuk membuat proses pendidikan dan pengelolaan riset menjadi lebih efektif.
Ke depan, pengembangan dan pengujian lebih lanjut diperlukan agar model tersebut dapat diterapkan secara konsisten. Jika dikembangkan dengan data yang memadai dan evaluasi yang tepat, pemetaan kepakaran berbasis AI berpotensi menjadi salah satu alat pendukung bagi mahasiswa, dosen, dan perguruan tinggi dalam membangun ekosistem penelitian yang lebih terhubung.
Sumber Artikel : https://www.kompas.com/
Sumber Gambar : https://www.kompas.com/
